Informatica Manageriala - FR PDF

LIVIU GAVRILESCU INFORMATICĂ MANAGERIALĂ
CUPRINS
CUVÂNT ÎNAINTE.............................................................................................................. 6
MODULUL 1. ORGANIZAŢIA CA SISTEM....................................................................... 8
CONCEPTE DE BAZĂ ..................................................................................................... 8
OBIECTIVE URMĂRITE ................................................................................................. 8
RECOMANDĂRI PRIVIND STUDIUL............................................................................ 8
REZULTATE AŞTEPTATE.............................................................................................. 8
UNITATEA DE CURS 1.1: ANALIZA DE SISTEM ........................................................ 9
OBIECTIVE .................................................................................................................. 9
NOŢIUNI CHEIE .......................................................................................................... 9
UNITATEA DE CURS 1.2: STRUCTURA DE MULŢIMI A UNUI SISTEM ÎN
ABORDARE STATICĂ ŞI ÎN ABORDARE DINAMICĂ .............................................. 12
OBIECTIVE ................................................................................................................ 12
NOŢIUNI CHEIE ........................................................................................................ 12
UNITATEA DE CURS 1.3: INTEGRAREA SIMULĂRII ÎNTR-O METODOLOGIE
SISTEMICĂ GENERALĂ .............................................................................................. 15
OBIECTIVE ................................................................................................................ 15
NOŢIUNI CHEIE ........................................................................................................ 15
UNITATEA DE CURS 1.4: LOCALIZAREA MODELĂRII ECONOMICO-
MATEMATICE DESTINATĂ REZOLVĂRII UNOR PROBLEME MANAGERIALE.. 17
OBIECTIVE ................................................................................................................ 17
NOŢIUNI CHEIE ........................................................................................................ 17
TEST PENTRU AUTOEVALUARE ............................................................................... 18
RECOMANDĂRI BIBLIOGRAFICE.............................................................................. 18
MODULUL 2. CONCEPTUL DE SISTEM APLICAT ORGANIZAŢIILOR ...................... 19
CONCEPTE DE BAZĂ ................................................................................................... 19
OBIECTIVE URMĂRITE ............................................................................................... 19
RECOMANDĂRI PRIVIND STUDIUL.......................................................................... 19
REZULTATE AŞTEPTATE............................................................................................ 19
UNITATEA DE CURS 2.1: CONCEPTUL DE SISTEM – DEFINIŢII, EXEMPLE........ 20
OBIECTIVE ................................................................................................................ 20
NOŢIUNI CHEIE ........................................................................................................ 20
UNITATEA DE CURS 2.2. ELEMENTE ALE SISTEMULUI, RELAŢII ŞI OBIECTIVE
........................................................................................................................................ 24
OBIECTIVE ................................................................................................................ 24
NOŢIUNI CHEIE ........................................................................................................ 24
UNITATEA DE CURS 2.3. PROPRIETĂŢI EXTERNE ALE SISTEMELOR UTILIZATE
ÎN ANALIZĂ ŞI DIAGNOZĂ......................................................................................... 29
OBIECTIVE ................................................................................................................ 29
NOŢIUNI CHEIE ........................................................................................................ 29
UNITATEA DE CURS 2.4. PROPRIETĂŢILE FUNCŢIONAL – INTERNE ALE
SISTEMELOR................................................................................................................. 39
OBIECTIVE ................................................................................................................ 39
NOŢIUNI CHEIE ........................................................................................................ 39
MODULUL 3. SISTEMUL INFORMAŢIONAL ÎN CADRUL ORGANIZAŢIEI .............. 53
CONCEPTE DE BAZĂ ................................................................................................... 53
1
UNITATEA DE CURS 3.1. FUNDAMENTE TEORETICE............................................ 53

OBIECTIVE ................................................................................................................ 53
NOŢIUNI CHEIE ........................................................................................................ 54
UNITATEA DE CURS 3.2. DE LA DATE-INFORMAŢII, LA DATE-INFORMAŢII-
CUNOŞTINŢE ................................................................................................................ 60
OBIECTIVE ................................................................................................................ 60
NOŢIUNI CHEIE ........................................................................................................ 60
UNITATEA DE CURS 3.3. ABORDAREA SISTEMICĂ A COMPONENTEI
INFORMAŢIONALE ...................................................................................................... 62
OBIECTIVE ................................................................................................................ 62
NOŢIUNI CHEIE ........................................................................................................ 62
MODULUL 4. TIPURI ŞI CATEGORII DE SISTEME INFORMATICE PENTRU
MANAGEMENTUL ORGANIZAŢIEI ............................................................................... 65
CONCEPTE DE BAZĂ ................................................................................................... 65
UNITATEA DE CURS 4.1. COMPONENTELE UNUI SISTEM INFORMATIC ........... 65
OBIECTIVE ................................................................................................................ 65
NOŢIUNI CHEIE ........................................................................................................ 66
UNITATEA DE CURS 4.2. EVOLUŢIA SISTEMELOR INFORMATICE..................... 68
OBIECTIVE ................................................................................................................ 68
NOŢIUNI CHEIE ........................................................................................................ 68
UNITATEA DE CURS 4.3. MODALITĂŢI DE STRUCTURARE A SISTEMELOR
INFORMATICE .............................................................................................................. 71
OBIECTIVE ................................................................................................................ 71
NOŢIUNI CHEIE ........................................................................................................ 71
UNITATEA DE CURS 4.4. CATEGORII DE SISTEME INFORMATICE ..................... 72
OBIECTIVE ................................................................................................................ 72
NOŢIUNI CHEIE ........................................................................................................ 72
4.4.1. Sistemele de prelucrare a tranzacţiilor................................................................. 74
4.4.2. Sistemele informatice de management ................................................................ 74
4.4.3. Sistemele pentru fundamentarea deciziei ............................................................ 75
4.4.5. Sisteme informatice pentru nivelul executiv........................................................ 76
UNITATEA DE CURS 4.5. SISTEME INFORMATICE LA NIVEL GLOBAL.............. 78
OBIECTIVE ................................................................................................................ 78
NOŢIUNI CHEIE ........................................................................................................ 78
4.5.1. Tehnologia informaţiei în prezent ....................................................................... 78
4.5.2. Managementul sistemelor informatice la nivel global ......................................... 79
4.5.3. Organizaţiile globale şi sistemele informatice ..................................................... 80
MODULUL 5. MODELAREA MATEMATICĂ ŞI SIMULAREA PROCESELOR
ECONOMICE SUB ASPECT MANAGERIAL................................................................... 82
CONCEPTE DE BAZĂ ................................................................................................... 82
2
UNITATEA DE CURS 5.1. MODELAREA ECONOMICO-MATEMATICĂ,

ALTERNATIVĂ LA „EXPERIMENTUL” DIN ŞTIINŢELE EXACTE. METODE.
CONCEPTE. CLASIFICĂRI. .......................................................................................... 83
OBIECTIVE ................................................................................................................ 83
NOŢIUNI CHEIE ........................................................................................................ 83
5.1.1. Condiţiile de apariţie a modelării economico-matematice ................................... 83
5.1.2. Metode de culegere şi prelucrare a datelor folosite în modelarea economico-
matematică................................................................................................................... 84
5.1.3. Procesul de trecere de la sistemul real la modelul de simulare............................. 85
5.1.4. Concepte. Clasificări .......................................................................................... 86
5.1.5. Realizări şi tendinţe în modelarea proceselor economice. Abordarea multinivel şi
modelarea procedurală ................................................................................................. 86
5.1.6. Schema generală de concepere a algoritmilor euristici ........................................ 87
UNITATEA DE CURS 5.2. SPECIFICITATEA CONSTRUIRII MODELELOR
ECONOMICO-MATEMATICE ...................................................................................... 89
OBIECTIVE ................................................................................................................ 89
NOŢIUNI CHEIE ........................................................................................................ 89
5.2.1. Calitatea informaţiei şi metode de luare a deciziei prin prisma preciziei şi
completitudinii datelor ................................................................................................. 89
5.2.2. Etapele procesului de modelare........................................................................... 90
UNITATEA DE CURS 5.3. TIPOLOGIA MODELELOR ECONOMICO-MATEMATICE
........................................................................................................................................ 92
OBIECTIVE ................................................................................................................ 92
NOŢIUNI CHEIE ........................................................................................................ 92
5.3.1. Modele ce surprind aspecte tehnologice şi de producţie ...................................... 93
5.3.2. Modele informaţional-decizionale ...................................................................... 96
5.3.3. Modele ale relaţiilor umane ................................................................................ 97
5.3.4. Modele informatice............................................................................................. 97
MODULUL 6. METODE ŞI TEHNICI ASISTATE DE CALCULATOR PENTRU
REZOLVAREA SITUAŢIILOR MANAGERIALE COMPLEXE ....................................... 99
CONCEPTE DE BAZĂ ................................................................................................... 99
RECOMANDĂRI PRIVIND STUDIUL........................................................................ 100
REZULTATE AŞTEPTATE.......................................................................................... 100
UNITATEA DE CURS 6.1. PREVIZIUNE ŞI PROGNOZĂ ......................................... 100
OBIECTIVE .............................................................................................................. 100
NOŢIUNI CHEIE ...................................................................................................... 100
6.1.1. Seriile cronologice............................................................................................ 100
6.1.2. Modelare şi trend.............................................................................................. 102
6.1.3. Rezolvarea problemelor de prognoză prin intermediul unui produs software
specializat .................................................................................................................. 104
UNITATEA DE CURS 6.2. PROGRAMAREA LINIARĂ ............................................ 107
OBIECTIVE .............................................................................................................. 107
NOŢIUNI CHEIE ...................................................................................................... 107
6.2.1. Prezentare generală........................................................................................... 107
6.2.2. Descrierea şi formularea problemelor de programare liniară ............................. 110
6.2.3. Problema duală ................................................................................................. 120
6.2.4. Probleme rezolvate ........................................................................................... 124
UNITATEA DE CURS 6.3. PLANIFICAREA PROGRAMULUI DE LUCRU AL
PERSONALULUI (STAFF SCHEDULING)................................................................. 131
3
OBIECTIVE .............................................................................................................. 131

NOŢIUNI CHEIE ...................................................................................................... 131
6.3.1 Rezolvarea prin intermediul unui produs software specializat ............................ 133
UNITATEA DE CURS 6.4. PROGRAMAREA INTEGER ........................................... 136
OBIECTIVE .............................................................................................................. 136
NOŢIUNI CHEIE ...................................................................................................... 136
6.4.1. Rezolvarea prin intermediul unor produse software specializate........................ 137
UNITATEA DE CURS 6.5. PROGRAMAREA SCOPURILOR (GOAL
PROGRAMMING)........................................................................................................ 140
OBIECTIVE .............................................................................................................. 140
NOŢIUNI CHEIE ...................................................................................................... 140
6.5.1. Variabilele abatere............................................................................................ 140
6.5.2. Formularea modelului în programarea scopurilor.............................................. 141
6.5.3. Rezolvarea problemelor utilizând un produs software specializat...................... 144
UNITATEA DE CURS 6.6. ANALIZE DE TIP REŢEA PERT – CPM ......................... 146
OBIECTIVE .............................................................................................................. 146
NOŢIUNI CHEIE ...................................................................................................... 146
6.6.1. Introducere ....................................................................................................... 146
6.6.2. Formularea unei probleme ................................................................................ 146
6.6.3. Construcţia diagramelor de reţea....................................................................... 148
6.6.5. Microsoft Project.............................................................................................. 151
6.6.6. Graficul Gantt................................................................................................... 152
6.6.7. Verificarea gradului de realizare a proiectului................................................... 153
UNITATEA DE CURS 6.7. PROBLEMA DE TRANSPORT (TRANSPORTATION
PROBLEM) ................................................................................................................... 154
OBIECTIVE .............................................................................................................. 154
NOŢIUNI CHEIE ...................................................................................................... 154
6.7.1. Formularea modelului....................................................................................... 154
UNITATEA DE CURS 6.8. PROBLEMA DE ALOCARE (ASSIGNMENT PROBLEM)
...................................................................................................................................... 159
OBIECTIVE .............................................................................................................. 159
NOŢIUNI CHEIE ...................................................................................................... 159
UNITATEA DE CURS 6.9. PROBLEMA COMISULUI VOIAJOR ............................. 165
OBIECTIVE .............................................................................................................. 165
NOŢIUNI CHEIE ...................................................................................................... 165
UNITATEA DE CURS 6.10. LANŢURI MARKOV ..................................................... 168
OBIECTIVE .............................................................................................................. 168
NOŢIUNI CHEIE ...................................................................................................... 168
6.10.1. Probabilităţile de trecere ................................................................................. 168
6.10.2. Comportarea sistemului analizat ..................................................................... 169
6.10.3. Metoda arborelui ............................................................................................ 170
6.10.4. Metoda algebrică ............................................................................................ 171
6.10.5. Rezolvarea problemelor utilizând un produs software specializat .................... 172
UNITATEA DE CURS 6.11. COZILE DE AŞTEPTARE.............................................. 174
OBIECTIVE .............................................................................................................. 174
NOŢIUNI CHEIE ...................................................................................................... 174
6.11.1. Scopuri în proiectarea modelelor de cozi de aşteptare ..................................... 174
6.11.2. Elemente şi caracteristici ale sistemelor în care pot apărea cozi de aşteptare ... 175
4
6.11.3. Psihologia aşteptării........................................................................................ 177

6.11.4. Notaţii folosite în sistemele cozilor de aşteptare:............................................. 178
UNITATEA DE CURS 6.12. PROBLEME DE ARANJARE (FACILITY LAYOUT)... 182
OBIECTIVE .............................................................................................................. 182
NOŢIUNI CHEIE ...................................................................................................... 182
6.12.1. Amplasarea compartimentelor (departamental layout, functional layout) ........ 182
6.12.3. Echilibrarea liniilor de producţie (Assembly line balancing) ........................... 189
UNITATEA DE CURS 6.13. AMPLASAREA FACILITĂŢILOR (PUNCTELOR DE
DESERVIRE) (FACILITY LOCATION) ...................................................................... 196
OBIECTIVE .............................................................................................................. 196
NOŢIUNI CHEIE ...................................................................................................... 196
6.13.1. Rezolvarea problemelor utilizând un produs software specializat.................... 198
TEST PENTRU AUTOEVALUARE ............................................................................. 202
PROBLEME PROPUSE ............................................................................................ 202
RECOMANDĂRI BIBLIOGRAFICE............................................................................ 207
MODULUL 7. TEHNOLOGII INTELIGENTE DE VÂRF ÎN INFORMATIZAREA
MANAGEMENTULUI ORGANIZAŢIILOR.................................................................... 208
CONCEPTE DE BAZĂ ................................................................................................. 208
OBIECTIVE URMĂRITE ............................................................................................. 208
RECOMANDĂRI PRIVIND STUDIUL........................................................................ 208
REZULTATE AŞTEPTATE.......................................................................................... 208
UNITATEA DE CURS 7.1. INTELIGENŢA ARTIFICIALĂ ŞI SISTEMELE EXPERT
...................................................................................................................................... 208
OBIECTIVE .............................................................................................................. 208
NOŢIUNI CHEIE ...................................................................................................... 208
7.1.1. Domeniile de utilizare a sistemelor expert......................................................... 209
7.1.2. Definiţia sistemelor expert ................................................................................ 211
7.1.3. Componentele unui sistem expert ..................................................................... 211
7.1.4. Dezvoltarea de sisteme expert........................................................................... 212
7.1.5. Criterii pentru evaluarea sistemelor expert ........................................................ 212
UNITATEA DE CURS 7.2. TEHNOLOGIILE INTELIGENTE DE VÂRF................... 214
OBIECTIVE .............................................................................................................. 214
NOŢIUNI CHEIE ...................................................................................................... 214
7.2.1. Reţelele neuronale ............................................................................................ 214
7.2.2. Logica fuzzy..................................................................................................... 214
7.2.3. Algoritmii genetici............................................................................................ 215
7.2.4. Agenţii inteligenţi ............................................................................................. 215
7.2.5. Agenţii software ce utilizează –internetul ......................................................... 216
7.2.6. Agenţi pentru comerţul electronic ..................................................................... 217
7.2.7. Alţi agenţi inteligenţi ........................................................................................ 217
TEST PENTRU AUTOEVALUARE ............................................................................. 219
RECOMANDĂRI BIBLIOGRAFICE............................................................................ 219
BIBLIOGRAFIE GENERALĂ .......................................................................................... 220
5
CUVÂNT ÎNAINTE
Trecerea României spre o economie guvernată de legile specifice existenţei unui

mediu de afaceri concurenţial ridică organizaţiilor româneşti o serie de probleme generate de
necesitatea practicării unui management performant.
Situaţiile noi cu care s-au confruntat în ultimii şaisprezece ani factorii de decizie de la
nivel micro sau macroeconomic, dar şi cei din domeniul administraţiei publice locale şi
centrale, au provocat mutaţii profunde în înţelegerea fenomenelor economice şi în rezolvarea
problemelor cu care acestea se confruntă. Atât pentru mediul de afaceri românesc, cât şi
pentru instituţiile publice sau pentru societăţile cu capital majoritar de stat, a apărut
necesitatea promovării unui act managerial fundamentat pe o infrastructură de metode şi
tehnici de management, a cărei cunoaştere a impus parcurgerea rapidă a lungului drum de la
mentalitatea de director de dinainte de 1990 la cea de manager din perioada postdecembristă.
Această tranziţie deloc uşoară a creat o adevărată criză în managementul românesc,
îndeosebi datorită necesităţii asimilării şi aplicării rapide a unor metode şi tehnici specifice
managementului concurenţial, cât şi cunoaşterii apriorice a efectelor manifestării pe piaţă a
unor fenomene aleatoare şi greu de controlat.
Îmbogăţirea bagajului de cunoştinţe al managerilor români s-a făcut într-un ritm rapid,
iar aparatul informatic, împreună cu mijloacele de comunicaţie şi de transfer ale colecţiilor de
informaţii, a devenit treptat un instrument indispensabil pentru realizarea unui management
performant. Putem, astfel, constata o trecere în ultimii şaisprezece ani, de la conceptul de
informatică asistată la nivelul organizării procesuale a instituţiilor economice şi publice, la o
informatică orientată cu precădere spre facilitarea exercitării atributelor proceselor
manageriale.
Pentru manageri, a devenit din ce în ce mai acută cunoaşterea evoluţiilor probabile în
timp ale proceselor conduse, anticiparea manifestărilor pieţei, din dorinţa de a-şi putea adapta
strategiile şi politicile economice la cerinţele acesteia, în mod firesc, un astfel de deziderat nu
poate fi satisfăcut decât prin includerea produselor informatice dedicate managementului
organizaţiilor, în instrumentarul de lucru al managerilor.
În acelaşi timp, putem constata o creştere exponenţială a nevoii de informare a
decidenţilor, deşi nu întotdeauna volumele mari de informaţii duc la creşterea calităţii actului
decizional. Acest proces real al zilelor noastre tinde să producă trecerea proceselor de
fundamentare a deciziilor de la o infrastructură bazată pe informaţii, la una bazată pe
cunoştinţe. Apreciem că nu este departe momentul în care managerii români vor folosi ca
instrumente de luare a deciziilor sistemele expert şi cele bazate pe cunoştinţe.
Diversitatea situaţiilor decizionale cu care se confruntă un manager impune
necesitatea promovării unor produse informatice capabile să utilizeze algoritmi complecşi,
cuprinşi în modele matematice sofisticate, care formalizează şi modelează diversitatea
situaţiilor manageriale dintr-o economie de piaţă.
Din practica ţărilor dezvoltate economic rezultă că modelarea este folosită de manager
ca o alternativă la "experimentul" utilizat în ştiinţele exacte.
Prin mecanismele sale, economia concurenţială avantajează pe acei agenţi economici,
care dovedesc o excelentă capacitate de organizare, adaptabilitate, creativitate şi inventivitate.
Câştigă întotdeauna cei ce ştiu să îmbine arta de a conduce cu ştiinţa conducerii.
În condiţiile în care se doreşte ca şi ţara noastră să răspundă exigenţelor globalizării,
efortul de a găsi şi concepe cele mai potrivite metode şi tehnici manageriale este pe deplin
justificat.
6
Prin faptul că în abordarea problemelor economice simularea devine un instrument

accesibil pentru utilizator, în lucrare se prezintă în paralel rezolvarea diverselor procese
economice atât cu modele analitice, cât şi cu modele de simulare.
Cititorul poate surprinde astfel, pe de o parte, specificul, iar pe de altă parte, avantajele
uneia sau alteia din cele două posibile modalităţi de lucru.
Modelarea asistată de calculator are la bază ideea că omul nu poate fi exclus din
procesul de conducere al unui sistem, deoarece el reprezintă principala sursă de formulare a
ipotezelor referitoare la comportamentul sistemului şi singurul capabil să cuprindă într-o
acţiune integratoare rezultatele diferitelor variante de evoluţie a acestuia.
Toate aceste considerente impun definirea unui profil nou al managerului modern,
precum şi situarea noilor tehnologii informatice la dintre două ştiinţe: cea a managementului
şi cea a informaticii.
Lucrarea se adresează, astfel, nu doar factorilor de decizie din domeniul micro sau
macroeconomic, sau din cel al administraţiei publice locale şi centrale, ci şi specialiştilor care
îşi desfăşoară activitatea în acest domeniu. O ţintă importantă a lucrării o reprezintă studenţii
de la facultăţile economice şi tehnice, precum şi cursanţii care urmează programe de
specializare prin cursuri de masterat sau postuniversitare.
Conceptele teoretico-metodologice sunt completate cu studii de caz din economia şi
administraţia reală, ceea ce conferă acestei lucrări pe lângă caracterul unui ghid teoretic si cel
al unui îndrumar practic despre modul în care informatica poate rezolva situaţii manageriale
care, până nu demult, erau considerate de nesoluţionat.
În mod firesc, autorul are convingerea că această lucrare este susceptibilă de reale
îmbunătăţiri. Iată de ce, transmitem de pe acum mulţumirile noastre tuturor acelora care vor
veni cu sugestii de îmbunătăţire a conţinutului lucrării, sau de completare a ei, astfel încât
managementul românesc să demonstreze că este capabil să crească în eficienţă prin folosirea
unui aparat multidisciplinar, în care informatica trebuie să aibă un loc aparte, consacrat,
recunoscut şi definitiv.
Autorul
7
MODULUL 1. ORGANIZAŢIA CA SISTEM
CONCEPTE DE BAZĂ
Organizaţia social-economică, sistem cibernetic, subsistemele întreprinderii, legături
informaţionale, analiza de sistem, conducerea sistemelor, conexiunea inversă, modelare
economico-matematică
OBIECTIVE URMĂRITE
 Definirea analiza de sistem
 Cunoaşterea regulilor metodologice ale analizei de sistem
 Cunoaşterea structurii de mulţimi a unui sistem
 Definirea unui sistem cibernetic
 Abordarea organizaţiei ca sistem
 Cunoaşterea metodologiei sistemice generale a simulării
 Familiarizarea cu activitatea de modelare economico-matematică
RECOMANDĂRI PRIVIND STUDIUL

Este recomandat ca studiul acestor probleme să se facă în ordinea unităţilor de curs.
Bibliografia este indicată la finalul modulului. Bibliografia suplimentară va fi indicată
în urma discuţiilor cu tutorii.
Se vor realiza discuţii şi analize împreună cu tutorii pe marginea temelor prezentate.
REZULTATE AŞTEPTATE
Modului intitulat „Organizaţia ca sistem” va familiariza studentul cu noţiunile
elementare ale analizei de sistem, reuşind să abordeze o organizaţie din punct de vedere
sistemic. Studentul va fi capabil să identifice elementele generale ale unui sistem, precum şi
cele particulare ale organizaţiei. Studentul va fi familiarizat şi va cunoaşte noţiuni ale
metodologiei simulării, precum şi cu modelarea economico-matematică.
8
UNITATEA DE CURS 1.1: ANALIZA DE SISTEM
OBIECTIVE
 Definirea analiza de sistem
 Cunoaşterea regulilor metodologice ale analizei de sistem
NOŢIUNI CHEIE
Sistem, organizaţia social-economică, sistem cibernetic, subsisteme, analiza de sistem
Organizaţia social-economică reprezintă un sistem de bază în cadrul sistemului social-

economic global.
Ea este alcătuită dintr-un număr mare de elemente (resurse umane, materiale,
financiare) între care există conexiuni cauzale şi funcţionale.
Ca unitate de bază în economie, fiecare organizaţie se află, totodată, în conexiune cu
alte unităţi economice şi administrative, fiind influenţată şi influenţând, la rândul său, prin
intrările şi ieşirile în şi din sistem.
Cunoaşterea întreprinderii ca sistem este determinată de modul cum relaţiile dintre
elementele şi însuşi elementele sistemului variază în timp.
Abordarea întreprinderii ca sistem cibernetic, compus dintr-un număr foarte mare de
subsisteme, cuplate între ele prin conexiuni directe şi inverse, permite explicarea ştiinţifică a
unor fenomene destul de complexe, care au loc în interiorul acestui sistem.
Sistemul cibernetic al întreprinderii industriale, de exemplu, cuprinde în principal:
sistemul producţiei, constând din ansamblul mijloacelor de producţie, maşini, utilaje şi
instalaţii, tehnologiile de fabricaţie şi forţa de muncă; sistemul informaţional-decizional, ce
include procesele de culegere, transmitere, prelucrare şi conservare a informaţiei, procesele de
luare a deciziilor la toate nivelurile şi sistemul structurii umane, care cuprinde procesele de
motivare individuală a acţiunii lucrătorilor, relaţiile complexe între aceştia, studiul condiţiilor
fizice şi fiziologice ale proceselor de muncă.
Un element esenţial, care diferenţiază calitativ sistemul cibernetic al întreprinderii de
alte sisteme ale lumii reale, îl constituie faptul că funcţia de comandă şi reglare este realizată
de prezenţa directă şi conştientă a omului. Mecanismul de reglare al întreprinderii asigură
corelarea permanentă a evoluţiei optime, ţinând seama de interdependenţele dintre
subsistemele sale, de modificările intervenite, de perturbaţiile apărute atât în interiorul
sistemului, cât şi în afara lui.
Între subsistemele întreprinderii au loc o multitudine de legături informaţionale,
decizionale, de succesiune, alături de fluxurile fizice de materii prime, semifabricate,
combustibil şi produse.
Subsistemul de conducere, coordonare şi control al întreprinderii tratat ca sistem
cuprinde la rândul lui trei subsisteme şi anume: subsistemul organizatoric, subsistemul
informaţional-decizional şi informatic şi subsistemul metode şi tehnici de conducere.
Printre metodele care au luat naştere în cadrul concepţiei sistemice un loc aparte prin
prisma caracterului său pragmatic şi a posibilităţilor de generalizare îl ocupă analiza de
sistem.
Analiza de sistem reprezintă un complex de procedee pentru perfecţionarea activităţii
generale a unităţilor social-economice, prin studierea proceselor informaţionale şi a celor
decizionale, care au loc în unităţile respective.
9
Printre cele mai importante utilizări practice ale analizei sistemice se află elaborarea
proiectelor pentru conducerea eficientă a organizaţiilor economice cu ajutorul metodelor
economico-matematice şi al tehnicii de calcul.
Analiza sistemică se bazează pe metodologia decizională, concepută ca un ansamblu
de reguli pentru luarea deciziei, necesare conducerii eficiente a sistemelor.
Metodologia se sprijină pe generalizarea unui număr mare de cazuri din practică.
Regulile metodologice definesc atât succesiunea corectă a operaţiunilor decizionale
corespunzătoare conducerii sistemelor, cât şi modul de organizare şi realizare efectivă a lor.
Principalele reguli metodologice generale pentru conducerea sistemelor sunt
următoarele:
a. Deciziile privind conducerea eficientă a unui sistem implică adoptarea unei
concepţii integratoare în ceea ce priveşte disciplinele şi metodele decizionale ale conducerii
sistemelor.
Această regulă este necesară, deoarece, în practică, supraspecializarea determină,
adesea, adoptarea unei viziuni unilaterale.
b. Pentru obţinerea unor decizii eficiente în conducerea sistemelor este necesară o
profundă şi detailată cunoaştere a acestora.
Totalitatea operaţiilor de cunoaştere se concretizează prin elaborarea modelelor
decizionale (descriptive şi normative).
c. Comportamentul cibernetic este o lege generală a funcţionării sistemelor şi
subsistemelor ce le alcătuiesc, iar modelarea acestui comportament reprezintă o metodă
decizională fundamentală în conducerea sistemelor.
Aplicarea în practică, în conducerea sistemelor, a ideilor principale aparţinând
ciberneticii se poate face eficient, utilizând metodele dinamicii sistemelor (disciplină
elaborată de profesorul american J. Forrester).
d. Factorul uman, cu multiplele sale aspecte, are o deosebită importanţă în deciziile
privind conducerea sistemelor. Câteva dintre implicaţiile cele mai actuale ale factorului uman
în conducerea sistemelor sunt:
 conducerea participativă;
 perfecţionarea profesională permanentă, policalificarea;
 motivaţiile individuale şi colective şi implicaţiile lor asupra comportamentului
şi luării deciziilor.
e. Modelarea descriptivă şi normativă a proceselor decizionale este esenţială pentru
conducerea eficientă a sistemelor.
Această regulă scoate în evidenţă componenta raţională în luarea deciziilor.
f. Se va acorda cuvenita importanţă modelelor informatice şi sistemelor expert în
luarea deciziilor privind conducerea sistemelor. Prin aceasta se va înregistra o serie de
consecinţe, ca, de exemplu:
 micşorarea considerabilă a timpului de elaborare a unor decizii care presupun
analiza unui număr mare de date;
 creşterea nivelului calitativ al deciziilor, ca urmare a posibilităţilor de a efectua
calculele, de obicei foarte complexe, pe care le presupun metodele moderne de
luare a deciziilor;
 posibilitatea de cooperare în domeniul stocării şi prelucrării datelor prin
organizarea unor reţele de calculatoare cuprinzând întreprinderi şi centre
specializate.
Rolul decizional al sistemelor expert este foarte important, lucru atestat de faptul că,
deşi au un cost foarte ridicat, în ultimii ani, pe plan mondial, au fost puse la punct şi
funcţionează numeroase astfel de sisteme, în cele mai variate domenii de activitate.
g. Succesul practic al metodologiei de conducere a sistemelor este condiţionat în mod
decisiv de operaţiile care urmează după elaborarea modelelor descriptive şi normative, şi
10
anume, de experimentarea modelelor, de implementarea lor, precum şi de funcţionarea în

regim normal a sistemului de modele.
h. Un model descriptiv sau normativ poate fi utilizat pentru rezolvarea practică a unei
probleme decizionale, numai dacă el reprezintă o analogie semnificativă cu problema
considerată.
i. Modelarea, descriptivă şi normativă, trebuie orientată cu precădere către problemele
decizionale cele mai importante în conducerea sistemelor.
j. Readaptabilitatea rapidă şi supleţea constituie cerinţe generale ale modelelor de
conducere a sistemelor, precum şi ale aplicării practice a acestora.
Metode deosebit de utile sunt cele care iau în considerare condiţiile de risc şi
incertitudine, modelele decizionale cu o îndelungată verificare practică în general, modelele
cu supleţe şi adaptabilitate (euristice, vagi).
k. Evoluţia rapidă a tuturor parametrilor caracteristici ai proceselor din interiorul
sistemelor ne obligă să ţinem seama în elaborarea modelelor decizionale de aspectul dinamic
şi de cel previzional.
l. Elaborarea de către decidenţi a unui proiect decizional, pe baza regulilor generale
prezentate.
11
UNITATEA DE CURS 1.2: STRUCTURA DE MULŢIMI A UNUI SISTEM ÎN

ABORDARE STATICĂ ŞI ÎN ABORDARE DINAMICĂ
OBIECTIVE
 Cunoaşterea structurii de mulţimi a unui sistem şi a interacţiunii dintre acestea
 Definirea unui sistem cibernetic
NOŢIUNI CHEIE
Sistem cibernetico-economic, vectorul intrărilor, vectorul ieşirilor, conexiunea inversă,
model, stare
Privită din punct de vedere istoric, analiza sistemelor a început cu cele naturale,
studiul extinzându-se mai târziu la sistemele create de om, printre care amintim: sistemele
tehnice, conceptuale, de acţiuni, economice şi sociale.
Odată cu dezvoltarea ciberneticii şi perfecţionarea mecanismelor automate de calcul, a
fost fundamentat conceptul de sistem cibernetico-economic, care conţine ca element esenţial
prezenţa directă şi nemijlocită a omului în funcţiile de comandă, decizie, reglare şi
autoreglare.
Omul, ca factor de execuţie şi decizie, imprimă sistemelor cibernetico-economice un
caracter dinamic şi permanent perfectibil.
Atât sistemele cibernetico-economice în ansamblu, cât şi elementele lor componente
sunt caracterizate de multitudinea activităţilor ce se desfăşoară în cadrul acestora în vederea
atingerii obiectivelor economice formulate de la caz la caz.
Ansamblul fluxurilor primite de la alte sisteme reprezintă vectorul intrărilor în sistem,
iar ansamblul fluxurilor dirijate către alte sisteme formează vectorul ieşirilor din sistem.
„Ieşirile” unui sistem pot constitui „intrări” pentru alt sistem ş.a.m.d. Acest lucru este
o proprietate importantă a sistemelor, care constă în posibilitatea cuplării lor. Prin cuplare,
cele două sisteme formează un alt sistem mai mare, cu proprietăţi diferite, ele devenind
subsisteme ale acestuia ş.a.m.d.
Sistemul devine cibernetic, atunci când apare reglarea (conexiunea inversă).
Mulţimea caracteristicilor unui sistem, la un moment dat, determină starea sa (vectorul
variabilelor de stare, care, în cazul sistemelor cibernetico-economice, are un număr foarte
mare de variabile).
Pentru fiecare sistem cibernetico-economic se distinge un comportament intern şi altul
extern, strâns corelate între ele, şi care formează comportamentul de ansamblu al sistemului.
Funcţionalitatea este o rezultantă vectorială a intensităţii fluxurilor, care reprezintă
intrările în sistem şi a comportamentului acestuia, adică a modului de transformare a
fluxurilor de intrare în fluxuri de ieşire.
Un sistem cibernetic este definit de interacţiunea dintre structura, comportamentul şi
funcţionalitatea sa în cadrul mecanismului considerat şi care poate fi şi cel economic. Plecând
de la acest mod de gândire, putem considera societatea ca sistem, economia ca subsistem,
ramurile economice ca subsisteme, iar întreprinderile ca subsisteme în cadrul ramurilor.
La nivel economic, firma, societatea comercială, societatea pe acţiuni este un sistem,
adică o mulţime de părţi în interacţiune una cu alta.
La un moment dat, orice sistem este caracterizat de tripletul (T, S, E).
Notaţii:
12
(T) mulţimea intrărilor;

(S) mulţimea stărilor sistemului;
(E) mulţimea ieşirilor din sistem.
Conexiunea inversă asigură transmiterea informaţiei de la organele de execuţie spre
organele de decizie, în scopul adaptării acestora la situaţiile efective.
Pentru studierea unui anumit fenomen din întreprindere se recurge la construirea unui
model abstract al fenomenului pe care se raţionează/se analizează diferitele variante posibil de
realizat în anumite condiţii date privind resursele materiale, umane, financiare disponibile,
tehnologii existente, astfel încât să fie satisfăcuţi clienţii (beneficiarii produselor) şi să se
obţină profit pentru firmă/întreprinzător.
Modelul realizează de fapt reprezentarea sistemului ca o mulţime de părţi în
interacţiune una cu alta.
În dinamică, structura de mulţimi a unui sistem este de forma:
S ={T, I, F, S, E, φ, γ}
Notaţii:
T = timpul pentru ordonarea evenimentelor;
T Є R (sistemul are timp continuu);
T Є Z (sistemul are timp discret).
I = mulţimea intrărilor;
F = mulţimea segmentelor de intrare în sistem (segmentul reprezintă forma
intrărilor în sistem);
S = mulţimea stărilor sistemului.
Starea este un concept de modelare a structurii interne a sistemului care
conţine „istoria” acestuia şi care îi afectează prezentul şi viitorul şi împreună
cu forma intrărilor determină în mod unic ieşirile din sistem.
E = mulţimea ieşirilor din sistem;
φ = funcţia de răspuns a sistemului, adică:
φ:I*S→E
Ceea ce înseamnă că la o anumită intrare şi o anumită stare a sistemului se obţine un
anumit răspuns.
γ = funcţia de tranziţie a stărilor (trecerea de la o stare la altă stare se face în funcţie de
dimensiunea intrărilor în sistem la un moment dat). Cunoaşterea intrărilor şi a răspunsurilor
corespunzătoare acestora reprezintă comportarea sistemului.
Plecând de la abordarea organizaţiei ca sistem, caracterizată de tripletul: intrare {I},
stare {S}, ieşire { E }, adică {I, S, E}, se conturează trei clase de probleme cu trei întrebări-
tip, pe care le vom examina în ordinea în care le punem în practică (figura 1.1).
Figura 1.1. Clase de probleme în cazul abordării organizaţiei ca sistem
13
(1) Modelarea – realizează sinteza sistemului.

