ACADEMIA DE STUDII ECONOMICE

DEPARTAMENTUL DE PREGĂTIRE DOCTORALĂ

RAPORT DE CERCETARE

Optimizarea proceselor economice folosind sisteme

informatice economice care integrează tehnici data
mining

Doctorand : ANDRONIE Mihai

Bucureşti 2010
Cuprins
Introducere
Cap. 1. Optimizarea proceselor economice
1.1. Conceptul de optimizare a procesului economic
• noţiunea de optimizare
• noţiunea de proces economic
• posibilităţi de optimizare a proceselor economice
• Instrumente informatice folosite în optimizarea proceselor economice
1.2. Six Sigma, o metodologie de optimizare a proceselor economice
• Descrierea sistemului Six Sigma
• Optimizarea proceselor folosind metodologia Six Sigma
• Etapele metodologiei Six Sigma
Cap. 2. Sisteme informatice economice care integrează tehnici data mining
2.1.Conceptul de sistem informatic economic
• Definire- obiective- performanţe
• Componente structurale şi arhitecturale
• Aplicaţii informatice destinate mediului de afaceri
2.2. Sisteme integrate de tip ERP care utilizează tehnici data mining
• Structura ERP utilizate pentru diferiţi agenţi economici
• Prezentare generală
• Avantaje şi dezavantaje ale ERP
• Data mining ca parte a ERP
2.3.Sisteme informatice cu tehnici data mining destinate mediului de afaceri
• Prezentare generală
• Caracteristici reprezentative
• Domenii de aplicabilitate
• Aplicaţii informatice cu tehnici data mining incorporate în sistemele
informatice economice
Cap.3. Optimizarea proceselor economice desfăşurate de firmele cu activitate
complexă producţie- comerţ- servicii folosind sisteme informatice economice care
integrează tehnici data mining
• IDEA, un software specializat pentru data mining
• Schemă cu integrarea primelor 2 capitole

3.1. Particularităţi de analiză a datelor generate de procesele economice desfăşurate

de firmele cu activitate complexă producţie- comerţ- servicii

3.2. Posibilităţi de optimizare a proceseloer economice desfăşurate de firmele cu

activitate complexă producţie- comerţ- servicii folosind sisteme informatice
economice care integrează tehnici data mining
Cap.4. Soluţie de aplicaţie informatică cu tehnici data mining folosită pentru
optimizarea proceselor economice desfăşurate de firmele cu activitate complexă
producţie- comerţ- servicii
• Utilizarea tehnicilor de analiză avansată a datelor în cadrul metodologiei
Six Sigma
 • Aplicarea tehnicilor data mining în cadrul meetodologiei Six Sigma
pentru o reţea de distribuţie de cărţi
Concluzii şi contribuţii personale
Bibliografie

Introducere

1. Optimizarea proceselor economice

1.1. Conceptul de optimizare a procesului economic
Noţiunea de optimizare
Noţiunea de optimizare, este definită conform dicţionarului explicativ al limbii
române ca „alegerea și aplicarea soluției (economice) optime (dintre mai multe posibile)”
[DEX 1998], „optim” însemnând tot conform aceluiaşi dicţionar „cel mai bun sau foarte
bun (adecvat, potrivit, indicat etc.)”. Mai exact în cazul de faţă, „optim” ar avea
semnificaţia „care asigură cea mai mare eficiență economică, care corespunde cel mai
bine intereselor economice urmărite” [DEX 1998].
În cazul problemelor de natură economică noţiunea de „optimizare” are
semnificaţia de alegerea şi punerea în aplicare a soluţiei economice care să conducă la
rezultatele cele mai bune (optime) pentru o anumită unitate economică, dintre mai multe
posibile.
Economia fiind ştiinţa care se ocupă cu folosirea unor resurse limitate pentru
satisfacerea cât mai multor cerinţe, putem considera că optimizarea în domeniul
economic este de importanţă majoră. Teoriile relative la optimizarea economică se aplică
în mod similar atât pentru situaţii simple cum ar fi cele din cadrul unei gospodării, cât şi
în situaţii mai complexe cum ar fi de exemplu în cadrul companiilor mari sau chiar la
nivel guvernamental. În toate aceste cazuri se pot identifica anumite resurse care de
fiecare dată sunt limitate şi anumite cerinţe care trebuiesc să fie îndeplinite utilizând
aceste resurse, problema de bază fiind aceea de a alege modul de folosire a resurselor
astfel încât utilitatea înregistrată (pentru gospodărie, companie, guvern, etc.) să fie
maximă [28].

Noţiunea de process economic

Noţiunea de „process economic” se referă la un proces în care activităţile
desfăşurate sunt de natură economică, termenul de „proces” fiind folosit cu semnificaţia
de „succesiune de operații, de stări sau de fenomene prin care se efectuează o lucrare, se
produce o transformare; evoluție, dezvoltare, desfășurare; acțiune” [DEX 1998].
Conform dicţionarului Rubinian (www.rubinian.com) [27], procesul economic
este definit ca fiind o „înlănţuire ordonată a diferitelor etape şi / sau stadii ale realizării
unei operaţiuni economice; mişcarea generală, dezvoltarea în timp şi în spaţiu, a unui
fenomen economic”.
 Din aceeasi sursă se poate afla că „procesul economic se referă la un ansamblu de
fapte şi activităţi specifice vieţii economice: procese de producţie, de distribuire, de
consum, de muncă, de investiţii. Cu alte cuvinte întreg sistemul de activităţi la care
participă si în care se înscriu, prin funcţiile lor, toţi agenţii economici reprezintă procesul
economic” [27]. Tot aici se precizează anumite cerinţe care trebuiesc îndeplinite pentru a
putea realiza un proces economic. Astfel „pentru realizarea procesului economic se
consumă (se cheltuiesc) mijloace economice: aprovizionarea cu materii prime, etc,
fabricarea de produse, executarea de lucrări, prestarea de servicii, desfacerea (vânzarea)
de produse etc.” [27].
Pentru a putea optimiza un proces economic este necesar ca încă de la început să
se cunoască fazele acestuia si să fie redefinite astfel încât procesul să se desfăşoare într-
un mod cât mai eficient posibil. De asemenea este nevoie să se efectueze analize
economice ale procesului, bazate pe date concrete din interiorul unităţii economice
studiate, care să stea la baza eficientizării acestuia.

OPTIMIZARE = PROCES ECONOMIC =

• alegerea și aplicarea soluției • înlănţuire ordonată a
(economice) optime (dintre diferitelor etape şi / sau stadii ale
mai multe posibile); realizării unei operaţiuni
• obţinerea utilităţii maxime economice; mişcarea generală,
într-o anumită situaţie. dezvoltarea în timp şi în spaţiu, a
unui fenomen economic

OPTIMIZAREA PROCESELOR ECONOMICE =

• alegerea şi punerea în aplicare a soluţiei economice care să conducă la
rezultatele cele mai bune (optime) pentru o anumită unitate economică,
dintre mai multe posibile;
• alegerea modului de folosire a resurselor disponibile astfel încât utilitatea
înregistrată (pentru o gospodărie, intreprindere, guvern, etc.) să fie
maximă.

• Este nevoie de metode de definire a fazelor unui proces economic pentru

ca procesul să se desfăşoare în mod optim;
• Este nevoie de analize economice care să ajute la optimizarea proceselor
economice.

Fig. 1.1. Optimizarea proceselor economice.

 Posibilităţi de optimizare a proceselor economice
Resursele limitate de care dispune un agent economic pot fi privite ca nişte
constrângeri, cum ar fi de exemplu disponibilul de forţă de muncă, resursele financiare,
materiile prime, echipamentele de producţie, tehnologia informatică sau alţi factori de
producţie, toate acestea fiind disponibile într-o măsură mai mică sau mai mare de la caz
la caz.
Scopul optimizării unui proces economic poate fi privit ca o maximizare a
utilităţii pe care folosirea tuturor acestor resurse o aduce întreprinderii în cauză.
Un exemplu simplu de optimizare a unui proces economic într-o unitate de
producţie poate fi înlocuirea forţei de muncă umane cu maşini care pot fi mult mai
productive şi în acelaşi timp mai puţin costisitoare, lucru destul de des întâlnit în
economie. Cu toate că o astfel de decizie pare să se justifice, înainte de a o adopta trebuie
analizate temeinic consecinţele acesteia.
Pentru o firma mica de exemplu achiziţia unor echipamente scumpe şi costurile de
punere în funcţiune ale acestora pot fi destul de greu de suportat. Pe de altă parte pot
exista cazuri de firme cu tradiţie ai căror clienţi sunt motivati de modul acestora de
producţie, şi într-un astfel de caz o asemenea decizie nu ar fi una tocmai bună.
Un alt exemplu ar fi în legătură cu reducerea anumitor cheltuieli. Există cazuri
când pentru a reduce cheltuielile anumite firme achiziţionează echipamente de calitate
mai slabă. Această decizie nu este întotdeauna una fericită deoarece în timp aceste
echipamente pot costa mai mult decât altele de calitate mai bună care iniţial ar fi fost mai
scumpe (dar care pe termen lung sunt mai fiabile şi prin urmare şi mai ieftine). De
asemenea rezultatele (bunurile produse în cazul procesului de producţie) pot fi de calitate
mi slabă, ceea ce poate conduce la daune pe alte planuri cum ar fi de exemplu pierderea
unor clienţi.
Din exemplele de mai sus se poate desprinde faptul că optimizarea unui proces
economic nu este întotdeauna un lucru uşor de realizat. Ea presupune o bună analiză a
situaţiei în care se afla un agent economic şi în acelaşi timp um management competent
la toate nivelurile acesteia.
Un mod bun de a ilustra posibilitatea de optimizare a unui proces economic este
maximizarea unei funcţii de utilitate economică ce depinde de două produse (notate în
continuare cu 1 şi 2) [28]. Să presupunem că avem de a face cu un agent economic ce are
în plan achiziţionarea celor două produse (produsul 1 îl considerăm a fi forţa de muncă în
timp ce produsul 2 poate fi reprezentat de materii prime necesare pentru procesul de
producţie). Agentul economic dispune de un buget finit, care va fi împărţit între
achiziţionarea produsului 1 şi achiziţionarea produsului 2 (în cazul de faţă forţă de muncă
şi materii prime).
Se obţine relaţia:
P1*X1 + P2*X2 = B (1)
Unde:
- P1 = preţul produsului 1 (preţul forţei de muncă – salariul mediu al
angajaţilor);
- P2 = preţul produsului 2 (preţul materiilor prime);
- X1 = cantitatea din produsul 1 achiziţionată (numărul de angajaţi);
- X2 = cantitatea din produsul 2 achiziţionată (cantitatea de materii prime);
 - B = bugetul de care agentul economic dispune, fiind constant.
Bugetul unităţii economice (B) este limitat iar problema care se pune este
împărţirea optimă a acestuia.
Putem identifica funcţia de utilitate U:
U(X1, X2) -> MAX (2)
Fiecare nivel de utilitate corespunde unei anumite curbe de indiferenţă, cu utilitate
constantă (fig 1.2.) [28]. Prin optimizarea procesului economic se înţelege alocarea
bugetului disponibil pentru achiziţionarea celor doua produse având în vedere
maximizarea funcţiei de utilitate. Această funcţie de utilitate variază de la un caz concret
la altul şi trebuie estimată ţinând cont de particularităţile fiecărei unităţi economice în
parte.
În exemplul prezentat mai sus o firmă va avea nevoie atât de forţă de muncă cât şi
de materii prime pentru a produce. În funcţie de domeniul de activitate al acesteia există
un raport optim între numărul de muncitori şi cantitatea de materii prime. Dacă ar fi mai
mulţi muncitori, o parte dintre aceştia nu ar avea de lucru, iar dacă ar fi mai multe materii
prime procesul de producţie ar fi încetinit din cauza forţei de muncă insuficiente.