Trebuie construită/configurată/identificată acea situaţie care plecând de la {I}
cunoscute să ne permită obţinerea {E} dorite.
(2) Simularea – realizează analiza sistemului, generează comportamentul sistemului.
Pune probleme, ce se întâmplă cu {E} când mărimea {I} se modifică în condiţiile unei
structuri constante a sistemului.
(3) Optimizarea – conducerea sistemului.
Se pune problema luării deciziei în legătură cu mărimea vectorului {I} care permite
atingerea unor obiective {E} în condiţiile unei structuri constante a sistemului.
14
UNITATEA DE CURS 1.3: INTEGRAREA SIMULĂRII ÎNTR-O METODOLOGIE

SISTEMICĂ GENERALĂ
OBIECTIVE
 Familiarizarea cu noţiunile de proces de modelare şi simulare numerică
NOŢIUNI CHEIE
Simulare, modelare, metamodel
Modelul de simulare, cu multiplele sale specificităţi prezentate, este liantul între

modelul economico-matematic, care prezintă posibilitatea de modelare, şi realitate.
Integrarea simulării într-o metodologie sistemică generală este prezentată sinoptic în
figura 1.2.
Figura 1.2. Integrarea simulării într-o metodologie sistemică generală
Simularea este o tehnică numerică extrem de flexibilă şi utilizabilă ad-hoc. Relaţiile

între input-ul şi output-ul unui model de simulare se pot modela într-un model de regresie
cunoscut ca metamodel sau model auxiliar.
15
Figura 1.3. Procesul de modelare – proces ierarhizat
Procesul de modelare devine un proces ierarhizat, aşa cum este redat în figura de mai
sus (fig. 1.3.).
16
UNITATEA DE CURS 1.4: LOCALIZAREA MODELĂRII ECONOMICO-

MATEMATICE DESTINATĂ REZOLVĂRII UNOR PROBLEME MANAGERIALE
OBIECTIVE
 Familiarizarea cu localizarea modelării economico-matematice în cadrul
proiectării şi funcţionării sistemului informaţional-decizional
NOŢIUNI CHEIE
modelare economico-matematică, sistem informaţional-decizional,
Activitatea de modelare economico-matematică poate fi eficientă numai în măsura în

care ea se desfăşoară în cadrul analizei de sistem, ca un moment al etapei de proiectare a
noului sistem informaţional-decizional (figura 1.4).
Proiectarea noului sistem informaţional-decizional implică şi referiri la tehnica de
calcul ce va fi utilizată, dat fiind volumul mare de date ce este vehiculat pentru fiecare
aplicaţie în parte.
Dacă în cazul metodelor exacte există o serie de produse program catalogate în
biblioteci, metodele aproximative şi euristice îl solicită pe analistul de sisteme în special în a
utiliza tehnicile de tip Monte Carlo, dinamică industrială (Forrester) sau jocuri de
întreprindere.
Figura 1.4. Localizarea modelării economico-matematice destinată rezolvării unor probleme

manageriale
Realizarea obiectivelor finale ale întreprinderii impune cu necesitate găsirea celor mai
adecvate mijloace şi metode de conducere atât pentru activităţile productive, cât şi pentru cele
economice.
17
De regulă, în cazul sistemelor de conducere a activităţii economice, calculatoarele

servesc la pregătirea mai bună a unor decizii umane, iar în cazul sistemelor de conducere a
proceselor tehnologice, calculatoarele elaborează automat deciziile sub formă de comenzi ce
se transmit spre procesul condus.
TEST PENTRU AUTOEVALUARE

 Enumeraţi elementele de sistem cibernetic ale organizaţiei social-economice
 Care este elementul esenţial care diferenţiază calitativ sistemul cibernetic al
întreprinderii de alte sisteme?
 Definiţi analiza de sistem
 Enumeraţi principalele reguli metodologice pentru conducerea sistemelor
 Definiţi şi exemplificaţi vectorul intrărilor şi vectorul ieşirilor din sistem
 Definiţi şi exemplificaţi starea unui sistem
 Explicaţi modelarea, simularea şi optimizarea unui sistem
 Prezentaţi integrarea simulării într-o metodologie sistemică generală
 Localizaţi modelarea economico-matematică în cadrul proiectării şi
funcţionării sistemului informaţional-decizional
RECOMANDĂRI BIBLIOGRAFICE
1. Andreica, M., Stoica, M. Modelarea şi simularea proceselor economice, Lito
A.S.E., Bucureşti, 1994.
2. Dobre, I., Mustaţă, F. Simularea proceselor economice, Editura Inforec,
Bucureşti, 1996.
3. Mărgulescu, D. Analiza economico-financiară a întreprinderii. Metode
şi tehnici, Editura Tribuna Economică, Bucureşti, 1994.
4. Păun, M., Hartulari, C., Analiza şi diagnoza sistemelor economice, Editura ASE
Bădescu, A. Bucureşti, 2001.
5. Wilson, B. Systems concepts, Methodologies and Applications,
John Willey & Sons, 1984.
6. Zadeh, L.A., Polak, E., ş.a. Teoria sistemelor, Editura Tehnică, Bucureşti, 1973.
18
MODULUL 2. CONCEPTUL DE SISTEM APLICAT ORGANIZAŢIILOR
CONCEPTE DE BAZĂ
Conceptul de sistem, filozofia antică, teoria sistemelor, variabilele de comandă,
variabilele perturbatoare, mulţime de subsisteme, elemente, descompunerea unui sistem,
conexiuni, restricţii, obiective, analiza şi diagnoza sistemelor, dinamicitatea, entropie, sisteme
evolutive, teoria complexităţii, probleme polinomiale, caracter aleator/stohastic, autoreglare,
resursă informaţională, accesibilitate, controlabilitate, observabilitate, sensibilitate, stabilitate,
finititudine, adaptabilitate, compozabilitate, predicţie
OBIECTIVE URMĂRITE
 Cunoaşterea istoricului conceptului de sistem şi a utilităţii acestuia
 Definirea în diverse moduri a conceptului de sistem
 Cunoaşterea formalismului matematic al sistemului şi transpunerea practică a
elementelor acestuia
 Familiarizarea cu structurarea subsistemică
 Cunoaşterea clasificării sistemelor
 Fundamentarea descrierii unui sistem
 Familiarizarea cu descompunerea în subsisteme a unui sistem, criterii
 Cunoaşterea relaţiilor între elementele sistemului şi evidenţierea conexiunilor
 Familiarizarea cu obiectivele unui sistem
 Cunoaşterea proprietăţilor externe ale sistemelor
 Familiarizarea cu noţiunea de entropie
 Familiarizarea cu noţiunea de complexitate a sistemelor
 Familiarizarea cu noţiunea de autoreglare a sistemelor
 Cunoaşterea proprietăţilor funcţional – interne ale sistemelor

Modului intitulat „Conceptul de sistem aplicat organizaţiilor” va familiariza studentul
cu conceptul de sistem, clasificarea sistemelor. Studentul va cunoaşte relaţiile între elementele
sistemului şi va putea evidenţia conexiunilor existente între subsisteme. Studentul va putea
înţelege funcţionalitatea sistemelor pe baza proprietăţilor interne şi externe ale acestora.
19
UNITATEA DE CURS 2.1: CONCEPTUL DE SISTEM – DEFINIŢII, EXEMPLE
OBIECTIVE
 Cunoaşterea istoricului conceptului de sistem şi a utilităţii acestuia
 Definirea în diverse moduri a conceptului de sistem
 Cunoaşterea formalismului matematic al sistemului şi transpunerea practică a
elementelor acestuia
 Familiarizarea cu structurarea subsistemică
 Cunoaşterea clasificării sistemelor
NOŢIUNI CHEIE
Conceptul de sistem, filozofia antică, teoria sistemelor, variabilele de comandă,
variabilele perturbatoare
Conceptul de sistem a apărut ca noţiune într-o formă primară în filozofia antică.

Afirmând că “întregul este mai mult decât suma părţilor care îl compun”, Aristotel a dat
practic o primă definiţie de natură sinergetică noţiunii de sistem, noţiune care în cursul istoriei
ştiinţei s-a dezvoltat şi a evoluat, ajungând la o formă generală acceptată în prezent.
În 1950 Ludwig von Berthalanffy a pus bazele teoriei sistemelor. În accepţiunea lui
sistemul poate fi definit ca o reuniune de elemente în interacţiune/interdependente, care
acţionează în vederea realizării unui obiectiv comun, prin utilizarea unui ansamblu de resurse
materiale, energetice, financiare, informaţionale şi umane.
Conceptul de sistem se utilizează frecvent în diferite domenii ale economiei, tehnicii,
în natură şi în societate. Există astfel sisteme de afaceri, informatice, biologice, educaţionale,
de producţie, sociale ş.a. Ceea ce au comun aceste sisteme este numărul relativ mare de
elemente care le compun, şi care interacţionează, inclusiv cu mediul din care fac parte, în
vederea realizării unui anumit scop/obiectiv, care poate fi o lege a naturii, sau un obiectiv
stabilit de către om.
De exemplu: pentru un sistem de afaceri scopul îl reprezintă realizarea unui profit
maxim. Pentru un sistem productiv diferitele elemente care îl compun, între care există relaţii
de natură tehnologică, financiară, fluxuri informaţionale, materiale şi interumane, îşi propun
obţinerea unor produse şi valorificarea acestora pe piaţă, în scopul obţinerii unui profit care să
permită reluarea ciclului de producţie pe o treaptă superioară.
În cazul unui sistem biologic între elementele care îl compun există interacţiuni slabe,
sau puternice, îndreptate spre realizarea unui scop, anume menţinerea în viaţă a sistemului.
În cazul sistemelor economice şi tehnice, scopul apare ca fiind determinat de către om,
ca factor decizional, înaintea construirii sistemului.
O definiţie riguroasă a conceptului de sistem a fost dată de Zadeh, care afirma că
sistemul reprezintă un set parţial interconectat de obiecte abstracte A 1, A2, A3, ... An, numite
componentele sistemului. Ele pot fi orientate sau nu.
Obiectul abstract este reprezentat de setul de variabile, împreună cu relaţiile ce le
caracterizează. Obiectul abstract poate fi identificat prin mulţimea relaţiilor de intrare-ieşire.
Un sistem reprezintă o entitate fizică în care există o colecţie de obiecte convenabil
aranjate şi cuplate funcţional, iar legăturile cu exteriorul sunt realizate prin intermediul
mărimilor de tip cauză u, numite variabile de intrare, şi a celor de tip efect y, numite variabile
de ieşire.
Sistemele economice sunt sisteme dinamice, adică sisteme la care variabila endogenă
independentă este timpul.
20
Definiţia 1. Se numeşte sistem un model fizic realizabil al dependenţei y de u, dacă

există o cauzalitate u → y, dar nu există o cauzalitate inversă, y → u.
Un astfel de concept se numeşte informaţional, sau concept de black–box. El nu
presupune cunoaşterea apriorică a modului cum depinde y de u, nici a modului cum se
realizează efectiv cauzalitatea dintre y şi u. Punctul sensibil al acestui concept îl constituie
cauzalitatea care poate fi probată doar pe cale experimentală.
Definiţia 2. Se numeşte sistem un model fizic realizabil al unei structuri de elemente a
căror funcţionalitate poate fi caracterizată prin legi deja evidenţiate.
Un astfel de concept presupune cunoaşterea completă a tuturor elementelor ce compun
un sistem şi a legăturilor funcţionale între ele, adică a structurii sistemului. Deşi principial, un
astfel de concept poate defini un sistem, este imposibil să se cunoască întreaga structură a
sistemului pe de-o parte, din cauza complexităţii lui, iar pe de altă parte, din cauza numărului
mare de legi care acţionează în sistem.
Definiţia 3. Se numeşte sistem un model fizic realizabil al dependenţei y în funcţie de
u, dacă se cunoaşte parţial structura sistemului S suficient de bine pentru a demonstra
cauzalitatea.
Acest concept are şi avantajul unei ameliorări autoinstruibile a procesului de
cunoaştere. Se presupune că se dau seturile u şi y şi este evidenţiată calitativ cauzalitatea. Este
deci posibilă obţinerea modelului, adică a sistemului de structură S.
Fiecare sistem pentru a-şi atinge scopul primeşte intrări (input-uri) din mediu şi
produce ieşiri (output-uri) pentru mediu, în urma unor procese ce au loc în sistem.
Observarea unui sistem, depinde de observatorul sistemului, care introduce un anumit
grad de subiectivitate în descrierea acestuia. Astfel, acelaşi sistem poate fi descris în moduri
diferite de observatori diferiţi. Dacă diferenţele ce pot apare în cazul descrierii sistemelor
tehnice de către observatori diferiţi, dar cu aceeaşi pregătire, sunt minime, pentru sistemele
economice, mai complexe, mai puternic supuse perturbaţiilor, modul de percepţie al acestora
de către observatori individuali introduce un grad de incertitudine mai mare. Analistul de
sistem trebuie să aleagă o anumită viziune asupra sistemului, proprie sistemului lui de valori
şi să exploreze implicaţiile viziunii sale asupra sistemului, ca obiect al analizei. Această
percepţie, proprie analistului, se cuantifică prin conceptul „w” şi este exprimată prin definiţia
de bază / rădăcină a sistemului, care reprezintă esenţa sistemului.
Definiţia de bază / rădăcină a sistemului reprezintă mai mult decât o simplă
reformulare a obiectivelor sistemului, deoarece ea înglobează şi punctul de vedere al
analistului care face descrierea sistemului, existând astfel posibilitatea ca pentru un sistem dat
să avem mai multe astfel de definiţii.
De exemplu, în cazul unei firme, un contabil va evidenţia elementele financiare,
inginerul - elementele de producţie, tehnologul - elementele tehnologice, informaticianul -
informaţiile şi fluxul acestora. Analistul de sistem va avea în vedere consultarea tuturor
acestor opinii şi evidenţierea a ceea ce este relevant pentru sistem, din punctul de vedere al
intrărilor şi ieşirilor, a proceselor de transformare şi a obiectivelor globale urmărite.
Un sistem, în sens formal, poate fi reprezentat printr-un octuplu de entităţi:
S = (T, U, Ω, X, Y, Γ, φ, η)
unde:
T – mulţimea de valori ale variabilei de timp t;
U - mulţimea de valori ale variabilelor de intrare u;
Ω - clasa de funcţii ce descriu evoluţiile admisibile ale variabilelor de intrare;
ω - evoluţia variabilelor de intrare admise, ωЄΩ.
Astfel se definesc:
ω = {u(t) / tЄT}
Ω = {ω : T→ u}.
21
Funcţiile ω sunt exterioare sistemului, structura acestuia neputând să le influenţeze.

X - mulţimea de valori pe care le pot lua variabilele de stare ale sistemului;
Y -mulţimea valorilor pe care le pot lua variabilele de ieşire y ale sistemului, aceste
valori fiind determinate de variabilele de intrare şi de structura sistemului;
Γ - clasa de funcţii care descriu evoluţiile admisibile ale variabilei de ieşire y;
γ - evoluţia admisibilă a variabilelor de ieşire, γЄΓ:
γ = {y(t)/ tЄT, yЄY}
Γ = [γ : T→ y]
φ - funcţia de tranziţie care defineşte lanţul de modificări ale stării iniţiale a sistemului
φ : T*T*X*Ω→X
η - funcţia de ieşire, care defineşte evoluţia variabilei de ieşire, ca rezultat al
modificării stării sistemului:
y(t) = η( t, x(t))
η : T*X→Y,
unde cu „*” am notat produsul cartezian a două mulţimi.
Factorizarea tranziţiei cauzale ”intrare-ieşire” prin intermediul noţiunii de stare este
redată sugestiv de diagrama din figura 2.1.
Fig. 2.1 Diagrama tranziţiei cauzale intrare-ieşire
φ - defineşte efectul interior la un moment t ≥ t 0 ca rezultat al stării anterioare

desfăşurate în intervalul (t0, t) sub acţiunea unei cauze ω.
η - defineşte transformarea instantanee din interior spre exterior.
Relaţia y(t) = η(t, x(t)) arată că este suficient să cunoaştem perechea iniţială pentru a
cunoaşte efectul ulterior în prezenţa oricărei cauze.
De exemplu, pentru un sistem bancar avem următoarea interpretare a octuplului:
U -mulţimea valorilor de intrare poate fi reprezentată de mulţimea clienţilor (persoane
fizice şi juridice), felul cererii (depunere, retragere), valoarea depusă sau retrasă;
Ω - este reprezentată de suma de bani maximă ce poate fi retrasă sau depusă într-o zi,
sau de rata dobânzii;
Y - variabilele de ieşire, sunt reprezentate de debitele şi creditele evidenţiate în
sistemul bancar şi grupate pe clienţi, tip de tranzacţii, rapoarte de sinteză pentru factorii de
decizie;
Γ - clasa admisibilă a evoluţiei variabilelor de ieşire, este reprezentată de legislaţia
bancară referitoare la creditele acordate sau normele stabilite pentru alte tipuri de tranzacţii;
X - vectorul de stare poate fi reprezentat de masa monetară existentă în bănci la
diferite momente de timp, fluctuaţiile cursului valutar zilnic, numărul de tranzacţii zilnice
încheiate avantajos etc.
Variabilele de comandă sunt determinate de factorii decizionali ai băncii privind
acordarea unor priorităţi, în funcţie de tipul tranzacţiei, fidelitatea clientului, scopul
tranzacţiei.
Un alt exemplu: pentru subsistemul de programare şi ordonanţare a producţiei dintr-o
unitate productivă, vom avea următoarea semnificaţie a acestor entităţi:
U - este reprezentată de lista produselor ce urmează a fi prelucrate şi de caracteristicile
acestora (sortiment, dimensiune, timpi de prelucrare, transport date de livrare) etc.;
22
Ω -poate fi reprezentată de tehnologia de fabricaţie a acestor produse, legile după care

pot varia timpii de transport a acestor produse, legea de distribuţie a duratelor operaţiilor etc.;
X -vectorul de stare este reprezentat de indicele de realizare a normelor de producţie în
diferite momente de timp, volumul producţiei neterminate, fazele de realizare a produsului în
diferite perioada de timp;
Y - variabilele de ieşire sunt reprezentate de numărul de produse realizate şi
succesiunea lor, datele de livrare, volumul rebuturilor, beneficiul obţinut etc;
Γ - este reprezentată de numărul de rebuturi admisibile, capacitatea de utilizare a
maşinilor în funcţie de volumul producţiei contractate, modul cum beneficiul depinde de
volumul producţie şi cheltuielile de resurse.
Variabilele perturbatoare sunt date de volumul timpului de muncă neutilizat, indicele
de respectare a normelor tehnologice, intervalul de timp în care a existat ruptură de stoc etc.
Noţiunea de sistem are un caracter relativ, în sensul că orice sistem poate fi
descompus într-un număr de subsisteme şi de asemenea, poate fi privit ca un subsistem în
cadrul altuia, de ordin superior. Astfel, de exemplu, dacă ne referim la o întreprindere, secţiile
reprezintă subsisteme, iar atelierele sunt subsisteme în cadrul secţiilor. La rândul său
întreprinderea reprezintă un subsistem în raport cu macrosistemul economiei naţionale.
În acest context descompunerea sistemului în subsisteme şi legăturile între acestea
trebuie privite atât din punct de vedere al factorului timp, cât şi al factorului spaţiu, ceea
ce implică o structurare pe nivele ierarhice şi pe secvenţe temporale.
Această structurare pe nivele ierarhice permite punerea în evidenţă a funcţionării
fiecărui subsistem în parte, a intercorelării lui cu celelalte subsisteme şi, deci, a posibilităţii
luării unor măsuri de ordin organizatoric şi decizional, care să conducă la funcţionarea mai
bună a întregului. Dacă privim această structurare din punct de vedere al factorului spaţiu,
vom distinge o ierarhizare pe diferite nivele a subsistemelor, iar dacă privim din punct de
vedere al factorului timp, atunci constatăm că aceste sisteme sunt de tip discret (analog
sistemelor cu eşantionare din tehnică), în sensul că atât transmiterea semnalelor de comandă
la nivelele inferioare, cât şi recepţionarea efectelor lor, la nivelele superioare, se face la
anumite intervale de timp. Sunt studiate relaţiile (legăturile, conexiunile) dintre subsisteme în
raport cu resursele existente şi obiectivele acestora şi apoi recompuse şi integrate într-un
sistem global, a cărui proiectare sau reproiectare, în scopul obţinerii unei eficienţe sporite,
constituie obiectivul şi totodată finalitatea analizei de sistem.
Clasificare:
În cazul sistemelor, putem vorbi despre:
Din punct de vedere ierarhic
Subsistem – un sistem care face parte dintr-un sistem mai mare. Cel mai mare
sistem este considerat a fi mediul înconjurător sau universul.
Suprasistem – un sistem alcătuit din alte sisteme (subsistem)
Din punct de vedere relaţiei dintre sisteme
Limitele sistemului – un sistem este separat de mediul unde acţionează şi alte
sisteme prin graniţele (limitele) sale. Sisteme deschise – sisteme care
interacţionează cu altele aflate în acelaşi mediu se consideră a fi un sistem
deschis, conectat cu mediul sau prin intrări-ieşiri. Sisteme închise – sisteme nu
care interacţionează cu altele şi care în timp decad şi dispar Sisteme adaptive –
sisteme care au abilitatea de a se modifica singure sau de a-şi modifica mediul
în care acţionează în scopul de a îşi prelungi existenţa.
23
UNITATEA DE CURS 2.2. ELEMENTE ALE SISTEMULUI, RELAŢII ŞI OBIECTIVE
OBIECTIVE
 Fundamentarea descrierii unui sistem
 Familiarizarea cu descompunerea în subsisteme a unui sistem, criterii
 Cunoaşterea relaţiilor între elementele sistemului şi evidenţierea conexiunilor
 Familiarizarea cu obiectivele unui sistem
NOŢIUNI CHEIE
Mulţime de subsisteme, elemente, descompunerea unui sistem, conexiuni, restricţii,
obiective
Conceptul de sistem este fundamentat pe trei idei esenţiale:

• evidenţierea unei mulţimi de elemente aflate în relaţii reciproce, inclusiv în
relaţii cu mediul, relaţiile respective fiind materializate în tranzacţii, schimburi
informaţionale, fluxuri decizionale ş.a., care oferă sistemului o anumită autonomie;
• orice sistem trebuie privit ca fiind alcătuit dintr-o mulţime de subsisteme aflate
în interacţiune, fapt ce asigură coerenţa sistemului;
• elementele componente ale unui sistem / subsistem sunt supuse unor
modificări mai mult sau mai puţin relevante în timp, dinamica sistemului vizând atingerea
unui anumit scop.
Putem spune că un sistem este descris prin elementele, relaţiile şi obiectivele sale
privite în perspectivă dinamică şi în interacţiune cu mediul din care face parte.
Elementele sistemului
Elementele componente ale sistemului sunt obiecte abstracte, sau evenimente, adesea
putând fi ele însele sisteme, în accepţiunea dată de Churchman acestui concept. Potrivit
acestei accepţiuni, un sistem poate fi conceput ca un subsistem în cadrul altui sistem, care îl
înglobează (acesta fiind mai complex) sau se poate descompune într-un număr de subsisteme.
Se pune astfel problema găsirii unor elemente primare, simple, despre care putem afirma că
nu mai conţin alte subsisteme sau, în celălalt sens al abordării, existenţa unui suprasistem care
să le includă pe cele existente, iar el să nu mai fie inclus într-un alt sistem de ordin superior.
Evident că răspunsul la cele două întrebări este negativ, şi că numai în mod abstract,
imaginativ, din necesităţi teoretice de cercetare, vom considera existenţa acestor două cazuri -
limită de sistem.
În acest context, descompunerea unui sistem în subsisteme se face până la un nivel de
la care mai departe acest lucru nu mai este posibil, sau faptul în sine nu mai este relevant şi
nici util scopului analizei. Elementele la care ne oprim sunt cunoscute în T.G.S. (Teoria
Generală a Sistemelor) sub denumirea de black boxes (cutii negre).
Descompunerea sistemelor se face, de obicei având în vedere două criterii şi anume:
• criteriul ce vizează scopurile analizei (goal analysis);
• criterii ce au în vedere comportamentul sistemului (behavior analysis).
Exemplu: pentru un sistem productiv, ilustrat în figură, se evidenţiază subsistemul de
aprovizionare, subsistemul de marketing, subsistemul de desfacere, subsistemul de cercetare -
dezvoltare, subsistemul financiar-contabil, de personal, subsistemul de revizii-reparaţii,
subsistemul de producţie şi subsistemul de conducere şi organizare. Acesta din urmă
24
reprezintă subsistemul cel mai important, având rolul de coordonator al întregului sistem.
Dacă, mai departe, descompunem aceste subsisteme, de exemplu cel de producţie, vom avea
secţii, ateliere, posturi de lucru.
Pentru un sistem bancar se pun în evidenţă subsistemele de trezorerie, de plăţi curente,
de credite, de clienţi, de operaţiuni externe (comerciale, necomerciale), de contabilitate, de
corespondenţi bancari, de organizare resurse, juridic, economic, administrativ, secretariat şi
protocol, de control.
De subliniat că mulţimea de elemente neconectate între ele nu va reprezenta nimic în
contextul unui proces de analiză a sistemelor. Este necesară deci şi evidenţierea structurii
conexiunilor dintre aceste elemente.
Relaţii între elementele sistemului

Relaţiile între elementele sistemului influenţează elementele sistemului, limitând
comportamentul acestuia. Elementele unui sistem sunt conectate în timp şi în spaţiu, prin
intermediul unor fluxuri informaţional-decizionale şi a unor fluxuri de resurse materiale,
umane, energetice, tehnologice etc. într-o varietate de moduri, realizând aşa-numitele relaţii
de tip conexiuni, care pot fi de natură fizică, logică, temporală, cauzală, interne şi externe.
Observarea acestor conexiuni este în mod evident supusă principiului incertitudinii şi
depinde de nivelul şi tipul de specializare ale observatorului. Altfel, un economist va evidenţia
conexiunile financiar-contabile, relaţiile de vânzare, un inginer relaţiile tehnologice, un
informatician fluxul de informaţii; analistul de sistem ce are o policalificare asumată, va
trebui să pună în evidenţă aspectele relevante ale tuturor acestor tipuri de conexiuni, din
punctul de vedere al obiectivelor urmărite.
Conexiunile între diferitele subsisteme ale unui sistem permit să se evidenţieze (fig.
2.2.):
- modul de interconectare al acestor subsisteme (liniar, ierarhic);
- intervalul în care se execută schimbul de informaţii;
- modul de coordonare şi subordonare a subsistemelor;
- tipul de legături şi gradul de flexibilitate.
Fig. 2.2 Interconexiunile dintre subsistemele unei unităţi productive
Avem, astfel, legături discrete sau continue, legături logice sau fizice, legături cu
suport tranzacţional etc.
25
Este important a sublinia că în sistemele economice aceste legături sunt de tip discret,
asemenea sistemelor cu eşantionare din tehnică. Perioada de eşantionare (adică intervalul
când se culeg şi se transmit informaţiile), în sistemele economice este de obicei mai mare
decât în cele tehnice, dar depinde de tipul sistemului. Este necesar ca ea să fie bine aleasă,
deoarece, altfel, se pot pierde informaţii importante privind funcţionarea sistemului analizat.
În cazul unui sistem bancar modul de interconectare al compartimentelor este
specificat de legislaţia în vigoare, inclusiv de regulamentele interioare cum ar fi: legea de
constituire a societăţilor comerciale, regimul decontărilor valutare interne sau externe.
Trebuie subliniată necesitatea observării acestor conexiuni în timp, deoarece datorită
caracterului dinamic al evoluţiei sistemului şi al mediului, ele se pot schimba.
Mulţimea conexiunilor de intrare constituie în general suportul unor restricţii care
determină varietatea ieşirilor sistemului. Restricţiile îndeplinesc adesea o funcţie similară cu
aceea a obiectivelor, din punctul de vedere al evaluării. Când se face distincţie între obiective
şi restricţii se are în vedere că restricţiile au un caracter mai stabil decât obiectivele. Ele au
rolul de a îngusta domeniul alternativelor realizabile (ieşirilor) din sistem.
Conexiunile dintre sisteme influenţează structura acestuia. Trebuie remarcat faptul că
performanţa sistemului, privită ca nivel posibil al realizării obiectivelor, este influenţată de
ansamblul conexiunilor dintre elementele sale componente.
Efectul total al interacţiunilor şi interdependenţelor din cadrul unui sistem este
neaditiv în raport cu efectele locale ale elementelor componente.
Funcţionarea de ansamblu a sistemului, pe baza conexiunilor sale, asigură conform
principiului sinergiei, un efect global mai mare decât cel obţinut prin simpla însumare a
efectelor specifice subsistemelor componente. De aici apare necesitatea investigării
conexiunilor interne şi externe ale sistemului în vederea realizării unui proiect performant.
Conexiunile sistemului cu mediul sunt relevate de mulţimea elementelor care
alcătuiesc vectorul de intrare (input-uri) şi vectorul de ieşire (output-uri). Complexitatea
conexiunilor la nivel de sisteme este dată de complexitatea rezultatului compunerii
conexiunilor interne, existente între elementele sistemului şi între subsistemele acestuia, cu
conexiunile externe, existente între subsisteme şi mediu, respectiv între sistem şi mediul
acestuia.
Obiectivele sistemului
Scopul oricărui sistem este realizat prin intermediul îndeplinirii obiectivelor sale.
Obiectivele ideale sunt cele mai uşor de identificat în analiza şi diagnoza sistemelor. În
general în sistemele economice complexe obiectivele nu sunt clare. În analizarea obiectivelor
trebuie luate în considerare şi alternativele sau consecinţe nedorite care rezultă din acestea. De
obicei, în sistemele economice nu se urmăreşte un singur obiectiv, ci o multitudine de
obiective.
Apar, astfel, mai multe probleme legate de aceste obiective şi anume:
- structurarea lor pe nivele ierarhice;
- agregarea sau descompunerea acestora;
- modul prin care se ajunge la realizarea lor;
- stabilirea factorilor perturbatori ce pot influenţa obiectivele;
- ordonarea obiectivelor pe baza unor criterii;
- stabilirea măsurilor de performanţă ce evaluează aceste obiective;
- evaluarea consecinţelor obiectivelor şi reformularea acestora dacă este cazul.
În cazul sistemelor economice complexe, alcătuite dintr-o mulţime de subsisteme, este
necesară o organizare într-o structură ierarhică a obiectivelor, ţinând seama de priorităţi, de
structura internă a sistemului şi de impactul cu mediul. În stabilirea obiectivelor subsistemului
este necesar de a se stabili atât obiectivele interne sistemului, cât şi cele externe. Factorii
decizionali sunt influenţaţi de factorii omologi de la sistemele conexe cu care conlucrează şi
care pot duce la schimbarea obiectivelor.
26
Obiectivele pot fi schimbate şi ca urmare a evaluării consecinţelor. Obiectivele de

nivel înalt, cum sunt cele de stabilire a politicilor, sunt adesea formulate de factorii decizionali
în mod vag pentru a satisface cât mai multe grupuri de interese. Analiştii de sistem, prin
decizii de grup, trebuie să selecteze aceste obiective. Obiectivele de pe nivelele inferioare
trebuie să le satisfacă pe cele de pe nivelele superioare, în sensul înlăturării unor contradicţii
majore între ele.
Agregarea şi descompunerea obiectivelor sunt probleme legate pe de o parte, de
necesitatea stabilirii obiectivelor relevante, esenţiale pentru întreg sistemul, de necesitatea de
a stabili un indice de performanţă complex, o valoare sau o funcţie de utilitate, iar pe de altă
parte, de necesitatea realizării practice a lor, ceea ce nu poate fi îndeplinit cu succes decât
dacă se determină sub-obiectivele problemei.
Pentru agregarea obiectivelor este necesară stabilirea unei ordonări a acestora. Aceasta
poate fi obţinută prin fixarea unei ordonări iniţiale, luând în considerare experienţa factorilor
decizionali de pe diferite nivele ierarhice. Sensul agregării este dat de parcurgerea ierarhiei
acestora de la nivelele inferioare către cele superioare prin executarea succesivă a unor
schimbări, fără a afecta obiectivul global al sistemului. La agregarea obiectivelor se are în
vedere că ele pot fi transformate în restricţii cu excepţia celui de pe cel mai înalt nivel.
Adeseori este mai convenabil să se renunţe la agregare, prezentându-i factorului
decizional lista obiectivelor şi a consecinţelor, astfel ca acesta, pe baza experienţei şi a
intuiţiei să realizeze alegerea dorită.
Obiectivele, care sunt atinse prin alte obiective, pot fi eliminate, dacă se folosesc
reguli de dominanţă. Descompunerea obiectivelor ţine seama şi de structura sistemelor, de
modul lor de conectare, precum şi de mijloacele specifice utilizate pentru atingerea lor.
Realizarea obiectivelor implică specificarea modului de abordare şi rezolvare a
problemelor formulate, adică specificarea modelelor, algoritmilor, procedurilor de calcul
necesare a fi utilizate, pentru a ajuta factorii decizionali în alegerea alternativelor. Este greu să
se obţină optimul pentru toate obiectivele, dar se poate obţine o soluţie satisfăcătoare.
Evidenţierea factorilor perturbatori ce pot influenţa atingerea obiectivelor,
reprezintă o etapă importantă şi necesară în analiza şi diagnoza sistemelor (ADS). Există
factori perturbatori ce pot proveni din mediul intern sau extern al sistemului.
De exemplu, lipsa unor aprovizionări conform graficului stabilit în sistemul de stocuri,
poate conduce la întârzieri în livrare, cu costuri de penalizare mari. Este deci necesară o
dimensionare corectă a nivelului stocului şi a perioadelor de reînnoire a acestuia.
Pentru ordonarea obiectivelor este necesară găsirea unei scale comune, ceea ce este
dificil de realizat. Metodele care apelează la funcţiile multiobiectiv şi teoria utilităţii sunt
elemente care pot fi folosite în acest scop.
În evaluarea măsurilor de performanţă a obiectivelor se ţine seama de specificul
sistemului analizat, pentru a determina pragul de eroare admis şi cel mai adecvat mod de
cuantificare ce trebuie folosit.
În cazul observării şi alegerii obiectivelor, principiul incertitudinii îşi face simţită
prezenţa, pregătirea şi subiectivitatea factorului uman jucând un rol important şi în acest caz.
De exemplu: Dacă managerul unei firme productive doreşte să-şi mărească vânzările
de produse cu 15%, el trebuie să cunoască efectele acestei decizii pe piaţă şi în interiorul
sistemului său. Acest obiectiv major se descompune într-o serie de subobiective ce trebuie
analizate atât din punct de vedere al impactului cu mediul (piaţa) cât şi al efectelor implicate
în diferitele compartimente (aprovizionare, marketing, personal, tehnologic etc.) ce concură la
realizarea produsului.
Sesizarea consecinţelor negative provenite din aplicarea acestor obiective, cum ar fi
imposibilitatea vinderii întregii producţii estimate sau scăderea fondurilor atrase de pe piaţă,
pot conduce la reformularea obiectivelor; de exemplu, volumul să fie crescut doar cu 10 % şi
rata dobânzii să fie crescută cu un nivel mai mic.
27
Analog într-o bancă, o decizie privind ridicarea ratei dobânzii trebuie privită atât din
punct de vedere al efectelor pe termen lung şi scurt pentru bancă, cât şi pentru piaţa unde
aceasta îşi desfăşoară activitatea.
28
UNITATEA DE CURS 2.3. PROPRIETĂŢI EXTERNE ALE SISTEMELOR

UTILIZATE ÎN ANALIZĂ ŞI DIAGNOZĂ
OBIECTIVE
 Cunoaşterea proprietăţilor externe ale sistemelor
 Familiarizarea cu noţiunea de entropie
 Familiarizarea cu noţiunea de complexitate a sistemelor
 Familiarizarea cu noţiunea de autoreglare a sistemelor
NOŢIUNI CHEIE
Analiza şi diagnoza sistemelor, dinamicitatea, entropie, sisteme evolutive, teoria
complexităţii, probleme polinomiale, caracter aleator/stohastic, autoreglare, resursă
informaţională
Identificarea tipului de sistem sau subsistem ce caracterizează o unitate economică,

precum şi a proprietăţilor acestora, reprezintă o etapă importantă în analiza şi diagnoza
sistemelor, întrucât ele joaca un rol important în faza de proiectare a blocului de comandă şi
control. Blocul de comandă include modelul şi algoritmul ce vor asigura conducerea eficientă
a sistemului respectiv, iar alegerea acestuia depinde de tipul de sistem analizat, de
proprietăţile lui. Blocul de control trebuie să sesizeze abaterile de la obiectivele propuse şi să
determine mărimile de corecţii necesare, astfel ca sistemul să realizeze performanţele propuse
cu abateri minime. Din aceste considerente cunoaşterea proprietăţilor sistemelor joacă un rol
important în analiza şi diagnoza sistemelor. Proprietăţile sistemelor pot fi clasificate în
proprietăţi externe şi interne.
Aceste proprietăţi sunt generate de relaţia sistemului cu mediul. Ele au în vedere
netrivialitatea intrărilor (orice sistem are cel puţin o intrare) şi a ieşirilor (orice sistem are cel
puţin o ieşire) precum şi proprietatea de concatenare a intrărilor şi ieşirilor.
Dinamicitatea
Dinamicitatea este proprietatea generală a sistemelor care surprinde transformările ce
au loc în timp în interiorul sistemului, între acesta şi mediul său, punând în evidenţă ca
parametru de bază variabila timp. Un sistem dinamic cu structura liniară poate fi descris prin
ecuaţiile de intrare – stare - ieşire de forma:
x(t) = A • x(t) + B • u(t)
y (t) = C • x(t) + D • u(t)
unde: A - operatorul blocului efector;
B - operatorul blocului de intrare-stare;
C - operatorul blocului de stare-ieşire;
D - operatorul blocului de intrare-ieşire.
După modul cum este măsurata variabila timp, avem sisteme discrete, la care
cunoaşterea stării sistemului se face la anumite intervale de timp şi sisteme continue în care
starea sistemului este cunoscută în orice moment. Sistemele economice sunt sisteme discrete
deoarece starea acestora se testează la anumite intervale de timp (de exemplu pentru un sistem
productiv starea tehnică a utilajelor, starea stocurilor etc.), şi aceste sisteme sunt sisteme
dinamice fapt evidenţiat de evoluţia în timp a structurii şi a comportamentului acestora.
29
De această proprietate trebuie să se ţină seama la alegerea modelului şi a algoritmului

care vor fi utilizate în blocul de comandă/conducere a sistemului respectiv.
Caracterul parţial deschis sau închis al sistemelor