Fig. 1.2. Maximizarea funcţiei de utilitate [28].

În figura 1.2. sunt reprezentate curbele de indiferenţă şi o dreaptă care reprezintă

bugetul disponibil al unui agent economic. Orice curbă de indiferenţă are asociat un nivel
de utilitate:
U(X1, X2) = constant (3)
 O curbă de indiferenţă are o utilitate asociată mai mare cu cât este reprezentată în
figura 1.2. mai la dreapta şi mai sus. Punctul de optim se obţine la tangenţa dreptei
bugetului disponibil cu acea curbă de indiferenţă cu utilitatea cea mai mare [28].
În cazul de faţă soluţia optimizării unui proces economic constă în determinarea
unor cantităţi de forţă de muncă şi materii prime care să maximizeze funcţia de utilitate.
Punctul de tangenţă al dreptei bugetului cu curba de indiferenţă care are cel mai
mare nivel de utilitate asociat se poate obţine punând condiţia ca acestea să aibă pante
constante în acel punct (cele două trebuie să fie tangente). Dacă se cunosc relaţiile care
definesc cele două curbe, se pune condiţia ca derivatele de ordinul întâi ale fiecăreia în
punctul de optim să fie egale [28].
Această metodă de a determina punctul de optim pentru un agent economic poate
fi utilă în cazurile simple, dar în realitate lucrurile sunt mult mai complexe decât cel
prezentat mai sus, iar o modelare matematică a acestora poate să nu fie cea mai bună
abordare. De multe ori este nevoie să fie luate în considerare mult mai multe variabile.
Trebuie de asemenea să se ţină cont şi de faptul că o unitate economică activează într-un
mediu dinamic, iar ceea ce la un moment dat este un punct de optim, la un alt moment de
timp să nu mai fie.
În anumite cazuri a optimiza procesele economice din cadrul unei unităţi
economice (a calcula punctul de optim al unei firme) este o acţiune foarte laborioasă, care
poate să dureze o perioada mai mică sau mai mare de timp în funcţie de complexitatea
situaţiei acesteia. În astfel de cazuri este nevoie să fie utilizate instrumente informatice
performante, pentru a reduce cât mai mult durata şi costurile optimizării. Trebuie să se
ţină cont şi de faptul că dacă durata optimizării proceselor economice este prea mare
atunci punctul de optim care se va obţine s-ar putea să nu mai fie de actualitate, datele
problemei schimbându-se între timp. Din acest punct de vedere utilizarea de instrumente
informatice puternice într-o unitate economică modernă care se doreşte a fi performantă
este cu adevărat necesară.

Instrumente informatice folosite în optimizarea proceselor economice

Pentru optimizarea proceselor economice este nevoie de instrumente specializate
şi de personal calificat în cadrul unităţilor economice care să realizeze acest lucru.
O abordare posibilă în cazul când trebuiesc optimizate anumite procese
economice utilizând instrumente informatice performante este aceea de a face mai întâi o
modelare a procesului de optimizat care apoi se introduce într-un program specializat
care caută posibile soluţii.
În lucrarea Economic Optimisation with GAMS [35], Trinidad Casasus Estelles,
Manuel Mocholi Arce şi Ramon Sala Garrido propun o posibilă soluţie de optimizare
prin utilizarea unui program denumit GAMS (General Algebraic Modelling System).
Acesta este un program dezvoltat de un grup de economişti de la Banca Mondială care
are ca scop găsirea de soluţii la probleme economice [35]. În acest scop se folosesc
modele economice, se caută soluţii pe cale matemetică şi se interpretează rezultatele
obţinute.
Programul GAMS este capabil să găsească soluţii la o varietate de probleme cu
naturi diferite. Astfel acesta poate fi utilizat pentru probleme diferite, fie că acestea sunt
liniare sau neliniare. GAMS poate fi aplicat pentru a obţine rezultate la probleme
economice, pentru planificarea producţiei, probleme de management sau în alte situaţii
similare [35].
În lucrarea amintită anterior se arată utilitatea programului GAMS pentru
problema clasică a maximizării utilităţii unu agent economic. Pentru aceasta se introduce
în program modelul matematic sub forma unui fişier de intrare, iar în urma aplicării
programului se obţine un fişier de ieşire cu parametrii optimi calculaţi [35]. Această
problemă a fost amintită anterior în lucrarea de faţă. Pentru rezolvarea problemei de
maximizare a utilităţii este foarte greu să se calculeze soluţia fără instrumente informatice
performante şi din această cauză este necesar un program care să faciliteze obţinerea
rezultatelor.
Scopul urmărit aici nu este acela de a prezenta programul GAMS, ci acela de a
arăta cum utilizarea unui program nespecializat numai pe optimizarea proceselor de
natură economică poate avea rezultate pozitive şi poate fi folosit cu succes în astfel de
situaţii.
Pe lângă programele de uz general cum a fost cazul celui prezentat anterior există
şi instrumente puternice specializate pe optimizarea proceselor economice. Dintre acestea
putem aminti analiză statistică, una dintre metodele cele mai utilizate pentru optimizare
în domeniul economic.
Cu ani în urmă, când tehnica de calcul avea performanţe reduse şi calculatoarele
erau scumpe, utilizarea instrumentelor informatice specializate era limitată iar în
majoritatea cazurilor analiza statistică era destul de folosită, dar fără a putea analiza
volume mari de date aşa cum se întâmplă astăzi. În această perioadă s-au dezvoltat
principalele metode de analiză statistică care mai apoi au fost adaptate pentru utilizarea
pe calculator, pentru a putea înregistra performanţe mai bune.
Odată cu dezvoltarea fără precedent a tehnicii de calcul din ultimii ani şi odată cu
creşterea puterii de calcul şi a capacităţii de stocare de date s-a ajuns în situaţia că vechile
metode statistice nu mai erau utile în analiza datelor cu complexitate ridicată. Dar
evoluţia calculatoarelor, în acelaşi timp cu creşterea volumului de date şi cu creşterea
complexităţii acestora a adus şi soluţii la această problemă. Au fost dezvoltaţi algoritmi
moderni care să poată analiza cu succes astfel de date. În acelaşi scop au apărut tehnicile
avansate de analiză a datelor, numite şi tehnici data mining.
La momentul actual există metode integrate care ajută companiile să îşi
administreze afacerile pe toate nivelele, de la managementul de vârf până la procesele de
producţie.
Printre cele mai utilizate abordări în această direcţie merită amintită folosirea
sistemelor ERP (Enterprise Resource Planning) care oferă soluţii integrate companiilor
care activează în diferite domenii economice. Soluţiile ERP integrează o multitudine de
instrumente care au un rol decisiv în creşterea performanţelor agenţilor economici, chiar
dacă acestea la început sunt costisitoare.

1.2. Six Sigma, o metodologie de optimizare a proceselor

economice

Descrierea sistemului Six Sigma

Six Sigma este o metodologie de îmbunătăţire a performanţelor unei organizaţii
folosind anumite metode specifice, apelând la noţiuni de statistică.
 Metodologia Six Sigma a fost prima dată implementată de compania Motorola,
urmată apoi de alte companii şi instituţii mari cum ar fi General Electric, Du Pont,
Honeywell, NASA, etc.
Iniţial metodologia Six Sigma a fost gândită pentru a fi utilizată la nivelul
optimizării procesului de producţie, ca o cale de a asigura calitatea produselor obţinute.
Ulterior metodologia a fost generalizată fiind folosită nu numai la optimizarea proceselor
de fabricaţie, ci şi pentru procesele de management al unei instituţii, fie de natură
economică sau de alt tip.
La momentul actual există un intreg sistem de instruire de specialişti în
metodologia Six Sigma. Astfel avem de a face cu un sistem de certificări pe mai multe
nivele de competenţă. Dintre aceste nivele se pot identifica următoarele cinci, dintre care
în cazul unora vom păstra denumirea în limba engleză [30]:
• Conducerea;
• Champion („campion”);
• Master Black Belt („maestru centură neagră”);
• Black Belt („centură neagră”);
• Green Belt („centură verde”);
Fiecare nivel are funcţii şi responsabilităţi specifice în cadrul metodologiei.
Astfel conducerea instituţiei unde se doreşte implementarea unui sistem de tip Six
Sigma trebuie să ia parte activ la procesul de optimizare şi să îl iniţieze. Nu se poate
implementa un proces de optimizare fără acordul conducerii instituţiei. Din acest punct
de vedere se poate afirma că implementarea metodologiei de optimizare Six Sigma
trebuie făcută de sus în jos [30].
Un alt nivel în implementarea Six Sigma îl reprezintă acela al „campionilor”.
Aceştia trebuie să fie persoane care înţeleg bine metodologia Six Sigma, angajaţi
permanenţi ai instituţiei care au ca şi responsabilitate asigurarea succesului acestei
metodologii [30].
Master Black Belt este nivelul care presupune competenţele tehnice cele mai
avansate. O persoană aflată pe acest nivel trebuie să cunoască în detaliu cum funcţionează
sistemul (la nivel tehnic, de statistică) [30]. De asemenea aceasta trebuie să fie capabilă
să instruiască alte persoane pentru nivelele imediat inferioare (cele de Black Belt şi Green
Belt), precum şi să îi asiste pe aceştia atunci când la rândul lor îi instruiesc pe alţi
participanţi la programul Six Sigma [30].
Persoanele cu calificarea de Black Belt au ca atribuţie să se asigure că proiectul
Six Sigma funcţionează şi este executat în mod corespunzător. Aceştia sunt sub
îndrumarea directă a unui Master Black Belt.
Angajaţii care se află pe nivelul Green Belt sunt aceia care trebuie să se ocupe de
proiectul de optimizare şi să formeze echipe de lucru fiind asistaţi în acest sens de cei de
pe poziţia Black Belt [30].
În figura 1.3 este prezentată o organizare ierarhică a ultimelor trei nivele de
calificare, acestea jucând rolul principal în optimizarea proceselor dintr-o unitare
economică. De obicei la nivelul unei unităţi economice este un Master Black Belt care
are în subordine mai mulţi Black Belts, fiecare Black Belt având la rândul său în
subordine unul sau mai multi Green Belts.
 Master Black Belt

Black Belt
Black Belt

Green Belt Green Belt

Green Belt

Fig. 1.3. Ierarhia calificărilor Six Sigma [31].

Toată această ierarhie de specialişti are ca scop îmbunătăţirea performanţelor unei

unităţi economice. Metodologia Six Sigma este eficientă pentru optimizarea multor tipuri
de procese, de la cele de producţie până la cele de management al unităţii unde este
folosită.

Optimizarea proceselor folosind metodologia Six Sigma

Metodologia Six Sigma îşi propune să elimine erorile (defectele în cazul unui
proces de producţie sau în cazul proceselor de management al firmei) efectuând un
control mult mai riguros al acestor procese, înlăturând cauzele care conduc la astfel de
erori. Acest lucru se consideră că este posibil dacă se reuşeşte o minimizare a
variabilităţii rezultatelor acestor procese, făcându-le mult mai predictibile [32].
În statistică literea grecească σ este folosită pentru a determina deviaţia standard a
unor valori obţinute statistic de la o medie notată cu µ, în condiţiile în care aceste valori
urmează o distribuţie normală (Gaussiană). Curba de distribuţie a unor astfel de valori are
formă de clopot, centrat în jurul mediei notate cu µ (Fig. 1.4.) [29].
Fig. 1.4. Graficul unei repartiţii normale cu media µ şi dispersia σ.

Graficul din figura 1.4. este fapt de formula:

1  x−µ 
2

1 −  
2 σ 
f ( x) = e
σ 2π
În această formulă avem µ şi σ ca fiind media şi dispersia repartiţiei normale. Se
poate observa că în afara intervalului din vecinătatea mediei µ valoarea funcţiei f este
aproape nulă. Dispersia σ ne arată cât de întins este acest interval. Pentru o dispersie σ
mică vom avea de a face cu un interval mai îngust.
Un proces, fie el de producţie sau economic, poate fi modelat din punct de vedere
al ieşirilor folosind repartiţia normală. Astfel putem considera media ieşirilor µ ca fiind
media rezultatelor care se obţin în urma respectivului proces. Nu este neapărat necesar ca
această medie a rezultatelor obţinute să fie şi rezultatele optime pentru unitatea
economică. Cu alte cuvinte primul pas care s-ar cere ar fi să se asigure faptul că
rezultatele obţinute (media lor) sunt şi cele dorite.
Cunoscând forma funcţiei f(x) din formula precedentă se poate calcula matematic
care este probabilitatea ca o ieşire să fie în interiorul limitelor [µ-nσ, µ+nσ] utilizând
următoarea formulă:
µ + nσ
pn = ∫ f ( x)dx
µ − nσ

Cunoscând probabilitatea p n pentru diferite valori ale lui n se poate calcula şi

probabilitatea ca un rezultat să fie în afara acestor limite cu formula:
p ndefect = 1- p n
Semnificaţia în cazul interpretării rezultatelor unui proces economic sau de
producţie este aceea că probabilitatea p n p ndefect
 În urma realizării acestor calcule se obţin următoarele valori:

n Probabilitatea ca rezultatul să fie în Probabilitatea

limitele [µ-nσ, µ+nσ] apariţiei defectelor
1 0,31 0,69
2 0.69 0,31
3 0,933 0,067
4 0,9938 0,0062
5 0,99977 0,00023
6 0,9999966 0.0000034
Tab. 1 Probabilitatea apariţiei defectelor folosind o repartiţie normală

În metodologia Six Sigma se doreşte o reducere a dispersiei proceselor economice

sau de producţie astfel încât rezultatele acestora să se încadreze cu o marje de ± 6σ în
limitele impuse de client. De aici provine şi denumirea metodei.
Prin impunerea unei marje de ± 6σ se asigură faptul că 99.99966% din rezultatele
proceselor economice sau de producţie îndeplinesc condiţiile de calitate impuse de către
client, iar restul de numai 0.00034% reprezintă defecte, fiind un număr aproape
neglijabil.
Cauza principală pentru care s-a ales încadrarea rezultatelor proceselor economice
şi de producţie între limitele impuse de client cu o marje de ± 6σ este aceea că s-a
constatat că pe termen lung această marje tinde să se reducă la ± 4,5σ din diferite cauze
care nu pot fi prevăzute de la început [33]. Acest lucru a fost dovedit de practică
Se poate trage concluzia de aici că scopul principal al metodologiei Six Sigma
este acela de a reduce variabilitatea rezultatelor obţinute. Se doreşte astfel ca rezultatele
unui proces, fie el de producţie sau economic, să fie cât mai predictibile. Astfel, prin
reducerea dispersiei σ din modelul de mai sus creşte calitatea rezultatelor procesului de
optimizat şi scade probabilitatea apariţiei defectelor.
Din punctul de vedere Six Sigma poate fi considerat defect orice abatere de la
medie care produce insatisfacţie clienţilor unei unităţi economice şi acest principiu
trebuie să ghideze în alegerea limitelor în care se doreşte ca rezultatele proceselor să se
încadreze. În orice proces, fie el economic sau de producţie trebuie ca mai întâi să fie
definite aceste limite

Etapele metodologiei Six Sigma

Metodologia Six Sigma îşi propune să optimizeze rezultatele unui proces,
indiferent daca este de producţie sau economic, folosind succesiuni de etape bine definite
care au ca scop reducerea semnificativă a numărului de defecte, lucru care are ca rezultat
creşterea satisfacţiei clienţilor.
Metodologia Six Sigma urmăreşte o succesiune bine definită de etape pentru a
optimiza procesele pentru care este aplicată. Această succesiune de etape este cunoscută
cu denumirea de DMAIC [30], fiecare din literele acestui cuvânt descriind o anumită
etapă astfel:
 • D – Definire (Define) – Presupune definirea obiectivelor care se doresc a
fi atinse cu ajutorum metodologiei Six Sigma [30]. Acestea pot fi
îmbunătăţirea calităţii produselor obţinute sau îmbunătăţirea proceselor de
management pentru o firmă [30]. Atingerea acestor obiective va trebui
realizată cu precizia de 99.99966% specifică metodologiei.
• M – Măsurare (Measure) – Etapa de măsurare presupune identificarea
stadiului sistemelor de optimizat înainte de aplicarea metodologiei Six
Sigma. Acest lucru este important pentru a putea determina mai târziu o
evoluţie a sistelelor analizate, pentru a „evalua progresele înregistrate şi
distanţa care ne separă de atingerea scopurilor definite la etapa
precedentă” [30].
• A – Analiză (Analyse) – Etapa de analiză constă în evaluarea sistemului
de optimizat pentru a găsi soluţii de îmbunătăţire a acestuia urmărind
„reducerea distanţei dintre situaţia curentă şi scopurile definite la prima
etapă” [30].
• I – Îmbunătăţire (Improove) – Această etapă constă în aplicarea
mijloacelor de îmbunătăţire a procesului de optimizat identificate la etapa
precedentă. În urma etapei de îmbunătăţire ar trebui să se înregistreze deja
o creştere măsurabilă a performanţelor în direcţia atingerii scopurilor
definite la începutul metodologiei.
• C – Control (Control) – Este ultima etapă din metodologia Six Sigma care
are ca scop asigurarea faptului că performanţele înregistrate se vor
menţine şi după terminarea optimizării Six Sigma. Este important să se
elaboreze documentaţii detaliate pentru noul mod de desfăşurare al
proceselor în urma optimizării acestora [30].
Prin urmare se poate observa că metodologia Six Sigma constă dintr-o succesiune
de etape bine definite care conduc în final la optimizarea unui proces economic, de
producţie sau de altă natură acestea fiind reprezentate în figura 1.5. Această metodologie
se concentrează în mod special pe reducerea procentului de defecte prin identificarea
cauzelor acestora. Odată cauzele cunoscute, se pot lua măsuri concrete pentru remedierea
problemelor. Pentru aceasta este nevoie de instrumente informatice specializate, care să
folosească tehnici moderne de analiza avansată a datelor.

Definire Măsurarea Analiză Îmbunatăţire Control

obiective de stadiului pentru a găsi aplicând pentru
atins actual soluţii soluţiile menţinerea
găsite performanţe
lor

Fig. 1.5. Succesiunea de etape DMAIC din cadrul metodologiei de optimizare a

proceselor economice si de producţie Six Sigma.

2. Sisteme informatice economice care integrează tehnici

data mining
 2.1. Conceptul de sistem informatic economic
Definire, obiective, performanţe
În cadrul societăţilor comerciale care activează pe piaţă există o multitudine de
sisteme şi subsisteme, fiecare dintre acestea având roluri bine determinate. Într-o astfel de
abordare merită amintită definirea acestora astfel: „Sistemele economice, ca sisteme
deschise, sunt sisteme cibernetice adică prezintă legătura de reacţie (feedback) ce le
permite o funcţionare normală. Sistemele economice (în cadrul cărora sunt utilizate
sistemele informatice economice) prezintă un comportament dinamic care asigură
adaptarea la fluctuaţiile mediului socio-economic. Orice sistem economic poate fi
împărţit în mai multe suubsisteme în funcţie de criterii specifice.” [11].
Ţinând cont de acest context se poate afirma că un sistem informatic „este un
sistem care permite introducerea de informaţie, stocarea informaţiei, prelucrarea
informaţiei şi extragerea informaţiei sub formă de rapoarte” [42]. În mod obişnuit
componentele unui sistem informatic sunt sisteme de calcul, de comunicaşie, de stocarea
datelor, etc.
Nu trebuie confundat un sistem informatic economic cu un sistem informaţional
economic, acesta din urmă fiifnd „un cumul de resurse umane şi capital investit într-o
organizaţie economică pentru coletarea şi prelucrarea datelor necesare obţinerii
informaţiilor care vor fi utilizate la toate nivelurile de decizie ale conducerii şi controlului
acelei organizaţii” [11]. Putem totuşi considera că sistemul informatic al unei organizaţii
economice face parte din sistemul informaţional al acesteia, încadrându-se la categoria
capital investit, amintită în definiţia precedentă.
În urma celor prezentate anterior se poate afirma că un sistem informatic
economic este un sistem informatic destinat a fi utilizat în mediul economic, pentru
rezolvarea de probleme de natură economică. În mod obişnuit putem considera că orice
sistem informatic utilizat în cadrul unor organizaţii economice poate fi considerat sistem
informatic economic.
Performanţele sistemelor informatice economice pot fi măsurate prin avantajele
pe care acestea le aduc pentru organizaţiile economice unde sunt implementate. Acestea
ţin şi de performanţele echipamentelor folosite în cadrul sistemelor informatice dar în
acelaşi timp mai contează şi cât de eficient sunt acestea folosite.

Componente structurale şi arhitecturale

În cadrul aceleiaşi unităţi economice se pot întâlni mai multe sisteme informatice
separate sau un singur sistem informatic integrat, cu mai multe module componente cum
ar fi:
• Sistem informatic pentru gestiunea producţiei;
• Sistem informatic pentru relaţia cu clienţii;
• Sistem informatic financiar;
• Sistem informatic contabil;
• Sistem informatic pentru resursele umane;
• Etc.
Multe din aceste sisteme informatice din cadrul unei organizaţii economice pot fi
integrate într-un sistem informatic economic la nivel de intreprindere. Pentru a putea
realiza aşa ceva este nevoie de existenţa unui canal de comunicaţie, cum ar fi de exemplu
o reţea locală, sau chiar internetul. De asemenea este necesar ca aceste sisteme să fie
compatibile între ele, şi este recomandabil în cazul în care acestea sunt comasate într-un
singur sistem mai mare, ca datele acestora să fie stocate într-o bază de date sau într-un
depozit de date unic, la nivelul întregii organizaţii economice. Această arhitectură
prezintă multiple avantaje pentru organizaţia economică unde este implementată, cele
mai importante dintre acestea fiind posibilitatea de a exploata datele folosind tehnici
avansate de analiză a acestora şi posibilitatea de a oferi astfel suport decizional pentru
managementul de vârf al instituţiei.