Această caracteristică permite sistemului să se poată organiza printr-un schimb de
resurse de natură informaţională, materială, energetică cu mediul şi să-şi sporească ordinea
interioară, ceea ce conduce la scăderea entropiei. Sistemele complexe au capacitatea de a
achiziţiona entropie negativă din mediu, ceea ce conduce la încetinirea procesului de
dezorganizare a acestora.
Shannon a definit entropia ca măsură a nedeterminării, sau ca măsură a informaţiei,
dată de relaţia:
unde: A1, A2, ... An reprezintă un câmp finit de evenimente;

p1, p2, ... , pn reprezintă probabilităţile de realizare a acestor evenimente.
Dacă suntem într-un moment anterior desfăşurării experimentului entropia măsoară
nedeterminarea pe care o avem, iar dacă suntem într-un moment posterior, entropia măsoară
cantitatea de informaţie pe care o obţinem.
Dacă ne referim la un sistem compus din mai multe subsisteme avem relaţia:
S = S1 U S2 U....U Sn
şi atunci putem preciza că entropia întregului sistem este egală cu suma entropiilor
subsistemelor componente.
H(S) = H(S1) + H(S2) + ... + H(Sn)
Dacă toate componentele au entropia scăzută, atunci întregul sistem va avea o entropie
scăzută. Prin definiţie, starea entropică este proprietatea generală a sistemelor cibernetice de a
conţine în interiorul lor perturbaţii care se opun finalizării scopului.
Proprietăţile entropiei
1. H(p1,p2,...,pn) ≥ 0, adică entropia este întotdeauna o mărime nenegativă.
Demonstraţie:
Semnul minus din faţa sumei din formula lui Shannon compensează faptul că valorile
log pk , pentru 1 ≤ k ≤ n sunt negative, ca urmare a faptului că probabilităţile pk sunt numere
cuprinse între 0 şi 1. Orice măsură trebuie să aibă proprietatea de a fi nenegativă şi entropia,
ca măsură a nedeterminării, prezentă în orice sistem, se bucură de această proprietate.
Această proprietate semnifică prezenţa în orice sistem a unui anumit grad de
dezorganizare, provenit din existenţa obiectivă a unei probabilităţi de întrerupere a unui
proces sau de abatere a lui faţă de desfăşurarea normală.
De exemplu, dacă la un post de lucru exista o probabilitate ca operaţia să fie executată
cu eroare de 0,05%, atunci entropia, la acest loc de muncă, va fi calculată astfel:
H = - 0,95•log(0,95) - (1- 0,95)•log(1- 0,95) = 0,196
unde: pn = 0,95 - reprezintă probabilitatea ca operaţia să se execute fără eroare.
Se observă că H(p1,p2,...,pn) = 0 dacă pi = 1 şi pk = 0, k ≠ i.
Practic această relaţie nu se aplică la sistemele cibernetico-economice decât în mod
teoretic, deoarece există întotdeauna o probabilitate de eroare datorită existenţei perturbaţiilor.
2. H(p1,p2,...,pn) ≤ H (1/n, ... ,1/n, 1/n) : altfel spus, entropia este maximă când
probabilităţile de realizare a evenimentelor sunt egale.
Demonstraţie:
Folosim inegalitatea lui Jensen unde: xk = pk , pk* = 1/n
30
Interpretare: în sistemele cibernetico-economice, când riscul privind posibilitatea de

întrerupere a unui proces, este maxim (de exemplu sisteme tehnologice înlănţuite) aceasta
implică, în cazul avariei, degradarea întregului sistem.
3. Hn+1(p1,p2,...,pn, 0) = Hn(p1,p2,...,pn), cu alte cuvinte, entropia unui câmp de
probabilitate nu se schimbă dacă se adaugă un eveniment cu o probabilitate nulă.
Demonstraţie:
Interpretare: dacă avem un anumit câmp de probabilitate cu n evenimente elementare,

nedeterminarea acestui câmp nu se modifică dacă adăugăm un al n+1-lea eveniment cu
probabilitatea egală cu 0.
Această proprietate este importantă în cibernetica economică şi se aplică la reuniunea
sistemelor discrete sau la combinarea sistemelor tehnologice înlănţuite cu procese discrete de
aşteptare.
Exemplu: Să considerăm o linie în flux (S1), cu operatorii (Q11,… ,Q1n), asociată cu un
depozit de semifabricate (S2), care precede linia, cu operatorii (Q21,… ,Q2n).
Dacă probabilităţile de avarie a liniei sunt: (p 11, p12,… , p1n), p1i ≥ 0, (V) i = 1,n cu
propietatea ∑p1i = 1 , iar probabilităţile de avarie a depozitului sunt: (p 21,… ,p2n) cu p2i = 0,
(V) i = 1,n (adică depozitul nu întrerupe fabricaţia), atunci sistemul de producţie este privit ca
o reuniune de sisteme S = USi , iar entropia sistemului este în acest caz H(S) = H(S1)
deoarece entropia depozitului este nulă, H(S2) = 0.
31
Entropia de legătură
Fie An şi Bm două câmpuri de evenimente:
unde qkl reprezintă probabilitatea de realizare a unui eveniment B l din câmpul de

probabilitate Bm dacă în câmpul de probabilitate An are loc evenimentul Ak. Entropia
câmpului finit Bm condiţionat de producerea unui eveniment elementar A k din câmpul An va
fi:
Hm(Bm/Ak) = -∑qkl • log qkl ,
iar entropia câmpului de probabilitate Bm condiţionat de întreg câmpul An va fi:
Hm(Bm/An) = -∑ pk • Hm(Bm/Ak).
Această condiţionare este reprezentată prin entropia de legătură (sau de corelaţie) ce
apare adesea în sistemele cibernetico-economice.
Evident, dacă câmpurile de probabilitate sunt independente, atunci:
qkl = qkl, k = 1,n , l = 1,m
Hm(Bm/Ak) = Hm(Bm) = - ∑ql • log ql .
Probabilitatea de a se realiza concomitent evenimentele Ak şi Bl va fi πkl = pk • qkl
Totalitatea acestor evenimente (Ak, Bl) formează un nou câmp de probabilitate finit cu
n × m evenimente pe care îl notăm An × Bm. Pe acest câmp avem entropia:
Hnm(An × Bm) = Hn(An) + Hm(Bm/An)
Dacă câmpurile sunt independente,
Hnm(An × Bm) = Hn(An) + Hm(Bm)
ceea ce se exprimă prin faptul că entropia sistemului este egală cu suma entropiilor
subsistemelor componente între care nu există condiţionări.
De asemenea, rezultă că, dacă avem două câmpuri finite de probabilitate An şi Bn,
cunoaşterea rezultatelor primului experiment poate doar să micşoreze nedeterminarea celui
de-al doilea câmp sau să lase neschimbată această nedeterminare dacă cele două câmpuri de
evenimente sunt independente.
Rezultă că:
Hm(Bm/An) ≤ Hm(Bm)
adică gradul de neterminare al unui câmp de probabilitate condiţionată este mai mic
decât gradul de probabilitate al câmpului necondiţionat pe care îl conţine.
Demonstraţie: Aplicăm inegalitatea lui Jensen:
∑αk • f(xk) ≤ f(∑αk • xk), cu αi pozitive ∑αk = 1.
Pentru f(x) = - x log x, xk = qkl , pk * = pk , vom avea:
∑pk • qkl • log qkl ≥ (( ∑ pk • qkl ) • log( ∑ pk • qkl )) = ql •log ql
deoarece: ∑ pk • qkl = ql , însumând după l avem succesiv:
-Hm(Bm/An) ≥ - Hm(Bm) => Hm( Bm / An) ≤ Hm(Bm).

Dacă evenimentele sunt independente avem:
Hmn(An × Bm) ≤ Hn(An) + Hm(Bm).
Această proprietate se aplică la sistemele discrete înlănţuite, la ceea ce vom numi
entropia de legătură. Pentru reducerea entropiei sistemului se poate acţiona pe două căi, şi
anume:
32
• prin modificarea structurii operatorilor, adică stabilirea unei partiţii

convenabile de subsisteme astfel ca ele să conţină o entropie minimă (reducerea entropiei de
legătură);
• prin reducerea entropiei din cadrul fiecărui subsistem în parte ce
compune sistemul. Entropia este o măsură şi pentru realizarea reglajului sistemului.

Fie ieşirea unui sistem cibernetic:
unde:
Z(H) este funcţia entropică a sistemului;
R – blocul de reglare;
A – structura operatorilor ce caracterizează sistemul;
Y – ieşirea sistemului;
R − reprezintă efortul intern pentru a compensa starea entropică a sistemului.
Starea entropică a unui sistem nu este constantă, ea se modifică continuu în timp.
Între modificarea în timp a structurii operatorilor A (performanţa pozitivă a
sistemului) şi entropia H (performanţa negativă a sistemului), există o interdependenţă. Astfel
valoarea stării entropice poate creşte într-o anumită proporţie, în timp ce structura operatorială
se poate îmbogăţi mult mai rapid, poate stagna sau chiar regresa.
De aici decurge posibilitatea creşterii eficienţei în funcţionarea unui sistem pe calea
diminuării entropiei sau a schimbării proporţiilor între aceasta si structura operatorială a
sistemului respectiv. Funcţia de eficienţă se exprimă în funcţie de variaţia stării entropice,
astfel:
Dacă funcţia de eficienţă ψ(t) < 0 rezultă că sistemul analizat este de tip regresiv, dacă
ψ(t) = 0, este staţionar, iar dacă ψ(t) > 0, este de tip evolutiv.
Raportul între entropie şi gradul de organizare al sistemului
Sistemele economice sunt sisteme evolutive; creşterea entropiei în aceste sisteme

poate avea loc ca urmare a uzurii mijloacelor tehnice sau a uzurii morale, a scăderii capacităţii
de muncă a personalului, dar şi ca urmare a rapidităţii cu care pătrunde progresul tehnic.
Căile prin care progresul tehnic constituie o sursă de perturbaţie, de creştere a
entropiei sistemului sunt următoarele:
• creşterea entropiei introdusă de forţa de muncă al cărui grad de calificare rămâne în
urma noilor inovaţii tehnice şi informaţionale introduse;
• creşterea entropiei tehnologiei în sistemele complexe şi care nu sunt bine controlate.
Folosirea unei metode de calcul a entropiei în sistemele cibernetico-economice creează

posibilitatea de a introduce un criteriu nou de a compara eficienţa în funcţionarea acestor
sisteme.
Între entropia sistemului şi gradul acestuia de organizare există o legătură. în sensul că
gradul de organizare al unui sistem este dat de relaţia:
G(S) = H0 / H(S),
33
unde: H0 - entropia unui sistem perfect organizat;

H(S) - entropia sistemului.
unde:
Σ H(S0 / Soi) – suma entropiilor de legătură a sistemelor componente;
Σ H0i - suma entropiilor sistemelor componente ale sistemului etalon;
Σ H(Si) - suma entropiilor subsistemelor componente ale sistemului;
αi - coeficienţi de ponderare a importanţei subsistemelor ţinând seama de contribuţia
entropiei fiecărui subsistem la obţinerea performanţelor globale ale sistemului.
Raportul entropie-decizie
Eficienţa mecanismului de conducere dintr-un sistem cibernetico-economic depinde şi
de calitatea deciziilor ce se iau. Există o strânsă legătură între calitatea deciziilor şi nivelul
entropic al sistemului.
Sistemele cibernetice adaptive pot fi considerate acele sisteme în care adaptarea se
face prin deciziile luate de factorii responsabili de pe diferitele nivele ierarhice într-un anumit
interval de timp. Se pune problema stabilirii locului de unde se culeg şi acurateţei datelor
necesare ce servesc procesului decizional. În acest caz se ţine seama de pragul de entropie
maxim admis, de momentul de timp când se culeg aceste date şi de mărimea intervalului de
colectare a lor, pentru a nu pierde informaţii semnificative privind funcţionarea sistemului.
Apare astfel o entropie “hard” legată de organizare şi o entropie “soft”, legată de
nivelul de calificare a personalului şi a produselor soft folosite.
Exemple. Pentru o unitate productivă, reducerea entropiei se poate realiza prin
organizarea producţiei în flux sau a unor linii automate în secţiile de montaj şi a unui sistem
informaţional-decizional eficient sprijinit pe tehnica modernă de calcul.
Într-un sistem comercial, utilizarea unor reţele de PC-uri la toate nodurile decizionale
precum şi a unor metode adecvate ( de prognoză, de statistică în domeniul marketingului), pot
conduce la scăderea stării entropice.
Într-un sistem financiar-bancar, rapiditatea culegerii informaţiilor, sporirea gradului de
încredere şi a intuiţiei factorilor decizionali, constituie căi de reducere a stării entropice.
Complexitatea sistemelor
Această importantă trăsătură a sistemelor apare datorită unui ansamblu de cauze şi
anume:
• număr mare de elemente ce compun sistemul;
• comportament nedeterminat al subsistemelor;
• necesitatea de a răspunde la perturbaţii cu caracter nedeterminat;
• orientarea sistemelor spre înfăptuirea unei multitudini de scopuri.
34
Complexitatea are o dublă determinare, una obiectivă (ţinând seama de specificitatea

sistemului analizat) şi o alta subiectivă, ţinând seama de experienţa şi abilitatea
observatorului. Complexitatea sistemelor are o mare importanţă în analiza de sistem atât din
punct de vedere al abordării lui în faza de analiză cât şi în ceea ce priveşte soluţiile propuse în
faza de proiectare. În studierea complexităţii unui sistem trebuie avută în vedere teoria
complexităţii elaborată de Coock (’71 ), Karp (’72 ), Knuth (’73 ), şi dezvoltată ulterior de
Fischer, Lenstra şi Grotschel. Pe baza acestei teorii problemele pot fi împărţite în două mari
clase: probleme polinomiale (P) şi probleme nepolinomiale (NP).
Clasa problemelor polinomiale este clasa problemelor ce pot fi rezolvate în timp
polinomial, în funcţie de datele de intrare al problemei.
Clasa problemelor nepolinomiale este clasa problemelor rezolvate prin reluarea
polinomială iterativă. Knuth a identificat existenţa în clasa problemelor nepolinomiale a aşa
numitelor probleme nepolinomiale complete. Pentru a explica această noţiune se introduce
conceptul de reductibilitate a unei clase de probleme.
O clasă de probleme P’ se poate reduce la clasa P şi se notează ( P’ α P) dacă pentru
orice exemplu din P’ se poate construi în timp mărginit polinomial un exemplu din P, astfel
ca, rezolvând exemplul din P se rezolvă exemplul din P’. Adică reductibilitatea lui P la P’
implică faptul că P’ poate fi considerat ca un caz special al lui P.
O clasă de probleme P’ este nepolinomial completă dacă P Є NP şi P’ α P pentru orice
P Є NP. Nepolinomialitatea completă a unei clase de probleme dovedeşte inexistenta unui
«algoritm bun» şi în general constituie o justificare pentru folosirea unui algoritm aproximativ
(algoritmi convergenţi dar la care se impune ca restricţie de oprire timpul) şi a unor algoritmi
euristici.
Cercetările din acest domeniu concretizate prin lucrările lui Grotschel, Lovaz,
Schriver-Kachian arată că complexitatea unei probleme trebuie privită din trei puncte de
vedere şi anume:
• din punct de vedere al timpului de calcul în care trebuie rezolvată problema;
• din punct de vedere al organizării şi reprezentării datelor şi a memoriei ocupate;
• din punct de vedere al reprezentării preciziei datelor în calculator şi a acurateţii cu
care vrem să obţinem o anumită soluţie.
Se arată că un algoritm poate fi polinomial în timp, dar nepolinomial din punct de

vedere a necesităţilor de memorie. Creşterea memoriei are loc pe de o parte datorită creşterii
preciziei cu care vrem să obţinem un anumit rezultat, iar pe de altă parte, dorinţei de a scurta
timpul de calcul. De asemenea, timpul de calcul este afectat de precizia obţinerii unui rezultat
şi de necesităţile de memorie folosite.
Dacă complexitatea problemei nu permite rezolvarea ei printr-un algoritm exact,
atunci există două direcţii de cercetare şi anume:
• generarea unor margini inferioare cât mai penetrante obţinute prin relaxarea
problemei şi utilizarea lor într-o schema aproximativă;
• utilizarea unor algoritmi euristici, la care gradul polinomului să fie cât mai mic şi
care dau o margine superioară la soluţia problemei.
Când cele două aproximări se întâlnesc este dovedită optimalitatea problemei.
Adeseori, complexitatea tipului de problemă indică faptul că o problemă nu poate fi
rezolvată printr-un algoritm exact, dar utilizând particularităţile problemei se poate construi
un algoritm special care să conducă la o soluţie optimă.
O schemă de aproximare pentru o problemă P este un algoritm care pentru orice
exemplu al lui P şi un anumit grad de acurateţe, calculează o soluţie F*(I), care să respecte
condiţia:
dacă F*(I) > 0 este soluţia optimă atunci |F(I) - F*(I)|< ε.
35
În algoritmii aproximativi ε este fixat pe când la cei euristici nu este cunoscut aprioric.
Legat de dezvoltarea teoriei complexităţii din ultimii ani, în lucrările lui M. Demange
şi V. Paschos, apar noi noţiuni ce permit o tratare mai bună a acestor tipuri de probleme.
Se asociază astfel un grad de rezoluţie fiecărei probleme ce permite evidenţierea
nivelului de dificultate şi se defineşte o « ierarhie » care descrie structura internă a
problemelor NP-complete. De asemenea prin utilizarea noţiunii de « instanţe dificile » se
ilustrează pe de o parte ce determină ca o problemă să fie dificilă şi pe de altă parte căile
pentru obţinerea unei rezoluţii mai bune.
Definiţia 1. O problemă elementară sau o instanţă I este un program matematic de
forma:
O problemă de optimizare NP (respectiv NP completă) este un ansamblu de instanţe

care trebuie să răspundă la întrebarea: pentru M dat, există x’ Є C astfel ca U(x’) θ M ? unde,
θ este „≥” (sau „≤”) dacă optimul este maxim (respectiv minim) şi el reprezintă în mod exact
ansamblul de instanţe al unei probleme NP (respectiv NP complete).
Cunoaşterea metodelor exacte pentru rezolvare este importantă, deoarece atunci când
nu pot fi direct aplicate, pot fi folosite în scheme aproximative sau în combinaţii cu metode
euristice.
Caracterul aleator (stohastic)

În mediile economice reale nu există sisteme deterministe, în care probabilitatea de
realizare a evenimentelor este egală cu 1, ci doar sisteme ce au un caracter aleator/stohastic. În
cazul sistemelor economice caracterul stohastic este determinat de modalitatea prin care un
sistem îşi alege dintr-o mulţime de stări posibile o anumită stare. Alegerea acestei stări
depinde de o serie de factori şi anume:
• obiectivele sistemului;
• modalitatea de interacţiune între elementele sistemului, între acesta şi mediu;
• tipurile de decizii luate şi aplicate în conducerea sistemelor.
Incertitudinile ce acţionează asupra sistemului pot fi de natură cantitativă când se

cunosc probabilităţile viitoare, dar distribuţia lor este necunoscută.
Incertitudinile calitative se referă la situaţii în care nu doar distribuţia este necunoscută
dar şi probabilităţile viitoare sunt necunoscute.
Există situaţii în care se cunosc forma şi trendul unei alternative cu diferite grade de
certitudine şi incertitudine şi situaţii în care aceste elemente sunt calitativ incerte. Acest din
urmă caz poate fi ilustrat prin situaţile explozive unde pot apare variaţii foarte rapide de
trecere de la o stare la alta.
Se face distincţie între situaţiile în care incertitudiniile sunt “hard” când fenomenele
respective urmează un lanţ stohastic caz în care se poate realiza o predictibilitate a ieşirilor
acestor procese şi situaţiile “soft” în care predictibilitatea fenomenelor este necunoscută.
Teoria catastrofelor şi matematica haosului sunt instrumente utile analizei de sistem în
acest caz.
Atunci când variabilele de importanţă critică dintr-un sistem prezintă incertitudini
calitative, problema este mai dificilă de abordat, gradul de incertitudine a diferitelor variabile
depinzând şi de timpul avut la dispoziţie.
Caracterul aleator este specific sistemelor de stocare, de aşteptare, de producţie,
decizionale, în care intrările în sistem, procesele (servirii, prelucrării) şi ieşirile din sistem
urmează diverse legi statistice ( Poisson, exponenţiale, normale, gamma etc).
36
Autoreglarea
Capacitatea de autoreglare este proprietatea unui sistem cibernetic de a reacţiona cu
mijloace proprii la perturbaţii. Un astfel de sistem este alcătuit din trei subsisteme şi anume:
• subsistemul efector - ce realizează transformarea intrărilor în ieşiri;
• subsistemul de comandă – care realizează conducerea proceselor din sistem ;
• subsistemul de reglare - ce are rolul de a sesiza abaterile de la ieşirile propuse şi a
genera mărimi de intrare menite să corecteze aceste abateri.
În figura 2.3. se poate urmări componenţa unui sistem cu autoreglare.
Blocul de comandă conţine din punct de vedere informaţional-decizional modelul şi
algoritmul ce realizează conducerea blocului efector şi este reprezentat de factorii decizionali
ce conduc sistemul.
Blocul de reglare este reprezentat de sistemul de urmărire ce sesizează abaterile de la
performanţele impuse şi transmite eroarea pentru realizarea corecţiilor.
Blocul efector este reprezentat de componentele fizice ale sistemului luat în
considerare.
Fig. 2.3. Sistem cu autoreglare
De exemplu, pentru o unitate productivă, blocul de reglare este format pe de o parte de

piaţă, iar pe de altă parte de factorii de decizie de pe diferite nivele ierarhice.
Reglarea se poate realiza şi prin schimbarea structurii în cazul sistemelor adaptive, cu
învăţare sau prin schimbarea comenzilor de intrare .
Fig. 2.4 Sistem adaptiv după intrare şi după structură
Caracterul informaţional-decizional al sistemelor cu autoreglare

Informaţia reprezintă elementul de bază al oricărui proces de reglare, mai ales în
sistemele complexe în care forma calitativ superioară a acesteia îmbracă aspectul deciziei, al
alegerii unei variante/alternative, care corespunde obiectivelor sistemului.
Pentru manipulare şi utilizarea eficientă a informaţiilor se evidenţiază un subsistem
numit « unitate de resursă informaţională (URI) ».
Unitatea de resursă informaţională are rolul de a sesiza „simptomele” unei funcţionări
incorecte a informaţiei în cadrul sistemului. Ea pune în evidenţă următoarele aspecte ale
fluxului de informaţii din sistem:
• supraîncărcarea sistemului cu informaţii;
• transferul incorect al informaţiilor decizionale;
• stabilirea incorectă a responsabilităţilor privind prelucrarea şi utilizarea informaţiilor.
Unitatea de resursă informaţională trebuie să aibă o serie de caracteristici şi anume:
37
• informaţia furnizată de aceasta să fie disponibilă la momentul potrivit, să fie corectă,

să fie relevantă, credibilă, să fie uşor percepută şi utilă;
• utilizarea resursei informaţionale trebuie să aducă avantaje legate de costul culegerii
prelucrării şi transmiterii informaţiei în sistem.
Unitatea de resursă informaţională este în esenţa un sistem adaptiv cu învăţare care
creşte, se menţine şi se protejează printr-o serie de subsisteme specializate. Ca orice sistem
URI îndeplineşte o serie de funcţii legate de culegerea, accesul, mentenanţa, controlul şi
distribuţia informaţiilor.
Unitatea de resursă informaţională este un sistem dinamic care evoluează în timp şi
aceasta evoluţie a sa este influenţată de doi factori şi anume: inovarea tehnologică şi difuzarea
tehnologică.
Prin inovare tehnologică înţelegem apariţia unor noi sisteme de prelucrare şi
distribuire a informaţiilor de la tipul bazelor de date folosite până la modelele şi algoritmii ce
prelucrează aceste date în scopul atingerii obiectivelor sistemului cu maximum de eficienţă.
Inovarea tehnologică presupune:
• conştientizarea utilizatorilor de existenta acestei inovaţii;
• formarea unei atitudini faţă de această inovaţie;
• luarea unei decizii privind adoptarea sau neadoptarea inovaţiei;
• implementarea acesteia.
Difuzarea tehnologică are loc pe baza modelului Gibson şi Nelson care presupune
parcurgerea mai multor etape şi anume: iniţierea, controlul, mentenanţa, dezvoltarea şi
reproiectarea informaţiilor. Difuzarea tehnologică, adică răspândirea ei, este facilitată prin:
• nivelul educaţional al celor ce o utilizează;
• susţinerea ei de către factorii de decizie ai sistemului;
• existenţa unor subsisteme decizionale descentralizate;
• caracterul prietenos şi prin transparenţa acesteia;
• obiectivele sistemului;
• modalităţile de interacţiune între elementele sistemului, între acestea şi mediu;
• tipurile de decizii luate şi aplicate pentru conducerea sistemului.
Pentru construirea unui model decizional trebuie să se ţină seama de tipul şi natura
deciziilor ce se iau. Aceste decizii pot fi incompatibile în sensul că nu pot fi adoptate simultan
datorită unor restricţii de natură fizică şi logică şi decizii compatibile care pot fi concurente,
independente, complementare. Procesul de analiză de sistem implică o serie de etape legate de
construirea unui model decizional, şi anume:
• definirea setului de decizii/variante;
• definirea efectelor şi consecinţelor previzibile ale acestor decizii;
• evaluarea efectelor în funcţie de un set de criterii;
• agregarea acestor efecte pe baza unor reguli;
• adoptarea deciziei.
Agregarea se poate face în raport cu un criteriu de valoare, în raport cu stările
mediului, cu deciziile luate de sisteme similare. Se poate face o agregare în funcţie de
variabila de timp, sau în funcţie de utilitate.
În ceea ce priveşte valorizarea consecinţelor poate fi făcută prin modalităţi calitative
sau cantitative, ceea ce presupune asocierea unor valori numerice.
Alegerea alternativelor poate fi făcută prin decizii individuale sau de grup şi se pot
alege soluţii satisfăcătoare sau optime. Metodele de evaluare pot fi de tip cost-beneficiu sau
cost-eficacitate.
38
UNITATEA DE CURS 2.4. PROPRIETĂŢILE FUNCŢIONAL – INTERNE ALE

SISTEMELOR
OBIECTIVE
 Cunoaşterea proprietăţilor funcţional – interne ale sistemelor
NOŢIUNI CHEIE
Accesibilitate, controlabilitate, observabilitate, sensibilitate, stabilitate, finititudine,
adaptabilitate, compozabilitate, predicţie
Aceste proprietăţi depind de structura sistemului, de natura intercondiţionărilor dintre

elementele ce compun sistemul. În continuare vom prezenta succint aceste proprietăţi.
Accesibilitatea
Un sistem este m-accesibil la intrare şi n-accesibil la ieşire dacă acceptă m variabile
de intrare (u1,…,um) şi dacă determină n variabile de ieşire (y1,y2,....,yn).
În acest sens accesibilitatea este determinată de numărul finit de variabile de intrare şi
ieşire. Dacă m = n = 1 rezultă că sistemul este monoaccesibil.
Un sistem este m multivariabil la intrare şi n mutivariabil la ieşire dacă este m+n
accesibil. Pentru ca un sistem să existe trebuie să îndeplinească următoarele condiţii de
accesibilitate:
• să fie cel puţin monovariabil la intrare şi ieşire (m ≥ 1, n ≥ 1);
• să fie cel puţin finit multivariabil la intrare şi ieşire (m, n finite).
Nerespectarea primei condiţii conduce la trivialitatea intrării şi/sau a ieşirii, iar

neîndeplinirea celei de-a doua condiţii la nerespectarea proprietăţii de finititudine.
Accesibilitatea unei stări xτ presupune existenţa unei intrări u(t0,τ) care să conducă
sistemul din starea x0 în starea xτ.
Definiţia 2. Starea xЄDτ se numeşte τ accesibilă din starea x0 dacă există un moment
finit t0 < τ şi se cunoaşte comanda admisibilă u(t 0, τ), care să realizeze transformările necesare
trecerii sistemului din starea iniţială x0 în starea finală xτ în intervalul τ - t0. Dacă acest lucru
este adevărat pentru toţi x0 şi τ, starea este complet accesibilă.
Accesibilitatea unei stări într-un sistem economic presupune deci recunoaşterea
elementelor ce au contribuit ca sistemul să se găsească în această stare pornind dintr-o stare
iniţială x0. Această proprietate este importantă în proiectarea blocului de control dintr-un
sistem, unde rolul acestuia este jucat de sistemul de urmărire, care sesizează stările sistemului
pe parcursul transformărilor pe care acesta le execută şi evidenţiază cauzele ce le-au produs.
De exemplu, pentru un sistem productiv, accesibilitatea unei stări, fie ea o fază de
prelucrare a unui produs la momentul τ, implică recunoaşterea intrărilor ce au dus sistemul în
această fază (materii prime, tehnologii de fabricaţie). Ea este utilă în analiza efectuată de
factorii decizionali pentru a determina cauzele unei anumite stări a sistemului şi a lua măsurile
de corecţie necesare.
Dualul acestui concept este detectabilitatea ieşirii y θ din starea xk adică determinarea
cauzelor ce au dus la obţinerea ieşirii la momentul θ, cunoscând starea sistemului la momentul
de timp k.
39
Controlabilitatea
Controlabilitatea sistemului se defineşte ca proprietatea acestuia prin care, cunoscând
mărimile de intrare şi starea la momentul t, să putem determina starea la momentul următor,
fie el t1, ca urmare a evoluţiei intrării în perioada [t, t 1], cu t1 > t.
Un sistem este global controlabil dacă dându-se un set de variabile de stare x(t)ЄX;
tЄT există o clasă de intrări [uq] = [ωq(t)]Є[Ω; tЄT] ce o cauzează cu cel mai mare timp tf finit
ce determină o singură funcţie de ieşire γ(t0, tf) Є Γ, în care:
Γ -reprezintă clasa de funcţii admisibile de ieşire;
Ω - reprezintă clasa de funcţii admisibile de intrare.
Prin clasa de funcţii(ωq) se înţelege o submulţime de funcţii ω(t0,tf) echivalente pe un
singur element j al mulţimii ω = (0, ω1…ωj…ωm) ceilalţi fiind nuli, ce determină o singură
funcţie de ieşire.
Pentru controlabilitatea globală este suficientă observaţia asupra diverselor valori
simultane ale variabilelor de ieşire şi intrare.
Controlabilitatea parţială implică executarea unui experiment asupra sistemului. Un
sistem este parţial controlabil în cazul în care existenţa variaţiei variabilei de intrare pe
componenta j conduce la o componentă de ieşire nulă:
[ωq]j => Γ Э γs = {γs}: γs = Ø t Є [t0; tf]
y = γ(t), γ Є Γ, γ = ( γ1,γ2,…,γj,…,γn), γj = 0,
unde γs reprezintă o anumită evoluţie admisibilă de ieşire.
Se spune că un sistem parţial controlabil este decompozabil în α sisteme global
controlabile şi sistemul se numeşte α parţial controlabil ( α = 1,2,…,n).
Determinarea numărului α de sisteme global controlabile în care se poate descompune
un sistem parţial controlabil se face astfel: se alcătuiesc combinaţii fără repetiţii C mj , j = 1,m
ale componentelor funcţiei de intrare ω = (ω1,ω2,…,ωm) şi combinaţii Cni, i = 1,n ale
componentelor funcţiei de ieşire γ = (γ1,γ2,…γn) şi se caută apoi perechile dintre cele două
grupe de combinaţii pentru care un membru al combinaţiei de funcţii de intrare implică pe toţi
membrii combinaţiei funcţiilor de ieşire.
Notând cu αj numărul de perechi ce corespund, în sensul arătat, la combinaţia de
ordinul j a intrării cu combinaţii de la ieşire, rezultă un număr total de perechi α egal cu α=∑αi
În realitatea economică nu există sisteme global controlabile ci doar parţial
controlabile. Controlabilitatea sistemului este asigurată de controlabilitatea fiecărei
componente în parte şi presupune cunoscute obiectivele, resursele şi domeniul intrărilor
admisibile.
De exemplu, într-un sistem productiv ne referim la controlabilitatea secţiilor,
atelierelor, posturilor de lucru, iar într-un sistem comercial la controlabilitatea magazinelor, a
reţelei de aprovizionare şi a celor de desfacere.
Cunoaşterea controlabilităţii unui sistem implică existenţa unei astfel de strategii în
blocul de comandă care să facă faţă fluctuaţiilor obiective ce intervin în desfăşurarea fluxului
de activităţi ale sistemului.
În cazul unui sistem productiv aceasta înseamnă să se determine ce efecte vor avea
lipsa unor muncitori, a unor materiale asupra stării sistemului (coeficient de utilizare a
maşinilor, indicele rebuturilor, volumul producţiei neterminate). De aici rezultă că blocul de
comandă, reprezentat prin modulul de programare a producţiei, trebuie astfel conceput încât
să ţină seama de aceste variaţii pentru a putea estima care va fi efectul în interiorul sistemului
şi totodată să permită o actualizare rapidă a datelor şi o rulare a programului de ordonanţare a
producţiei cu aceste date pentru determinarea noilor stări din sistem.
În cazul unui sistem comercial, controlabilitatea implică studierea variaţiilor vectorului
de intrare pe un interval de timp (număr clienţi, cantităţi şi tipuri de produse cumpărate)
pentru a determina ce se va întâmpla în sistem în acest caz (cum variază stocurile de produse,
care trebuie să fie perioadele de aprovizionare, cum va fi implicat personalul).
40
Pentru proprietatea de controlabilitate timpul este privit de la prezent (τ) către viitor (t)
şi mulţimea stărilor controlabile formează un con cu vârful în x(t 0) şi baza în mulţimea stărilor
controlabile.
Figura 2.5. Spaţiul stărilor accesibile şi controlabile
Diferenţa între accesibilitate şi controlabilitate constă în felul în care este privită