Aplicaţii informatice destinate mediului de afaceri

Aunci când sistemele informatice economice sunt utilizate într-o intreprindere,
acestea se pot situa pe diferite nivele, în funcţie de rolul pe care îl îndeplinesc. În figura
de mai jos sunt prezentate sistemele informaţionale sau informatice în funcţie de
nivelurile de management ale organizaţiei economice unde sunt implementate. Aici se
poate menţiona că în funcţie de cazul concret al unei organizaţii economice unele din
acestea pot lipsi, schema de mai jos prezentând o structură generală.

Fig. 2.1. Sistemele informaţionale/informatice în funcţie de nivelurile de management ale

organizaţiei economice dupa cum sunt prezentate în lucrarea „Sisteme Informatice pentru
Asistarea Deciziei Economice” [11].
În figura precedentă sint evidenţiate diferitele tipuri de sisteme informatice în
funcţie de nivelul la care acestea sunt utilizate. Dintre cele evidenţiate în figura de mai
sus se pot enumera următoarele sisteme informatice:
• Executive Support Systems – sisteme informatice de sprijin al
executivului
• Executive Information Systems – sisteme informatice executive
 • Management Information Systems – sisteme informatice pentru
management
• Decision Support Systems – sisteme informatice pentru asistarea deciziei
• Office Automation Systems – sisteme de automatizare a lucrărilor de birou
(birotică)
• Knowledge Work Systems – sisteme de lucru cu cunoştinţe
• Transaction Processing Systems – sisteme informatice pentru procesarea
tranzacţiilor
Sistemele informatice de sprijin al executivului şi sistemele informatice executive
sunt acele sisteme informatice al căror rol este de a sprijini conducerea la vârf a unei
organizaţii economice să ia decizii corecte. Un astfel de sistem informatic trebuie să fie
flexibil şi să poată să facă accesibile anumite informaţii către conducerea unei astfel de
organizaţii astfel încât să fie luată cea mai bună decizie în cunoştinţă de cauză. Din acest
punct de vedere se poate afirma că sistemele informatice de suport al executivului şi
sistemele informatice executive sunt un caz particular de sisteme informatice pentru
asistarea deciziei [43].
Sistemele informatice pentru management şi sistemele informatice pentru
asistarea deciziei sunt principalele sisteme informatice utilizate de managerii unei
organizaţii economice pentru desfăşurarea activităţii curente a acestora şi pentru asistarea
luării deciziilor de zi cu zi din cadrul organizaţiei. Acestea nu sunt folosite în general
pentru asistarea deciziei la nivel înalt.
Sistemele de automatizare a operaţiunilor de birou sunt utilizate, după cum reiese
şi din numele acestora cu precădere pentru optimizarea operaţiunilor de birou. Aceste
sisteme informatice ajută la realizarea operaţiiilor de zi cu zi, dar şi la stocarea de date în
baze de date şi depozite de date. Aceste date pot fi ulterior exploatate de sistemele
informatice executive şi de sistemele informatice de asistarea deciziei economice pentru a
extrage din acestea informaţii, modele, cunoştinţe noi. Sistemele de lucru cu cunoştinţe
sunt acele sisteme informatice care sunt destinate a fi folosite de către cei care
administrează cunoştinţele unei organizaţii economice, pentru a-i ajuta pe aceştia în
activitatea lor [44].
Sistemele informatice pentru procesarea tranzacţiilor stau la baza piramidei
organizaţionale şi sunt în general cele în urma cărora se înregistrează operaţii noi în baza
de date a organizaţiei economice. Sistemele informatice de procesarea tranzacţiilor au şi
alte particularităţi cum ar fi de exemplu în cazul unor tranzacţii critice cum ar fi cele
bancare a căror consistenţă trebuie asigurată.
Toate aceste sisteme informatice enumerate mai sus au scopuri diferite în funcţie
de nivelul la care sunt utilizate în cadrul unei organizaţii economice. Cu toate acestea ele
se întrepătrund şi interacţionează de multe ori, ca de exemplu atunci când sistemele
informatice executive şi sistemele informatice de asistarea deciziei economice utilizează
date stocate de alte sisteme cum ar fi sistemele informatice pentru procesarea
tranzacţiiolor şi sistemele de automatizarea operaţiunilor de birou.
Toate aceste sisteme informatice pot fi integrate pe verticală într-un sistem
informatic unic, la nivelul întregii organizaţii economice, cum ar fi sistemele ERP
(Enterprise Resource Planning), prezentate în continuare. Acestea integrează toate
funcţiile necesare unei unităţi economice, la toate nivelele acesteia de la producţie la
managementul de top.
 2.2. Sisteme integrate de tip ERP care utilizează tehnici data
mining
Prezentare generală
Sistemele ERP (Enterprise Resource Planning) reprezintă o soluţie integrată
pentru managementul intreprinderilor care activează în diferite domenii economice.
Aceste sisteme sunt deja implementate cu succes şi folosite în numeroase companii,
oferind posibilitatea de integrare şi centralizare a tuturor funcţiilor specifice acestora. Un
sistem ERP poate fi văzut ca o soluţie software integrată şi completă destinată asistării
majorităţii activităţilor si proceselor specifice unui agent economic, de la supravegherea
proceselor de prooducţie propriuzisă până la managementul financiar şi managementul de
varf al intreprinderii. Avantajele principale ale sistemelor ERP sunt obţinerea unei mai
bune calităţi a produselor (sau o mai bună calitate a serviciilor) unei intreprinderi, relaţii
cu clienţii mai bune şi nu în ultimul rând un management mai bun, toate acestea
conducând la înregistrarea de performanţe sporite la nivel economic şi nu numai. Cu toate
acestea pentru un agent economic nu este important numai să aibă succes pe piaţă. Prin
noile îmbunătăţiri înregistrate în domeniul ERP cum ar fi utilizarea tehnicilor data mining
sau interconectarea utilizând internetul, avantajele obţinute pot aduce şi mai mult decât
până acum.
Enterprise Resource Planning (ERP) poate fi definit ca un „sistem software la
nivel de de companie folosit pentru a conduce şi coordona toate resursele, informaţiile şi
funcţiile unei afaceri pornind de la date distribuite" [39]. De obicei, ERP este format din
module diferite interconectate printr-o reţea şi are o bază de date centralizată [39].
ERP îşi are originile în industrie având ca şi predecesor sistemul MRP (Material
Resource Planning), utilizat pentru prima dată în industria de control al producţiei. De
atunci lucrurile s-au schimbat, primul ERP apărând în anii '90, pe lângă procesele de
producţie fiind în măsură să acopere mai multe activităţi dintr-o companie cum ar fi de
exemplu managementul stocurilor, managementul resurselor umane, contabilitate şi aşa
mai departe. În ultimii ani progresele tehnologice înregistrate au făcut posibilă integrarea
în ERP de module noi precum analiza avansată a datelor (data mining). Dezvoltarea
internetului a avut, de asemenea, un impact important, prin faptul că acesta permite
transferul de informaţii între părţile interesate ale unei companii (acţionari, angajaţi,
manageri, clienţi, etc.).
Prin utilizarea sistemelor ERP, companii din diferite arii ale economiei au o
multitudine de avantaje cum ar fi de exemplu în industrie unde există posibilitatea de a
acorda procesele de producţie cu alţi parametrii, posibilitatea pentru manageri de a vedea
evolutia companiei lor în timp real, pe măsură ce lucrurile sunt în desfăşurare şi nu în
ultimul rând un mai eficient cadru de lucru pentru angajaţi.

Structura ERP utilizate pentru diferiţi agenţi economici

Enterprise Resource Planning este de obicei structurat într-o serie de module
interconectate printr-un sistem de comunicare care în majoritatea cazurilor este o reţea
locală de tip LAN [39].
Chiar dacă o soluţie completă ERP poate acoperi majoritatea activităţilor din
cadrul unei companii care activează pe piaţă, avand module pentru diferite activităţi cum
ar fi de exemplu resursele umane sau controlul producţiei, nu este întotdeauna necesar
pentru compania în cauză să cumpere toate modulele de acelaşi producător. Fiecare
modul poate fi implementat separat, sistemul fiind deschis. De exemplu, tehnologia de
baze de date pot fi integrată într-un sistem ERP la un stadiu mai timpuriu iar mai târziu
poate fi adăugat fără probleme un subsistem data mining pentru a analiza datele stocate.
Această modularitate este bună pentru companiile interesate de soluţii ERP deoarece
acestea îşi pot extinde sistemul existent în concordanţă cu nevoile lor, fără a fi necesar să
se cumpere o soluţie completă costisitoare încă de la început. Companiile pot cumpăra
subsisteme ERP de la diferiti furnizori sau îşi pot crea chiar module proprii, în
conformitate cu nevoile lor, importante fiind numai compatibilitatea şi posibilitatea de
comunicare între aceste module.

Management
producţie

Management Management
aprovizionare clienţi
Sistem de
Management comunicaţie Management
financiar resurse umane

Management IT (depozit de date,

stocuri data mining)

Fig. 1. Exemplu de sistem ERP pentru o companie.

În exemplul de mai sus o companie are o multitudine de module software ERP
care se ocupă cu problemele tipice oricărui agent economic. Aceste module pot comunica
între ele printr-un sistem de comunicare, fiecare modul având o funcţie proprie după cum
urmează:
• Managementul producţiei - este un modul software care se ocupă
cu probleme legate de procesul de producţie (de produse cau servicii în
funcţie de caz) cum ar fi planificarea producţiei, controlul calităţii sau
gestionarea fluxului de lucru; în cazul industriei unde avem de a face cu
procese tehnologice acest modul software le gestionează şi din această
cauză acesta trebuie să fie adaptat la profilul intreprinderii unde este
utilizat [39];
• Managementul lanţului de aprovizionare - este un modul software
ERP care se ocupa cu lucruri cum ar fi gestiunea materiilor prime,
gestiunea intrărilor, inspecţia acestora şi aşa mai departe [39];
• Managementul financiar – acest modul software este proiectat să
ajute la rezolvarea problemelor financiare; acesta poate fi utilizat şi pentru
 contabilitate; modulul de management financiar este specific oricărei
intreprinderi, indiferent de domeniul acesteia de activitate;
• Managementul stocurilor – este modulul care ajută la gestionarea
stocurilor; acesta trebuie să fie în raport cu alte module ca de exemplu cu
acela de management al clienţilor, cu modulul de management al
proceselor de producţie sau cu modulul de management financiar-
contabil;
• Modulul IT – poate conţine programe specializate cum sunt acelea
pentru lucrul cu depozite de date sau cu instrumente de extragere a
datelor; de obicei acest modul trebuie să fie conectat la alte module
folosind sistemul de comunicare;
• Managementul resurselor umane – este modul software care se
ocupă de managementul resurselor umane; de asemenea, acest modul este
specific oricărei unităţi economice cu un număr mare de angajaţi şi poate
fi legate cu alte module cum ar fi acela de management financiar-contabil
[39];
• Managementul clienţilor - este modulul software care ajută la
găsirea de soluţii pentru probleme legate de marketing, vânzari sau
service.

Structura ERP nu este tot timpul ca în figura prezentată mai sus. Unele module
discutate anterior pot comasate împreună într-unul mai complex iar altele pot dispărea
nefiind utile unei anumite firme. Modularitatea de care dau dovadă sistemele ERP le face
pe acestea foarte flexibile pentru agenţii economici care acţionează în marea majoritate a
domeniilor economiei, oferind totodată şi o capacitate de adaptare la nevoile specifice ale
fiecăruia.

Avantaje şi dezavantaje ale ERP

Conceptul ERP nu este o noutate, el apărând pentru prima dată în cadrul
intreprinderiolr care activează în industrie. ERP a evoluat de la MRP (Material Resource
Planning) utilizate in anii '80 pentru a gestiona resursele în întreprinderile de producţie.
Material Resource Planning a devenit Manufacturing Resource Planning (de asemenea
cunoscut şi sub denumirea de MRP2) de la care a evoluat ERP aşa cum este cunoscut
astăzi. În ultimii ani, noi caracteristici au devenit parte componentă a sistemelor ERP.
Internetul s-a dezvoltat foarte rapid şi a avut un impact important asupra ERP prin
schimbarea modului de a comunica.
Principalele avantaje pe care utilizarea unui sistem ERP le aduce pentru o
companie care foloseşte aşa ceva sunt îmbunătăţirea managementului intern al proceselor
de producţie, al resurselor umane sau al managementului financiar. O companie care
foloseşte software specializat de tip ERP are anumite avantaje incontestabile pe piaţă,
cum ar fi de exemplu o mai bună calitate a produselor sau serviciilor sale şi în acelaşi
timp relaţii mai bune cu clienţii. Toate aceste avantaje sunt obţinute în cazul în care
sistemul ERP este corect implementat. În caz contrar o companie iroseşte resurse în loc
să utilizeze un sistem performant.
Avantajele aduse de utilizarea soluţiilor ERP sunt mai mari atunci când un astfel
de sistem este conectat la internet. În acest caz, internetul devine parte a sistemului de
comunicare a ERP, devenind o sursă de date foarte importantă atât pentru companie şi
pentru angajaţii acesteia [41].
Cu toate acestea, utilizarea de sisteme ERP nu poate rezolva toate problemele
unei companii cu care aceasta se confruntă într-o piaţă concurenţială reală. De exemplu,
ERP nu poate lua cu uşurinţă în calcul datele care provin din afara companiei, şi nu poate
fi uşor de utilizat pentru managementul strategic. ERP este destinat în principal pentru a
optimiza activităţile din interiorul companiei iar acest lucru îl face bine. Utilizarea
sistemelor ERP nu pot garanta faptul că o companie va merge bine şi va fi profitabilă
dincolo de un anumit punct, deoarece piaţa este o continuă competiţie şi afacerile se
realizează non stop [41].
O nouă tehnologie care a avut un impact major şi are posibilitatea de a ajuta o
companie în lumea exterioară este ERP care integrează tehnici data mining (sau
descoperirea de cunoştinţe date în interiorul la unui sistem ERP) împreună cu internetul
care sa dezvoltat foarte mult în ultimii ani. Dezvoltarea internetului şi a noilor sisteme
ERP sunt considerate de către unii experţi a fi doi dintre factorii cei mai importanţi care
au influenţat technologia informaţiei în ultimii ani [40].

Data mining ca parte a ERP

Unul dintre avantajele cele mai importante pe care utilizarea unui sistem ERP o
aduce la o societate care îşi desfăşoară activitatea în industria metalurgică este aceea că se
realizează o interconectare a majorităţii activităţilor din interiorul companiei, şi se leagă
domenii cum ar fi procesele de producţie cu resursele umane şi managementul financiar
al intreprinderii. Acest lucru este unu foarte important, deoarece se unifică toate aceste
activităţi, culegând date din interiorul întregii companii care mai apoi pot fi exploatate cu
tehnici data mining. Datele pot fi analizate în timp real, sau mai târziu, cu ajutorul acestor
tehnici.
Modulul data mining preia detele rezultate din toate procesele unei entităţi
economice, aplică tehnici avansate de analiză şi extrage cunoştinţe utile care pot fi foarte
importante pentru optimizarea activităţii companiei. De obicei, volumele de date
analizate sunt foarte mari şi este necesar să existe sisteme informatice puternice care au
devenit mai accesibile numai în ultimii ani.

Procese Date
Data Îmbunătăţirea
care se (baze de date, Cunoştinţe activităţii
desfăşoară depozite de extrase
Mining instituţiei
într-o date)
instituţie

Fig. 1. Scopul data mining este optimizarea activităţii instituţiei.

În figura de mai sus, este reprezentat modul în care data mining ajută la
optimizarea proceselor dintr-o instituţie oarecare care dispune de nişte date de analizat.
Acest model de extagere a cunoştinţelor din date poate fi întâlnit în principiu în orice
domeniu de activitate. Datele sunt colectate şi stocate în baze de date sau depozite de date
pe o perioadă lungă de timp şi, de obicei, pot fi analizate mai târziu. Există, de asemenea,
tipuri de date care nu pot fi stocate şi trebuie să fie analizate şi exploatate folosind
algoritmi în timp real.
Pentru ca sistemul de exploatare de date să funcţioneze corect, este important să
fie integrate într-un sistem care face posibil accesul la date. Din acest punct de vedere
integrarea instrumentelor de data mining într-un sistem ERP este o soluţie potrivită
pentru o companie. Există chiar şi unele soluţii ERP complete care integreaza un modul
de exploatare a datelor pe lângă celelalte funcţii disponibile.
Companiile care lucrează în diferite domenii ale economiei pot alege dintr-o
multitudine de produse comerciale disponibile acele soluţii ERP care se potrivesc cel mai
bine pentru nevoile lor. Producătorii de soluţii complete ERP sunt, de obicei, aceia care
acţionează şi în domeniul data mining cum ar fi de exemplu SAP sau Oracle şi ar fi un
avantaj pentru o intreprindere să cumpereun paghet ERP integrat care să aibă inclus şi
modulul data mining pentru că acesta aduce o multitudine de avantaje pentru utilizatorii
săi. Data mining poate fi folosit în anumite unităţi economice, în procesele de producţie,
în alte procese corelate cum ar fi controlul calităţii, dar şi pentru managementul
companiei.
Din cele prezentate mai sus se poate trage concluzia că soluţiile de tip ERP sunt
aplicabile unei arii largi de activităţi economice, aducând numeroase avantaje
intreprinderilor unde acestea sunt utilizate o serie de avantaje. Dezvoltatorii de software
ERP pot produce software suficient de general, pentru a acoperi nevoile companiilor care
lucrează în diferite domenii de activitate.
Pentru o companie este important ca achiziţionarea unei soluţii ERP să fie făcută
ţinând cont de nevoile sale şi ca aceasta să fie compatibilă cu alte module pe care doreşte
să le implementeze ulterior. Se poate ca pentru anumite companii să fie mai eficient să îşi
implementeze propriile sale module ERP şi să le conecteze mai apoi folosind un mediu
de comunicare convenabil.
Chiar dacă utilizarea unei soluţii ERP aduce anumite avantaje pentru o companie,
aceasta nu poate garanta succesul acesteia pe piaţa unde concurenţa este mare. După ce
ERP a fost implementat cu succes sunt alte lucruri care trebuiesc luate în seamă pentru a
asigura un management eficient al companiei.

2.3. Sisteme informatice cu tehnici data mining destinate mediului

de afaceri
Prezentare generală
Tehnicile data mining pot fi integrate cu succes în sistemele informatice din
multiple domenii pentru a găsi soluţii la o serie de probleme. Pentru ca aceste tehnici să
poată fi folosite este nevoie să fie integrate în sistemele informatice şi de date care să fie
exploatate.
Dintre multiplele domenii de aplicabilitate ale sistemelor data mining unul din
cele mai importante este economia. Aplicarea tehnicilor data mining în domeniul
economic poate aduce o multitudine de avantaje companiilor care le utilizează, atât în
aria lor de activitate cât şi la nivel de management. De aceea pentru viitor se estimează o
creştere semnificativă a pieţei sistemelor data mining odată ce această tehnologie atinge
maturitatea.
 Odată cu noile realizări apărute în domenii cum ar fi tehnologia informaţiei, a
bazelor de date, a depozitelor de date sau a altor domenii conexe, acestea au inceput sa îşi
facă din ce în ce mai mult simţită prezenţa în majoritatea zonelor de activitate umană. În
acest fel bazele de date şi sistemele informatice cu baze de date care incorporează şi
tehnici data mining şi-au făcut apariţia şi în mediul de afaceri.
Dacă la început bazele de date şi depozitele de date erau folosite exclusiv pentru
gestiunea curenta a afacerilor, indiferent de domeniul de activitate al acestora, în ultimii
ani informaţiile acumulate în acestea de-a lungul timpului au început sa fie exploatate şi
în vederea obţinerii de informaţii suplimentare cum ar fi descoperirea de tendinţe sau de
modele care ar putea prezenta interes deosebit pentru proprietarul datelor [9]. Astfel
firmele au început să îşi dea seama de beneficiile aduse de exploatarea avansată a datelor
şi să investească în sisteme de analiză avansată a datelor denumite şi sisteme data mining.
Aceste sisteme, deşi la început scumpe, au reuşit să se impună pe piaţă datorită
multiplelor avantaje pe care le aduc, atât în mediul de afaceri cât şi în multe alte domenii.
Pentru viitor se estimează o creştere semnificativă a pieţei sistemelor data mining
odată ce această tehnologie se apropie de maturitate [16]. Acest lucru nu înseamnă totuşi
că nu vor mai apărea noi tehnici şi metode de analiză avansată a datelor sau că cele deja
existente nu vor fi îmbunătăţite odată ce tehnologia avansează.
Pentru o firmă care doreşte să folosească un sistem de data mining pentru
optimizarea propriei activităţi există disponibile pe piaţă o serie de sisteme de data
mining care pot fi integrate in sistemul informatic al firmei respective în caz că acesta
există şi este compatibil. Un sistem informatic care integrează tehnici data mining poate
fi adaptat pentru cazul particular al unei firme, în funcţie de datele de care aceasta
dispune şi de cerinţele acesteia.

Caracteristici reprezentative
Pentru ca un sistem informatic cu tehnici data mining incorporate să fie profitabil
pentru o firmă din mediul de afaceri este necesar ca acesta să îndeplinească anumite
cerinţe. Caracteristicile pe care un sistemul informatic trebuie să le aibă sunt în legătură şi
cu necesităţile firmei unde acesta va fi utilizat.
În primul rând, în cazul unei firme care activează într-un domeniu economic,
indiferent care este acesta, este necesar să existe în prealabil un sistem informatic propriu
sau cel puţin date pentru a fi exploatate înainte de a putea folosi un sistem data mining.
 Sistem informatic (SI)
al unei firme
Sistem
Date de
prelucrat
Data Mining
- grupare
DATE - asociere
Informaţii şi - previziuni
cunoştinţe - etc.
obţinute

Alte aplicaţii
Utilizatori

Fig. 1. Integrarea unui sistem data mining în sistemul informatic al unei firme.
În mare parte din situaţii sistemul informatic al unei firme constă dintr-o colecţie
de aplicaţii care sunt interconectate şi au acces la date, de cele mai multe ori stocate în
baze de date relaţionale. Utilizatorii sistemului informatic, anagajaţi ai firmei, au acces la
aceste date folosind aceste aplicaţii (Fig. 1.). Pentru integrarea unui sistem data mining în
sistemul informatic al unei firme acesta trebuie sa poată prelua date din sistemul
informatic utilizând tehnici pentru analiza avansată a acestora, cum ar fi: gruparea,
asocierea, previziunea, regresia, etc. În urma analizei se pot extrage din datele existente
informaţii şi cunoştinţe utile la diferite nivele în cadrul firmei, de la activitatea de bază
până la managementul de vârf.
Un alt aspect care trebuie luat în considerare înainte de a lua decizia de a integra
un sistem data mining în sistemul informatic al unei firme este importanţa datelor de care
firma dispune. Datele pe care firma le deţine sau la care are acces trebuiesc să fie
relevante şi să conţină potenţiale cunoştinţe care sa fie căutate folosind tehnicile data
mining. Pentru aceasta se poate face o evaluare a datelor la care firma are acces. În cele
mai multe din cazuri utilizarea tehnicilor data mining aduce avantaje pentru firme,
indiferent de domeniul de activitate al acestora.
Nu în ultimul rând trebuiesc luate în considerare şi costurile implementării unui
sistem data mining. Pentru firmele mici acestea pot fi importante lucru care poate încetini
procesul pătrundere a produselor data mining pe această piaţă. Pe de altă parte pentru
firmele mari folosirea acestor produse şi-a arătat deja avantajele.