variabila timp. Pentru proprietatea de accesibilitate timpul este privit de la momentul trecut t 0
către prezent τ.
Mulţimea stărilor accesibile dintr-o stare x0 este un con τ de accesibilitate cu vârful în
x(t0) şi cu baza în mulţimea stărilor accesibile Dε(τ).
Observabilitatea
Observabilitatea se defineşte ca proprietate a sistemului prin care cunoscând mărimile
de intrare şi ieşire, să se deducă traiectoria de stare, adică succesiunea de stări prin care acesta
a trecut.
Definiţia 3. Un sistem, pentru ca să existe, trebuie să fie observabil, adică fiind
cunoscut vectorul de intrare u şi vectorul de ieşire y definiţi prin ωЄΩ şi γЄΓ pe mulţimea
ordonată a timpului T, se poate deduce cel puţin o variabilă x de stare internă.
Cunoaşterea sistemului de stări prin care a trecut sistemul se realizează pe doua căi şi
anume:
- pe de o parte cu ajutorul modelelor ce simulează funcţionarea sistemului prin
cunoaşterea structurii sale;
- prin sistemul de urmărire care realizează cunoaşterea nivelului real al parametrilor.
Acest sistem de urmărire trebuie proiectat şi implementat astfel încât să se transmită
atât stările atât semnificative ale sistemului, cât şi cele ce au rezultat în urma acţionării unor
perturbaţii. În acest sens studierea şi alegerea intervalelor şi a momentelor de culegere a
datelor trebuie făcută cu atenţie în scopul realizării unei compatibilităţi între observabilitatea
furnizată de model şi cea dată de sistemul de urmărire.
Se impune, deci o corelare între momentele de actualizare a datelor modelului şi a
fenomenelor ce au loc în sistem. Având în vedere proprietăţile de controlabilitate şi de
observabilitate,
spaţiul stărilor Cn, poate fi descompus în patru subspaţii şi anume:
- subspaţiul stărilor controlabile şi observabile M1;
- subspaţiul stărilor controlabile şi neobservabile M2;
- subspaţiul stărilor necontrolabile şi observabile M3;
- subspaţiul stărilor necontrolabile şi neobservabile M4;
Cn = M1 M2 M3 M4
Dacă descriem sistemul prin ecuaţiile de intrare-stare-ieşire:
x= Ax + Bu y = Cx + Du
atunci vom putea reprezenta acest sistem ca în figură:
41
Figura 2.6. Sistem reprezentat prin ecuaţia de stare
Avantajul descrierii prin ecuaţia de stare este că în acest mod se poate descrie şi partea
necontrolabilă a sistemului. Un sistem descris prin ecuaţia intrare-stare-ieşire este complet
observabil dacă şi numai dacă matricea de observabilitate Q 0* definită de
Q0* = (C*,A*C*…(An-1)*C*)
are rangul n sau acoperă întreg spaţiul stărilor C n , unde cu “*” s-a notat operatorul de
transpunere matriceal.
Cunoaşterea acestei proprietăţi este importantă pentru faza de proiectare în stabilirea
modelului, a determinării variabilelor şi parametrilor.
Sensibilitatea
Proprietatea de sensibilitate a unui sistem se referă la posibilitatea pe care o au
componentele vectorului de stare de a răspunde sau nu la anumite modificări ale intrărilor.
Această proprietate este foarte importantă în proiectarea sistemelor de conducere.
Aceste sisteme vor avea performanţe mai bune cu cât sensibilitatea va fi mai apropiată de
sensibilitatea totală, existând posibilitatea influenţării stărilor prin comenzi.
Sensibilitatea apare ca o consecinţă a controlabilităţii parţiale; un sistem este total
sensibil în sensul larg, dacă o variaţie infinit de mică a variabilei de intrare , pe una sau mai
multe componente ale sale, determină o variaţie infinit de mică la o variabilă de stare, pe una
sau mai multe componente.
Definiţia 4. Un sistem va fi parţial sensibil dacă admite o submulţime nevidă de
funcţii de intrare ωαЄ Ω, conţinute în nucleul funcţiei de tranziţie a stărilor. Dacă
submulţimea ωα este vidă atunci sistemul este complet sensibil. Dacă submulţimea ωα umple
toată mulţimea ω ( ωα = ω ) sistemul va fi zero sensibil.
Sistemele parţial sensibile sunt în general cele care au o structură neliniară. În
sistemele cu structură ierarhică prin creşterea numărului de nivele creşte viteza de prelucrare,
dar scade sensibilitatea acestora. În proiectarea subsistemului de control din cadrul unui
sistem complex este important de a se ţine seama de această proprietate.
De exemplu, la o centrală nucleară este necesar să fie sesizate orice abateri cât de mici
în funcţionarea sistemului de la standarele normale fixate pentru a lua din timp măsurile
necesare, adică sistemul de control trebuie să aibă o sensibilitate foarte mare.
Stabilitatea
Stabilitatea sistemelor este o proprietate deosebit de importantă de care trebuie să se
ţină seama în analiză şi diagnoză, întrucât pe baza ei se poate aprecia posibilitatea de realizare
practică a sistemelor a căror modele sunt proiectate şi apoi implementate.
Stabilitatea sistemului poate fi studiată prin:
• ecuaţiile intrare-stare-ieşire:
x(t) = Ax(t) + Bu(t)
y = Cx(t)
• prin matricea de transfer care se obţine aplicând transformata Laplace asupra ecuaţiei
intrare-stare-ieşire:
sx(s) - x(0) = Ax(s) + Bu(s)
x(s) = [ sI – A ]-1x0 + [ sI – A ]-1Bu(s)
y(s) = C [ sI – A ]-1x0 + C [ sI – A ]-1Bu(s)
42
pentru x0 = 0, avem:
y(s) = C [ sI – A ]-1Bu(s) de unde rezultă matricea de transfer a sistemului:
H(s) = C [ sI – A ]-1 B
Schimbarea bazei spaţiului stărilor nu modifică matricea de transfer care este un
invariant în raport cu alegerea bazei respective (matricea de transfer descrie funcţionarea
sistemului). Aplicând transformata în z de forma z = Tx vom avea:
zT-1 = AT-1z + Bu => z = TAT-1 + Tbu
y = CT z-1
dacă notăm:
A1 = TA-1T, B1 = TB, C1 = CT-1
şi înlocuind aceste notaţii în funcţia de transfer:
H1(s) = C1[ sI – A1]-1B1
avem:
H1(s) = CT-1 [sI – TAT-1]-1 TB = C [sI – TAT-1]-1T-1TB =
= C [ sT – TA ]-1 TB = C[ T-1(sT – TA)]-1 B =
= C [ sI – A ]-1 B
adică:
H1(s) = H(s).
Această proprietate este importantă în studiul stabilităţii stării sistemelor.
Definiţia 5. Stabilitatea sistemului se defineşte ca proprietatea acestuia ca pentru

variaţii mari ale intrărilor să corespundă variaţii mici ale ieşilor.
Sistemul îşi dovedeşte această proprietate de stabilitate când unele solicitări interne
sau externe tind să scoată sistemul dintr-o stare de echilibru, iar odată cu eliminarea ei, el
revine din nou la starea de echilibru.
Să considerăm un sistem care se bucură de proprietăţile de observabilitate şi
controlabilitate.
Fie intrarea u(t) = 0 cu t Є [t0; tf] şi x(t0) = 0; rezultă că x(t) \ t Є [t0; tf] = x(t0).
Se defineşte această situaţie ca echilibru staţionar. În figură sunt ilustrate grafic
stabilitatea şi instabilitatea sistemului.
stabilitate instabilitate
Figura 2.7. Reprezentarea stărilor de stabilitate şi instabilitate ale unui sistem
Sistemul este stabil liber dacă la momentul t0 şi având starea x0 ( la care s-a ajuns în
urma aplicării unei variaţii salt asupra mărimii de intrare) , sistemul revine singur la valoarea
stării iniţiale xf = 0 ,când încetează acţiunea ce l-a propulsat în acea stare.
Intervalul tf – t0 se defineşte ca regimul tranzitoriu al sistemului, el putând lua diverse
valori de timp funcţie de natura sistemului.
Definiţia 6. Un sistem se numeşte asimptotic stabil liber dacă în condiţiile stabilităţii

libere ajunge la starea x(tf) = 0 pentru un timp tf foarte mare, chiar infinit.
Stabilitatea liberă rezultă nu din observarea fenomenului, ci din experimentarea unui
model fizic realizabil.
43
Definiţia 7. Un sistem instabil liber sau la limita stabilităţii este forţat stabil dacă
există o clasă de funcţii de intrare ωb Є ω care să-l conducă de la o stare iniţială x(t 0) pentru
care s-a verificat limita stabilităţii într-o stare finală x(tf) = 0 cu tf finit.
Proprietatea de stabilitate liberă ca o condiţie de existenţă a unui subsistem nu trebuie
verificată asupra modelelor unor fenomene naturale, acestea făcând parte din realitatea
obiectivă deci nu pot fi decât stabile. Stabilitatea liberă trebuie însă verificată la sistemele
create de factorul uman, întru-cât la acestea se poate întâlni instabilitatea ca o consecinţă a
alegerii incorecte a elementelor ce alcătuiesc sistemul.
Stabilitatea forţată se referă la o clasă restrânsă de funcţii de intrare. Cum în general
un sistem este supus unor intrări aleatoare, rezultă că există o mare probabilitate ca să nu
respecte clasa de funcţii ce creează forţarea şi deci să apară instabilitatea.
Se poate vorbi de o stabilitate cuplată în cazul existenţei mai multor sisteme ce nu sunt
independente ci funcţionează cuplate parţial la intrare şi la ieşire.
Definiţia 8. Mai multe sisteme se numesc stabil cuplate dacă fiind cuplate la intrare şi
la ieşire se pot găsi sisteme echivalente monovariabile la intrare şi ieşire, cuplate numai la
ieşire şi la care funcţiile de intrare ca şi funcţiile de intrare-ieşire echivalente să fie univoce şi
calculabile din cele ale sistemelor originale.
În cazul sistemelor economice vorbim mai ales de stabilitatea cuplată, întrucât orice
sistem economic este format în esenţă dintr-o reuniune de sisteme. Sistemul îşi dovedeşte
proprietatea de stabilitate în condiţii limită.
De exemplu, pentru un sistem productiv sau comercial, dacă se întrerupe
aprovizionarea pe o perioadă de timp şi dacă sistemul nu ar fi stabil, ar însemna ca la ieşire să
nu avem produse. Stabilitatea sistemului de programare operativă, într-un sistem productiv
sau comercial, presupune găsirea unei variante admisibile şi eficiente când perturbaţiile
împiedică realizarea programului stabiliţi iniţial şi deci asigurarea continuităţii fluxului de
activităţi ce se desfăşoară în sistem.
Exemplificarea ieşirii sistemului din starea de echilibru poate fi făcută pe o unitate
economică în care se face o investiţie. În acest caz sistemul iese din starea de echilibru
înscriindu-se pe o traiectorie ascendentă de creştere. După o perioadă de timp când investiţia
este asimilată de sistemul economic respectiv, prin punerea ei în funcţiune, au loc o serie de
procese de refacere a stării de echilibru, dar noua stare de echilibru este diferită de cea
anterioară. Se spune că sistemul se află într-o stare de echilibru dinamic care reprezintă o
succesiune de echilibre statice.
Finitudinea
Un sistem, ca model fizic realizabil, este complet determinat dacă se cunoaşte intrarea
u şi ieşirea y pentru t Є (t0, tf ) C T, de unde rezultă o structură S.
Astfel concepută, noţiunea de sistem se bazează pe o discretizare a fenomenelor
observabile şi din această cauză rezultă în mod natural că observaţia nu se poate face decât la
un număr finit de variabile.
Finitudinea unui sistem reprezintă proprietatea acestuia de a fi finit cu referinţă
directă la spaţiul intrărilor, ieşirilor şi stărilor.
Finitudinea unui sistem este o metapropietate, fiind imposibil de determinat toate
componentele variabilelor de intrare şi de ieşire dintr-un sistem. Nu se poate spune că
numărul acestor componente este finit. Necesitatea apare din însăşi procesul de cunoaştere,
astfel se poate admite aprioric că un fenomen din natură este dependent de un număr de
variabile care, în asamblu alcătuiesc variabila de intrare independent de altele.
Adaptabilitatea
Adaptabilitatea reprezintă propietatea unui sistem observabil şi controlabil care mai
poate satisface unele condiţii suplimentare.
44
Definiţia 9. Un sistem este adaptabil dacă se poate evidenţia în interiorul său o

variabilă c la care, pe mulţimea ordonată a timpului t C [t0,tj] C T, este posibilă o variaţie
impusă cj = δj(t). Variabila c se numeşte variabilă de adaptare iar funcţia δj capătă denumirea
de “funcţie de adaptare” sau criteriu de adaptare.
Adaptabilitatea rezultă ca o proprietate particulară la unele sisteme şi se rezumă la
două condiţii principale şi anume : există în sistem variabila c, iar mulţimea CJ se poate
obţine. Adaptabilitatea nu este o condiţie de existenţă a unui sistem şi o proprietate a acestor
sisteme.
Definiţia 10. Un sistem este adaptabil cu restricţii dacă prin adaptabilitate se menţin
funcţiile de ieşire γ′j Є Γ′ = ΓUδ; adaptabillitatea fără restricţii defineşte un sistem adaptabil
la care γ’j Є Γ’ = Γ``Uδ, unde Γ’≠Γ’’.
Definiţia 11. Un sistem este subadaptabil dacă satisfacerea criteriului de adaptare este
numai parţială şi anume pentru anumite valori ale variabilei de adaptare sau ale variabilei
independente de timp (subadaptabilitate pe porţiuni).
Adaptabilitatea unui sistem permite descompunerea acestuia în două subsisteme, unul
de bază şi altul adjunct, ce realizează adaptarea cu aceeaşi intrare şi ieşirea y şi respectiv c, cu
obligaţia ca c = cj .
Figura 2.8. Sistem adaptabil după intrare
Proprietatea de adaptabilitate presupune controlabilitatea totală a sistemului adjunct.

La adaptarea după stuctură sistemul de adaptare este unic.
Figura 2.9. Sistem adaptabil după structură
Modificarea structurii interne a unor sisteme, respectiv a unor conexiuni, pentru a face
faţă schimbărilor din mediu poartă denumirea de autoadaptabilitate.
Înfiinţarea unui serviciu de marketing în majoritatea unitaţile economice în condiţiile
economiei de piaţă, sau a unor compartimente de cercetare-dezvoltare într-o companie pentru
a face faţă concurenţei pieţii, a unor fuziuni cu alte societăţi, reprezintă exemple de
autoadaptabilitate.
Compozabilitatea şi decompozabilitatea sistemelor
45
Aceste proprietăţi arată posibilitatea unui sistem de a se compune dintr-un număr finit
de subsisteme şi de a se descompune conform obiectivelor urmărite într-un număr finit de
subsisteme. Limita de compozabilitate o reprezintă sistemul cu o singură componentă de
intrare şi ieşire. Ea este importantă în analiza şi diagnoza sistemelor pentru faza de proiectare
şi reproiectare a sistemului.
Modul de compunere sau descompunere a sistemelor se poate face după scheme
liniare, ierarhice sau mixte, funcţie de obiectivele urmărite şi de tipul dependenţelor.
O structură ierarhică se defineşte ca având următoarele caracteristici: aranjare verticală
a sistemelor (subsistemelor);
• prioritate în acţiune sau dreptul de intervenţie al sistemului de ordin superior;
• dependenţa subsisemelor de ordin superior de performanţele sistemelor de pe
nivelele inferioare.
O structură ierarhică implică:
• integrarea, adică posibilitatea reproiectării şi reconstruirii în ansamblu a sistemului;
• limitări în construirea modelelor, ceea ce implică o structurare a modelelor datorită
limitărilor de memorie şi alcătuirea unei ierarhii de sub-probleme unde vor fi aplicate aceste
modele;
• o utilizare mai bună a resurselor, prin realizarea unui control la nivelul fiecărui
subsistem şi a sistemului în ansamblu;
• flexibilitate, adică posibilitatea schimbării rapide a unor conexiuni sau introducerea
altora noi.
În astfel de sisteme apare necesitatea unei probleme de coordonare şi uneia de
specializare.
Coordonarea implică pe de-o parte, stabilirea regulilor de operare, iar pe de altă parte,
includerea lor în cadrul organizaţiei.
Specializarea este legată de conceptul de funcţie a unui sistem, prin funcţie înţelegând
modalitatea practică prin care un sistem (subsistem) îşi realizează scopul.
A coordona subsistemele înseamnă a le influenţa să funcţioneze armonios şi aceasta
este sarcina unităţii de pe nivel superior (unitatea majoră). Atingerea scopului înseamnă
găsirea unei soluţii pentru problema de decizie a sistemului.
Pentru un sistem la care conducerea se realizează prin două nivele vom avea o unitate
de comandă C0 coordonatoare aflată pe nivel superior şi n unităţi de comandă inferioare C i
aflate pe nivelul doi, ce acţionează asupra procesului P (sistemul efector ce realizează
transformarea intrărilor în ieşiri).
În acest proces se evidenţiază intrarea coordonatoare R vectorul de comandă mi de la
unităţile de control Ci, clasa de funcţii de intrare Ω provenite din mediu, vectorii de reacţie z i,
şi wi (de la proces şi de la unităţile de pe nivelele inferioare de comandă C i) ce conţin
informaţii despre proces şi respectiv despre unităţile de comandă C i.
Figura 2.10. Sistem ierarhic pe două nivele
46
Procesul P poate fi privit ca o compunere de n subprocese (P 1,…,Pn) fiecare sub

controlul unei unităţi de comandă Ci (aflată pe nivel inferior). Considerând că descompunem
procesul (sistemul condus) într-o serie de procese elementare P1,...,Pn care sunt procese
necuplate, legătura între ele este realizată de blocul H.
Figura 2.11. Sisteme necuplate şi blocul de adaptabilitate
Implementatorul (decodorul) H modifică ieşirea unităţii de decizie astfel ca ea să fie

acceptabilă altui subsistem Pi, el realizează funcţia de cuplare a proceselor prin mărimea u i.
De exemplu, dacă avem un proces complex cum ar fi o linie de oţelărie-forjă-laminare
dintr-un combinat metalurgic, atunci secţiile de oţelărie, forjă, laminare reprezintă
subprocesele necuplate, conducerile la nivelul secţiilor sunt reprezentate de blocurile de
comandă de pe nivelul doi, respectiv C1, C2 ,C3 iar directorul liniei împreună cu serviciul de
programare a producţiei la nivelul liniei este reprezentat de blocul C o, iar deciziile acestora de
intrarea R.
Pentru fiecare subproces Pi există o transformare care cuplează procesele Hi definită
de:
Hi : M x R → Ui şi P : M xU x Ω unde:
H(m,y) = (H1(m,y), ..., Hn(m,y)) - reprezintă funcţia de cuplare a subproceselor (ea
determină modul după care se descompune procesul şi se alege astfel încât să fie cât mai
simplă);
Ω = [ω:T→Y] – este transformarea prin care sunt date intrările din mediu;
P şi P - reprezintă procesele cuplate respectiv subprocesele necuplate, dacă sunt

adevărate condiţiile:
Y = P (m, H(m,y), ω)  Y = P (m,ω) pentru toţi (m,y, ω) din M x Y x Ω;
Y = P (m ,u, ω) => u = H(m,y).
Se defineşte funcţia de interfaţă a intrărilor K astfel (fig. 2.12):
K : M × ω → U, şi K(m,ω) = H(m, P (m,ω)),
unde: K - reprezintă funcţia de interacţiune a subproceselor şi poate fi considerată ca
un subsistem care generează interacţiunile între subprocesele Pi.
În analiză se ia în considerare funcţia de cuplare H sau funcţia de interacţiune K.
De exemplu în cazul combinatului metalurgic pe linia oţelării-forjă-laminor funcţia de
interacţiune între secţia oţelărie şi forjă este reprezentată din punct de vedere material de
cantitatea şi tipurile de oţel ale ţaglelor şi între secţia de forjă şi laminor de produsele forjate
ce vor intra în laminor iar din punct de vedere informaţional - decizional de schimbul de
informaţii privind programele de producţie a celor trei secţii.
47
Fig. 2.12 Subsistemul de interfaţă a intrărilor
Subsistemul de comandă
Vom considera sistemul de conducere la nivel superior compus din unitatea de decizie
D0 şi implementatorul (decodorul) C0 conectat în cascadă care modifică ieşirea unităţii de
decizie pentru a o face acceptabilă altui sistem.
Figura 2.13. Subsistemul de decizie de pe nivelul superior
Se consideră că se asociază cu unitatea superioară (majoră) de conducere, o familie de

probleme de decizii D0(w), wЄW, cu setul de decizii astfel că pentru V wЄW => X0 = D0(W)
să fie o soluţie.
Dacă considerăm sistemele de comandă C i de pe nivelul inferior vom avea următoarele
relaţii:
ci : R × zi→ mi - decodorul de pe nivelul inferior;
di : R × zi→ xi - unitatea de decizie de pe nivelul inferior;
mi = ci (zi di(R, zi)) -mărime de comandă ce acţionează asupra subproceselor;
f01:xi×zi×R→ wi - adaptor între unităţile de pe nivel superior şi cele de pe nivele
inferioare.
Unităţii de decizie di îi este asociată o familie de probleme de decizii D i(R, zi) cu setul
de decizii astfel încât pentru fiecare pereche (Ri,zi), ieşirea xi= di(R, zi) este soluţia problemei
Di(R,zi). Fiecare unitate di îşi selectează din intrarea coordonatoare R informaţiile specifice ei.
Decodorul generează intrările de comandă adaptate pentru subprocesul i, ce sunt
determinate în funcţie de decizia xi şi informaţia de reacţie zi provenită de la proces.
Pentru a formaliza conceptul de coordonare este necesar să introducem o problemă de
decizie adiţională, cu ajutorul căreia să evaluăm cu succes coordonarea. Avem două probleme
şi anume: o coordonare relativă la problema de decizie a unităţii superioare şi alta relativă la
problema de decizie în ansamblu (generală).
48
Figura 2.14. Subsistemul de decizii de pe nivelul inferior
Fie P(X,D) predicatul definit pentru toate perechile (X,D) unde D este o problemă de
decizie şi X soluţia acestei probleme. Luăm în considerare ipoteza că reacţiile către unitatea
superioară de comandă D0 şi către unităţile inferioare Di sunt fixate. Predicatul P(X,D) este
adevărat dacă există o problemă de decizie D şi X este soluţia sa.
Fie D0 problema de decizie a unităţii superioare pentru fiecare intrare coordonatoare R,
Di(R) problemele de decizii corespunzătoare pentru unităţile inferioare şi D(R) setul acestor
probleme {D(R), D2(R), ... , Dn(R)}cu soluţiile x1,..., xi, ..., xn. În aceste condiţii se pot defini
următoarele tipuri de coordonări:
a) Coordonarea relativă la problema de decizie a unităţii superioare

( R)( x) [P( X, D (R)) şi P(R, D0)]
Deci această coordonare cere să existe soluţii la problema de decizie a unităţii
superioare pentru intrarea coordonatoare R şi setul D (r) a problemelor de decizii inferioare să
aibă de asemenea soluţie. Dependenţa problemelor de decizie superioară de ieşirile unităţilor
inferioare de decizie se exprimă asfel:
P(R D0)  ( x)[Q0(R,x)], R Є R,
unde:
Q0(R,x) este un predicat definit pe toate perechile (R,x) în spaţiul definit de R×X;
X= X1×X2×…×Xn este produsul cartezian al soluţiilor unităţilor de decizie inferioare;
R reprezintă mulţimea intrărilor coordonatoare.
Această condiţie ne arată că intrarea coordonatoare R rezolvă problema de decizie a
unităţii superioare dacă există o decizie corespunzătoare a unităţii inferioare x, astfel că
această condiţie exprimată prin predicatul Q(R, x) să fie satisfăcută.
b) Coordonarea referitoare la problema de decizie în ansamblu

Problema de decizie în ansamblu este definită ca o regulă în termenii procesului în
ansamblu, deci mulţimea deciziilor poate fi considerată ca mulţimea de comenzi M.
Informaţia de reacţie este fixată, intrările de control (comandă) aplicate procesului în
ansamblu depind de unităţile de decizie a unităţilor inferioare deci intrările de comandă pot fi
exprimate ca o transformare ΠM : X→M.
Spunem că problemele de decizii minore (de pe nivel inferior) sunt coordonate relativ
la problema de decizie în ansamblu dacă este adevărată relaţia:
( R)( x) [P(x, D(R)) şi P(Πm(X1,D))],
49
adică coordonatorul (sistemul major de comandă) poate influenţa unităţile inferioare

astfel că acţiunile lor care rezultă să satisfacă problema de decizie în ansamblul ei.
Postulatele de consistenţă
Pentru a realiza o coordonare a problemei de decizie trebuie să existe o compatibilitate
între problemele de decizie de pe nivel superior şi cele de pe nivel inferior precum şi între cele
de pe nivel superior cu problema de decizie în ansamblu (ce cuprinde şi procesul), fapt
asigurat de repetarea a trei postulate de consistenţă. Realizarea cu succes a activităţilor de
conducere a sistemului (cu două nivele) necesită ca scopurile subsistemelor să fie armonios
îmbinate.
Există trei feluri de astfel de scopuri şi anume: referitoare la întreg ansamblu, la
unitatea superioară de decizie şi la unităţile inferioare de decizie.
Armonia între aceste scopuri este asigurată de respectarea principiilor de consistenţă
care sunt exprimate logic prin următoarele propoziţii.
I. Unităţiile de decizie minore sunt singurele subsisteme în legătură directă cu
procesul. Scopul global este atins prin acţiunea unităţilor minore de decizie astfel încât trebuie
să fie adevărată/respectată relaţia (2);
II. Unitatea de decizie majoră afectează, prin coordonare, comportarea unităţilor de
decizii minore, dar pe o cale prin care aceasta să-şi realizeze propriul scop. Va trebui
satisfăcută relaţia (1);
III. Problema este definită în termenii procesului în ansamblu. Pentru consistenţa
(compatibilitatea) problemelor de decizii, coordonarea unităţilor de decizie inferioare relativ
la problema de decizie superioară, trebuie să fie suficient de apropiată de problema de decizie
în ansamblul ei. Relaţia de consistenţă este dată de:
{(VR) (Vx) [P(x, D (R)) şi Q0(R,x)] => [P(x`, D (R) şi PM(x), D)]}
Postulatul arată că problemele de decizie ale unităţilor minore (inferioare) sunt

coordonate faţă de problema de decizie în ansamblu, numai dacă ele sunt coordonate faţă de
problema de decizie a unităţilor superioare.
Postulatele de consistenţă şi necesitatea pentru coordonare ne indică doar ce
proprietăţi trebuie să aibă problema de decizie superioară. Dacă problemele de decizie a unui
sistem cu două nivele sunt consistente, obiectivul sistemului în ansamblul lui este realizat
când unitatea de decizie din blocul de comandă a unităţii superioare, coordonează unităţile de
decizie din blocul de comandă a unităţilor inferioare, relativ la propriile sale obiective.
Aceste cerinţe ale postulatelor de consistenţă ne ajută să formulăm problema de
sinteză structurală şi ele impun cerinţe şi asupra strategiilor pe care le va folosi coordonatorul,
întru-cât nu se ştie cu exactitate ce informaţii va primi acesta.
Se formulează câteva principii care specifică diferite strategii pentru coordonator.
Acţiunea coordonatorului este de a influenţa unităţile de decizie minore astfel ca interacţiunile
rezultate să fie satisfăcătoare pentru întreg sistemul.
Există trei căi prin care interacţiunile pot fi gestionate:
1. Predicţia interacţiunii
Intrările coordonatoare pot implica şi o predicţie a intrărilor de interfaţă.
Fiecare intrare coordonatoare, R Є R furnizează predicţiile α1R ,…,αnR a intrărilor de
interfaţă, ce vor apare în sistem după aplicarea intrărilor de comandă (control). Succesul
coordonării unităţilor inferioare depinde de acurateţea predicţiei intrărilor de interfaţă.
Acest principiu este sintetizat prin relaţia:
50
Principiul arată că problema de decizie în ansamblu este rezolvată de intrarea de

comandă m = Πu (x), în timp ce problemele de decizie inferioare sunt rezolvate de intrarea x
şi de intrările de interfaţă previzionate αiR.
2. Principiul echilibrării interacţiunii (decuplării)

Acest principiu presupune că este folosită decuplarea interacţiunii. Succesul în
coordonarea unităţilor de decizie inferioare poate fi evaluat în legătură cu discrepanţele care
apar între interacţiunile actuale şi cele dorite. El este dată de relaţia:
Acest principiu arată că intrarea de comandă m = ΠM(x) rezolvă problema de decizie

în ansamblu, în timp ce x rezolvă problemele de decizii a unităţii inferioare şi intrările de
interfaţă dorite uR = ΠU(x) echilibrează intrările din interfaţa actuală u = K(m), ce apar când
intrarea de comandă m = ΠM(x) este aplicată procesului.
3. Principiul estimării interacţiunii

Acest principiu presupune ca, coordonatorul să precizeze domeniul în care intrările de
interfaţă pot varia. Succesul coordonării depinde de acurateţea estimării. El este exprimat
astfel:
Problemea de decizie în ansamblu este rezolvată de intrarea de comandă m = ΠM(x)

ori de câte ori problemele de decizie ale unităţilor inferioare sunt rezolvate de soluţiile x şi
intrările de interfaţă αR sunt precizate corect
UR- reprezintă domeniul estimat unde vor varia intrările de interfaţă. Intrarea de
interfaţă selectată de unitatea de decizie inferioară ca parte a deciziei X este dată de
transformarea:
ΠM : X→U
Fiecare intrare coordonatoare R din R specifică setul:
UR = U1R x…x UnR C U.
De exemplu, în cazul unui combinat metalurgic problema de coordonare în ansamblul
ei se referă la întreg combinatul incluzând şi celelalte subsisteme auxiliare (aprovizionare,
desfacere, financiar etc.). Coordonarea la nivelul unităţii superioare este asigurată de deciziile
luate de directorul liniei, iar coordonarea la nivelul unităţilor minore este asigurată de
deciziile ce se iau la nivelul secţiilor, ce au propriile lor obiective. Fiecare secţie, dacă n-ar
exista coordonarea referitoare la unitatea majoră, ar fi tentată să-şi rezolve doar propriile
obiective.
Aceasta ar însemna că secţia de oţelării şi-ar ordona succesiunea elaborării şarjelor
doar din punctul de vedere al obţinerii eficienţei maxime la cuptoare fără a ţine seama de
succesiunea prelucrării la forjă, sau laminare care ar implica altă ordine a elaborării şarjelor.
Coordonarea la nivelul ansamblului are în vedere onorarea contractelor şi obţinerea
unui profit maxim, dar şi îndeplinirea unor deziderate sociale cum ar fi creşterea veniturilor
angajaţilor pentru a asigura o motivaţie mai puternică a muncii ceea ce implicit conduce la
creşterea profitului unităţii în viitor.

 Definiţi în diverse moduri conceptul de sistem
 Reprezentaţi matematic sistemul
 Exemplificaţi elementele reprezentării matematice pentru un sistem bancar
 Clasificaţi sistemele
 Care sunt criteriile de descompunere a sistemelor?
 Redaţi schematic interconexiunile dintre subsistemele unei unităţi productive
51
 Care este problematica obiectivelor unui sistem?

 Definiţi dinamicitatea sistemelor
 Definiţi entropia sistemelor
 Explicaţi raportul entropie-decizie
 Reprezentaţi un sistem cu autoreglare
 Definiţi accesibilitatea sistemelor
 Definiţi controlabilitatea sistemelor
 Definiţi observabilitatea sistemelor
 Definiţi stabilitatea sistemelor
1. Boldur - Lăţescu, Gh. Logica decizionalã şi conducerea sistemelor, Editura
Academiei Române, Bucureşti, 1992.
2. Checkland, P.B. System Thinking, System Practice, John Willey & Song,
1993.
3. Hartulari, C. Analiza sistemelor industriale şi comercial bancare-
Studii de caz, Societatea Autonomă de Informatică,
Bucureşti, 1997.
4. Hartulari, C., Bădescu, A. Analiza sistemelor, Editura Societatea Autonomă de
Informatică, Bucureşti, 1996.
5. Martin, E. A Profesional’s Guide to System Analysis, Second
Edition By Modell, Published by McGraw-Hill Book
Company, 1998.
6. Păun, M. Analiza sistemelor economice, Editura ALL, Bucureşti,
1997.
7. Scarlat, E. Dinamica sistemelor, A.S.E., Bucureşti, 1994.
52
MODULUL 3. SISTEMUL INFORMAŢIONAL ÎN CADRUL ORGANIZAŢIEI
CONCEPTE DE BAZĂ
Sistemul informaţional, informaţie, date, pertinenţă, fluxuri de informaţii, informaţii
formale /informale, date, cunoştinţe, abordare sistemică, sistemul de management,
subsistemul informaţional
OBIECTIVE URMĂRITE
 Definirea sistemului informaţional
 Cunoaşterea particularităţilor sistemelor informaţionale ale organizaţiilor
 Cunoaşterea elementelor sistemelor informaţionale
 Cunoaşterea conceptului de pertinenţă a informaţiei
 Identificarea fluxurilor informaţionale generate la nivelul funcţiunilor
organizaţiei
 Cunoaşterea deficienţelor sistemelor informaţionale
 Definirea datei, a informaţiei şi a cunoştinţei
 Cunoaşterea locului şi rolului cunoştinţelor într-un sistem organizaţional
 Cunoaşterea componenţei sistemului de management şi intercondiţionările
existente între acestea

Modulul intitulat „Sistemul informaţional în cadrul organizaţiei” va oferi studentului
cunoştinţe despre locul şi rolul sistemului informaţional în cadrul organizaţiei privite ca
sistem, în special în relaţie cu nivelul sistemului de management al organizaţiei. Studentul va
putea identifica elementele sistemului informaţional, interdependenţa lor şi va putea analiza
proprietăţile şi deficienţele acestora. Studentul va putea identifica circuitele informaţionale şi
fluxurile de informaţii care le străbat.
UNITATEA DE CURS 3.1. FUNDAMENTE TEORETICE
OBIECTIVE
 Definirea sistemului informaţional
 Cunoaşterea particularităţilor sistemelor informaţionale ale organizaţiilor
 Cunoaşterea elementelor sistemelor informaţionale
 Cunoaşterea conceptului de pertinenţă a informaţiei
53
 Identificarea fluxurilor informaţionale generate la nivelul funcţiunilor

organizaţiei
 Cunoaşterea deficienţelor sistemelor informaţionale
NOŢIUNI CHEIE
Sistemul informaţional, informaţie, date, pertinenţă, fluxuri de informaţii
Sub aspectul utilităţii lor economice şi sociale, sistemele informaţionale şi informatice

din cadrul organizaţiei au astăzi o legitimitate recunoscută, ţinând cont de transformările
generate de evoluţia fenomenului de globalizare, precum şi de constrângerile sau
oportunităţile oferite de un mediu concurenţial.
Reflecţiile asupra relaţiei informatică — management conduc spre o serie de dezbateri
conceptuale, metodologice sau funcţionale a căror rezultantă se constituie într-o nouă
perspectivă de evoluţie a organizaţiei, perspectivă care reprezintă prin conţinutul ei, mult mai
mult decât un proces de continuitate a practicilor uzuale existente.
Sistemele informaţionale - în principal prin componentele lor informatice - alături de
ansamblul proceselor manageriale ce se desfăşoară în cadrul organizaţiei se află prin definiţie,
la intersecţia a numeroase domenii fundamentale, iar efectele acestei abordări sinergice nu pot
fi decât constructive pe plan strategic, financiar, administrativ sau tehnologic. De aceea,
considerăm că în acest capitol se impune ca, structura şi funcţionalitatea sistemului
informaţional să fie studiate şi luate în considerare în corelaţie cu sistemul decizional şi
procesele de management şi mai puţin, într-o viziune limitată la domenii punctuale existente
în planul organizaţiei (gestiune, fiscalitate, fabricaţie, servicii etc.). După cum apreciază
Herbert Simon (Premiul Nobel pentru economie în 1978), "în societatea postindustrială,
problema centrală este de a ştii cum să te organizezi pentru a lua decizii, ceea ce înseamnă a
ştii cum să tratezi informaţia ".
După cum se cunoaşte, funcţionarea organizaţiei este bazată pe un ciclu economic,
constând dintr-o serie de procese de transformare succesivă a capitalului iniţial, în scopul
recreării lui şi în acelaşi timp, a obţinerii unei plusvalori. Eficacitatea acestui ciclu economic
este condiţionată de prezenţa minimă a diferitelor perturbări, atât la nivelul fluxurilor
materiale, logistic-informaţionale sau tehnologice, cât şi la nivelul sistemului de management
al organizaţiei. In aceste condiţii, alături de celelalte resurse clasice, rolul resursei
informaţionale în atingerea obiectivelor strategice, precum şi în asigurarea competitivităţii
firmei devine esenţial, iar organizarea şi utilizarea informaţiei pe toate nivelurile decizionale,
devine cu mult mai importantă decât utilizarea în sine a calculatorului electronic. Informaţia -
scrisă sau orală, generală sau specializată - constituie elementul central al sistemului
informaţional şi prin semnificaţia ei, condiţionează ansamblul proceselor desfăşurate la
nivelul celorlalte componente sistemice ale organizaţiei.
Definirea conceptului de sistem informaţional îmbracă exprimări diverse, fiind unanim
acceptat ca un ansamblu structurat de elemente care oferă informaţii celor interesaţi. Deseori,
acest sistem este asociat în sens metaforic, cu sistemul sangvin din organismele vii, care
asigură colectarea, tratarea şi distribuirea sângelui către alte organe. Similar, ansamblul
complex al organizaţiei dispune de un sistem care colectează, prelucrează şi transmite
informaţii prin instrumente specifice, către celelalte elemente structurale, aflate în relaţii de
cauzalitate.
Capitolul de faţă îşi propune ca aria de discuţie şi analiză să fie delimitată de
problematica particulară sistemului informaţional, prin prisma modului în care acesta se
corelează cu sistemul decizional al organizaţiei, asigurând acea relaţie fundamentală dintre
informaţie şi decizie.
54
Una dintre abordările cele mai frecvente, defineşte sistemul informaţional ca un