Domenii de aplicabilitate
Sistemele informatice au un domeniu de aplicabilitate foarte larg. Acestea pot fi
întâlnite în aproape orice domeniu de activitate umană care poate fi informatizat. Acolo
unde există astfel de sisteme informatice şi unde se adună cantităţi mari de date, fie în
baze de date fie în depozite de date, se pot folosi şi sisteme data mining incorporate.
Sistemele data mining, folosind tehnici specializate, aduc informaţii şi cunoştinţe utile
domeniului în care sunt aplicate pe baza analizei avansate a datelor deja existente.
 Se poate spune că există anumite domenii în care se pot utiliza cu precădere
tehnici data mining, unde avantajele aduse de folosirea acestora sunt foarte mari. Dintre
aceste domenii se pot enumera:
• Cercetări ştiinţifice. În domeniul ştiinţelor există cantităţi foarte mari de
date care pot fi exploatate pentru a descoperi tendinţe sau alte modele
ascunse care pot fi importante pentru domeniul studiat [8];
• Economie. În economie utilizarea sistemelor data mining este de primă
importanţă datorită faptului că exploatarea datelor deţinute de diferiţi
agenţi economici le pot aduce acestora avantaje competitive, atât la nivelul
producţiei cât şi la nivelul managementului; în acest articol se pune
accentul în special pe utilizarea tehnicilor data mining în domeniul
economic;
• Finanţe bănci. În domeniul financiar bancar se folosesc tehnici data
mining pentru diferite probleme, cum ar fi de exemplu managementul
riscului, previziuni, analize financiare, etc.
• Telecomunicaţii. În domeniul telecomunicaţiilor tehnicile de data mining
au multiple aplicaţii dintre care putem să amintim analiza
multidimensională a datelor pentru a rezolva probleme cum ar fi aflarea
orelor cu trafic maxim sau diferite alte modele de solicitare a reţelelor de
comunicaţie [8]. Un exemplu de astfel de aplicatie ar fi în domeniul
telefoniei mobile unde este necesar să se cunoască modele de variaţie a
încărcării reţelei;
• Securitatea reţelelor. Detecţia intruziei este o altă aplicaţie unde tehnicile
data mining sunt folosite cu succes. Odată cu extinderea fără precedent a
internetului a devenit din ce in ce mai important ca reţelele de calculatoare
private să fie protejate de accesul nepermis a unor persoane din exterior
[8]. Diverse tehnici data mining fac posibilă evitarea acestui lucru.

Aplicatii informatice cu tehnici data mining incorporate in sistemele

informatice economice
În domeniul economic există o multitudine de beneficii aduse de integrarea
tehnicilor data mining în sistemele informatice. În acest paragraf vor fi amintite câteva
dintre tehnicile cele mai utilizate împreună cu aria lor de aplicabilitate în domeniul
economic.
Printre cele mai utile aplicaţii ale data mining în domeniul economic se numară
acelea din aria distribuţiei de mărfuri cu amănuntul. Există magazine clasice sau on-line
care înregistrează în propriile baze de date informaţii referitoare la vânzări, clienţi, etc.
Avem în acest caz diferite aplicaţii ale tehnicilor data mining cum ar fi:
• Bine cunoscuta problemă de marketing [9] a analizei coşului de
cumpărături în urma căreia se pot obţine diferite relaţii între produsele
care se vând împreună;
• Folosirea de tehnici data mining care să ajute la proiectarea de depozite de
date [8] pentru o aplicaţie specifică. In acest fel se poate mai uşor
determina ce dimensiuni să fie incluse într-un astfel de model;
 • Determinarea eficienţei campaniilor de vânzări [8] este o altă problemă
din domeniul economic la care se poate găsi o soluţie aplicând diferite
tehnici data mining;
• Analiza comportamentului clienţilor; aceştia pot fi sau nu loiali faţă de
companie, pot să răspundă mai mult sau mai puţin la anumiţi factori;
cunoscând comportamentul clienţilor se poate adopta o strategie care să
maximizeze profiturile.
O altă aplicaţie foarte importantă în economie este utilizarea tehnicilor data
mining pentru managementul strategic al firmelor. Pentru o companie este de primă
importanţă ca deciziile luate la vârf să fie luate în cunoştinţă de cauză şi nu bazate numai
pe talentul şi experienţa managerului. Acest lucru a devenit posibil odată cu posibilitatea
efectuării de previziuni bazate pe datele la care compania are acces. Acesta este poate
domeniul în care tehnicile data mining sunt indispensabile odată ce datele care vor trebui
analizate au ajuns la o cantitate care nu mai poate fi gestionată în mod tradiţional.
În concluzie se poate spune că tehnicile data mining au domenii de aplicabilitate
foarte variate, acestea fiind folosite acolo unde există volume mari de date pentru a fi
exploatate. Acestea pot fi integrate în sistemele informatice utilizate în mediul economic.
Aplicarea tehnicilor data mining în domeniul economic poate aduce o multitudine
de avantaje companiilor care le utilizează, în aria lor de activitate cât şi la nivel de
management. Din această cauză ne putem aştepta ca piaţa de produse pentru data mining
să creasca semnificativ în următorii ani.
3. Optimizarea proceselor economice desfăşurate de
firmele cu activitate complexă producţie- comerţ- servicii
folosind sisteme informatice economice care integrează tehnici
data mining
3.1. Optimizarea proceselor economice desfăşurate de firmele cu
activitate complexă producţie- comerţ- servicii
Se poate considera că o firmă cu activitate economică complexă este o firmă care
desfăşoară o multitudine de procese economice, legate în general de activităţile de
producţie, comerţ şi servicii.
În mod obişnuit orice firmă care se ocupă cu producţia de bunuri trebuie să le şi
vândă (desfăşoară activităţi de comerţ). De asemenea şi o firmă ale cărei produse sunt
servicii (nu sunt produse fizice) trebuie să le comercializeze, realizând prin urmare
activităţi de comerţ. În cadrul firmelor cu activitate complexă se desfăşoară concomitent
activităţi de comercializare de produse şi servicii, de obicei serviciile oferite de acestea
fiind în legătură cu produsele acestora.
Dintre cele mai intânite procese economice desfăşurate în cadrul unei firme putem
enumera câteva:
• Procese de aprovizionare;
• Procese de producţie;
• Procese de distribuţie;
• Procese de vânzare;
• Procese de relaţii cu clienţii;
• Procese de management al stocurilor;
 • Procese de management al resurselor umane;
• Procese de management financiar
• Etc.
Oricare dintre aceste procese economice pot fi subiectul optimizării, putând
utiliza în acest sens o multitudine de metode, una dintre acestea putând fi de exemplu
parcurgerea etapelor DMAIC din cadrul metodologiei Six Sigma prezentate anterior.
Procesele economice din cadrul unei firme pot fi realizate de către angajaţii firmei
respective, utilizând sau nu sisteme informatice specializate în acest sens. În figura 3.1
sunt prezentate diferitele procese economice desfăşurate în cadrul firmei precum şi ce
sisteme informatice ar putea participa la aceste procese.
Procese economice desfăşurate Sisteme informatice din cadrul unei firme cu activitate
într-o firmă cu activitate complexă (producţie-comerţ - servicii) interconectate in
complexă (producţie- comerţ- cadrul unui sistem de tip ERP
servicii)
Sistem informatic pentru
Aprovizionare arovizionare
Bază de date

Producţie Sistem informatic pentru

gestiunea producţiei

Distribuţie Sistem informatic pentru

arovizionare

Vânzare Sistem informatic pentru

gestiunea distribuşiei
Reţea de
comunicaţie
Relaţii cu clienţii Sistem informatic pentru vânzări

Management stocuri Sistem informatic pentru relaţia

cu clienţii

Management resurse umane Sistem informatic pentru

managementul stocurilor

Management financiar Sistem informatic pentru

gestiunea resurselor umane

Fig. 3.1. Procese economice desfăşurate în cadrul unei firme şi sistemele

informatice corespunzătoare acestora

În cele mai complexe situaţii, atunci când o firmă este bine informatizată, putem
avea sisteme informatice implicate în toate procesele economice desfăşurate de acestea.
Trebuie menţionat că nu orice firmă are un sistem informatic specializat pentru un singur
proces economic aşa cum este prezentat în figura de mai sus, cazul de acolo fiind unul
generic. Un sistem informatic poate să

Particularităţi de analiză a datelor generate de procesele economice desfăşurate

de firmele cu activitate complexă producţie- comerţ- servicii

Posibilităţi de optimizare a proceselor economice desfăşurate de firmele cu

activitate complexă producţie- comerţ- servicii folosind sisteme informatice
economice care integrează tehnici data mining

3.2. Instrumente informatice de data mining folosite la optimizare

(IDEA)
 4. Soluţie de aplicaţie informatică cu tehnici data mining
folosită pentru optimizarea proceselor economice desfăşurate
de firmele cu activitate complexă producţie- comerţ- servicii
Utilizarea tehnicilor de analiză avansată a datelor în cadrul metodologiei Six
Sigma
În urma studierii celor cinci etape ale metodologiei Six Sigma s-a constatat că este
nevoie de o analiză avansată a datelor legate de procesul care se urmăreşte a fi optimizat.
În cele mai multe cazuri pentru analiza datelor s-a pornit de la ideea de a folosi metode
statistice. Astfel se adună o serie de date relativ la o anumită problemă practică,
transformând problema reală într-una statistică. Aceste date sunt ulterior analizate cu
ajutorul instrumentelor de statistică şi se obţine astfel o soluţie statistică ce va fi apoi
transformată într-o soluţie practică (Fig. 1.6) [31].

Problemă Problemă Soluţie Soluţie

reală Colectare statistică Analiză statistică Aplicarea practică
de date statistică a soluţiei
relativ la datelor statistice
problema disponibile în practică
reală pentru a gasi
(practică) soluţia statistică

Fig. 1.6. Rezolvarea pe cale statistică a unei probleme practice.