ansamblu de componente, care acţionează în baza unor relaţii de cauzalitate, în vederea
culegerii şi prelucrării datelor şi informaţiilor, necesare la nivel decizional şi operaţional.
Subliniem din motive pedagogice, prezenţa celor trei determinări majore ale unui
sistem (potrivit teoriei sistemelor), respectiv, structura, cauzalitatea şi finalitatea. Astfel,
definiţia de mai sus pune în evidenţă identitatea componentelor (structura), relaţiile dintre
acestea (cauzalitatea), precum şi obiectivul creării sistemului (finalitatea). Ceea ce trebuie
menţionat în acest context, este faptul că, cei trei determinanţi majori ai oricărui sistem nu
există în mod independent, unul faţa de altul. In speţă, relaţiile de cauzalitate care se
manifestă în structura sistemului informaţional nu sunt în afara acţiunii conştiente a factorului
uman. Altfel spus, cauzalităţii trebuie să i se asocieze o finalitate (un obiectiv) direcţionată şi
dirijată.
Alţi autori definesc sistemul informaţional ca o reţea complexă de relaţii structurate în
care intervine factorul uman, de echipamente şi proceduri, care au ca obiect crearea unor
fluxuri ordonate de informaţii pertinente, provenite din surse interne şi externe organizaţiei şi
care sunt destinate să constituie baza de adoptare a deciziilor.
Sistemelor informaţionale ale organizaţiilor le sunt recunoscute într-o manieră mai
mult sau mai puţin explicită, două particularităţi importante:
• Gradul de pertinenţă al informaţiei, care generează acesteia atributul de factor de
progres sau dimpotrivă, de rigiditate şi regres. Calitatea sistemului informaţional este strâns
legată de determinanţii majori ce caracterizează o informaţie pertinentă (completitudine,
exactitate, oportunitate, fiabilitate etc.), asigurând prin toate componentele sale o funcţionare
corectă a organizaţiei şi deschizând acesteia o serie de direcţii de ordin strategic.
• Complexitatea sistemului informaţional, care scoate în evidenţă antinomia dintre
decizii structurate şi nestructurate, dintre procesul decizional fundamentat ştiinţific sau
empiric, dintre formal şi informal, dintre variabile certe şi cele necunoscute. Reducând sau
ignorând complexitatea sistemului informaţional în cadrul managementului, unele organizaţii
se axează preponderent pe implementarea diverselor tehnologii informatice, neglijând cerinţa
fundamentală de asigurare a unei infrastructuri informaţionale coerente şi unitare. In acest
sens apreciem că, managementul informaţiei, managementul fluxurilor de lucru şi al celor
informaţionale, identificarea reală a cerinţelor utilizatorilor, precum şi stabilirea obiectivă a
unei ordini de priorităţi în satisfacerea acestora, trebuie să prevaleze introducerea
tehnologiilor informatice.
Sistemul informaţional reuneşte un ansamblu de elemente interdependente, asupra
cărora acţionează dinamic o serie de evenimente, atât din mediul organizaţional, cât şi din cel
extern, elemente care într-o viziune general acceptată, sunt următoarele:
 Datele - reprezintă ansambluri de simboluri, exprimate sub formă numerică,
litere, sunete, imagini etc., susceptibile de a fi percepute de fiinţa umană. La
nivelul unei organizaţii, datele pot exprima de exemplu, norme, cantităţi, valori
corespunzătoare obiectivelor sau evenimentelor (fenomene economice,
juridice, sociale, teritoriale, politice etc.). De aceea, identificând datele,
desemnăm în fapt, ansamblul simbolurilor reprezentative ale unei informaţii
potenţiale.
 Informaţiile - se referă numai la acele date, care aduc elemente noi
destinatarului lor, care modifică percepţia asupra realităţii şi reduc gradul de
incertitudine (necunoaştere) asupra acesteia. Se desprinde, aşadar, concluzia
potrivit căreia, informaţiile formează o submulţime inclusă în mulţimea
datelor. Important de precizat, în această abordare este că, noţiunea de
informaţie este relativă destinatarului ei, în sensul că ceea ce reprezintă
informaţie pentru unul, nu este obligatoriu informaţie pentru altul. Aceasta
deoarece, informaţia ia în considerare întotdeauna semnificaţia fenomenului
real pe care-1 surprinde, semnificaţie care în mod fundamental, diferă în
55
funcţie de percepţia proprie a utilizatorului. Informaţia are aşadar, un puternic

caracter de subiectivism.
In cadrul proceselor de informare desfăşurate într-o organizaţie, o problemă
importantă se referă la necesitatea de a asigura informaţiilor proprietăţi, capabile să-i confere
o valoare de întrebuinţare cât mai mare. Aceste proprietăţi definesc conceptul de pertinenţă a
informaţiei (fig. 3.1.) şi se reflectă în următoarele:
• Completitudinea - se referă la caracterul exhaustiv pe care trebuie să-1 posede o
informaţie, considerată a fi pertinentă. Chiar dacă în practică, această proprietate este greu de
atins (circuite informaţionale lungi, existenţa fenomenelor de filtraj, distorsiune etc.),
realizabilitatea ei este mult mai mare, prin intermediul noilor tehnologii informatice şi de
comunicaţie.
• Accesibilitatea - se concretizează în asigurarea condiţiilor efective, pentru a intra în
posesia informaţiei: unde se găseşte? ; cât timp necesită extragerea informaţiei căutate? Un
aspect interesant relativ la această proprietate este acela că, între gradul de accesibilitate al
informaţiei şi volumul de date din care se extrage informaţia utilă (în forma şi la momentul
dorit), nu există, în mod obligatoriu, o relaţie de directă proporţionalitate. Un volum mare de
date nu implică un grad la fel de mare, de acces la informaţie.
• Actualitatea - este o proprietate care reflectă oportunitatea informaţiei, adică
posibilitatea de a dispune de aceasta, chiar în momentul (sau intervalul de timp) în care este
necesară. Se consideră că, după acest interval „util", informaţia adiţională nu mai are sens,
pentru o decizie care a fost deja adoptată.
• Exactitatea - se referă la conţinutul informaţiei, precum şi la sursa de provenienţă a
ei. Atributul de exactitate îi conferă informaţiei o anumită funcţionalitate, într-un context
spaţial şi temporal bine definit. De asemenea, sursele din care provine informaţia sunt extrem
de importante, cunoscut fiind faptul că o sursă care a furnizat şi în trecut informaţii ce s-au
dovedit în timp corecte este susceptibilă de a asigura un grad satisfăcător de exactitate al
informaţiilor.
COMPLETITUDINE
(caracterul exhaustiv)
FIABILITATE ACTUALITATE
(gradul de încredere (reducerea întârzierii în
în sursa informaţiei) PERTINENŢA obţinerea informaţiei)
INFORMAŢIEI
PUNCTUALITATE
EXACTITATE (respectarea limitelor de
(absenţa fenomenului de timp în procesul de
perturbare) utilizare)
ACCESIBILITATE
(determinant major de
utilizare efectivă a informaţiei)
Figura nr. 3.1 Proprietăţile conceptului de pertinenţă a informaţiei
Este important de precizat că pertinenţa informaţiei este orientată spre utilizatorul ei şi

poate fi analizată doar în funcţie de un anumit context. Deplasarea într-un alt context face ca
informaţia să devină non-pertinentă şi legitimitatea ei să fie analizată în funcţie de altă
conjunctură.
Circuitele informaţionale - reprezintă traseul pe care îl parcurge o informaţie de la
sursă la destinaţie. Ele iau naştere atât in interiorul organizaţiei, cât şi între aceasta şi mediul
extern.
56
Practic, atât între compartimentele funcţionale aflate pe acelaşi nivel în structura

organizatorică, cât şi între cele situate pe niveluri diferite se creează canale (trasee)
informaţionale mai mult, sau mai puţin complexe. Eficienţa cu care sunt proiectate aceste
legături condiţionează în mod direct calitatea întregului proces de informare în cadrul
instituţiei publice, fapt care are profunde implicaţii în viteza, calitatea şi oportunitatea
informaţiei.
Fluxurile informaţionale - reprezintă ansamblul informaţiilor care parcurg circuitele
informaţionale. Legate intrinsec de componenta anterioară, fluxurile de informaţii iau naştere
în diferite moduri în cadrul structurii organizatorice a instituţiei. Astfel, putem considera trei
categorii şi anume:
• Fluxuri informaţionale verticale care se stabilesc între compartimente aflate pe
niveluri ierarhice diferite şi între care există relaţii de subordonare nemijlocită (de exemplu,
ansamblul de informaţii care sunt transmise de către şeful serviciului de aprovizionare dintr-o
organizaţie, managerului comercial).
• Fluxuri informaţionale orizontale, stabilite între compartimente aflate pe acelaşi nivel
ierarhic, între care nu există relaţii de subordonare ( informaţiile vehiculate între serviciul
financiar-contabilitate şi serviciul de resurse umane).
• Fluxuri informaţionale oblice, care apar de regulă, în mod aleator între
compartimente aflate pe niveluri ierarhice diferite, dar între care nu există relaţii de
subordonare (de exemplu, în cazul iniţierii unui proiect de investiţii de către Ministerul
Administraţiei şi Internelor se creează fluxuri de informaţii între Direcţia generală de
investiţii, Direcţia generală de buget şi Direcţia pentru cultură, aflate pe nivele ierarhice
diferite, dar neavând aceeaşi subordonare).
In funcţie de natura şi complexitatea organizaţiei, sistemul informaţional comportă o
varietate de circuite informaţionale şi, implicit, de fluxuri de informaţii care le traversează.
Unele dintre acestea sunt de natură formală şi pot fi evidenţiate în cadrul structurii
organizatorice a firmei, prin diagramele de relaţii existente între nivelurile ierarhice, verigile
organizatorice şi posturi. De asemenea, circuitele şi fluxurile informaţionale sunt
indestructibil legate de fluxurile materiale, financiare sau umane din organizaţie, sau din afara
ei. Dacă ne referim de pildă, la întregul proces de comandă şi coordonare a fluxurilor fizice
către clienţi (produse finite) şi a fluxurilor de la furnizori (materii prime) acesta este
caracterizat de două tipuri principale de fluxuri:
• Fluxuri de informaţii - care au rolul de a regulariza circuitul mărfurilor în amonte şi
în aval, permiţând întreprinderii să-şi ajusteze oferta în funcţie de cererea reală de pe piaţă.
• Fluxul de mărfuri - care integrează total sau parţial, o serie de operaţii de distribuţie
fizică a produselor şi de gestiune a producţiei şi a aprovizionării.
Dacă avem în vedere organizarea procesuală a firmei, cu reprezentarea funcţiunilor şi
activităţilor acesteia putem observa în figura nr 3.2 legăturile şi fluxurile de informaţii care
apar:
Flux bugetar
Flux contabil şi financiar
Flux de Flux de Flux de Flux de

vânzări aprovizionare producţie personal
57
flux informaţional
Figura nr. 3.2 Fluxurile informaţionale generate la nivelul funcţiunilor organizaţiei
În practică, sistemul informaţional este adesea completat şi uneori contracarat de

numeroase circuite informaţionale paralele, de natură informală, generate de obiceiuri şi
relaţii interpersonale în cadrul organizaţiei. Deşi reprezentarea lor prin diagrame de flux nu
este posibilă, este acceptat faptul că ele fac parte din sistemul informaţional, fiind din păcate
dificil de raţionalizat şi în consecinţă, angrenând o serie de disfuncţionalităţi în funcţionarea
acestuia.
Procedurile informaţionale - sunt reprezentate de un ansamblu de metode şi tehnici de
reprezentare a informaţiilor primare, prin intermediul cărora este asigurată interfaţa om-
calculator. Calitatea acestei componente este condiţionată de modul de utilizare a
tehnologiilor informatice moderne, care permit punerea la dispoziţia utilizatorilor, a unor
aplicaţii informatice cu interfeţe „prietenoase" şi facile.
Mijloacele de tratare a informaţiilor - reunesc suporturile fizice (hardware) şi cele
logice (software) prin care sunt asigurate procesele de culegere, prelucrare, transmitere,
stocare a informaţiei, în vederea obţinerii rezultatelor dorite, în mod evident, această
componentă este deosebit de dinamică, fiind influenţată permanent atât de evoluţia
echipamentelor de calcul, cât şi de apariţia unor noi software-uri de bază sau de aplicaţie.
O problemă esenţială în funcţionarea oricărui sistem informaţional o reprezintă
necesitatea identificării principalelor deficienţe care se manifestă în cadrul său, precum şi
adoptarea celor mai bune soluţii pentru minimizarea efectului lor, asupra organizaţiei, precum
şi asupra sistemului său de management.
Cele mai cunoscute deficienţe, reunite sub titulatura de „generale", deoarece
caracterizează orice sistem informaţional, indiferent de specificul organizaţiei, sunt:
a. Distorsiunea - se referă la modificarea în mod neintenţionat a conţinutului
informaţiei, de-a lungul circuitului informaţional pe care îl parcurge. Cele mai multe cazuri în
care apare această deficienţă sunt generate de o înţelegere eronată a unei informaţii, fără a
exista însă această intenţie din partea sursei de transmitere.
b. Filtrajul - reprezintă din punct de vedere al semnificaţiei, antonimul distorsiunii, în
sensul că informaţia este modificată în mod intenţionat, fie direct de la sursă, fie în alte puncte
aflate pe circuitul informaţional. Un exemplu de filtrare a informaţiei este atunci când un
angajat furnizează un anume raport - altei persoane sau compartiment - al cărui conţinut este
modificat intenţionat, conform unui interes personal sau de grup.
In concluzie, ambele deficienţe - distorsiunea şi filtrajul - se manifestă prin
modificarea conţinutului informaţiei, din punct de vedere al perturbării funcţionării sistemului
informaţional al organizaţiei fiind la fel de „nocive", prin prisma efectelor pe care le produc.
Fenomenele de distorsiune şi filtraj fac referire la conţinutul informaţiei, dar ele trebuie
privite într-un context mult mai larg, în care luăm în considerare aria de utilizare a
informaţiei, legăturile cu mediul, gradul de abstractizare, periodicitatea utilizării, urgenţa etc.
c. Redundanţa - se referă la înregistrarea în mod repetat a aceloraşi informaţii, sau a
unora asemănătoare, pe acelaşi suport de memorare, sau pe suporturi diferite. De exemplu, la
nivelul unei primării, introducerea unor informaţii referitoare la planul general de urbanism al
oraşului într-o bază de date trebuie să se realizeze o singură dată, ele putând fi utile, atât
direcţiei de investiţii, cât şi direcţiei de urbanism şi amenajarea teritoriului. Din punct de
vedere informaţional, redundanţa reprezintă o deficienţă importantă, cu efecte negative în
acurateţea şi exploatarea informaţiei, precum şi în ceea ce priveşte raţionalitatea sistemului
informaţional. Totuşi, în practică este necesară menţinerea unei redundanţe minime şi
controlate, un exemplu în acest sens, fiind crearea fişierelor de tip arhivă, pentru memorarea
58
pe termen lung a unor informaţii, sau restaurarea altora, atunci când au fost alterate fişierele
de stare (temporare) care le conţineau.
d. Aglomerarea canalelor informaţionale - reflectă o perturbare în funcţionarea
sistemului informaţional, care constă în vehicularea unui volum de informaţii mai mare decât
este necesar de-a lungul circuitelor, precum şi în transmiterea către anumite destinaţii (şefi de
compartimente, directori, manageri etc.) a unor informaţii care nu intră în sfera lor de
competenţă.
Manifestarea unor astfel de deficienţe la nivelul sistemului informaţional generează o
serie de complicaţii în ansamblul organizaţiei, pe cel puţin două planuri:
• pe plan uman, deoarece atât personalul de conducere, cât şi cel de execuţie din cadrul
organizaţiei sunt sceptici în faţa unor sisteme informatice care se vor implementa pe un suport
informaţional defectuos, fiind tentaţi să subaprecieze efectul (produse informatice slabe) şi nu
cauza (sistem informaţional neperformant);
• pe planul întregului sistem de management, care nu mai poate funcţiona eficient
pentru atingerea finalităţii sale, atâta timp cât, cel puţin una din componentele lui nu-şi
respectă propriile legi de funcţionare.
59
UNITATEA DE CURS 3.2. DE LA DATE-INFORMAŢII, LA DATE-INFORMAŢII-

CUNOŞTINŢE
OBIECTIVE
 Definirea datei, a informaţiei şi a cunoştinţei
 Cunoaşterea locului şi rolului cunoştinţelor într-un sistem organizaţional
NOŢIUNI CHEIE
Informaţii formale /informale, date, cunoştinţe
Raportat la mediul organizaţional, datele şi informaţiile concentrează esenţa tuturor

activităţilor, proceselor, fenomenelor şi comportamentelor umane, fiind percepute drept
nucleul sistemului informaţional, care le asigură colectarea, prelucrarea şi transmiterea în şi
către alte sisteme. Un interes deosebit pentru activitatea cotidiană a organizaţiilor, prezintă
datele şi informaţiile formale (care descriu indicatori, planuri, procese etc.) şi care reprezintă
de regulă, suportul preponderent necesar adoptării deciziilor bine structurate. De asemenea,
sub aspectul prelucrării lor automate, această categorie de date şi informaţii pot fi
algoritmizate prin diverse modele economico-matematice. Realitatea este însă caracterizată,
de o multitudine de date şi informaţii de natură informală (care descriu relaţii de grup,
structuri de conducere, sisteme de valori, cultură organizaţională etc), care nu se înscriu într-
un context exact şi nu pot fi interpretate cu ajutorul unei structuri sau al unui model.
Activităţile din cadrul organizaţiei pot fi descrise sub forma datelor şi a informaţiilor şi,
cu condiţia formalizării lor, ele pot fi stocate prin intermediul instrumentelor informatice,
constituindu-se într-un capital informaţional util decidenţilor. In ultimii ani, se înscrie tot mai
mult în perspectiva managerială, problema capitalizării cunoştinţelor existente într-o
organizaţie, în scopul valorificării lor în procesele decizionale. Apare astfel, o relaţie
tridimensională date - informaţii - cunoştinţe, care depăşeşte cadrul tradiţional al sistemelor
informaţionale şi se extinde asupra sistemelor de cunoştinţe.
Nu ne propunem în această lucrare aprofundarea problematicii legată de gestiunea
cunoştinţelor, ci urmărim doar să evidenţiem succint, rolul lor de resursă strategică pentru
organizaţia modernă, precum şi influenţa potenţială asupra actului decizional.
In plan teoretic s-a pornit de la ideea potrivit căreia cunoştinţele rezidă într-o anumită
aptitudine de comportament a unei persoane, aptitudine relevată prin capacitatea acesteia de a
răspunde într-o manieră apropiată cu o situaţie dată. Această abordare ridică însă întrebări,
asupra relaţiei date - informaţii - cunoştinţe. Dacă informaţia este definită, în mod clasic ca o
dată care are un sens, într-un anumit context, legătura între informaţie şi cunoştinţă este dificil
de precizat. Informaţia este constituită dintr-un ansamblu de mesaje, iar cunoştinţele sunt
create prin acest ansamblu de informaţii, totul fiind ancorat în credinţele proprii deţinătorului
lor. Cu siguranţă însă, cunoştinţele nu pot fi rezumate doar la o simplă acumulare de
informaţii, iar între cantitatea de informaţii de care dispune o organizaţie la un moment dat şi
cantitatea de cunoştinţe pe care ipotetic o pot crea angajaţii săi, nu există o relaţie liniară.
Concluzionând asupra relaţiei dintre date, informaţii şi cunoştinţe reţinem următoarele
afirmaţii:
• data este o resursă obiectivă şi statică;
• informaţia constituie un ansamblu de date semnificative şi are valoare în raport cu un
scop ( o problemă);
60
• cunoştinţa este subiectivă, dinamică, creată în cadrul interacţiunii sociale dintre

individ şi organizaţie, legată de un anumit context şi are un caracter relativ, în măsura în care
derivă din capacitatea creativă a omului.
Literatura în domeniu identifică două categorii de cunoştinţe care prezintă interes
pentru a fi gestionate şi anume, tacite şi explicite. Cunoştinţele tacite decurg din încorporarea
la nivelul posesorului lor, a unor reprezentări mentale, a unor scheme de acţiune referitoare la
realizarea unor sarcini cognitive sau concrete. Ca urmare, cunoştinţele tacite sunt non
exprimabile, puternic dependente de percepţia individului în contextul unei acţiuni, de
obiectivele pe care le urmăreşte, dar şi de propriile sale valori sau credinţe. Cunoştinţele
explicite prezintă particularitatea de a putea fi transmisibile printr-un limbaj formal. Ele sunt
enunţabile, obiective şi structurate logic şi au o formă fizică care permite să fie stocate şi
accesate. De fapt, această categorie de cunoştinţe este cea care suscită interesul specialiştilor,
privind capitalizarea şi gestionarea lor în organizaţie.
Pentru organizaţia de azi, cunoştinţele se constituie ca o veritabilă resursă strategică,
care trebuie gestionată în scopul obţinerii avantajului competitiv. Mutaţiile organizaţionale
generate de fenomenul de. mondializare sau de concurenţa acerbă de pe piaţă evidenţiază noi
forme de organizare care deplasează frontierele tradiţionale ale organizaţiei. In aceste condiţii,
teoria firmelor bazate pe cunoştinţe susţine că acestea trebuie să recurgă la instrumente pentru
capitalizarea lor, în egală măsură cu generarea de noi cunoştinţe şi cu punerea în aplicare a
celor pe care deja le posedă. Aceasta implică o reconsiderare a evoluţiei funcţionalitaţii
sistemelor informaţionale, precum şi folosirea noilor tehnologii informatice şi de comunicaţie
de tip Internet, Intranet, depozite de date (Data Warehouse, Data Mining) etc.
Crearea la nivelul organizaţiei a unei baze de cunoştinţe reprezintă un real progres în
optimizarea actului decizional. In acest sens, remarcăm două dintre perspectivele ce
caracterizează cunoştinţele, respectiv perspectiva obiect şi perspectiva procesuală, care extind
limita înţelegerii asupra acestora în scopul folosirii lor de către decidenţi.
Privită ca obiect, cunoştinţa este considerată un element care poate fi stocat şi
manipulat. De aceea, în această perspectivă se pune accent în principal, pe definirea
conţinutului ei, pentru a putea fi reţinută într-o bază de cunoştinţe şi ulterior administrată.
Evident, este vorba de cunoştinţele explicite, transmisibile printr-un limbaj formal şi care se
referă la situaţii mangeriale, probleme de decizie sau alte evenimente care au fost rezolvate pe
baza lor. De subliniat faptul că, modul de tratare a cunoştinţei ca obiect a fost valorificat pe
marginea conceptului de memorie organizaţională, construindu-se un repertoar de cunoştinţe
(declarative, procedurale, cauzale, relaţionale, pragmatice, conjuncturale etc.) folosite în
practica decizională.
Din perspectiva procesuală, cunoştinţa este studiată sub aspectul impactului
gestionării ei asupra eficacităţii organizaţionale şi a influenţei asupra altor acţiuni
manageriale.
Extinderea relaţiei date — informaţii spre date - informaţii — cunoştinţe capătă noi
valenţe în contextul susţinerii proceselor decizionale. Cu toate acestea, remarcăm faptul că,
dacă în ceea ce priveşte informaţiile, suportul oferit de noile tehnologii informatice şi de
comunicaţie în gestionarea lor este indubitabil, pentru gestiunea cunoştinţelor aportul acestor
tehnologii este moderat deoarece cunoştinţele nu vor circula niciodată liber, odată cu punerea
în aplicare a unei tehnologii.
61
UNITATEA DE CURS 3.3. ABORDAREA SISTEMICĂ A COMPONENTEI

INFORMAŢIONALE
OBIECTIVE
 Cunoaşterea componenţei sistemului de management şi intercondiţionările
existente între acestea
NOŢIUNI CHEIE
Abordare sistemică, sistemul de management, subsistemul informaţional
Ipoteza fundamentală care stă la baza abordării sistemice se întemeiază pe

transformările care se produc în interiorul ansamblului studiat, rezultate din modificările mai
mult sau mai puţin controlate pe care le suferă variabilele de intrare, provenind din alte
sisteme sau din mediu. Aceste transformări generează variabilele de ieşire care sunt preluate
de asemenea, de alte sisteme sau de mediu.
Plecând de la ipoteza de mai sus, se apreciază că în cadrul organizaţiei elementele cu
caracter decizional, informaţional, operaţional, precum şi cele referitoare la metodele şi
tehnicile de management acţionează sistemic, în baza relaţiilor de cauzalitate, în vederea
atingerii unei finalităţi bine definite: exercitarea proceselor şi relaţiilor de management. Acest
ansamblu - în fapt, sistemul de management al organizaţiei - are proprietatea de a se
reorganiza spontan sub influenţa propriei structuri interne, precum şi a mediului, funcţionând
pe baza mecanismului de autoreglare (descris în detaliu în modulul 1).
Constituit din patru subsisteme fundamentale (decizional, informaţional, organizatoric
şi cel al metodelor şi tehnicilor de management) acest sistem care asigură raţiunea existenţei
organizaţiei este un ansamblu complex ce posedă o serie de proprietăţi. De subliniat că, aceste
proprietăţi se regăsesc la nivelul ansamblului sistemului de management, devenind
nesemnificative sau puţin reprezentative, atunci când se regăsesc doar la nivelul unei anumite
componente a sistemului.
Această afirmaţie reflectă de altfel, punctul esenţial al teoriei lui Bertalanffy şi anume
faptul că, „întregul e mai mult decât suma părţilor". De exemplu, sistemul de management
are proprietatea de a adopta deciziile în baza cărora se asigură evoluţia organizaţiei pe termen
scurt, mediu şi lung. Reducerea acestei proprietăţi strict la nivelul subsistemului decizional
devine nesemnificativă (chiar imposibilă), deoarece acesta este incapabil să asigure derularea
unui proces decizional, în lipsa informaţiilor furnizate de către o altă componentă a întregului,
respectiv cea informaţională.
La nivelul sistemului de management al organizaţiei, subsistemul informaţional se
detaşează prin dinamism şi flexibilitate, în special datorită componentelor sale informatice.
Atenţia deosebită care este acordată acestui subsistem în cadrul oricărei organizaţii
este justificată atât de locul şi rolul său în ansamblul componentelor de management, cât şi de
amploarea pe care a cunoscut-o în ultimele decenii dezvoltarea tehnologiei informaţiei.
62
DECIZII
SUBSISTEM DECIZIONAL
CURENTE TACTICE STARTEGICE
Informaţii despre acţiuni

şi procese de execuţie SUBSISTEM INFORMAŢIONAL
Componente informatice pentru
Fundamentare Gestiune
Decizii Economică
Informaţii despre acţiuni

şi procese de execuţie SUBSISTEM ORGANIZATORIC
Figura nr. 3.3 Intercondiţionările existente între sistemul informaţional şi celelalte subsisteme
ale sistemului de management
Între componentele sistemului de management se poate remarca existenţa unei

interacţiuni dinamice, procesele de informare fiind asigurate prin intermediul subsistemului
informaţional. Potrivit abordării cibernetice iniţiată de Wiener în 1967, sistemul de
management al unei organizaţii este unul cu feed-back, bazat pe prezenţa acţiunii şi
retroacţiunii la nivelul elementelor componente, în acest sistem, componenta informaţională
realizează o condiţionare reciprocă între cea decizională şi cea organizatorică (figura nr. 3.3).
Se observă că ieşirile subsistemului organizatoric, concretizate în date şi informaţii
despre procesele de muncă desfăşurate la nivelul compartimentelor funcţionale, sunt preluate
de către subsistemul informaţional, prin intermediul circuitelor informaţionale, sub forma
fluxurilor de informaţii. Raţionalitatea cu care acestea sunt proiectate influenţează în mod
direct acurateţea, viteza şi pertinenţa informaţiilor care în final, vor sta la baza adoptării
deciziilor. Prin intermediul mijloacelor clasice sau a componentelor informatice, variabilele
de intrare în sistemul informaţional sunt supuse diferitelor prelucrări, urmând să fie
direcţionate către subsistemul decizional. Considerate variabile de intrare pentru acest
subsistem, informaţiile stau la baza actului decizional, finalizat prin elaborarea deciziilor
pentru o anumită problemă. Decizia constituie variabilă de ieşire a subsistemului decizional,
respectiv de intrare în cel organizatoric, realizându-se astfel conexiunea inversă în cadrul
sistemului de management.
Remarcăm faptul că, subsistemul decizional şi cel organizatoric sunt în fapt, un caz
particular al modelului general operaţie - informaţie - decizie [29], care reliefează sistemul
informaţional ca un element de corelare al sistemului de comandă (pilotaj) şi al celui operant
(de execuţie) din cadrul oricărei organizaţii. Potrivit acestei abordări, organizaţia este
structurată în trei componente sistemice, aflate în interacţiune:
• Subsistemul de comandă (de pilotaj), care are rolul de a coordona, controla şi decide
asupra evoluţiei evenimentelor specifice, provenind din mediul intern sau extern.
• Subsistemul operant (de execuţie), care are rolul de a îndeplini sarcinile trasate de
către subsistemul de comandă, contribuind astfel la funcţionarea de ansamblu a sistemului
organizaţiei.
• Subsistemul informaţional, care asigură, în esenţă, comunicarea între celelalte două
subsisteme, pe de-o parte şi interfaţa cu mediul extern, pe de altă parte, în această viziune,
sistemul informaţional joacă rolul unei „memorii" între sistemul de comandă şi cel de
execuţie şi susţine procesele de informare dintre acestea.
63

 Definiţi sistemul informaţional
 Enumeraţi elementele sistemelor informaţionale
 Explicitaţi conceptul de pertinenţă a informaţiei
 Prezentaţi schematic fluxurile informaţionale generate la nivelul funcţiunilor
organizaţiei
 Prezentaţi deficienţele ce caracterizează un sistem informaţional
 Definiţi data, informaţia şi cunoştinţa
 Prezentaţi schematic intercondiţionările existente între sistemul informaţional
şi celelalte subsisteme ale sistemului de management
1997.
3. Radu,I. s.a Informatica si Management, Editura Universitara,
Bucuresti, 2005.
64
MODULUL 4. TIPURI ŞI CATEGORII DE SISTEME INFORMATICE PENTRU

MANAGEMENTUL ORGANIZAŢIEI
CONCEPTE DE BAZĂ
Hardware, software, procesarea informaţiilor, evoluţia sistemelor informatice,
structurarea sistemelor informatice, tipologia sistemelor informatice, produse informaţionale,
controlul proceselor, inteligenţa artificială, impactul tehnologiei informaţiei, dimensiunea
internaţională, organizaţie globală, sisteme informatice globale
OBIECTIVE URMĂRITE
 Cunoaşterea elementelor componente ale unui sistem informatic
 Cunoaşterea activităţilor dintr-un sistem informatic
 Cunoaşterea cronologiei evoluţiei sistemelor informatice
 Cunoaşterea tendinţelor în structurarea sistemelor informatice
 Clasificarea sistemelor informatice
 Cunoaşterea impactului tehnologiei informaţiei asupra organizaţiei
 Cunoaşterea particularităţilor managementului sistemelor informatice la nivel
global
 Cunoaşterea particularităţilor managementului sistemelor informatice la
nivelul organizaţiilor globale

Modulul „Tipuri şi categorii de sisteme informatice pentru managementul
organizaţiei” va permite studentului cunoaşterea sistemului informatic în cadrul organizaţiei,
componentele şi activităţile realizate într-un sistem informatic. Studentul va cunoaşte evoluţia
în timp a sistemelor informatice. Studentul va putea identifica diversele tipuri de sisteme
informatice din cadrul organizaţiei, cu precizarea rolului şi funcţionalităţii lor. Studentul va
cunoaşte particularităţile managementului sistemelor informatice la nivelul organizaţiilor
globale.
UNITATEA DE CURS 4.1. COMPONENTELE UNUI SISTEM INFORMATIC
OBIECTIVE
 Cunoaşterea elementelor componente ale unui sistem informatic
 Cunoaşterea activităţilor dintr-un sistem informatic
65
NOŢIUNI CHEIE
Hardware, software, procesarea informaţiilor
Modelul unui sistem informatic exprimă cadrul conceptual pentru componentele

principale şi activitatea sistemului informatic. Sistemul informatic depinde de resursele
umane, de hardware şi software pentru a realiza intrările în sistem, prelucrările, ieşirile din
sistem, precum şi activităţile de control care convertesc datele în produse informaţionale.
Elementele componente ale unui sistem informatic:
Oameni, hardware, software şi date care sunt elementele de bază:
 Resursele umane - includ atât utilizatorii cât şi specialiştii;
 Hardware – includ echipamentele;
 Software – includ programe şi proceduri;
 Datele – sunt transformate prin activităţile de procesare într-o mare varietate
de produse informaţionale pentru utilizatori
Un alt aspect important îl reprezintă procesarea informaţiilor. Aceasta constă în

introducerea, prelucrarea, ieşirea şi stocarea şi activităţile de control. Datele sunt fapte brute
sau observaţii în general despre fenomene fizice sau tranzacţii comerciale. Datele au un
caracter obiectiv sunt măsurabile prin caracteristicile lor.
Informaţiile sunt deja procesate, au un anumit înţeles şi sunt folositoare utilizatorului.
Datele suferă un proces de adăugare de valoare prin:
 agregare, manipulare şi organizare
 analizarea şi evaluarea conţinutului lor
 utilizarea lor într-un context folositor pentru utilizator
Activităţile dintr-un sistem informatic

Principalele activităţi dintr-un sistem informatic sunt cele de prelucrarea informaţiilor.
Acestea includ:
a - Introducerea datelor;
b - Procesarea datelor pentru obţinerea de informaţii;
c - Ieşirea procedurilor informaţionale;
d - Stocarea resurselor informaţionale;
e - Controlul performanţelor sistemului.
a. Introducerea datelor – datele despre tranzacţiile comerciale sau despre alte

evenimente trebuie să fie adunate şi pregătite pentru prelucrare. Introducerea se
referă la editarea de înregistrări. Odată introduse, datele pot fi transferate pe un
suport (magnetic/optic) până la prelucrare.
b. Prelucrarea datelor – datele care sunt subiectul activităţilor de prelucrare cuprind:
calcule, comparări, sortări, clasificări sau însumări. Aceste activităţi organizează,
analizează şi manipulează datele convertindu-le în informaţii pentru utilizatori.
c. Ieşirea produselor informaţionale – informaţiile rezultate în urma prelucrării apar
în forme variate pentru a fi transmise utilizatorilor în forma solicitată de aceştia.
Informaţiile trebuie să îndeplinească anumite condiţii de calitate ce se referă în
general la:
 timp – viteza cu care informaţia ajunge la utilizator;
 conţinut – atributele care conferă valoare informaţiei;
 formă – felul în care ajunge la utilizator;
d. Stocarea produselor informaţionale – această activitate nu constituie o
componentă foarte importantă în cadrul sistemelor informatice. Ea reprezintă
66
activitatea dintr-un sistem informatic în care datele şi informaţiile sunt depozitate

într-un mod organizat în vederea unei utilizări ulterioare. Atunci procesul de
regăsire este necesar utilizatorilor prin rapiditatea şi acurateţea sa. Suporturile
utilizatorilor pentru stocarea datelor şi informaţiilor sunt în general magnetice sau
optice.
e. Controlul performanţelor sistemului – reprezintă o activitate de mare importanţă
în cadrul sistemului informatic o reprezintă controlul performanţelor sale. Această
activitate are în vedere următoarele elemente:
 un sistem informatic produce un feed-back despre intrările, procesul şi ieşirile
sale precum şi despre activitatea de stocare.
 Feed-back-ul trebuie monitorizat şi evaluat pentru a determina dacă sistemul
urmează să-şi atingă scopul prin performanţele sale.
 Feed-back-ul va trebui utilizat pentru a efectua ajustări în activitatea sistemului
pentru a-i corecta deficienţele.
67
UNITATEA DE CURS 4.2. EVOLUŢIA SISTEMELOR INFORMATICE
OBIECTIVE
 Cunoaşterea cronologiei evoluţiei sistemelor informatice
NOŢIUNI CHEIE
Evoluţia sistemelor informatice
O viziune sistemică, de ansamblu a organizaţiei permite câteva opţiuni în a o defini. Se

poate construi astfel, un model logic alcătuit din subsisteme bazate pe circuitul resurselor:
muncă, bani, materii prime. Mai mult, putem avea în vedere nivelurile managementului care
în funcţie de modalitatea de luare a deciziilor poate fi alcătuit din subsisteme cum ar fi cele de
natură geografică, regională, a pieţei etc.
Fig. 4.1 Sistem de generare de profit
În cele mai multe organizaţii, departamentele sunt alcătuite prin gruparea unor funcţii.
Departamentul financiar-contabil este alcătuit din persoanele care îndeplinesc funcţii de
natură financiar-contabilă iar departamentul de marketing de cei care se ocupă de aceste
activităţi, ş.a.m.d. Este important ca fiecare dintre aceste departamente să fie considerat un
subsistem în sine.
În decursul timpului s-au evidenţiat mai multe forme de a gestiona activitatea
economică prin utilizarea sistemelor informatice. În timp ele ar putea fi sintetizate aşa:
Anii ’50 – ’60

Prelucrarea electronică a datelor – rolul sistemelor informatice era de a procesa
tranzacţiile, de a întreţine (edita) înregistrările şi de a oferi diverse rapoarte.
68
Fig. 4.2 O viziune ierarhica a sistemelor informatice
Tabelul 4.1
Intrări Proces Ieşiri
SPT Date, Tranzacţii Clasificare, sortare, Rapoarte detaliate
actualizare Date prelucrate
SIM Date prelucrate, Generare de Decizii de rutină,
Modele rapoarte, date de răspunsuri la interogări
management,
modele simple,
interogări
SFD Date prelucrate, răspunsuri la Rapoarte speciale
Modele interogări, modelări,
simulări
SIE Date prelucrate, Analize Proiecte, trenduri
Rapoarte personalizate
Analize
SE Fapte, corelaţii Analize Soluţii la probleme care
reguli necesită experienţă
Legenda:
SPT – sisteme pentru prelucrarea tranzacţiilor
SIM – sisteme informatice pentru management
SFD – sisteme pentru fundamentarea deciziei
SIE – sisteme pentru activitatea executivă
SE – sisteme expert
Anii ’60 - ’70