O abordare care poate da performanţe mai bune este aceea de a utiliza tehnici
avansate de analiză a datelor pentru a obţine aceleaşi rezultate. Aceste tehnici, cunoscute
şi cu denumirea de tehnici data mining au avantajul că pot opera pe volume mult mai
mari de date acolo unde folosirea instrumentelor statistice clasice nu mai este atât de
eficientă şi convenabilă.
Trebuie avut în vedere şi faptul că în dezvoltarea tehnicilor data mining s-a pornit
de cele mai multe ori de la tehnicile statistice (bine cunoscute de cei care lucrau în
domeniul analizei de date), acestea fiind adaptate pentru date moderne, mult mai
complexe şi stocate în cantităţi mult mai mari.
Se poate porni astfel de la ipoteza că în toate etapele metodologiei Six Sigma care
implică tehnici statistice se pot utiliza cu succes în locul acestora tehnici avansate de
analiză a datelor (data mining) cu ajutorul instrumentelor informatice. Astfel se pot
identifica situaţii în fiecare din cele cinci etape DMAIC unde se pot aplica tehnici data
mining:
• Partea de definire – aici se pot aplica cu succes tehnici data mining pentru
identificarea obiectivelor care trebuiesc atinse [30]. Din moment ce se consideră
 ca fiind defect orice abatere de la normă care provoacă daune clientului, va trebui
să se colecteze şi să se analizeze date relativ la această problemă astfel încât să se
poată stabili limite clare de calitate. De asemenea tot aici se pot aplica tehnici data
mining pentru identificarea de posibile cauze ale defectelor şi pentru „a identifica
potenţiale oportunităţi de îmbunătăţire” [30].
• Partea de măsurare – se obţin o serie de date legate de procesul economic sau de
producţie care trebuie optimizat. Aceste date trebuiesc bine interpretate pentru a
înţelege care este situaţia curentă şi pentru a putea stabili corect care este distanţa
dintre aceasta şi scopurile care trebuiesc atinse. În acest sens se utilizează în
general „o analiză exploratorie şi descriptivă a datelor ” [30], dar dacă este vorba
de volume foarte mari de date sau date cu natură complexă şi în acestă şituaţie
poate fi nevoie de tehnici data mining.
• Partea de analiză – se realizează în mod obişnuit pe cale statistică. Dar în anumite
cazuri pot fi folosite tehnici mai avansate de analiză a datelor (data mining) atunci
când acestea sunt necesare. Tehnicile data mining au avantaje când avem de a
face cu volume mari şi foarte mari de date. Utilizând tehnici data mining putem
obţine informaţii importante referitoare la procesul analizat. Se pot chiar
identifica anumite modele şi secvenţe în modul de desfăşurare al proceselor
economice sau de producţie. Aceste modele pot ulterior fi exploatate pentru a
vedea unde apar de obicei defectele şi care sunt principalele cauze ale acestora
pentru a fi mai apoi înlăturate. Conform principiului Pareto [31] s-a constatat că în
general marea majoritate a defectelor apar din cauza a puţini factori. Odată
identificaţi şi eliminaţi aceşti factori se obţine o mare îmbunătăţire la nivel de
performanţe.
• Partea de îmbunătăţire – si aici tehnicile data mining ar putea fi utilizate pentru
identificarea de soluţii de optimizare a proceselor analizate, dar şi pentru validarea
anumitor modele în caz că se dispune de suficiente date care să permită o analiză
mai profundă. În anumite cazuri este posibil ca după îmbunătăţirea unui proces să
nu se dispună de foarte multe date relativ la noua sa funcţionare care să permită
aplicarea tehnicilor data mining.
• Partea de control – în această parte pe lânga asigurarea faptului că optimizarea
proceselor economice şi de producţie este pusă în practică în mod corespunzător,
se poate face şi o testare în urma acesteia să se verifice la final dacă totul este aşa
cum se doreşte. Şi în acest caz este necesară o analiză de date referitoare la
funcţionarea proceselor în urma optimizării care poate fi făcută şi cu tehnici data
mining daca se strang volume importante de date.
În continuare, pentru ca ipotezele enumerate mai sus să fie verificate, se
realizează o aplicare a etapelor metodologiei Six Sigma pe un caz concret de proces
economic.

Aplicarea tehnicilor data mining în cadrul meetodologiei Six Sigma pentru o

reţea de distribuţie de cărţi
În această secţiune sunt verificate posibilităţilor propuse anterior de utilizare a
tehnicilor data mining în aplicarea etapelor DMAIC din cadrul metodologiei Six Sigma
pentru optimizarea proceselor de distribuţie a cărţilor, în cazul concret al unei reţele de
puncte de vânzare de carte (librării). Distribuţia cărţilor se face de la un depozit central la
mai multe puncte de vânzare aflate în teritoriu, acoperind diferite locaţii în aproape toate
judeţele ţării. Trebuie menţionat şi faptul că este vorba în principal de cărţi educaţionale
care sunt vândute de-a lungul unui an universitar cu o anumitâ periodicitate. Se încearcă
scoaterea în evidenţă a situaţiilor în care utilizarea unor tehnici data mining ar fi potrivită,
conducând către o mai bună optimizare a proceselor economice analizate.
Pentru această analiză am dispus de date pe o perioadă de un an (ianuarie –
decebrie 2009) referitoare la intrările şi ieşirile pentru fiecare punct de vânzare în parte,
precum şi de soldurile la sfârşit de lună pentru fiecare din aceste puncte. Intrările se fac
pe bază de aviz de expediţie de la un depozit central către punctele de vanzare carte iar
ieşirile se înregistrează pe bază de factură (ieşirile sunt repezentate de vânzări).

Punct de vânzare 1

Depozit Punct de vânzare 2

central

Punct de vânzare N

Fig. 1.7. Distribuţia cărţilor de la depozitul central la punctele de vânzare.

La cerere se trimit cărţi de la depozitul central către punctele de distribuţie, în
funcţie de cererea clienţilor pentru acestea. Cărţile vândute precum şi cele transferate
către fiecare punct de vânzare din teritoriu sunt înregistrate într-o bază de date proprie
punctului respectiv, pentru a avea ulterior o evidenţă a acestora. Din prelucrarea acestor
baze de date s-a obţinut un centralizator cu valoarea stocurilor pentru fiecare centru, cu
intrările şi ieşirile acestuia.
Relaţia de bază între stocuri ( S I , S F ), intrări (I) şi ieşiri (E) este:
SF = SI + I − E
Stocul final pentru o anumită lună poate să fie calculat pe baza intrărilor (avize de
expediţie de la depozitul central către punctele de vânzare), ieşirilor (facturi) şi a stocului
iniţial pentru acea lună (care în acelaşi timp este şi stocul final al lunii precedente).
Se parcurg în ordine etapele DMAIC specifice metodologiei Six Sigma pentru
optimizarea proceselor de distribuţie pentru a identifica posibilităţile de aplicare a
tehnicilor data mining.
Prin optimizare în cazul de faţă se înţelege maximizarea profitului prin reducerea
resurselor blocate minimizând stocurile, realizând astfel o mai bună distribuţie a cărţilor
de la depozitul central către punctele de vânzare. Este evident că acestea nu pot fi reduse
atât de mult încât să afecteze vânzările. Se doreşte reducerea stocurilor din punctele de
vânzare, deoarece resursele blocate sub formă de stocuri mai mari decât strictul necesar
ar putea fi utilizate mai eficient în alt fel.
Etapa de Definire
 În această etapă sunt definite obiectivele care trebuiesc atinse de procesul de
distribuţie a cărţilor de la depozitul central la punctele de vânzare din teritoriu. De
asemenea se încearcă o limitare a stocurilor de la fiecare punct de vânzare la un minim
necesar pentru a avea în continuare posibilitatea vânzării unui număr de cărţi cel puţin
egal cu cel anterior diminuării stocurilor.
Este evident că în acest caz se impune o foarte bună cunoaştere a domeniului şi a
proceselor desfăşurate. Se poate constata faptul că în cazul de faţă nu interesează
stocurile prin volumul acestora în număr de cărţi, ci prin valoarea acestora, fiind
indicatorul resurselor blocate.
În cadrul acestei etape trebuie stabilită o limită maximă pentru fiecare stoc în
parte, care să nu fie depăşită. De asemenea va trebui ca ulterior, având o precizie de plus
minus şase sigma, să ne asigurăm că ne încadrăm în acesta şi concomitent vânzările nu
vor scădea.
În urma analizei domeniului se constată că în cadrul procesului de aprovizionare
cu cărţi a punctelor de vânzare nu poate fi stabilită o limită evidentă a sumei de bani
blocate în stocuri prin identificarea de defecte care produc daune clientului ca în cazul
proceselor de producţie. Pentru a putea stabili totuşi o astfel de limită este necesar să se
recurgă la o scădere a stocurilor la un minim necesar astfel încât vânzările să nu scadă şi
ele, cu alte cuvinte o mai bună concordanţă între intrări şi ieşiri. Pentru a putea realiza
acest lucru este necesară o analiză care să ţină cont de cărţile care s-au vândut în fiecare
lună la fiecare punct de vânzare în parte cu scopul de a realiza o previziune a cărţilor care
urmează să fie vândute.(previziune la nivel de titlu) Ulterior se va încerca aducerea în
stoc în mai mare măsură a unui număr de cărţi care se estimează că se vor vinde.
Pentru a stabili o limită minimă a stocurilor este necesar să se facă o analiză pe
bazele de date de la fiecare punct de vânzare în parte şi să se constate care cărţi se vând şi
în ce cantitate fiecare. (scos in evidenta ce carti nu se vand)Fiind un volum relativ mare
de date (analiza trebuie făcută pe o perioadă mai îndelungată de timp) este nevoie de
tehnici specializate data mining. În urma analizei se poate face o estimare a soldurilor
pentru fiecare punct de vânzare.
Etapa de Măsurare
În această etapă trebuie să se realizeze o măsurare a distanţei dintre limita impusă
identificată la pasul anterior şi stadiul actual. În cazul de faţă se poate determina destul de
uşor valoarea stocurilor pentru fiecare punct de vânzare de carte. Astfel a fost realizat un
centralizator cu volumele stocurilor pentru fiecare lună separat.
Se constată că în etapa de măsurare este necesară o centralizare a datelor existente
pentru a obţine valorile stocurilor. Această operaţie în cazul de faţă se poate realiza cu
tehnici statistice simple fără să fie necesare tehnicile data mining.
Etapa de Analiză
În cadrul etapei de analiză vor trebui găsite soluţii pentru micşorarea stocurilor
astfel încât acestea să se încadreze în limitele determinate la etapa de definire. În cazul
distribuţiei cărţilor către punctele de vânzare se va renunţa la aprovizionarea cu cărţi care
nu se vând, iar din cele care se vând se vor aduce doar cu puţin mai multe decât se vând,
o marjă de eroare în care vânzările să se încadreze cu plus minus 6σ.
În cazul de faţă nu se dispune de date pe mai mulţi ani pentru a putea calcula o
dispersie σ pentru o estimare a vânzărilor. Dacă s-ar dispune de astfel de date ar putea fi
făcută o statistică în acest scop. În schimb se poate face o centralizare a volumelor
vânzărilor (facturi), intrărilor (avize) şi a stocurilor (solduri) pentru fiecare lună în parte.
Dacă se doreşte un nivel de detaliu mai mare se pot utiliza aici şi tehnici data mining.
În graficul de mai jos este prezentată situaţia vânzărilor, a intrărilor şi a soldurilor
pentru fiecare lună din anul 2009. În cadrul coloanelor sunt cumulate valorile acestor
indicatori pentru toate punctele de vânzare de carte. (Anii anteriori)
7000000

6000000

5000000

4000000 avize
facturi
3000000 total solduri

2000000

1000000

0
ian feb mar apr mai iun iul aug sep oct nov dec

Fig. 1.8. Vânzările de cărţi înregistrate de-a lungul unui an, pe centre.