Managementul sistemelor informatice – Acest mod organizare avea rolul de a oferi
managerilor (ca utilizatori ai sistemelor informatice) diverse rapoarte predefinite de
management care le ofereau informaţiile necesare pentru luarea deciziilor.
Anii ’70 - ’80

Sistemele pentru fundamentarea deciziei – aceste sisteme nou apărute aveau rolul de a
oferi managerilor utilizatori un suport ad-hoc pentru fundamentarea deciziei. Acest suport era
69
croit pentru anumite probleme specifice şi era mijlocit de compartimente specializate

(alcătuite din informaticieni).
Anii ’80 - ’90

Sisteme orientate utilizator
 Sisteme de prelucrare pentru utilizator - utilizatorii finali (fără a fi specialişti în
informatică) pot utiliza resursele de calcul pentru a îşi fundamenta deciziile
fără a mai apela la intermediari (compartimentul informatic, informaticieni);
 Sisteme informatice pentru nivelul executiv – rolul acestor sisteme informatice
este de a da nivelului decizional de vârf posibilitatea de a obţine informaţiile
necesare pe care le doresc, când doresc şi în forma pe care o doresc;
 Sisteme expert – rolul acestor sisteme este de a servi drept consultanţi (experţi)
pentru utilizator în anumite domenii, de obicei limitate.
Anii 2000
Sisteme informatice strategice şi globale
 Sistemele informatice strategice – rolul acestor sisteme este de a oferi un

component integral al proceselor de business, de producţie şi service care ajută
organizaţia pentru a câştiga un avantaj competitiv;
 Sisteme informatice globale – care au rolul de a utiliza reţelele (Intranet,
Internet sau altele) globale în scopul de a interconecta utilizatorul, cu
organizaţia, de a asigura comunicaţia şi colaborarea între subsistemele
organizaţiei pentru a asigura suportul desfăşurării business-ului la un nivel de
eficienţă maximă.
70
UNITATEA DE CURS 4.3. MODALITĂŢI DE STRUCTURARE A SISTEMELOR

INFORMATICE
OBIECTIVE
 Cunoaşterea tendinţelor în structurarea sistemelor informatice
NOŢIUNI CHEIE
Structurarea sistemelor informatice
Sistemele informatice din prezent pot fi construite în aşa fel încât să poată fi utilizate
şi în mod centralizat cât şi descentralizat în activităţile operaţionale şi de luare a deciziei.
a) Avantajele centralizării
 acest mod de lucru poate conecta toate componentele unei organizaţii prin
reţele de comunicaţii care oferă managementului posibilitatea de a centraliza
procesul de luare a deciziei (deciziile ce erau luate la nivelul de jos);
 se poate promova centralizarea operaţiilor care reduce numărul de birouri,
depozite şi alte spaţii de muncă.
b) Avantajele descentralizării
 utilizare de reţele distribuite de calculatoare la mai multe puncte de lucru ce
oferă managerilor de vârf posibilitatea de a delega deciziile la nivelul
managementului de mijloc;
 managementul poate descentraliza activitatea operaţională prin creşterea
numărului de grupuri care au acces la informaţie şi comunicaţie.
c) Tendinţe în structurarea sistemelor informatice

Dacă la începutul utilizării calculatoarelor sistemul de lucru era organizat într-un
compartiment distinct - centralizarea era singura opţiune - prin dezvoltarea tehnologiei
informaţiei, a computerelor puternice a determinat centralizarea hard-ului, softului şi a
specialiştilor din sistemele informatice la nivelul corporaţiilor.
După această perioadă dezvoltarea de PC-uri a determinat o tendinţă de descentralizare
mai ales că au apărut reţelele de calculatoare ce puteau fi accesate de orice utilizator. În
perioada următoare a apărut necesitatea de a se stabili un control asupra resurselor
informaţionale ale organizaţiei rezultată din descentralizarea de la nivelul unor organizaţii şi
descentralizarea de la nivelul altora ceea ce ar semăna cu nişte sisteme hibrid.
În fine, se remarcă în prezent tendinţa de a transfera funcţiile sistemelor informatice
unor firme din afara organizaţiei ca integratori de sistem.
71
UNITATEA DE CURS 4.4. CATEGORII DE SISTEME INFORMATICE
OBIECTIVE
 Clasificarea sistemelor informatice
NOŢIUNI CHEIE
Tipologia sistemelor informatice, produse informaţionale, controlul proceselor,
inteligenţa artificială
Sistemele informatice joacă un rol important în a asigura suportul activităţilor

manageriale şi operaţionale în business. Din acest motiv există posibilitatea de a clarifica
tipologia sistemelor informatice la nivel conceptual în:
1. Sisteme informatice operaţionale
2. Sisteme informatice pentru management
1. Sistemele informatice operaţionale ar putea cuprinde:

- sisteme informatice operaţionale
- sisteme pentru procesarea (prelucrarea) tranzacţiilor
- sisteme pentru controlul proceselor;
- sisteme pentru colaborarea la nivelul organizaţiei
2. Sisteme informatice pentru management cuprind:

- sisteme informatice pentru management (în general);
- sisteme informatice pentru fundamentarea deciziei;
- sisteme informatice pentru activitatea executivă.
Sistemele informatice operaţionale

Sistemele informatice sunt necesare pentru a prelucra datele generate şi utilizate în
operaţiile de business. Aceste sisteme informatice operaţionale produc a varietate de produse
informaţionale pentru uz intern sau extern. Aceste informaţii vor fi prelucrate mai departe de
către sistemele informatice pentru management. În general acestea au rolul:
- de a procesa date privind business-ul;
- de a controla procese industriale.
Sistemele informatice de prelucrare a tranzacţiilor

Aceste sisteme sunt orientate către prelucrarea datelor rezultate din business sau
operaţionale: vânzări, cumpărări, inventar şi oferă o varietate de produse informatice (liste,
situaţii etc.) de uz intern sau extern. Prelucrarea datelor se face în urma acumulării (la o
perioadă de timp) sau în timp real.
Sisteme informatice pentru controlul proceselor

Sunt acele sisteme care utilizează computerul pentru a controla anumite procese fizice
(linii de producţie robotizate, fabrici automate etc.)
Sistemele informatice pentru colaborarea la nivelul organizaţiei
72
Sunt sisteme care utilizează o gamă largă de tehnologii informatice pentru a asigura
colaborarea, comunicarea dintre angajaţii (membrii) unei organizaţii. Aceasta ajută la
schimbul de idei, împărţirea resurselor, coordonarea între membrii. Scopul acestor sisteme
informatice este de a creşte productivitatea şi creativitatea echipelor şi grupurilor de lucru
dintr-o întreprindere modernă.
Sistemele informatice pentru management

Această categorie de sisteme informatice sunt orientate spre a oferi suport şi informaţii
pentru autoritatea efectivă de luare a deciziei. Ele asigură suportul pentru necesităţile
decizionale de la nivelul de vârf (strategic), la cel de mijloc (tactic) sau cel operaţional.
Sistemele informatice pentru management oferă o varietate de rapoarte specifice folositoare în
activităţile manageriale curente. Produsele informatice pot fi obţinute la cerere, periodic sau
când apar necesităţi excepţionale.
Sisteme informatice pentru fundamentarea deciziei

Aceste sisteme oferă managerilor utilizatori informaţii întrun mod interactiv ori de
câte ori este nevoie. Managerii îşi generează informaţiile de care au nevoie pentru decizii,
folosind modele decizionale şi baze de date specializate.
Sisteme informatice pentru activitatea executivă

Sunt sisteme care asistă nivelul mediu şi de vârf al managementului organizaţiei.
Oferă un acces imediat şi uşor la informaţiile necesare atingerii obiectivelor strategice ale
firmei. Au un mod uşor de operare şi înţelegere.
Inteligenţa artificială
Este o combinaţie între ştiinţă şi tehnologie, al cărei scop este de a dezvolta computere
care pot gândi. Se porneşte de la ideea că dezvoltarea de funcţii ale computerului sunt asociate
în mod normal cu inteligenţa umană.
Sistemele expert
Sunt sisteme bazate pe computer şi care îşi utilizează cunoştinţele în aplicaţii specifice
cu o complexitate ridicată şi care acţionează similar cu un consultant uman. Aceste sisteme se
compun dintr-o bază de cunoştinţe (informaţii) şi nişte module software care se interferează şi
comunică apoi răspunsul la întrebările utilizatorului.
Sistemele de management a cunoştinţelor

Cele mai multe organizaţii au realizat că au devenit companii de creare de cunoştinţe
pentru a supravieţui şi se dezvoltă într-un mediu de business într-o continuă şi rapidă
schimbare. Aceste sisteme sunt dezvoltate pentru a gestiona învăţământul organizaţional şi
business know-how-ul.
Sisteme informatice strategice

Asigură rolul strategic al sistemelor informatice care implică utilizarea tehnologiei
informaţiei pentru dezvoltarea de produse, servicii, care se vor constitui în avantaje strategice
faţă de competitori pe piaţa globală. Această necesitate a creat sisteme informatice strategice
care sprijină poziţia competitivă şi strategia întreprinderii. Un sistem informatice strategic
poate fi orice tip de sistem informatice care ajută organizaţia să câştige un avantaj competitiv,
să reducă din distanţa competitivă sau să-şi îndeplinească obiectivele strategice.
Sisteme informatice pentru business

Aceste sisteme pot sprijini direct atât activităţile operaţionale cât şi pe cele de
management din zona business-ului: contabilitate, finanţe, managementul resurselor umane,
73
marketing, turism şi management operaţional. Pot fi atât sisteme informatice operaţionale cât
şi sisteme informatice pentru management.
Sistemele informatice integrate

Sistemele informatice din lumea reală sunt de fapt combinaţii integrate a mai multor
tipuri de sisteme informatice. Acestea sunt sisteme informatice bazate pe computere care
combină activităţile desfăşurate de mai multe tipuri de sisteme informatice. Cele mai multe
sisteme informatice sunt elaborate pentru a produce informaţii şi pentru a sprijini luarea
deciziilor la diferite niveluri ale managementului, dar şi pentru ţinerea de diverse evidenţe şi
prelucrare a tranzacţiilor.
Sistemele informatice dintr-o organizaţie pot fi clasificate în funcţie nivelul decizional

căruia i se adresează, după tipurile de programe pe care le utilizează etc. dar în final putem
spune că toate vin să asigure o desfăşurare corespunzătoare a activităţii de management.
4.4.1. Sistemele de prelucrare a tranzacţiilor
Sistemele de prelucrare a tranzacţiilor întreţin înregistrările de rutină ale activităţii

organizaţiei. Aceste sisteme se concentrează asupra înregistrărilor de zi cu zi şi desfăşoară
activităţi de procesări de date. Exemple: evidenţa vânzărilor, sistemele de rezervări,
contabilitate operativă, evidenţă bancară etc.
Sistemele de prelucrare a tranzacţiilor procesează datele de rutină care circulă într-o
organizaţie. Aceste sisteme sunt considerate structurate deoarece datele introduse sunt
prelucrate în concordanţă cu procedurile operaţionale standard. Sistemele de prelucrare a
tranzacţiilor sunt utilizate mai ales de funcţionari care au puţine (sau deloc) atribuţii de
management. Utilizatorii iau rareori decizii pe baza datelor de ieşire furnizate de aceste
sisteme.
Sistemele de prelucrare a tranzacţiilor prelucrează un volum mare de date de detaliu
într-o perioadă scurtă de timp. Datele trebuie să fie corecte şi la timp. Rezultatele prelucrării
sunt bazele de date în care se regăsesc tranzacţiile efectuate şi care devin punctul de plecare
pentru sistemele informatice pentru management şi a sistemelor informatice de fundamentare
a deciziilor.
Aceste sisteme se utilizează permanent deoarece curgerea datelor este constantă şi se
canalizează pe stocarea datelor şi pe viteza de prelucrare a lor.
4.4.2. Sistemele informatice de management
Aceste sisteme oferă informaţii managerilor prin generarea de rapoarte (de rutină sau
periodice) necesare activităţii de zi cu zi sau strategice. Sistemele informatice de management
sunt utilizate şi pentru depistarea de probleme sau oportunităţi. Exemple pot fi: analiza
bugetului, rapoarte de personal, rapoarte agregate ale vânzărilor.
Utilizarea acestor sisteme în scop de control se canalizează în general la nivelul
departamentului, diviziei sau al corporaţiei. Sistemele de acest tip utilizează atât date interne
(date din tranzacţii) cât şi externe (de la clienţi, observaţii) şi le însumează pentru activităţile
de planificare şi control.
Sistemele informatice de management se utilizează mai rar decât sistemele de
prelucrare a tranzacţiilor şi se focalizează asupra informaţiei şi a eficienţei.
74
4.4.3. Sistemele pentru fundamentarea deciziei
Sistemele pentru fundamentarea deciziei sunt o categorie deosebit de importantă a

sisteme informatice pentru management. Aceste sisteme sunt sisteme bazate pe computer care
oferă un sprijin informaţional interactiv managerilor în timpul procesului de luare a deciziei.
Sistemele pentru fundamentarea deciziei utilizează:
1. Modele analitice
2. Baze de date specializate
3. Modele interactive (bazate pe computer)
Aceste sisteme sunt create pentru a fi utilizate ad-hoc, oferind răspunsuri rapide sau
imediate care sunt managerilor ca utilizatori finali.
Componentele unui sistem pentru fundamentarea deciziei includ:
• Elementele hardware
• Elementele software
• Date
• Modelul de prelucrare
• Resursele umane
Modelele sunt elemente deosebit de importante ale sistemelor pentru fundamentarea

deciziei. O definiţie* a modelului este că modelul reprezintă o abstractizare simplificată a unei
realităţi care ilustrează componente fundamentale şi relaţiile dintr-un sistem.
Sistemele pentru fundamentarea deciziei se bazează nu numai pe modele dar şi pe baze
de date ca resurse vitale pentru sistem. Baza pentru sistemele pentru fundamentarea deciziei
este alcătuită dintr-un ansamblu organizat de modele matematice. Aceste modele reprezintă:
- calcule simple şi rutine analitice;
- modele matematice care exprimă relaţii complexe dintre numeroase variabile.
Pentru a transcrie modelele într-un limbaj agreat de computer sunt necesare software-
uri. Cele mai utilizate programe pentru sistemele de fundamentare a deciziilor sunt:
1. Programele de baze de date
2. Programele de calcul tabelar
1. Programele de baze de date (managementul bazelor de date) sunt programe

specializate care permit crearea, utilizarea şi întreţinerea bazelor de date integrate unui sistem
de fundamentare a deciziilor*. Aceste soft-uri fac posibilă definirea şi modificarea structurii
bazei de date, a înregistrărilor şi relaţiilor stabilite între câmpuri, stocarea şi regăsirea datelor
precum şi actualizarea şi controlul bazei de date.
2. Programele de calcul tabelar sunt programe tot specializate cel puţin la fel de
importante ca soft-urile precedente. Acestea oferă cele mai multe facilităţi în elaborarea de
modele analitice, interactive care utilizează numeroase variabile. Programele de calcul tabelar
sunt utilizate atât pentru sistemele de fundamentare a deciziilor cât şi pentru analiza business-
ului. Mai mult, acestea pot fi utilizate şi pentru rezolvarea de probleme ce necesită comparaţii,
estimări precum şi evaluarea alternativelor.
Utilizarea unui sistem de fundamentare a deciziilor implică patru tipuri de modele

analitice de bază:
1. Analiza What-if
2. Analiza senzitivităţii
3. Analiza Goal-seeking
4. Optimizările
75
1. Analiza What-if În acest tip de model utilizatorul modifică variabilele utilizate sau/şi
relaţiile dintre variabile şi apoi observă rezultatul acestor schimbări în valorile altor variabile.
2. Analiza senzitivităţii Acest tip de model reprezintă un caz special de analiză What-
if. Astfel o valoare a unei variabile este schimbată în mod repetat iar rezultatele sunt observate
în modificările celorlalte variabile. De cele mai multe ori se utilizează atunci când decidenţii
sunt nesiguri în estimările făcute asupra modificărilor unor variabile cheie.
3. Analiza Goal-seeking Acest model reprezintă o viziune răsturnată de analiză What-
if. În loc să se observe modificările unei variabile afectează celelalte variabile, modelul Goal-
seeking stabileşte o valoare ţintă pentru o variabilă şi face schimbări asupra celorlalte
variabile până valoarea ţintă a fost atinsă.
4. Optimizările Optimizările reprezintă o extensie deosebit de complexă a unei analize
Goal-seeking. Astfel se urmăreşte ca în loc de stabilirea unei valori ţintă să se obţină o valoare
optimă pentru una sau mai multe variabile în condiţiile existenţei mai multor constante (sau
restricţii). Se fac schimbări repetate în funcţie de constantele folosite până când se găsesc cele
mai bune valori pentru variabilele ţintă.
4.4.5. Sisteme informatice pentru nivelul executiv
Sistemele informatice pentru nivelul executiv sunt sisteme informatice care au unele
trăsături comune cu sistemele pentru fundamentarea deciziilor. Sistemele informatice pentru
nivelul executiv se focalizează asupra informaţiilor strategice necesare managementului la
nivelul de vârf.
Scopul acestor sisteme este de a oferi factorilor de decizie de la nivelul de vârf accesul
imediat şi facil la informaţiile necesare realizării scopurilor strategice ale firmei.
Nivelul de vârf decizional are nevoie de cantităţi mari de informaţie din diverse surse,
precum scrisorile, notele, rapoarte periodice sau rapoarte produse de alte sisteme informatice.
Aceste sisteme trebuie să ofere un acces rapid, uşor de accesat cu interfeţe prietenoase,
folosind elemente grafice.
Componentele unui sistem informatice pentru nivelul executiv

Sistemul informatic pentru nivelul executiv, la nivel conceptual are câteva
caracteristici cum ar fi:
 Utilizarea de reţele de calculatoare
 Soft-ul pentru sistemele informatice pentru nivelul executiv utilizează sistemul
de telecomunicaţii iar soft-ul de baze de date oferă acces la informaţiile din
mediul intern sau extern şi un acces instantaneu la interogări
 Oferă o mare varietate de informaţii privitoare la situaţia prezentă a
organizaţiei cât şi estimările privind situaţia viitoare
 Sistemele informatice pentru nivelul executiv au posibilităţi de a modela
analitic şi a evalua alternativele pentru sistemele pentru fundamentarea deciziei
 Informaţiile oferite de sistemele informatice pentru nivelul executiv pot fi
prezentate în forma dorită de manager.
Prelucrările analitice on-line

Prelucrările on-line sunt sisteme informatice pentru management, sisteme pentru
fundamentarea deciziei şi sisteme informatice pentru nivelul executiv care oferă posibilitatea
de a consulta şi manipula în mod interactiv un volum mare de date, chiar la nivel de detaliu şi
din perspective diferite.
Prelucrările analitice on-line implică:
76
1. Consolidation
2. Drill-down
3. Slicing and dicing
1. Permite combinarea datelor, agregarea şi stabilirea de legături între ele.

Această prelucrare poate fi de la o însumare simplă până la obţinerea de grupări complexe.
2. Implică o analiză reversivă pornind de la datele generale până la sursă
(detaliu). Se compară astfel datele agregate în mod ierarhic pe perioade de timp diferite.
3. Recurge la analiza unei mari baze de date din mai multe puncte de vedere.
Datele sunt prelucrate de-a lungul unei axe de timp pentru a analiza trendul şi a găsi modele.
Sistemele informatice îşi oferă rezultatele prelucrării şi sub forma unor rapoarte
(produse informatice) care vin să asiste deciziile luate de manageri în activitatea de zi cu zi.
Aceste rapoarte asigură necesarul de informaţie al acestora, atât pentru nivelul operaţional cât
şi pentru cel tactic.
Tipuri de rapoarte pot fi:
1. Rapoartele periodice – care sunt o formă clasică de date aranjate într-un format
prestabilit;
2. Rapoartele excepţionale – care sunt oferite când apar evenimente neprevăzute;
3. Rapoarte la cerere – care sunt produse atunci când sunt solicitate în forma
dorită.
77
UNITATEA DE CURS 4.5. SISTEME INFORMATICE LA NIVEL GLOBAL
OBIECTIVE
 Cunoaşterea impactului tehnologiei informaţiei asupra organizaţiei
 Cunoaşterea particularităţilor managementului sistemelor informatice la nivel
global
 Cunoaşterea particularităţilor managementului sistemelor informatice la
nivelul organizaţiilor globale
NOŢIUNI CHEIE
Impactul tehnologiei informaţiei, dimensiunea internaţională, organizaţie globală,
sisteme informatice globale
4.5.1. Tehnologia informaţiei în prezent
În perioada contemporană se remarcă existenţa necesităţii utilizării de către manageri a

sistemelor informatice şi a tehnologiei informaţiei. Tehnologia informaţiei oferă posibilitatea
managerilor de a gestiona mai bine interdependenţa organizaţională într-un cadru global.
Tehnologia informaţiei cu componentele sale: telecomunicaţiile, reţelele, computerele
şi resursele informaţionale sunt disponibile pentru manageri acum mai mult decât oricând.
Tehnologia informaţiei devine în condiţiile actuale şi o provocare managerială.
Gestionarea resurselor de sisteme informatice ale unui business nu mai este apanajul unui
specialist, ci mai degrabă o responsabilitate majoră a managerului. Tehnologia informaţiei
presupune şi eficienţă din punct de vedere economic. În prezent putem vorbi de faptul că
tehnologia informaţiei este utilizată mai mult pentru a gestiona procesele comerciale decât
pentru fundamentarea deciziilor. Eficienţa tehnologia informaţiei se referă şi la timpul de
răspuns la întrebări, la incompatibilitatea sistemelor, la neintegrarea aplicaţiilor etc.
Impactul tehnologia informaţiei asupra organizaţiei se reflectă cel mai bine în definirea
ei ca un sistem socio-tehnic. Componentele sale sunt:
1. Oamenii
2. Activităţile
3. Tehnologia
4. Cultura
5. Structura
Pentru a putea îmbunătăţi performanţele organizaţiei managerii trebuie să:

- schimbe unul sau mai multe componente ale sistemului socio-tehnic
- să supravegheze relaţiile stabilite între aceste componente interdependente
1. Oamenii
Managerii sunt persoane individuale cu preferinţe diverse în domeniul informaţiilor
precum şi cu posibilităţi mai mari sau mai mici de la le utiliza. În acest sens, un sistem
informatice va trebui să ofere acele informaţii care se apropie cel mai mult de necesităţile şi
dorinţele acestora.
78
2. Activităţile
Activităţile desfăşurate într-o organizaţie devin în timp dein ce în ce mai complexe şi
ineficiente. Tehnologia informaţiei are un rol major în simplificarea activităţilor şi creşterea
eficienţei organizaţiei.
3. Tehnologia
Sistemele informatice se află într-o continuă expansiune şi devin din ce în ce mai
sofisticate. Este nevoie ca nu tehnologia informaţiei să dicteze necesarul de informaţie pentru
utilizatori în desfăşurarea activităţilor. Se impune ca managementul să se acomodeze cu
cultura şi structura fiecărei organizaţii.
4. Cultura
Organizaţiile şi componentelor dispun de o cultură care este împărtăşită de manageri şi
de ceilalţi angajaţi. Toţi dispun de un set unic de valori organizaţionale şi de stiluri care pot
varia de la cele informale până la prea formale. Sistemele informatice precum şi produsele
informaţionale trebuie să fie calibrate la aceste cerinţe
5. Structura
Organizaţiile îşi structurează managementul, angajaţii şi activităţile în grupuri
(subunităţi) organizaţionale. Funcţiile sistemelor informatice trebuie structurate în aşa fel
încât toate grupurile organizaţionale să beneficieze de produsele informaţionale furnizate.
4.5.2. Managementul sistemelor informatice la nivel global
Dimensiunea internaţională a business-ului devine din ce în ce mai importantă la

nivelul managementului în noua economie globală a anilor 2000. în acest sens, toate
activităţile sistemelor informatice de la nivel global trebuie astfel dimensionate în relaţie cu
mediul cultural, politic şi geografic care se manifestă în comunitatea comercială
internaţională.
Caracteristicile sistemelor informatice se referă al strategiile de afaceri, managementul
datelor, aplicaţiile folosite, dezvoltarea de sisteme şi platformele tehnologice.
• Mediul cultural, politic şi geografic
Managementul sistemelor informatice la nivel global nu există într-un spaţiu gol.
Managerii trebuie să ţină seama de diferenţele culturale, politice şi geografice care există în
cazul business-ului internaţional
• Aspectele politico-economice
Aspectele politic-economice sunt deosebit de importante, fapt pentru care menţionăm
următoarele aspecte:
- Multe ţări au o legislaţie proprie care reglementează sau chiar interzic transferul de
date dincolo de graniţele naţionale;
- Taxe, restricţii sau chiar interzicerea importului de hardware şi software;
- Legi locale care reglementează nivelul valorii adăugate dacă produsul se vinde acolo;
- Acordurile comerciale bilaterale care specifică nivelul profitului care trebuie cheltuit
în ţara în care a fost obţinut.
• Aspectele culturale
Aspectele culturale se referă la diferenţele între limbaje, manifestări culturale,
obiceiuri, atitudini sociale sau deosebiri între stiluri de muncă, relaţiile de afaceri etc.
• Aspectele geo-economice
Implicaţiile geo-economice se referă la:
79
• distanţele mari;
• fusul orar;
• lipsa de facilităţi în domeniul telecomunicaţiilor (din unele ţări);
• lipsa de specialişti (idem);
• costul vieţii şi costul muncii;
4.5.3. Organizaţiile globale şi sistemele informatice
O organizaţie globală este aceea care îşi desfăşoară activitatea la nivel planetar, care
oferă (ar trebui să ofere) aceiaşi calitatea a produselor/serviciilor indiferent de loc şi care are
implementată o strategie pentru întreaga planetă.
Multe organizaţii îşi transferă domeniul de activitate în domeniul transnaţional prin
strategii de integrare a afacerilor, prin cooperarea şi stabilirea de relaţii de interdependenţă cu
companiile subsidiare.
Pentru gestionarea acestor activităţi este necesar să se focalizeze atenţia asupra
utilizării de:
• Aplicaţii la nivel global

Aceste aplicaţii depind de necesităţile activităţii din locul respectiv fiind influenţate de
mediul local. Aceste aplicaţii (mai ales) din zona sistemelor de prelucrare a tranzacţiilor
includ:
- clienţi globali
- resurse globale
- produse globale
- colaborare globală
- operaţii globale
• Platforme tehnologice globale

Alegerea acestor platforme tehnologice – denumită şi infrastructura tehnologică,
reprezintă o altă dimensiune a managementului sistemelor informatice la nivel global. Astfel
acestea trebuie să asigure suportul pentru activităţile operaţionale prin:
- alegerea hardware-ului
- alegerea soft-ului
- alegerea reţelelor de comunicaţii
Se are în vedere :
* Alegerea hardware-ului
Aceasta poate întâmpina dificultăţi în anumite ţări datorită preţurilor ridicate şi a
restricţiilor de import. Alte aspecte negative se referă la durata mare a aprobării datorată
autorităţilor locale, lipsa service-ului şi lipsa de documentaţii adaptate condiţiilor locale.
* Alegerea soft-ului
Problemele legate de aceste aspect privesc:
- programele dezvoltate într-o ţară nu sunt compatibile cu alta
- programele utilizate curent nu sunt disponibile sau nu există în versiuni locale.
* Alegerea reţelelor de comunicaţii

80
Aici există dificultăţi legate de faptul că acestea pot funcţiona prost, nu sunt
interconectate sau traversează prea multe ţări.
• Dezvoltarea de sisteme globale

Dezvoltarea de sisteme globale nu este o problemă uşoară când e vorba de utilizatori
din ţări diferite. Strategiile de dezvoltare a unor sisteme globale trebuie să includă:
- transformarea de aplicaţii utilizate la nivel local în aplicaţii utilizate la nivel
global
- pregătirea unei echipe multinaţionale care să asigure dezvoltarea de sisteme
informatice în condiţiile de utilizare locală ca şi la nivelul cartierului general
- dezvoltări paralele de sistem – în care părţi ale sistemului vor fi dezvoltate la
nivel local iar altele la nivelul cartierului general.

 Prezentaţi elementele componente ale unui sistem informatic
 Prezentaţi activităţile dintr-un sistem informatic
 Prezentaţi etapele evoluţiei sistemelor informatice
 Prezentaţi tendinţele în structurarea sistemelor informatice
 Prezentaţi clasificarea sistemelor informatice
 Prezentaţi impactul tehnologiei informaţiei asupra organizaţiei
1. Bhaskar, K.N., Housden, R.J. Information Technology Management, Butterworth
Heinemann, 1990.
2. Dobre, I., Bădescu, A., Teoria deciziei – Studii de caz, Editura Scripta,
Irimiea, E. Bucureşti, 2000
Bucureşti, 1997.
4. Niculescu, O., Burduş, E., ş.a. Management, Editura Didactică şi Pedagogică,
Bucureşti, 1992.
5. Radu,I. s.a Informatica si Management, Editura Universitara,
Bucuresti, 2005.
81
MODULUL 5. MODELAREA MATEMATICĂ ŞI SIMULAREA PROCESELOR

ECONOMICE SUB ASPECT MANAGERIAL
CONCEPTE DE BAZĂ
Modelarea economico-matematică, indicatori, fuzzy, simularea, optimizare, Calitatea
informaţiei, procesul modelării, tipologia modelelor economico-matematice, model
arborescent,
OBIECTIVE URMĂRITE
 Cunoaşterea condiţiilor de apariţie a modelării economico-matematice
 Cunoaşterea metodelor de culegere şi prelucrare a datelor folosite în modelarea
 Cunoaşterea mărimilor ce caracterizează procesele economice
 Familiarizarea cu simularea unui sistem
 Cunoaşterea procesului de trecere de la „sistemul real” la modelul de simulare
 Familiarizarea cu metoda modelării
 Cunoaşterea tendinţelor în utilizarea unor modele economico-matematice în
organizaţii economice
 Cunoaşterea schemei generale de concepere a algoritmilor euristici
 Cunoaşterea influenţei calităţii informaţiei asupra metodelor de luare a deciziei
 Cunoaşterea etapelor procesului de modelare
 Cunoaşterea clasificării modelelor economico-matematice utilizate în
procesele economice
 Cunoaşterea modelelor privind aspecte tehnologice şi de producţie
 Cunoaşterea modelelor informaţional-decizionale
 Cunoaşterea modelelor relaţiilor umane
 Cunoaşterea modelelor informatice

Modulul „Modelarea matematică şi simularea proceselor economice sub aspect
managerial” permite studentului cunoaşterea conceptelor modelării matematice, apariţia
acesteia, rolul modelului în simularea sistemelor. Studentul va putea identifica tipurile de
modele economico-matematice pe baza criteriilor de sistematizare. Studentul va cunoaşte
domeniul de aplicare, stadiul actual şi tendinţele în modelarea proceselor economice.
Studentul va asimila noţiuni privind conceperea algoritmilor euristici utilizaţi în modelare.
Studentul va avea cunoştinţe privind etapele procesului de modelare.
82
UNITATEA DE CURS 5.1. MODELAREA ECONOMICO-MATEMATICĂ,

ALTERNATIVĂ LA „EXPERIMENTUL” DIN ŞTIINŢELE EXACTE. METODE.
CONCEPTE. CLASIFICĂRI.
OBIECTIVE
 Cunoaşterea condiţiilor de apariţie a modelării economico-matematice
 Cunoaşterea metodelor de culegere şi prelucrare a datelor folosite în modelarea
 Cunoaşterea mărimilor ce caracterizează procesele economice
 Familiarizarea cu simularea unui sistem
 Cunoaşterea procesului de trecere de la „sistemul real” la modelul de simulare
 Familiarizarea cu metoda modelării
 Cunoaşterea tendinţelor în utilizarea unor modele economico-matematice în
 Cunoaşterea schemei generale de concepere a algoritmilor euristici
NOŢIUNI CHEIE
Modelarea economico-matematică, indicatori, fuzzy, simularea, optimizare
5.1.1. Condiţiile de apariţie a modelării economico-matematice
Modelarea economico-matematică este folosită de manager ca o alternativă la

„experimentul” utilizat în ştiinţele exacte.
Bazele abordării raţionale a mecanismului de funcţionare a unei organizaţii sunt puse
de „şcoala clasică” (F.W. Taylor, H. Ford, H. Fayol) la începutul sec. XX. Nu au folosit
conceptele: informaţie şi decizie.
După 1950, „şcoala neoclasică” (Peter Drucker, Alfred Sloan, Ernest Dale) include
activităţile de producere, recepţionare, transport, prelucrare şi stocare de informaţii în scopul
luării deciziei în organizarea şi conducerea întreprinderii moderne.
„Şcoala comportamentului” (Elton Mayo, Abraham Zalesnick şi D.C. Peltz) acordă
atenţie comportamentului oamenilor în timpul procesului productiv, propune descentralizarea
deciziilor, promovează încrederea în membrii unui grup.
Odată cu apariţia primei generaţii de calculatoare electronice (deceniul V), a primelor
lucrări de cibernetică şi a primelor echipe de cercetare operaţională, se doreşte mai multă
rigurozitate în luarea deciziei prin procedee ştiinţifice, caracterizate prin fundamentare
teoretică, bazată pe metode matematice, cu păstrarea unei orientări generale, practice şi
realiste.
Se conturează ca discipline privind conducerea: cercetarea operaţională, cibernetica,
informatica, psihosociologia organizării şi teoria generală a sistemelor.
Modelarea şi simularea proceselor economice are legături strânse cu toate aceste
domenii şi este concepută astfel încât să ofere economiştilor o serie de modele şi tehnici
necesare acţiunilor manageriale la nivel microeconomic.
Rezolvarea problemelor manageriale din întreprinderi nu se poate realiza cu un model
matematic „pur”.
Modelarea şi simularea proceselor economice este o disciplină economică de graniţă
cu matematica şi tehnica de calcul şi se ocupă de fundamentarea deciziei manageriale în
83
condiţii de eficienţă pentru producător cu ajutorul unor modele economico-matematice

flexibile şi cu posibilitatea utilizării tehnicii simulării.
Modelarea economică oferă managerului latura riguroasă a acţiunilor sale („ştiinţa de a
conduce”), modalităţi multiple de punere de acord a resurselor (materiale, umane, financiare)
existente cu obiectivele formulate pentru o anumită perioadă de timp, oferindu-i posibilitatea
de a găsi şi a decide „mai bine” şi „mai repede” fără să denatureze realitatea.
5.1.2. Metode de culegere şi prelucrare a datelor folosite în modelarea

În procesul fundamentării complexe a deciziei se pleacă de la o serie de mărimi

(indicatori) care provin din observări, anchete, raportări şi care pot fi măsurate cu diferite
grade de precizie (figura 5.1)
.
Figura 5.1
Din punctul de vedere al preciziei mărimile ce caracterizează procesele economice pot

fi :
• mărimi deterministe (riguros stabilite cu o valoare unică);
• mărimi stochastice, aleatoare (mărimi ce au o mulţime de valori cărora li se asociază
o probabilitate);
• mărimi vagi / fuzzy (nu au o valoare unică, ci o mulţime de valori cărora li se
asociază un grad de apartenenţă la o anumită proprietate). În consecinţă se ajunge la o grupare
similară a metodelor de prelucrare folosite în vederea adoptării unor decizii:
Metodele exacte permit obţinerea în cadrul unei probleme de decizie economică a unei
soluţii S care îndeplineşte, fără nici o eroare (abatere), restricţiile impuse şi/sau condiţiile de
optim, cerute prin criteriile de eficienţă. Dacă notăm prin S vectorul soluţiei efectiv adoptate,
iar prin S* vectorul soluţiei adevărate, atunci: S – S* = 0.
Metodele aproximative sunt acele metode care permit obţinerea unei soluţii S, diferită
de soluţia adevărată S* printr-un vector ε, dominat de un vector εa dinainte stabilit, adică:
84
|S – S*| = |ε| ≤ |εa| (1)

Metodele euristice sunt metodele prin care, chiar în cazul unei probleme complexe, se
obţine într-un timp relativ scurt, comparativ cu alte metode, o soluţie S, acceptabilă din punct
de vedere practic, fără a avea garanţii asupra rigurozităţii rezolvării. Fiind dat vectorul erorii
admisibile εa, metodele euristice nu reuşesc totdeauna să ne conducă la o soluţie S cu
proprietatea (1). În unele cazuri, metodele euristice reuşesc să asigure respectarea relaţiei (1),
dar cu o anumită probabilitate.
Metodele euristice pot fi considerate ca o succesiune de încercări/tatonări, a căror
alegere este legată de fiecare dată de natura problemei de rezolvat şi de personalitatea
modelatorului (analistului de sisteme).
5.1.3. Procesul de trecere de la sistemul real la modelul de simulare
Obţinerea unor informaţii despre „sistem” înainte ca el să fie realizat în mod concret
este posibilă cu ajutorul tehnicii simulării. Simularea este o tehnică de realizare a
experimentelor cu calculatorul numeric, care implică construirea unor modele matematice şi
logice care descriu comportarea unui sistem real (sau a unor componente ale sale) de-a lungul
unei perioade mari de timp.
Simularea trebuie să genereze intrările şi, ţinând seama de stările interne ale
sistemului, prin algoritmi adecvaţi să determine ieşirile şi să descrie evoluţia în timp a stărilor
interne ale sistemului.
Deşi nu oferă soluţii exacte (ci suboptimale), simularea este o tehnică de cercetare
eficientă pentru problemele economice complexe la nivel de firmă, imposibil de studiat
analitic (cu metodele economico-matematice de optimizare).
Cu ajutorul simulării se obţin mai multe variante de decizie dintre care managerul o va
alege pe cea mai bună, corespunzătoare condiţiilor date la un anumit moment.
Consecinţele unei experienţe reale, fără o experienţă „simulată”, pot fi uneori
dăunătoare în activitatea managerială.
În cazul unui sistem existent (firmă, întreprindere), comportarea sa poate fi prevăzută
de un model de simulare care pune în evidenţă efectul modificării unor parametri care descriu
sistemul respectiv.
În activitatea de simulare sunt implicate trei elemente importante, şi anume: sistemul
real, modelul, calculatorul şi două relaţii: relaţiile de modelare şi relaţiile de simulare.
În figura 5.2 se prezintă sintetic procesul de trecere de la „sistemul real” la modelul de
simulare / „modelul real”.
Figura 5.2
„Sistemul real” reprezintă sistemul perceput cu simţurile omului.

85
„Modelul real” reprezintă sistemul real înlocuit şi care corespunde, în principiu,

cerinţelor sistemului iniţial.
„Modelul abstract” realizează trecerea de la „sistemul real” la „modelul real”. El
reproduce sistemul real prin descompunerea sistemului în părţile componente elementare şi
stabileşte legăturile dintre acestea.
Validarea rezultatelor se face prin stabilirea concordanţei dintre datele din sistemul
real şi cele oferite de model.
5.1.4. Concepte. Clasificări
Esenţa metodei modelării constă în înlocuirea procesului real studiat printr-un model
mai accesibil studiului.
Modelul este o reprezentare izomorfă a realităţii care oferă o imagine intuitivă, dar
riguroasă, în sensul structurii logice a fenomenului studiat şi permite descoperirea unor
legături şi legităţi greu de stabilit pe alte căi.
Orice model economico-matematic va reprezenta fidel un anumit fenomen numai în
măsura în care se sprijină pe teoria economică care formulează categoriile, conceptele şi legile
obiective ale realităţii economice.
Principalele criterii pe baza cărora se poate face gruparea modelelor economico-
matematice:
• în funcţie de sfera de reflectare a problematicii economice;
• în funcţie de domeniul de provenienţă şi concepţie;
• în funcţie de caracterul variabilelor;
• în funcţie de factorul timp;
• în funcţie de orizontul de timp considerat;
• în funcţie de structura proceselor reflectate.
În cadrul fiecărei grupe, modelele sunt descriptive (prezintă situaţia existentă) şi
normative (surprind ceea ce se doreşte să se obţină).
Succesiunea coerentă de operaţii logice şi aritmetice conduce la algoritmizarea unei
probleme economice. Algoritmii pot fi: exacţi, aproximativi şi euristici.
5.1.5. Realizări şi tendinţe în modelarea proceselor economice. Abordarea

multinivel şi modelarea procedurală
Rezultate remarcabile obţinute prin utilizarea unor modele economico-matematice în

organizaţii economice:
• organizarea şi conducerea acţiunilor complexe din investiţii, cercetare – dezvoltare,
producţie şi în folosirea resurselor disponibile cu analiza drumului critic;
• optimizarea prin programare liniară a transportului materialelor şi produselor de
masă;
• minimizarea costului aşteptării în porturi, gări, aeroporturi;
• rezervarea unor locuri de transport, cazare;
• obţinerea unor amestecuri de produse petroliere de bună calitate şi mai ieftine;
•„croirea” raţională a barelor şi suprafeţelor dreptunghiulare ce necesită prelucrări;
• studii de senzitivitate, parametrizări pentru costuri, preţuri, resurse etc.
86
În prezent se lucrează la crearea unor sisteme de conducere ierarhizate, multinivel ce

funcţionează în timp real şi care sunt distribuite în toate compartimentele întreprinderii.
Obiectivul global constă în obţinerea unei producţii optime cantitativ şi calitativ atât din punct
de vedere tehnic, cât şi economic.
Pentru înlăturarea rigidităţii metodelor de optimizare se recurge tot mai mult la
modelarea procedurală care acordă un prim rol algoritmului şi unul secundar modelului.
În economie se folosesc în puţine cazuri algoritmi exacţi (atunci când mărimile
economice sunt exacte). În cele mai multe cazuri, se utilizează algoritmi euristici (mărimile
economice sunt exacte, dar problema economică este complexă, sau datele de intrare sunt
inexacte).
5.1.6. Schema generală de concepere a algoritmilor euristici
Euristica se defineşte ca fiind:

• o clasă de metode şi reguli care dirijează subiectul spre cea mai simplă şi mai
economică soluţie a problemelor;
• un drum care permite descoperirea soluţiilor problemelor complexe fără a le supune
unei simplificări sau reducţii. Metodele euristice sunt de fapt „tatonări”, nu şabloane, alegerea
lor depinde de natura problemei de rezolvat şi de personalitatea modelatorului. Modelarea
euristică presupune construirea unui sistem analog cu cel investigat (sistemul real).
Fondatorului euristicii aplicate, Herbert Simon i s-a acordat în 1978 – Premiul Nobel
pentru economie. El a elaborat un algoritm general al rezolvatorului de probleme, care
reprezintă de fapt, schema generală de concepere a algoritmilor euristici (fig. 1.3).
Principalii paşi ai algoritmului general al rezolvatorului de probleme:
Pasul 1. Se construieşte o soluţie iniţială.
Pasul 2. Se testează condiţiile de admisibilitate a soluţiei (sistemul de restricţii). Dacă
aceste condiţii sunt îndeplinite se trece la pasul 4. Dacă nu, se calculează abaterile ε şi se trece
la pasul 3.
Pasul 3. Se caută o strategie de reducere a abaterilor ε. În acest scop analistul, pe baza
experienţei pe care a dobândit-o în practică, stabileşte una sau mai multe strategii care se
presupune că ar reduce abaterile ε. Testând aceste strategii, se alege acea strategie care
permite, într-un număr cât mai mic de iteraţii, anihilarea abaterilor ε. Dacă după un număr
mare de iteraţii, raţional de mare, nu s-a reuşit să se anuleze aceste abateri, problema este
considerată „fără soluţie” (din punctul de vedere al algoritmului euristic folosit). Dacă s-a
reuşit obţinerea unei soluţii admisibile se trece la pasul 4.
Pasul 4. Se calculează funcţia de performanţă f(x0) a soluţiei iniţiale admisibile (de
regulă un indicator economic) sau funcţia globală de optimizat (în cazul folosirii mai multor
criterii de natură economică sau socială, psihologică etc.).
Pasul 5. Cu ajutorul unor reguli de transformare, soluţia iniţială admisibilă x 0 se
transformă într-o altă soluţie x1, de asemenea admisibilă. Cele mai bune reguli de
transformare se aleg după efectuarea paşilor 6 şi 7.
Pasul 6. Se calculează funcţia de performanţă f(x1) a noii soluţii.
Pasul 7. Se compară performanţele celor două soluţii f(x0) şi f(x1). Dacă performanţa
f(x1) este superioară performanţei f(x0), atunci se evaluează diferenţa |f(x1) – f(x0)|. Dacă
această diferenţă este semnificativă, soluţia x1 devine soluţia iniţială şi algoritmul se continuă
de la pasul 5. Dacă această diferenţă este nesemnificativă sau dacă performanţa f(x 1) este
inferioară performanţei f(x0), algoritmul se reia de la pasul 5, alegându-se acele reguli care
permit un „câştig” cât mai mare pentru funcţia de performanţă, până când se ajunge la un
număr raţional de iteraţii. Când acest număr a fost atins, algoritmul se opreşte, permiţând
obţinerea unei soluţii suboptimale.
87
Se construieşte o soluţie iniţială (x0):
Figura 5.3
88
UNITATEA DE CURS 5.2. SPECIFICITATEA CONSTRUIRII MODELELOR

ECONOMICO-MATEMATICE
OBIECTIVE
 Cunoaşterea influenţei calităţii informaţiei asupra metodelor de luare a deciziei
 Cunoaşterea etapelor procesului de modelare
NOŢIUNI CHEIE
Calitatea informaţiei, procesul modelării
5.2.1. Calitatea informaţiei şi metode de luare a deciziei prin prisma preciziei şi

completitudinii datelor
Precizia şi completitudinea reprezintă două atribute distincte, care dau măsura utilităţii
unui set de date pentru extragerea unor informaţii necesare procesului decizional. (În anul
1996 premiul Nobel pentru economie a fost acordat economistului britanic James A.
Mirrelees şi economistului canadian William Vickery pentru o lucrare referitoare la
consecinţele economice ale informaţiei financiare incomplete).
Lipsa unui anumit nivel de precizie compromite stabilitatea sau chiar minima
semnificaţie decizională a soluţiei obţinute, iar lipsa unor date face necesară completarea lor
cu estimări imprecise (sau ipoteze inconsistente) care au aceleaşi efecte.
 Precizia şi completitudinea relativ ridicate ale datelor constituite într-un model
fac posibilă, cu rezultate bune, abordarea deterministă. Acesta este cazul
sistemelor tehnice, controlabile pe baza accesului relativ sigur la date precise şi
complete.
În economie, cu largă aplicabilitate este optimizarea flexibilă – domeniu ce poate fi
sinoptic prezentat în figura 5.4.
 Scăderea alternativă a preciziei sau completitudinii conduce la o abordare
stochastică, abordare cu teoria jocurilor sau de tip fuzzy.
 Scăderea simultană până la anumite limite permite o abordare suboptimală cu
ajutorul metodelor de tip multicriterial, cu modele euristice şi tehnici de
simulare.
 Învăţarea prin “încercare şi eroare” şi utilizarea unor analogii pertinente cu
sisteme sau procese mai bine cunoscute sunt încercări de a compensa scăderi
majore ale completitudinii, respectiv de preciziei.
Practic, informaţia incompletă conduce la nedeterminare în “calculul”
comportamentului unui sistem.
Metodele propuse sunt: acumularea de informaţii suplimentare (învăţare),
parametrizarea intrărilor (simulare), argumente limitative (soluţii suboptimale), strategii de
risc minim (teoria jocurilor strategice).
De fapt, vectorul care creează greutăţi în obţinerea unei precizii şi completitudini
sporite a informaţiei este complexitatea sistemelor abordate.
89
Figura 5.4. Domeniul optimizării flexibile
Informaţiile se obţin în principal pe două căi: una statistică, care are un caracter
permanent, organizat şi o a doua cale special instituită, numai în caz de nevoie şi cu caracter
neperiodic (de exemplu: ancheta).
În ambele cazuri apar numeroase distorsiuni ale informaţiei, unele întâmplătoare,
altele aparent întâmplătoare.
În urma culegerii datelor şi evaluării distorsiunilor, informaţia primară obţinută nu
poate fi utilizată ca atare, ci este necesară cuantificarea acestei informaţii primare în variabile
de model.
5.2.2. Etapele procesului de modelare
Modelul economico-matematic, fiind o reprezentare izomorfă a realităţii, oferă o

imagine intuitivă, dar riguroasă, în sensul structurii logice a fenomenului studiat, facilitează
descoperirea unor legături şi legităţi foarte greu de stabilit pe alte căi.
Pentru a fi utile practicianului modelele trebuie să se caracterizeze prin:
 simplitate,
 supleţe,
 accesibilitate şi
 adaptabilitate.
Procesul modelării cuprinde următoarele etape:

1. cunoaşterea detaliată a realităţii sistemului (procesului) ce se modelează,
2. construirea propriu-zisă a modelului economico-matematic,
3. experimentarea modelului economico-matematic şi evaluarea soluţiei,
4. implementarea modelului economico-matematic şi actualizarea soluţiei.
Construirea propriu-zisă a modelului constă fie în alegerea unuia din numeroasele

instrumente "clasice" de modelare care corespunde problemei formulate fie în elaborarea unor
modele noi. În primul caz, analistul trebuie, cu multă abilitate, să stabilească corespondenţa
dintre realitate şi instrumentarul de modelare cunoscut din literatura de specialitate.
90
Atunci când analistul este în situaţia de a elabora modele noi, acestea pot fi de două
feluri, şi anume: )combinaţii de modele clasice (din literatură), )modele noi propriu-zise
(implică solide cunoştinţe matematice, imaginaţie şi talent).
Experimentarea modelului se poate face "in vivo" prin aplicarea modelului descriptiv
sau normativ în practica întreprinderii şi prin constatarea eficienţei sale descriptive/normative.
Acest mod de experimentare se poate realiza numai pe eşantioane extrem de reduse, deoarece
implică riscuri considerabile.
Experimentarea modelului se mai poate face "in vitro" prin generarea unor situaţii
posibile ale sistemului, denumite variante, şi prin analiza, cu ajutorul modelelor, a
consecinţelor acestor variante, asupra indicatorilor de eficienţă ai sistemului. Acest mod de
experimentare se numeşte simulare.
91
UNITATEA DE CURS 5.3. TIPOLOGIA MODELELOR ECONOMICO-MATEMATICE
OBIECTIVE
 Cunoaşterea clasificării modelelor economico-matematice utilizate în
procesele economice
 Cunoaşterea modelelor privind aspecte tehnologice şi de producţie
 Cunoaşterea modelelor informaţional-decizionale
 Cunoaşterea modelelor relaţiilor umane
 Cunoaşterea modelelor informatice
NOŢIUNI CHEIE
Tipologia modelelor economico-matematice, model arborescent,
Modelele economico-matematice utilizate în procesele economice din organizaţii se

pot clasifica după modul de tratare a informaţiei în două categorii, şi anume:
♦ modele descriptive care au ca obiectiv reproducerea unor proprietăţi ale
sistemului modelat, ele descriu lucrurile aşa cum există în realitate.
♦ modele normative care urmează a fi utilizate pentru aplicarea unor reguli
eficiente de decizie în întreprindere (cu scopul creşterii performanţelor). Modelele proiectate
pentru a optimiza sunt numite “modele normative”.
De fapt, majoritatea modelelor economico-matematice ce pot fi concepute într-o
întreprindere, au atât trăsături descriptive cât şi trăsături normative, unele fiind în principal
descriptive, altele dominant normative, iar altele, în egală măsură descriptiv-normative.
Practic, modelarea descriptivă se întrepătrunde cu cea normativă. Importanţa
metodologică a distingerii aspectului descriptiv de cel normativ constă în evitarea confuziei
dintre "ceea ce există" şi „ceea ce dorim să fie”.
În categoria modelelor normative se includ modelele de luare a deciziei. Modelul
normativ descrie “cum ar trebui luate deciziile”, mai degrabă decât “cum sunt luate deciziile”.
Procesul normativ de luare a deciziei are la bază ideea că organizaţia are stabilit un set
de obiective (profitabilitate, câştigare a cotei de piaţă, excelenţă în serviciile sau produsele
oferite consumatorilor etc.). Fiecare obiectiv poate fi măsurat prin numeroase criterii, dar
important este să se stabilească un set de criterii ce reflectă obiectivele esenţiale ale
organizaţiei. Pentru fiecare obiectiv se stabileşte un nivel ţintă, iar prin compararea acestui
nivel cu performanţa actuală a organizaţiei se identifică problemele existente. Identificarea
problemei/problemelor este urmată de găsirea alternativelor de rezolvare. Alegerea unei
alternative se face în funcţie de abilitatea acesteia de a atinge obiectivele propuse. Soluţia
aleasă este testată pentru a se evalua măsura în care rămâne cea mai bună alternativă în cazul
unor evoluţii neaşteptate la care va fi supusă organizaţia. Implementarea variantei alese
necesită implicarea de resurse umane, financiare, materiale. Prin feed-back se asigură
compararea continuă între performanţa obţinută prin implementarea soluţiei şi
criteriul/criteriile de performanţă ale organizaţiei.
Tipologia modelelor descriptive, cuprinde patru grupe structurale:

- modele ce surprind aspecte tehnologice şi de producţie,
- modele informaţional-decizionale,
- modele ale relaţiilor umane,
92
- modele informatice.
În felul acesta vom parcurge caracteristicile modelelor în raport de corespondenţa
dintre problemele economice şi metodele de modelare.
5.3.1. Modele ce surprind aspecte tehnologice şi de producţie
M1 Model arborescent pentru descrierea structurii produselor şi calculul

necesarului de resurse materiale
• Modelul indică, cu ajutorul unui graf, arborescenţa unui anumit produs P. Pentru
exemplificare, folosim următoarele notaţii: PFi (i=1,...,p) - produsul finit;
Prin arborescenţă se înţelege descompunerea produsului finit în componentele sale,
cu precizarea normelor de consum conform reţetei de fabricaţie; descompunerea se realizează
pe mai multe niveluri şi anume pe atâtea câte sunt necesare pentru ca pe ultimul nivel să se
poată citi componentele de bază, respectiv resursele materiale.
Qi (i=1,...,p) - cantităţile ce urmează a fi fabricate din produsul finit PF i;
Cik - norma de consum din materialul MPk pentru produsul PFi;
Nn -cantitatea necesară din materia primă (n);
V - numărul de niveluri care intervin;
h -rangul nivelului.
Pentru situaţiile în care arborescenţa este pe mai multe niveluri, formula generală de
calcul al necesarului de resurse materiale este:
Suma arată că se vor aduna cantităţi pentru subproduse identice. De aici şi denumirea
de calcul cu ajutorul "exploziilor sumarizate".
M2 Modele tip grafice Gantt

• Largă răspândire în multiple domenii unde apare problema succesiunii în timp
a unor activităţi.
• Pot fi folosite atât ca modele descriptive cât şi ca modele normative, când este
vorba de secvenţe tehnologice.
M3 Modele de tip ADC (analiza drumului critic)

• Grafurile ADC reprezintă condiţionările logice şi tehnologice dintre activităţile
unui proiect complex şi oferă posibilitatea luării în considerare a necesarului privind resursele
materiale, umane şi financiare.
• Oferă numeroase şi utile informaţii privind: termenele de începere şi terminare
ale activităţilor, rezervele de timp, activităţile critice, diagrame privind nivelarea, alocarea
resurselor care prezintă interes pentru practicieni.
M4 Modele de ordonanţare şi lotizare

• Problemele de ordonanţare constau în stabilirea unei ordini de efectuare a
activităţilor unui proces de producţie, astfel ca interdependenţele dintre ele să fie respectate în
limita resurselor disponibile şi cu o durată totală minimă de execuţie.
• Aceste modele se bazează pe tehnici combinatorice şi pe procedee cunoscute
sub denumirea „branch-and-bound” („ramifică şi mărgineşte”).
93
• Printre modelele clasice ale teoriei ordonanţării sunt: ordonanţarea a n repere

pe m maşini (job shop), ordonanţarea în flux (flow shop), algoritmi pentru ordonanţarea cu
restricţii de resurse limitate, modele de ordonanţare bazate pe programarea liniară în numere
întregi, modele ADC de tip euristic.
M5 Modele pentru determinarea capacităţilor de producţie

• Capacitatea de producţie a unei întreprinderi se stabileşte pe baza fondului de
timp disponibil al utilajelor.
• În aceste modele se înlocuieşte capacitatea valorică agregată cu mai mulţi
indicatori fizici şi valorici cum ar fi: fondul tehnic de timp pe grupe de maşini, valoarea
producţiei marfă obţinută anterior, volumul producţiei exprimat în unităţi fizice, fondul de
timp necesar pentru principalele piese de schimb etc. Cu ajutorul acestor indicatori se exprimă
situaţia tehnico-economică existentă în întreprindere la un moment dat (caracter descriptiv).
Se poate formula un model de programare liniară cu mai multe funcţii obiectiv. In felul
acesta, modelul va include şi aspecte normative.
• Capacitatea de producţie se poate optimiza din mai multe puncte de vedere: al
reducerii consumului de materii prime sau de energie, al reducerii numărului de personal
utilizat, al valorificării cât mai bune a materiilor prime etc. în condiţiile satisfacerii
programului sortimental contractat şi a unor costuri minime.
M6 Modele pentru determinarea structurii de producţie pe o perioadă dată

• Pun problema determinării unei structuri de producţie pe o perioadă dată în
funcţie de cerinţele pieţei (contracte încheiate) şi resursele disponibile, care maximizează sau
minimizează, după caz, una sau mai multe funcţii obiectiv, ca de exemplu: maximizarea
profitului, minimizarea costului de producţie, maximizarea cifrei de afaceri, etc.
• Acesta este un model de programare liniară cu mai multe funcţii obiectiv, în
care restricţiile reprezintă partea descriptivă a modelului, iar funcţia obiectiv, partea
normativă.
M7 Modele pentru probleme de amestec

• Conţinutul unei probleme de amestec şi dietă poate fi formulat astfel: un
produs final P are în componenţa sa produsele P j (j=1,...,n), care trebuie amestecate. Acest
produs are caracteristici calitative impuse şi exprimate prin anumiţi indicatori I 1, I2,...,Im
(care după caz vor fi maximizaţi sau minimizaţi) de o anumită mărime b i (i=1,...,m).
• Partea descriptivă a modelului de programare liniară o constituie restricţiile, iar
partea normativă, funcţia obiectiv.
M8 Modele de croire
• Se utilizează când apar probleme de tăiere sau debitare a unor materiale
unidimensionale (bare de oţel, ţevi tablă, scânduri, piei, stofe etc.).
• Modelul se bazează pe programarea matematică, în care funcţia obiectiv îşi
propune minimizarea costului deşeurilor rămase prin aplicarea soluţiei de croire, iar
restricţiile urmăresc ca numărul de piese ce se debitează/croiesc să fie mai mare decât
numărul de piese/bucăţi necesare.
M9 Modele de transport-repartiţie
• Reprezintă cazuri particulare ale programării liniare, care permit utilizarea unui
algoritm expeditiv de rezolvare.
• Partea descriptivă a modelului o reprezintă restricţiile, iar partea normativă
funcţia obiectiv.
• Problema de transport, în forma ei generală, constă în găsirea unui plan optim
de transport al unui produs omogen în aşa fel încât, ţinând seama de disponibilităţile
94
furnizorilor şi de cerinţele consumatorilor, să se minimizeze cheltuielile de transport sau

numărul de t/km parcurşi.
M10 Modele pentru probleme de afectare

• sunt utilizate în următoarele situaţii practice: repartizarea muncitorilor pe
maşinile existente, a utilajelor pe lucrări, a specialiştilor la diverse sarcini complexe, de
cercetare/proiectare etc.
• modelele cele mai cunoscute în funcţie de specificul problemei sunt:
algoritmul ungar şi metode de tip branch-and-bound.
M11 Modele de flux în reţele de transport

• Se folosesc pentru a descrie procesul transportului intern într-o uzină,
distribuţia unei materii prime fluide sau gazoase (apă, CH 4, abur, ţiţei etc.) în procesul de
producţie etc.
• Reţeaua de transport este reprezentată de un graf, cu sau fără circuite, în care
fiecărui arc XiXj i se asociază o capacitate cij care reprezintă fluxul maxim care poate străbate
o porţiune din reţea, reprezentată de arcul XiXj.
• Problema constă în maximizarea fluxului total efectiv care străbate reţeaua, cu
respectarea restricţiilor de capacitate.
• În general, pentru rezolvare se foloseşte algoritmul Ford-Fulkerson.
M12 Modele pentru amplasarea utilajelor

• Amplasarea utilajelor în secţiile de producţie trebuie făcută în aşa fel încât
drumul parcurs de piesele care se prelucrează să fie în ansamblu cât mai redus; pentru aceasta
se introduce un indicator de eficienţă.
• Problema are două părţi,:
• o parte descriptivă, care constă în caracterizarea tuturor utilajelor din punctul
de vedere al posibilităţii de prelucrare a reperelor,
• o parte normativă, care constă în întocmirea algoritmilor pentru formarea
liniilor tehnologice şi amplasarea propriu-zisă a utilajelor în cadrul liniilor.
M13 Modele pentru descrierea muncii fizice

• Au drept obiectiv să ofere o imagine cât mai fidelă a modului cum se
efectuează munca fizică pentru ca pe baza acesteia să se elaboreze modelele normative.
• În grupa modelelor pentru descrierea muncii fizice se includ şi studiile
ergonomice privind interacţiunea dintre om şi mediul de muncă.
M14 Modele pentru fenomene de aşteptare

• În practica economică apar numeroase situaţii de "aşteptare" datorate
imposibilităţii de a corela temporal diverse activităţi care se intercondiţionează.
• Conceperea unui model de "aşteptare" presupune cunoaşterea unor
caracteristici ale fenomenului studiat privind numărul mediu de: unităţi în sistem, a unităţilor
în curs de servire, de unităţi în şirul de aşteptare, de staţii neocupate, de unităţi ce sosesc într-o
unitate dată de timp, precum şi timpul mediu: de servire, de aşteptare în sistem şi de aşteptare
în şir.
• Aceste modele au un caracter complex descriptiv-normativ.
M15 Modele de stocare

• Stocarea generează anumite cheltuieli directe şi indirecte ca urmare a
achiziţionării, transportului, depozitării şi înregistrării unor eventuale pierderi, datorate
deprecierii materiilor prime, materialelor etc. Existenţa unui program optim de producţie
95
asigură, în general, un nivel minim cheltuielilor ocazionate de depozitarea materiilor prime,

materialelor şi de eventuale modificări ale volumului producţiei.
• Sistemele moderne de gestiune a stocurilor presupun ca fiecare întreprindere să
răspundă cerinţelor privind: determinarea cantităţii optime de comandat, determinarea
perioadei de aprovizionat (momentul optim de lansare a comenzii de aprovizionare),
determinarea stocului de siguranţă optim în condiţiile minimizării cheltuielilor şi respectiv a
efortului de muncă necesară.
• Gama modelelor de stocare este extrem de diversă (modele deterministe,
probabiliste, statice, dinamice, cu cerere continuă, cu cerere discontinuă etc.). În structura
modelelor de stocare sunt cuprinse numeroase elemente descriptive, precum şi o parte
normativă: procedeul de determinare a politicii optime de reaprovizionare.
M16 Modele ale controlului statistic al calităţii produselor

• Aceste modele se bazează pe cunoştinţe de statistică matematică.
• Au atât un caracter descriptiv cât şi normativ.
5.3.2. Modele informaţional-decizionale
Aspectele informaţional-decizionale dintr-o organizaţie sunt surprinse prin elaborarea

a două categorii de modele şi anume:
- modele pentru descrierea reţelei informaţional-decizionale:
o modele de tip organigramă a structurii organizatorice,
o diagrama de flux a documentelor,
o diagrama informaţional-decizională,
o modele de tip aval-amonte.
- modele care descriu structura procesului decizional:
a) modelele logicii formale, şi anume:
o modelele logicii clasice,
o modelele logicii matematice,
o modelele axiomatizate,
o modelele metateoretice,
o modelele semiotice;
b) modele ale teoriei deciziei:
o modelul general al procesului decizional care explicitează elementele
acestui proces: variante, consecinţe, criterii, stări ale naturii,
o modelul deciziilor de grup al lui Arrow,
o teoria utilităţii,
o modele în condiţii de risc şi incertitudine,
o modele multicriteriu.
În cadrul modelelor informaţional-decizionale, un loc aparte îl ocupă modelele pentru
evidenţa financiar-contabilă.
96
5.3.3. Modele ale relaţiilor umane
Modelarea descriptivă a relaţiilor umane din întreprinderi ridică probleme legate de

condiţiile observării, obiectul observării (indivizi, grupuri şi relaţiile lor reciproce) şi
măsurarea rezultatelor observaţiilor.
Printre metodele de investigare se află: interviul, chestionarul, autochestionarul.
Principalele modele de descriere a relaţiilor interpersonale şi de grup în întreprinderi sunt:
o testele sociometrice,
o modele pentru descrierea comunicării între indivizi şi grupuri,
o modele de simulare a relaţiilor umane.
Un loc aparte îl ocupă modelele descriptive în vederea selecţiei şi promovării
personalului (teste de inteligenţă, de aptitudini speciale, de performanţă) şi modelele care
descriu comportamentul în întreprindere.
Alte modele se referă la stilul de conducere al liderilor formali sau informali.
Pentru relaţiile umane din întreprinderi există o serie de modele pur normative, şi
anume:
o modelul conducerii descentralizate a întreprinderii,
o regula stimulării lucrătorilor şi specialiştilor,
o prioritatea relaţiilor de respect şi încredere faţă de cele de autoritate,
o regula responsabilităţii profesionale.
5.3.4. Modele informatice
Modelele informatice pot fi grupate în:

o modele complexe hardware,
o modele de tip software de aplicaţii,
o modele de organizare a datelor (fişiere, bănci, baze de date).
Componenta descriptivă este, întotdeauna, prezentă.
După prezentarea celor patru categorii de modele rezultă că, de fapt, majoritatea
modelelor economico-matematice cu largă aplicabilitate în practică au atât trăsături,
descriptive cât şi normative, diferit fiind numai gradul de intensitate conţinut de situaţia
modelată la un moment dat.
Figura 5.5.
Cu ajutorul unui modul de legătură (fig.5.5.) se pune în evidenţă zona de interferenţă a

celor patru categorii de modele creându-se astfel o imagine unitară în ceea ce priveşte
modelul descriptiv global şi modelul normativ global al întreprinderii.
97

 Enumeraţi mărimile ce caracterizează procesele economice
 Ce reprezintă simularea unui sistem?
 Ce reprezintă metoda modelării?
 Care sunt tendinţele în utilizarea unor modele economico-matematice în
 Prezentaţi schema generale de concepere a algoritmilor euristici
 Care este influenţa calităţii informaţiei asupra metodelor de luare a deciziei?
 Prezentaţi etapelor procesului de modelare
 Care sunt tipurile modelelor economico-matematice utilizate în procesele
economice?
1. Ackoff, R., Sasieni, M. Bazele cercetãrii operaţionale, Editura Tehnicã,
Bucureşti, 1975.
3. Andreica, M., Stoica, M. Metode cantitative în management, Editura Economică,
Bucureşti, 1998.
4. Bădescu, A. Consideraţii privind metodele şi modelele de evaluare a
firmei în contextul analizei sistemelor, Revista
SCCECE, nr. 3, A.S.E., Bucureşti, 1996.
5. Boldur - Lăţescu, Gh., Analiza sistemelor complexe, Editura ştiinţificã şi
Ciobanu, Gh., Băncilã, I. Enciclopedicã, Bucureşti, 1982.
6. Boldur - Lăţescu, Gh., Cartea analistului de sisteme, Editura ştiinţifică şi
Ciobanu, Gh., Băncilă, I. Enciclopedicã, Bucureşti, 1976.
7. Bunge, M. Analogie, Simulation, Representation, Revue
Internaţionale de Philosophie, nr. 87, 1969.
98
MODULUL 6. METODE ŞI TEHNICI ASISTATE DE CALCULATOR PENTRU

REZOLVAREA SITUAŢIILOR MANAGERIALE COMPLEXE
CONCEPTE DE BAZĂ
Planificarea şi implementarea deciziilor, previziunea, serii cronologice, trend,
extrapolare, funcţii de regresie, programare liniară, funcţie obiectiv, validarea modelului,
optimizare, problema duală, preţurile umbră, Staff Scheduling, Integer Programs (IP), Integer
Linear Programming (ILP), programarea scopurilor, programarea scopurilor, analiza de tip
reţea, managementul proiectelor, diagrame de tip reţea, graficul Gantt, problemele de
transport, traseu optim, problema alocării, problema comis-voiajor-ului, lanţuri Markov, cozi
de aşteptare, probleme de aranjare, problema facilităţilor
OBIECTIVE URMĂRITE
 Cunoaşterea seriilor cronologice şi a utilizării acestora în previziune
 Familiarizarea cu trendul şi funcţiile de regresie
 Familiarizarea cu rezolvarea problemelor de prognoză prin intermediul unui
produs software specializat
 Familiarizarea cu programarea liniară
 Cunoaşterea unor exemple de probleme de tip programare liniară
 Familiarizarea cu problemele de optimizare
 Descrierea şi formularea problemelor de programare liniară
 Familiarizarea cu rezolvarea problemelor de programare liniară cu ajutorul
diferitelor produse software
 Cunoaşterea problemei duale
 Cunoaşterea preţurilor umbră – calculul şi semnificaţia lor
 Însuşirea problemelor rezolvate
 Cunoaşterea problemelor de planificare a programului de lucru
 Cunoaşterea problemelor de programare liniară cu variabile întregi
 Cunoaşterea modelelor de programare a scopurilor
 Cunoaşterea analizelor de tip reţea
 Formularea unei probleme de analiză de tip reţea
 Familiarizarea cu construcţia diagramelor de reţea
 Familiarizarea cu problemele de transport
 Formularea modelului problemei de transport
 Familiarizarea cu problemele de alocare
 Familiarizarea cu problemele de tip comis-voiajor
 Familiarizarea cu problemele probleme care pot fi analizate folosind lanţurile
Markov
 Familiarizarea cu problemele de tip cozi de aşteptare
 Familiarizarea cu problemele de aranjare
 Familiarizarea cu problemele facilităţilor (punctelor de deservire)
99

Modulul „Metode şi tehnici asistate de calculator pentru rezolvarea situaţiilor
manageriale complexe” permite studentului cunoaşterea situaţiilor manageriale complexe,
abordarea matematică şi utilizarea diferitelor metode, ce includ asistarea de calculator, pentru
rezolvarea acestora. Studentul va fi capabil să identifice şi să trateze corespunzător probleme
de previziune, prognoză, optimizare şi planificare, având cunoştinţe despre instrumentele
matematice adecvate.
UNITATEA DE CURS 6.1. PREVIZIUNE ŞI PROGNOZĂ
OBIECTIVE
 Cunoaşterea seriilor cronologice şi a utilizării acestora în previziune
 Familiarizarea cu trendul şi funcţiile de regresie
 Familiarizarea cu rezolvarea problemelor de prognoză prin intermediul unui
produs software specializat
NOŢIUNI CHEIE
Planificarea şi implementarea deciziilor, previziunea, serii cronologice, trend,
extrapolare, funcţii de regresie
Planificarea şi implementarea deciziilor sunt unele dintre principalele sarcini ale

managerilor. Uneori efectele deciziilor rezultate pot avea efecte satisfăcătoare şi duc la
succes, alteori nu. Adesea gradul de succes este dependent de gradul de incertitudine al
evenimentelor posibile viitoare. Cu cât incertitudinea este mai mare cu atât este mai dificil de
proiectat o decizie pe baza căreia să fie formulată o planificare care să ducă la rezultatele
dorite. Previziunea este importantă deoarece poate reduce incertitudinea. Previziunea
fundamentată ştiinţific are o importanţă vitală în planificare.
6.1.1. Seriile cronologice
Seriile cronologice reprezintă valori istorice ale unor variabile care au fost înregistrate
la intervale periodice (ex.: cererea zilnică, săptămânală sau lunară pentru un produs, evoluţia
ratei de schimb valutar etc). Seriile cronologice se mai numesc şi serii de timp sau dinamice.
Ele sunt formate din două şiruri de date paralele din care primul şir arată variaţia
caracteristicii timp iar cel de-al doilea arată variaţia fenomenului sau caracteristicii cercetate.
Tehnicile de prognoză folosesc seriile cronologice presupunând faptul că experienţa trecută va
reflecta probabil experienţa viitoare. Se consideră ca pattern-ul evenimentelor trecute va
100
persista în viitor. Unele dintre cele mai comune pattern-uri observate cu uşurinţă în seriile de
date istorice sunt tendinţele (trend-ul) variaţiilor ciclice, de sezonalitate.
Trend-ul reprezintă tendinţa variaţiilor crescătoare sau descrescătoare ale unei
variabile, tendinţă prevăzută pentru un orizont de timp viitor, pe baza unor variaţii reale, dintr-
un interval de timp cunoscut. De cele mai multe ori totuşi identificarea trend-ului este o
operaţiune dificilă pentru că în realitate prezenţa în datele istorice a unor variaţii neregulate,
aleatoare, face foarte greu de interpretat şi de prognozat evenimentele viitoare. Aceste variaţii
pot distorsiona previziunea şi de aceea este de dorit să fie identificate şi eliminate.
Fig. 6.1.
Pentru manager este foarte importantă analiza care precede calculele de prognoză şi
implicit fundamentează decizia. Reprezentarea grafică constituie unul din criteriile cele mai
importante pe baza cărora se va alege procedeul de extrapolare. Extrapolarea are la bază
metodele şi procedeele de ajustare care conduc la micşorarea distorsiunilor prin nivelare.
O primă metodă de extrapolare este previziunea naivă bazată pe „bunul simţ” al
observaţiei unor serii de timp.
Altă metodă de previziune prin extrapolare este cea a mediilor mobile care utilizează o
substituire a datelor seriei dintr-un interval fix, cu mediile calculate pentru interval „din
aproape în aproape”.
i = „vârsta” intervalului;
n = numărul intervalelor;
Ai = valoarea „vârstei” i.
Iată un exemplu de lucru cu mediile mobile:
Perioada „Vârsta” Cererea

----------- ---------- ---------
1 5 40
2 4 44
3 3 36
4 2 42 MA3 = (36 + 42 +40) / 3 = 39,33
5 1 40
Nivelarea exponenţială este o metodă de extrapolare care calculează valoarea
previzionată Ft astfel:
Ft = Ft-1 + α (At-1 – Ft-1) unde:
101
Ft = valoarea pentru momentul de timp prognozat t;