Se poate constata din graficul precedent că sunt anumite perioade în care volumul
vânzărilor este mult mai mare decât în alte perioade. Astfel în luna ianuarie avem vânzări
de până la zece ori mai mari decât în luna august. De asemenea se constată un volum al
stocurilor de carte mult peste nivelul vânzărilor şi totodată o creştere a stocurilor prin
creşterea avizlor în timp ce vânzările înregistrate scad. (Solutii de casare, pachete de
vanyare, reduceri) (disponibilitate carti pe internet ca motiv al scaderii vanyarilor) (print
on demand) (sistem de preluare a comenyilor electronic)
Acest model ne putem aştepta să se repete cu regularitate datorită structurii anului
universitar. Putem trage concluzia că nu toţi studenţii cumpără cărţi încă de la începutul
anului universitar. Mulţi dintre aceştia cumpără cărţi în cursul lunii ianuarie, odată ce se
apropie sesiunea de iarnă. Urmează o perioadă în cursul semestrului doi în care vânzările
scad, fără să mai crească înainte de sesiunea de vară, posibil din cauză că este deja
sfârşitul anului şi cei mai mulţi şi-au cumpărat deja cărţi. Se mai constată apoi o uşoară
creştere în iulie, posibil datorată sesiunilor de examene de licenţă şi o altă uşoară creştere
în septembrie datorită sesiunilor de restanţe. Luna august înregistrează cele mai mici
vânzări, datorită faptului că este vacanţă. (folosesc idea pt datele de aici)
Etapa de Îmbunătăţire propuneri in cunostinta de cauza
În această etapă trebuiesc aplicate pentru procesul economic analizat constatările
anterioare. Astfel se va face aprovizionarea cu cărţi ale punctelor de vânzare cu strictul
necesar. Din graficul prezentat mai sus reiese faptul că stocurile ar trebui să devină
proporţionale cu vânzările. Dacă în luna ianuarie se justifică un volum al soldurilor mai
mare, datorită vânzărilor mai ridicate, nu se poate justifica creşterea stocurilor în lunile
următoare când vânzările de fapt scad.
Etapa de Control sa propun anumite metodologii
 Pentru etapa de control din punct de vedere al analizei de date trebuie verificat
faptul că îmbunătăţirile aduse la pasul anterior sunt benefice. Pentru aceasta se realizează
o nouă analiză a noilor date obţinute în urma optimizării. Este necesară o nouă aplicare de
tehnici data mining pentru a afla dacă noile cărţi aduse se vând. În acelaţi timp trebuie ca
vânzările să nu scadă. Stocurile sa nu creasca iar
Controlul se va face după implementarea măsurilor propuse.

Conclizii şi contribuţii personale

În concluzie se poate afirma faptul că tehnicile data mining se pot aplica cu succes
în cadrul metodologiei Six Sigma, formând împreună un set de instrumente foarte
puternic la dispoziţia managerilor unităţilor economice care doresc o optimizare a
proceselor desfăşurate în interiorul intreprinderii pe care o administrează în vederea
imbunatatirii eficientei economice. Pentru cazul prezentat de faţă odată cu îmbunătăţirea
eficienţei economice se înregistrează şi o scădere a cheltuielilor de operare (spaţii de
depozitare, transport resurse umane).
Metodologia se aplică pt toate cazurile de distribuţie şi desfacere de bunuri de larg
consum _(domeniu alimentar, confewcţii, etc) ţinând cont de regulile de funcţionare,
cadrul organizatoric şi cadrul legislativ specific fiecărui domeniu.
Pentru cazul prezentat anterior se constată că pot fi aplicate tehnicile data mining
pentru etapele de definire, analiză şi control din cadrul metodologiei Six Sigma. Pentru
etapele de măsurare şi îmbunătăţire sunt suficiente de obicei şi tehnicile statistice clasice,
deşi pot exista situaţii cu volume mari de date complexe unde să poată fi utilizate şi
tehnici data mining.
Bibliografie:
Ca autor/ coautor:

[1] Mihai ANDRONIE - Modern data mining techniques, The Ninth International
Conference on Informatics in Economy IE, Bucureşti 2009, p. 753-757, ISBN
978-606-505-172-2;
[2] Maria Andronie, Mihai ANDRONIE: Analiza datelor stocate in depozite mari
de date, Sesiunea de comunicari stiintifice a cadrelor didactice din facultãtile
economice ale Universitãtii Spiru Haret, Bucureşti, 2008, ISBN 978-973-163-
230-8;
[3] Zenovic Gherasim, Mihai ANDRONIE Monitorizarea performantelor
bazelor de date in Oracle pentru aplicatii specifice afacerilor, Sesiunea de
comunicari stiintifice a cadrelor didactice din facultãtile economice ale
Universitãtii Spiru Haret Bucuresti, 2008, ISBN 978-973-163-230-8;
[4] Ion Lungu, Adela Bâra, Mihai ANDRONIE: Administrarea bazelor de date,
Editura ASE, Bucureşti 2008, ISBN 978-606-505-071-6;

Articole din reviste cotate ISI:

[5] Ion Lungu, Manole Velicanu, Adela Bara, Vlad Diaconita, Iuliana Botha –
Portal Based System Integration – Foundation for Decision Support, Economic
Computation and Economic Cybernetics Studies and Research, Vol. 43, No.
1/2009, ISSN 1842 – 3264;
[6] Luminiţa State, Cătălina Ciocanu, Panayiotis Vlamos, Viorica Ştefănescu - A
New Unsupervised Learning Scheme to Classify Data of Relative Small Volume,
Economic Computation and Economic Cybernetics Studies and Research, Vol.
42, No. 1-2/2008, ISSN 1842 – 3264;
[7] Yushi Uno, Yoshinobu Ota and Akio Uemichi - Web Structure Mining by
Isolated Cliques, IEICE Transactions on Information and Systems, 2007, Vol.
E-90-D, No. 12, ISSN 1745-1361;

Alte lucrări:

[8] Jiawei Han, Micheline Kamber: Data Mining. Concepts and Techniques,
Second Edition, Elsevier, 2006;
[9] David Hand, Heikki Mannila, Padhraic Smith: Principles of Data Mining,
Prentice Hall India, 2006;
[10] Zhao Hui Tang, Jamie MacLennan: Data Mining with SQL Server 2005,
Wiley, 2005;
[11] Zenovic. Gherasim, Doina Fusaru, Maria Andronie: Sisteme informatice
pentru asistarea deciziei economice, Editura Fundatiei România de Mâine
Bucureşti, 2008;
[12] Maria Andronie: Analiza şi proiectarea sistemelor informatice de gestiune.
Editura Fundatiei România de Mâine, Bucureşti 2007;
[13] I. Petrescu: Management general, Concepte si aplicaţii, Editura Fundaţiei
România de Mâne, Bucuresti, 2007;
[14] Balog, Al. şi colectiv: Metode şi instrumente de management strategic în
dezvoltarea e-business. Contract 2N, Proiect PN0404, Faza 1 – Analiza şi
identificarea cerinţelor referitoare la sistemele de management strategic în
dezvoltarea e-business, decembrie 2003 ;
[15] Victoria Stanciu: Proiectarea sistemelor informatice de gestiune, Editura
Cison, Bucureşti 2000;
[16] Daniel Andersson, Hannes Fries: Data Mining Maturity. A Quantitative Study
of Large Companies in Sweden, Jonkoping University, Master’s Thesis in
Informatics, 2008;
[17] O.Nicolescu, I. Verbonciu: Management, Editura Economică, Bucureşti
1999;
[18] Blaga P: Introducere în management, note de curs;
[19] Constantin Brătianu: Managementul strategic. Editura Universitaria, Craiova
2002;
[20] A.D.Chandler: Strategies et Structure de l’entreprise, Editions
d’Organisation, Paris, 1989 ;
[21] Fred R.David: Strategic Management, Eight Edition, Prentice Hall, 2000;
[22] Longbing, C. & Chengqi, Z: The Evolution of KDD: Towards Domain-driven
Data Mining, International Journal of Pattern Recognition, 2007;
[23] Gupta, Bhatnagar, Wasan: Architecture for Knowledge Discovery and
Knowledge Management. Knowledge and Information Systems, 2005;
[24] Ingrid Fischer, Thorsten Meinl: Graph Based Molecular Data Mining - An
Overview;
[25] Marti A. Hearst: Untangling Text Data Mining;
[26] Chris Clifton, Don Marks: Security and Privacy Implications of Data Mining;

[27] http://www.rubinian.com/dictionar_detalii.php?id=3993
[28] A. K. Dixit, Optimization in Economic Theory, Second edition, Oxford
University Press, 1990;
[29] http://www.netmba.com/statistics/distribution/normal/;
[30] The Six Sigma Revolution
http://www.qualityamerica.com/knowledgecente/knowctrQuality_Management
_Articles.htm;
[31] http://www.scribd.com/doc/4361/Introduction-to-Six-Sigma;

[32] Pros and cons of Six Sigma: an academic perspective, by Jiju Antony, 2008,
http://www.improvementandinnovation.com/features/articles/pros-and-cons-six-
sigma-academic-perspective;
[33] Geoff Tennant, SIX SIGMA: SPC and TQM in Manufacturing and Services.
Gower Publishing, Ltd. (2001);

[34] Key Performance Indicators, Six Sigma, and Data Mining: Data Driven
Decision Making For Financial Institutions, www.angoss.com;

[35] Trinidad Casasus Estelles, Manuel Mocholi Arce, Ramon Sala Garrido
Economic Optimisation with GAMS;

[36] Maria Andronie, Mihai Andronie: Data Mining Techniques Used in

Metallurgic Industry, Metalurgia International vol. XIV (2009) special issue
no.12, ISSN 1582-2214;
[37] Andrei Mihalache, Adrian GHENCEA, Ion LUNGU: Adaptive Information
Systems –the premise for Self Learning Systems. Proceedings of the
International Business Information Management Conference (13th IBIMA) on 9
–10 November 2009, Marrakech, Morocco, ISBN: 978-0-9821489-2-1;
[38] Andrei MIHALACHE, Cornel VINTILA, Adela CORNESCU A New Model
Approach for Business Applications in Enterprise 2.0 Environment. Proceedings
of the World Multiconference on APPLIED ECONOMICS, BUSINESS AND
DEVELOPMENT (AEBD ‘09), Tenerife, Canary Islands, Spain, pp. 192–195,
WSEAS Press 2009, ISBN: 978-960-474-091-8, ISSN: 1790-5109;
[39] http://en.wikipedia.org/wiki/Enterprise_resource_planning
[40] www.decisionsystems.com...Business%20--%20ERP%20Data.pdf
[41] www.alexisleon.comerp.pdf
[42] http://ro.wikipedia.org/wiki/Sistem_informatic
[43] Power D. Decision Support Systems: Concepts and Resources for Managers;
[44]
http://www.erdc.usace.army.mil/pls/erdcpub/WWW_WELCOME.NAVIGATI
ON_PAGE?tmp_next_page=39811;