Ft-1 = valoarea prognozată pentru momentul actual t-1;
α = constanta de nivelare;
At-1 = valoarea reală actuală a variabilei la momentul prezent t-1.
Senzitivitatea ajustării erorii în prognoză este dată de constanta de nivelare α care

poate avea valori cuprinse între 0 şi 1. Alegerea valorii constantei este foarte importantă şi
trebuie făcută pe baza unor judecăţi fundamentate pe cunoaşterea aproximativă a evoluţiei
variabilei şi pe studiul erorilor rezultate din încercări succesive aplicate pe mai multe serii de
date. Valorile uzuale alese pentru constantă variază între 0,05 şi 0,5. Unele pachete de
programe specializate pentru astfel de calcule oferă facilităţi care permit modificarea
automată a constantei α în funcţie de valorile erorilor de prognoză rezultate.
6.1.2. Modelare şi trend
Trend-ul reprezintă tendinţa persistentă ascendentă sau descendentă a valorilor seriilor

de date dinamice dintr-un orizont de timp. Foarte interesant pentru ştiinţa managementului şi
implicit pentru manageri este găsirea unor funcţii, a parametrilor acestora, care să descrie cel
mai bine trend-ul unor serii dinamice paralele. Având un set de date (puncte) numite cel mai
adesea observaţii, apare problema găsirii unui model care să aproximeze cel mai bine
fenomenul studiat sub forma unor ecuaţii parametrice. Acest model poate fi un model
polinomial simplu sau unul foarte complex cu mulţi parametrii. Cel mai important pentru
manageri şi analişti este selectarea celui mai potrivit model care să descrie cel mai bine legea
de dependenţă existentă între variabilele studiate prin intermediul seturilor de date care le
reprezintă.
Iată familiile funcţiilor de regresie şi câteva dintre ecuaţiile funcţiilor acestora cel mai
des utilizate. În aceste expresii de funcţii y reprezintă valorile seriei variabilei studiate
(prognozate), care este în funcţie de valorile seriei variabilei x.
1. Regresia liniară:
Familia funcţiilor liniare: y = a+bx
Familia funcţiilor pătratice: y = a+bx+cx^2
Familia funcţiilor polinomiale: y = a+bx+cx^2+dx^3+....
2. Regresia neliniară:
Familia funcţiilor exponenţiale:
Modelele exponenţiale au funcţii de creştere exponenţiale sau logaritmice.
Ele descriu în general curbe convexe sau concave, dar unele funcţii pot avea un punct
de inflexiune şi un punct de maxim sau minim.
Funcţia exponenţială: y = a*exp(b*x)
Funcţia exponenţială modificată: y = a*exp(b/x)
Funcţia logaritmică: y = a+b*ln(x)
Funcţia logaritmică reciprocă: y = 1/(a+b*ln(x))
Funcţia modelului presiunii de vaporizare: y = exp(a+b/x+c*ln(x))
Familia funcţiilor putere:

Familia funcţiilor putere conţine funcţii de creştere de tip putere cu unul sau mai mulţi
parametri. Ele pot descrie evoluţia unei variabile independente sau a uneia dependente a căror
putere este influenţată de parametrul dat. Această familie conţine un set de curbe convexe sau
concave fără puncte de inflexiune sau de maxim sau minim.
Funcţia putere: y= a*x^b
102
Funcţia putere modificată y = a*b^x

Funcţia ‘Powershift’: y = a*(x-b)^c
Funcţia geometrică: y = a*x^(b*x)
Funcţia geometrică modificată: y = a*x^(b/x)
Funcţia rădăcină: y = a^(1/x)
Modelul Hoerl: y = a*(b^x)*(x^c)
Modelul Hoerl modificat: y = a*b^(1/x)*(x^c)
Familia funcţiilor care descriu modele de tipul recoltă-densitate:

Modelele de tipul recoltă-densitate sunt larg utilizate, în special în aplicaţiile de
prognoză din agricultură. Aceste modele cronologice au fost utilizate pentru a modela relaţiile
dintre recoltele obţinute la diferite culturi în funcţie de spaţierea sau densitatea plantărilor. În
practică, pentru relaţia recoltă-densitate s-au observat în special doar două tipuri de
răspunsuri: "asimptotic" şi "parabolic".
Astfel dacă densitatea (x) creşte, recolta obţinută (y) creşte, apropiind-se în mod
asimptotic de o valoare fixă. Deci peste o anumită limită relaţia este asimptotică.
Pentru manageri este important să găsească valoarea de optim, în care relaţia este
parabolică. Aceste tipuri de relaţii între cele două şiruri de date (x) şi (y) sunt foarte comune.
Modelele care descriu cele mai bine aceste relaţii sunt:
Modelul reciproc: y = 1 / (a + bx)
Modelul reciproc quadratic: y = 1 / (a + bx + cx^2)
Modelul Bleasdale: y = (a + bx) ^ (-1/c)
Modelul Harris: y = 1 / (a + bx^c)
Familia funcţiilor de creştere:

Modelele de creştere sunt caracterizate de o creştere care tinde să se plafoneze
asimptotic către o valoare fixată. Aceste modele sunt comune în special ştiinţelor inginereşti.
Modelul exponenţial Assoc (2): y = a*(1-exp(-bx))
Modelul exponenţial Assoc (3): y = a*(b-exp(-cx))
Modelul creşterii saturate: y = ax / (b + x)
Familia funcţiilor "S-shaped" (în forma literei S):

Procesele care produc curbe de creştere în forma literei S ("S-shaped" sau sigmoidale)
sunt comune unei largi arii de aplicaţii din biologie, inginerie, agricultură şi economie. Aceste
curbe încep dintr-un punct fixat şi au o creştere monotonă până la un anumit punct de
inflexiune, după care în final, creşterea tinde către o valoare asimptotică. Familia de funcţii
"S" este un subset al familiei de funcţii de creştere dar se studiază separat deoarece curbele
acestor funcţii au un comportament aparte, distinctiv.
Modelul Gompertz: y = a * exp (-exp(b - cx))
Modelul Logistic: y = a / (1 + exp (b - cx))
Modelul Richards: y = a / (1 + exp(b - cx))^(1/d)
Modelul MMF: y = (ab + cx^d)/(b + x^d)
Modelul Weibull: y = a - b*exp(-cx^d)
Familia funcţiilor diverse:

Ca multe lucruri din viaţă, există întotdeauna unele care nu pot fi încadrate în anumite
categorii specifice. Familia funcţiilor diverse este unul dintre acestea dar care totuşi descriu
modele ale regresiei neliniare întâlnite în viaţă. Iată câteva dintre modele:
Modelul sinusoidal: y = a + b*cos(c*x + d)
Modelul Gaussian: y = a*exp((-(x - b)^2)/(2*c^2))
Modelul Hiperbolic: y = a + b/x
Modelul capacităţii de încălzire: y = a + bx + c/x^2
103
Modelul funcţiei raţionale: y = (a + bx) / (1 + cx + dx^2)

Scopul aplicării unei metode de regresie este găsirea expresiei unei funcţii teoretice
f(xi) care să aproximeze cel mai bine valorile reale yi obţinute pentru punctele xi culese. Deci
pentru fiecare xi real, trebuie ca valorile teoretice calculate, f(xi) să fie cât mai aproape de
valorile reale yi observate.
Pentru a evalua curba de regresie f(x), se utilizează:
Abaterea standard de estimare:
6.1.3. Rezolvarea problemelor de prognoză prin intermediul unui produs

software specializat
Presupunând că au fost culese temperaturile reale pentru 34 de intervale de timp,

reprezentate prin următoarele serii de date dinamice (X,Y - din figura de mai jos), să se
determine care va fi temperatura după al 35-lea interval. Pe axa Ox sunt reprezentate
intervalele de timp în care s-au cules temperaturile reale (să presupunem 0.5 zile). Pe axa Oy
sunt reprezentate temperaturile corespondente pentru fiecare interval de timp.
Fig. 6.2.
Iată în continuare în dialogul din stânga posibilitatea de a alege familiile modelelor de

funcţii pe care să le utilizeze programul, iar în dreapta reprezentarea grafică a funcţiei care
104
aproximează cel mai bine punctele empirice (abaterea standard S=0.01, iar coeficientul de
corelaţie r=0.99).
Fig. 6.3.
Fig. 6.4.
După apăsarea butonului <Info> apare expresia funcţiei propuse de program şi pot fi
consultate valorile coeficienţilor a, b, c, d (imaginea din stânga). Prin intermediul meniului
contextual se poate solicita o analiză (imaginea de dialog din dreapta) care oferă posibilitatea
determinării y = f(x) pentru un X ales. Dacă se introduce X=35, se va obţine Y=2.41862 ceea
ce reprezintă răspunsul căutat.
105
Fig. 6.5.
Fig. 6.6.
106
UNITATEA DE CURS 6.2. PROGRAMAREA LINIARĂ
OBIECTIVE
 Familiarizarea cu programarea liniară
 Cunoaşterea unor exemple de probleme de tip programare liniară
 Familiarizarea cu problemele de optimizare
 Descrierea şi formularea problemelor de programare liniară
 Familiarizarea cu rezolvarea problemelor de programare liniară cu ajutorul
diferitelor produse software
 Cunoaşterea problemei duale
 Cunoaşterea preţurilor umbră – calculul şi semnificaţia lor
 Însuşirea problemelor rezolvate
NOŢIUNI CHEIE
Programare liniară, funcţie obiectiv, validarea modelului, optimizare, problema duală,
preţurile umbră
6.2.1. Prezentare generală
Pană în anii ‘80 toate pachetele pentru rezolvarea problemelor de programare liniară
(Linear Programming – LP) se bazau doar pe algoritmul simplex. În anul 1984 Karmarkar a
publicat un nou algoritm pentru rezolvarea problemelor de programare liniară (LP), algoritm
numit interior point care este complet diferit de algoritmul simplex.
Munca lui Karmarkar a adus un imens aport la rezolvarea problemelor LP atât prin
metodele interior point cât şi prin algoritmul simplex.
Din anul 1984 au apărut noi produse software specializate pentru rezolvarea
problemelor de programare liniară ca de exemplu:
• OSL (Optimisation Subroutine Library) - IBM
• Cplex (Cplex Optimisation)
Ambele produse pot utiliza atât algoritmi simplex cât şi interior point.
În prezent există multe produse software care pot rezolva rapid probleme de
programare liniară. Calculatoarele de tip PC nu mai reprezintă un lux şi pe ele pot fi instalate
cu uşurinţă asemenea produse software. Dacă dorim să rezolvăm numeric o problemă de
programare liniară trebuie să ne întrebăm în primul rând dacă putem găsi un pachet software
adecvat calculatorului nostru şi sistemului de operare sub care acesta lucrează şi apoi dacă
acest pachet de programe are capacitatea să rezolve problema.
Pentru pachetele software care pot rezolva probleme de tip LP este foarte important să
cunoaştem:
- numărul maxim de restricţii cu care pot lucra şi
- tipurile de calculatoare pe care pot fi rulate.
Pachetele software menţionate mai sus (OSL şi Cplex) au capacitatea de a lucra cu un
număr maxim de 2 miliarde de variabile şi 16 milioane de restricţii. Aceste limite de
capacitate depăşesc cu mult ceea ce am putea rezolva în viaţa reală. Iată în continuare câteva
caracteristici ale unor probleme (LP) reale care au fost rezolvate folosind aceste programe:
107
Nume Număr de Număr de Timp de Computer

program pestricţii variabile rezolvare
OSL 105,000 155,000 4 ore IBM 3090
750 12,000,000 27 min. IBM 3090
Cplex 145 1,000,000 6 min. Cray YMP
41,000 79,000 3 min. Cray 2
Probleme complexe de programare liniară care au fost rezolvate prin intermediul

unor produse software specializate
Determinarea facilităţilor de comunicaţii necesare pentru Bazinul Pacific

Aici problema pe care compania AT&T a dorit să o rezolve a fost aceea de a
determina:
- unde şi cum să fie amplasate cablurile şi sateliţii submarini atunci când vor fi
necesari comunicaţiilor din acest spaţiu, şi
- numărul circuitelor necesare.
Această problemă LP a avut 28000 restricţii şi 77000 variabile.
Determinarea dinamicii optime a resurselor umane din cadrul armatei USA
Problema ce trebuia rezolvată a fost aceea de a stabili promovările în cadrul armatei
americane ţinând cont de noile intrări şi ieşiri din armată şi de necesităţile de instruire
aferente. Problema LP a avut 21000 restricţii şi 43000 variabile.
Evacuarea militarilor accidentaţi dintr-o zonă de conflict
Aviaţia militară americană a avut de rezolvat o problemă de programare liniară care îşi
propunea să determine fluxul de accidentaţi care pot fi evacuaţi dintr-o zonă de conflict din
America continentală astfel încât aceştia să fie cât mai puţin timp în aer. Restricţiile acestei
probleme sunt:
- toţi pacienţii care trebuie să fie transportaţi vor fi transportaţi;
- limitele de transport vor fi impuse de capacitatea spitalelor şi specializarea
lor.
O astfel de problemă care acoperea 50 de zile de conflict armat a avut 79000 restricţii
şi 267000 variabile şi a fost rezolvată în 10 ore.
Programarea logistică militară
Departamentul de apărare al USA a avut de rezolvat o problemă de logistică cu privire
la fezabilitatea susţinerii operaţiilor militare în timpul unei crize. Problema era de a determina
dacă diferite materiale necesare pot fi transportate peste ocean în ferestre stricte de timp.
Modelul LP a inclus capacităţile porturilor de îmbarcare şi debarcare, capacităţile diferitelor
mijloace de transport aeriene sau navale implicate şi penalizările ce pot fi aplicate pentru
neonorarea la timp a transporturilor.
O astfel de problemă care a fost simulată şi rezolvată presupunea 15 perioade de timp,
12 porturi de îmbarcare, 7 porturi de debarcare, 9 tipuri diferite de vehicule pentru 20000 de
solicitări de transport. Problema a avut 20500 restricţii şi 520000 variabile şi a fost rezolvată
în 75 minute.
Agenda personalului din aviaţie
American Airlines şi-a propus rezolvarea unei probleme de tip LP prin intermediul
căreia să poată stabili optim agenda personalului din aviaţia comercială.
În urma unui studiu a rezultat că această problemă va trebui să lucreze cu un număr de
aproximativ 12000000 de variabile. Trebuia să se ţină seama şi de faptul că în programul
liniilor aeriene pot interveni rute divizate în două parţi. De exemplu ruta Chicago-Londra
trebuia să treacă prin New York şi deci pentru ea trebuiau prevăzute mai multe elemente
precum ora de plecare din Chicago, ora de sosire în New York respectiv în Londra precum şi
108
disponibilitatea personalului de a însoţi întreaga cursă. Zborul putea fi însoţit de un personal

diferit între punctele de oprire.
Această problemă de stabilire a programului personalului de zbor trebuia să mai ţină
seama şi de faptul că nu orice pilot poate pilota orice tip de avion. Deci problema era aceea de
a asigura pentru fiecare rută de zbor un personal corespunzător.
Alte restricţii mai erau legate de orele la care personalul poate lucra.
Abordarea electronică versus abordarea manuală
Rezolvarea problemelor complexe de programare liniară prin intermediul unor
produse software specializate s-a impus deoarece:
• o rezolvare manuală a acestui tip de probleme (în prezent când există foarte multe
produse software specializate ce pot fi rulate pe calculatoare PC relativ ieftine) este aproape
inutilă, pentru că depăşeşte cu mult capacităţile umane de rezolvare clasică şi generează
riscuri de eroare şi costuri foarte mari;
• o rezolvare electronică este preferată în prezent pentru că este mai rapidă, oferă o
acurateţe a soluţiilor mai mare şi este mult mai ieftină comparativ cu metodele manuale.
Despre funcţia obiectiv
Partea de model matematic care descrie utilitatea este denumită funcţie obiectiv. Dacă
funcţia obiectiv trebuie să descrie măsura în care variază utilitatea produsului, atunci ea
trebuie să surprindă dimensiunea utilităţii şi variabilele în funcţie de care variază aceasta.
Variabilele sistemului pot fi împărţite în variabile de decizie şi parametri. O variabilă de
decizie este o variabilă care poate fi direct controlată de cel care ia deciziile. Există de
asemenea unii parametri ale căror valori pot fi neclare pentru cei ce iau deciziile. Aceasta cere
o analiză mai sensibilă după găsirea celei mai bune strategii. În practică este imposibil să se
surprindă într-o ecuaţie matematică toate relaţiile exacte între variabilele sistemului şi
dimensiunea utilităţii. În schimb, analistul OR/MS trebuie să încerce să identifice si apoi să
surprindă acele variabile care au cea mai mare importanţă asupra dimensiunii utilităţii.
El trebuie să le cuprindă în ecuaţii, sisteme de ecuaţii, inecuaţii, etc, relaţia matematică
fiind funcţia obiectiv folosită pentru a evalua performanţele sistemului studiat.
Formularea unei funcţii obiectiv corectă este de obicei o sarcină foarte grea iar până la
găsirea ei analistul se poate lovi de multe eşecuri. Aceste eşecuri se pot datora faptului că
analistul alege un set greşit de variabile sau, chiar dacă el alege variabilele 24 bune, nu
reuşeşte să surprindă bine relaţiile dintre variabile şi dimensiunile utilităţii.
De asemenea analistul poate încerca să găsească şi alte variabile care să
îmbunătăţească modelul şi să le neglijeze pe acelea care s-au dovedit a nu fi aşa de
importante. În orice caz nu putem afla dacă aceşti factori îmbunătăţesc într-adevăr modelul
decât dacă formulăm şi testăm modele noi care conţin şi alte variabile. Tot procesul de
selectare a variabilelor şi de formulare a modelului poate necesita reiterări multiple înainte de
a se găsi o funcţie obiectiv satisfăcătoare. Analistul speră să obţină câte o îmbunătăţire a
modelului la fiecare reiterare deşi aceasta nu se întâmplă întotdeauna. De cele mai multe ori
succesul final aste atins după un lung şir de eşecuri şi mici succese.
La fiecare stadiu de dezvoltare a procesului, analistul trebuie să măsoare cât de
adecvat sau valid este modelul. Două criterii sunt cel mai frecvent utilizate în acest tip de
determinare. Primul implică experimentarea modelului: supunerea modelului la o varietate de
condiţii şi înregistrarea dimensiunilor utilităţii generate în fiecare caz.
Dacă dimensiunea utilităţii variază într-o manieră ce diferă de aşteptări atunci există
motive să se creadă că funcţia obiectiv nu este corectă. De exemplu, să presupunem că un
model trebuie să estimeze valoarea de piaţă a caselor pentru o singură familie.
Modelul trebuie să indice valoarea în dolari în funcţie de numărul de metri pătraţi
locuibili, de numărul dormitoarelor, băilor şi mărimea grădinii. După dezvoltarea modelului,
analistul îl verifică aplicându-l în evaluarea unor case care au diferite valori şi caracteristici.
Dacă el constată că modelul său nu surprinde corect realitatea, atunci poate concluziona că
acesta nu este bun şi că mai trebuie făcute unele modificări. În schimb dacă într-adevăr
109
valoarea caselor reflectă cele patru caracteristici nici atunci problema nu este cu siguranţă
rezolvată pentru că rata de creştere a valorii casei poate nu este în aceeaşi proporţie cu fiecare
dintre variabile şi astfel trebuie studiată importanţa fiecărei variabile şi coeficientul său la
valoarea casei. Al doilea stadiu în validarea modelului cere o comparaţie a rezultatelor
modelului cu cele obţinute în realitate.
Optimizare
Oamenii au căutat sau au încercat să caute mult timp metode mai bune de a-şi
îmbunătăţi viaţa zilnică. De-a lungul istoriei omenirii s-a încercat la început găsirea unor surse
mai bune de hrană şi apoi găsirea de surse de materiale, energie, etc.
Relativ târziu în istoria omenirii s-a început să se formuleze şi să se rezolve probleme
cantitative, mai întâi în cuvinte şi apoi prin simboluri scrise. Un aspect derivat şi legat de
aceste probleme a fost căutarea “optimului”, a ”celui mai bun”. De fapt şi în prezent în cea
mai mare parte a timpului managerii caută să obţină o îmbunătăţire a nivelul de performanţă.
Eforturi masive s-au făcut pentru a descrie situaţii umane şi sociale complexe. Pentru
ca acestea să capete o însemnătate ele trebuiau să fie descrise printr-o ecuaţie matematică cu
una sau mai multe variabile ale căror valori trebuiau descoperite.
Întrebarea care urmează a se pune este: ce valori trebuie să capete aceste variabile
astfel încât expresia matematică să aibă cele mai bune valori (cele mai mici sau cele mai mari
în funcţie de cum se doreşte). Acest proces general de maximizare sau minimizare este
denumit optimizare. Optimizarea, denumită şi programare matematică, ajută la găsirea
răspunsului care duce la cel mai bun rezultat – cel care aduce cel mai mare profit, sau acela
care aduce cele mai mici costuri, pierderi sau disconfort. Adesea aceste probleme presupun
utilizarea cât mai eficientă a resurselor incluzând bani, timp, utilaje, staff, etc.
Problemele de optimizare sunt deseori clasificate ca fiind liniare sau neliniare în
funcţie de relaţia din problemă care este sau nu liniară în report cu variabilele. În prezent
există o varietate de pachete software care rezolvă problemele de optimizare.
De exemplu LINDO, QSB, LINGO şi What’s Best! rezolvă atât modele de programare
liniară cât şi neliniară.
Programarea matematică se confruntă în general cu probleme ale determinării şi
alocării optimale a resurselor limitate astfel încât să se atingă obiectivele propuse.
Obiectivele trebuie să reprezinte scopurile celui care ia decizia. Resursele pot
reprezenta de exemplu materiale, oameni, bani, etc. Dintre toate posibilităţile de utilizare a
resurselor este de dorit să se determine aceea sau acelea care maximizează sau minimizează
calitatea numerică precum profitul sau costul.
Scopul optimizării globale este acela de a găsi cea mai bună soluţie adecvată la
modelele cele mai dificile în condiţiile în care există mai multe soluţii posibile.
6.2.2. Descrierea şi formularea problemelor de programare liniară
Descriere
Programarea liniară (Linear Programming - LP) este o procedură care a găsit o largă
aplicare practică în aproape toate domeniile de activitate. Ea poate fi utilizată în afaceri, în
reclamă, în planificare, în producţie, etc. Transportul, distribuţia şi planificarea producţiei sunt
problemele tipice studiate prin LP. În USA industria petrolului pare a fi cea în care LP este cel
mai mult utilizată. Un manager al unei mari companii petroliere a estimat că între 5% şi 10%
din timpul în care se utilizează computerele în companie este destinat analizei şi creării de
modele LP.
LP rezolvă un tip de probleme (de programare) în care sunt liniare atât funcţia obiectiv
care trebuie optimizată cât şi relaţiile dintre variabilele ce definesc resursele.
110
Acest tip de probleme a fost formulat şi rezolvat pentru prima dată la sfârşitul anilor
1940. Mai rar s-a întâlnit o tehnică matematică care să găsească o asemenea răspândire
practică în: afaceri, comerţ, aplicaţii industriale şi mai rar s-a întâmplat ca o tehnică de acest
fel să fie dezvoltată atât de mult şi atât de repede la nivel teoretic. Astăzi programarea liniară
este utilizată cu succes în probleme de bugetare a capitalului, design, diete, conservarea
resurselor, jocuri de strategie, jocuri de război, prevederea creşterilor economice, sisteme de
transport, etc.
Este foarte important să se înţeleagă că programarea liniară (LP) este diferită de
programarea care se referă la programarea pe calculator. În primul caz programarea (LP)
înseamnă a plănui şi a organiza în timp ce în al doilea caz programarea pe calculator înseamnă
scrierea de instrucţiuni pentru a realiza calcule şi programe de calculator. Cunoştinţele într-
una dintre programări nu au aproape nici o importanţă pentru celălalt tip de programare. De
fapt, termenul “programare liniară” a fost inventat înainte ca termenul “programare” să fie
asociat cu programarea pe calculator. Această confuzie este deseori evitată prin folosirea
termenilor de optimizare liniară în loc de programare liniară.
Orice problemă LP constă în existenţa unei funcţii obiectiv şi a unor restricţii. Când se
formulează o problemă de decizie ca o problemă de programare liniară trebuie verificate
următoarele condiţii:
• Funcţia obiectiv trebuie să fie liniară. Aceasta înseamnă ca toate variabilele trebuie
să fie la puterea 1 şi să fie doar adunate sau scăzute (nu înmulţite sau împărţite).
• Obiectivul trebuie să fie ori maximizarea ori minimizarea funcţiei liniare numită
funcţia obiectiv. Obiectivul trebuie să reprezinte scopul deciziei.
• Restricţiile trebuie să fie de asemenea liniare. Restricţiile pot fi doar ecuaţii sau
inecuaţii.
Formularea problemelor de programare liniară
Orice problemă LP este alcătuită din patru componente principale:
• un set de variabile de decizie,
• parametrii,
• funcţia obiectiv şi
• setul de restricţii.
Variabilele de decizie pot fi asimilate cu input-urile controlabile.
Parametrii caracterizează input-urile necontrolabile. Acestea sunt de obicei valori
numerice constante date.
Obiectivul trebuie să reprezinte scopul decidentului. Funcţia obiectiv arată cum este
legat obiectivul de variabilele de decizie. Ea poate fi o funcţie de maximizare sau de
minimizare.
Restricţiile reprezintă cererile ce trebuie satisfăcute. Ele pot fi restricţii de egalitate sau
de inegalitate.
Exemple
În continuare se va prezenta o problemă clasică de programare liniară care va ilustra
aspectele prezentate mai sus. Modul în care va fi abordată această problemă este asemănător
cu modul de abordate pentru cea mai mare parte dintre problemele de programare liniară care
implică luarea de deciziilor.
Problema tâmplarului nr.1
Un tâmplar produce mese şi scaune pe care le vinde în piaţă cu un preţ de 5$ pentru o
masă şi 3$ pentru un scaun. El lucrează 2 ore pentru a produce o masă şi o oră pentru a
produce un scaun. Numărul total de ore de muncă pe care le poate lucra într-o săptămână este
de 40 ore. Cantităţile de materiale brute necesare pentru producţie sunt: 1 unitate pentru o
masă şi 2 unităţi pentru un scaun. Cantitatea totală de material furnizat într-o săptămână este
de 50 unităţi.
Obiectivul său este acela de a afla câte mese şi scaune trebuie să producă pe
săptămână pentru a-şi maximiza venitul.
111
Rezolvare:
Factorii restricţiilor care de obicei vin din exterior sunt reprezentaţi aici de limitele
muncii (care vin din partea familiei – nu mai mult de 40 de ore pe săptămână) şi resursele de
material brut de care dispune într-o săptămână (livrările de material se fac după un program
fix – cantitatea maximă de material care poate fi furnizat într-o săptămână este doar de 50 de
unităţi).
Astfel, formularea LP este:
Variabile:
X1 reprezintă numărul de mese ce se vor produce
X2 reprezintă numărul de scaune ce se vor produce
Funcţia obiectiv:
Maximizarea venitului obţinut: Max (5 X1 + 3 X2)
Restricţiile:
2 X1 + X2 ≤ 40 restricţia de muncă
X1 + 2 X2 ≤ 50 restricţia de material
şi ambele X1, X2 sunt ne-negative.
Acesta este un modelul matematic al problemei expuse. Variabilele de decizie, adică
input-urile controlabile sunt X1 şi X2. Output-ul pentru acest model este venitul total obţinut
într-o săptămână adică: 5 X1 + 3 X2. Toate funcţiile folosite în model sunt liniare.
Coeficienţii acestor restricţii sunt:
21
12
Ei mai sunt numiţi factori tehnologici şi formează matricea tehnologică.

În urma rezolvării va rezulta soluţia optimă: vor fi produse într-o săptămână X1=10
mese şi X2=20 scaune. Cu această strategie optimală va putea fi obţinut un venit maxim de
110 dolari.
Problema prezentată a fost reală iar soluţia oferită a fost o surpriză pentru tâmplar
deoarece el obişnuia să producă într-o săptămână mai multe mese decât scaune gândindu-se
că acestea costau mai mult.
După aflarea acestei soluţii având în vedere faptul că cererea de mese pe piaţă era
foarte mare, tâmplarul a dorit să ştie dacă îşi poate permite să angajeze un ajutor astfel încât
să crească cantitatea de mese produse şi să răspundă în acest fel cerinţelor pieţei dar fără să-şi
diminueze venitul de 110$. Dacă dorea, tâmplarul îşi putea găsi un ajutor pe care să-l
plătească cu 2 dolari pe oră şi care să fie disponibil mai mult de 40 de ore pe săptămână. În
esenţă el dorea să ştie dacă ar trebui să-şi angajeze un ajutor, şi dacă da, pentru câte ore?
Rezolvare:
Variabile:
X1 reprezintă numărul de mese ce se vor produce
X2 reprezintă numărul de scaune ce se vor produce
X3 este numărul de ore suplimentare pentru care îşi va angaja un ajutor
Funcţia obiectiv:
Maximizarea venitului obţinut: Max (5 X1 + 3 X2 - 2 X3)
Restricţiile:
2 X1 + X2 40 + X3 restricţia de muncă cu un număr X3 necunoscut de ore, care mai
poate fi scrisă şi sub forma:
2 X1 + X2 – X3 40
X1 + 2 X2 50 restricţia de material
şi X1, X2, X3 sunt ne-negative.
112
Rezolvând problema vom constata că soluţia optimă este X1=50 mese, X2=0 scaune,
X3=60 ore cu un venit optim pentru tâmplar de 130 dolari (5X1+3X2-3X3=250+0-120). În
acest fel tâmplarul chiar va câştiga în plus 20$. Deci el ar trebui să angajeze un ajutor pentru
60 de ore.
Rezolvarea problemelor utilizând un produs software specializat
Rezolvarea problemelor cu QSB
S-a ales pentru început exemplificarea pe baza produsului QSB.
Iată primul dialog care permite stabilirea tipului de problemă, a numărului de variabile
şi a felului în care vor fi încărcate datele:
Fig. 6.7.
Următoarea formă matricială va fi utilizată pentru încărcarea datelor problemei:
Fig. 6.8.
După rezolvare vom obţine soluţia optimă:
113
Fig. 6.9.

Stabilirea tipului problemei:
Fig. 6.10.
Introducerea datelor:
Fig. 6.11.
Soluţia optimă:
114
Fig. 6.12.
Rezolvarea problemelor cu Microsoft Excel

Programul Excel oferă de asemenea suport software pentru rezolvarea problemelor de
programare liniară prin intermediului componentei Solver (tradus ca Rezolvitor în versiunile
româneşti). Opţiunea care lansează Solver-ul se află în meniul Tools (Instrumente). În mod
implicit componenta nu este instalată. Ea se poate instala prin Add-in din cadrul aceluiaşi
meniu. Iată meniul disponibil într-o versiune românească:
Fig. 6.13.
Opţiunea Rezolvitor apare doar după includerea ei prin Componente introduse la

cerere …
Pentru a fi posibilă rezolvarea problemei cu Solver-ul (Rezolvitor-ul) mai întâi trebuie
introduse datele de intrare în celulele unei pagini Excel, apoi trebuie create câmpurile
calculate.
115
Fig. 6.14.
În pagina Excel de mai sus pentru o mai bună vizibilitate câmpurile calculate au fost
formatate cu culoarea roşie. Ele reprezintă valorile de ieşire: X1, X2, necesarul calculat pentru
fiecare resursă şi valoarea funcţiei obiectiv (profitul total). Formulele pentru necesarul celor
două resurse şi pentru profit sunt:
• Necesar resursa timp: E7=C7*C5+D7*D5
• Necesar resursa material: E8=C8*C5+D8*D5
• Profit total: C10=C6*C5+D6*D5
În continuare trebuie specificaţi în Solver (Rezolvitor) parametrii problemei:
• Celula ţintă (adică celula care conţine formula funcţiei obiectiv)
• Felul problemei (de maxim, de minim)
• Celulele ce se vor modifica (adică X1, X2)
• Restricţiile
Fig. 6.15.
După apăsarea butonului Rezolvare se va obţine:
116
Fig. 6.16.
În mod similar se rezolvă şi problema tâmplarului nr. 2:
Fig. 6.17.
La această problemă formulele pentru necesarul celor două resurse şi pentru profit
sunt:
• Necesar resursa timp: F7=C7*C5+D7*D5+E7*E5
• Necesar resursa material: F8=C8*C5+D8*D5+E8*E5
• Profit total: C10=C6*C5+D6*D5
Rezolvarea problemelor cu What’s Best!
Programul What’s Best! se instalează ca o componentă Excel. După instalare sub
Excel apare un nou meniu WB! Şi o nouă bară de instrumente (What’s Best!):
117
Fig. 6.18.
Fig. 6.19.
Definirea şi rezolvarea problemei se face parcurgând următorii patru paşi:
1) definirea celulelor alocate variabilelor X1, X2
2) definirea tipului funcţiei obiectiv (Maxim sau Minim)
3) definirea tipului restricţiilor (<=, >= sau =).
4) După apăsarea butonului Solve se va obţine:
118
Fig. 6.20.
Rezolvarea problemelor cu LINDO

Specific programului LINDO este faptul că oferă un editor de text în care poate fi
înscrisă problema (sau adusă prin Copy & Paste chiar dintr-un alt editor). Atunci când se
lucrează sub LINDO se poate utiliza semnul <!> drept specificator de comentariu.
Întotdeauna restricţiile vor fi precedate de textul SUBJECT TO.
Fig. 6.21.
După apăsarea butonului (Solve) se va obţine:
119
Fig. 6.22.
6.2.3. Problema duală
Construcţia problemei duale şi semnificaţia ei

Problema duală este o problemă ce poate fi asociată oricărei probleme de programare
liniară (LP).
Construcţia problemei duale
Întotdeauna într-o problemă de programare liniară numită problema primală (iniţială)
sunt valabile următoarele reguli:
- dacă primala este o problemă de maximizare, atunci problema duală asociată ei va fi
o problemă de minimizare (şi invers);
- elementele din partea dreaptă a restricţiilor (Right Hand Side – RHS) dintr-o
problemă (primală sau duală) devin coeficienţii funcţiei obiectiv ai celeilalte probleme (şi
invers);
- coeficienţii matricei restricţiilor unei probleme (primale sau duale) se obţin din
transpusa matricei coeficienţilor restricţiilor celeilalte probleme;
- va exista câte o restricţie în duală pentru fiecare variabilă din problema primală şi
invers;
- valorile din partea dreaptă a restricţiilor din duală vor fi egale cu coeficienţii funcţiei
obiectiv din primală luaţi în ordine şi invers;
- coeficienţii primei restricţii din primală vor deveni coeficienţii primei variabile în
fiecare din restricţiile din duală ş.a;
- tipul variabilelor din duală (≥ sau ≤) este dat sensul restricţiilor (≥ sau ≤).
Exemple
Fiind dată următoarea problemă primală să se găsească duala ei.
Problema primală Problema duală

Variabilele de decizie: Variabilele de decizie:
x1, x2 u1, u2, u3
120
Funcţia obiectiv: Funcţia obiectiv:

Min (x1 - 2x2) Max (2u1 - u2 + 3u3)
Restricţiile: Restricţiile:
x1 + x2 ≥ 2 u1 + u2 ≤ 1
x1 - x2 ≥ -1 u1 - u2 + u3 ≤ -2
x2 3, u1, u2, u3 ≥ 0
şi x1, x2 ≥ 0.
Problema tâmplarului
Problema primală Problema duală

Variabilele de decizie: Variabilele de decizie:
x1, x2 u1, u2
Funcţia obiectiv: Funcţia obiectiv:
Max (5x1 + 3x2) Min (40u1 + 50u2)
Restricţiile: Restricţiile:
2x1 + x2 ≤ 40 2u1 + u2 ≥ 5
x1 + 2x2 ≤ 50 u1 + 2u2 ≥ 3
x1 ≥ 0 u1 ≥ 0
x2 ≥ 0 u2 ≥ 0
Problema duală poate fi folosită într-o mare varietate de aplicaţii. În unele cazuri duala
poate fi mai eficientă decât primala.
Soluţia dualei oferă interpretări economice importante precum preţurile umbră
(shadow prices). Preţurile umbră reprezintă soluţia problemei duale.
Dacă problema primală este o problemă de maximizare (a profitului) atunci preţurile
umbră arată cât profit aduce fiecare unitate de resursă consumată. Concret în problema
tâmplarului u1 arată cât profit aduce o oră de muncă iar u2 determină profitul obţinut la o
unitate de material brut consumat. Această analiză îl poate ajuta pe manager să afle care
utilizare a resursei aduce cel mai mare profit.
Duala problemei tâmplarului şi interpretarea ei
Datele problemei primale:
Masă Scaun Disponibil
Muncă (ore) 2 1 40
Material brut (buc) 1 2 50
Venit net ($) 5 3
Formularea LP problemei primale:
X1 şi X2 reprezintă numărul de mese respectiv scaune care trebuie produse.
Max (5 X1 + 3 X2)
2 X1 + X2 ≤ 40 restricţia legată de muncă

X1 + 2 X2 ≤ 50 restricţia legată de material
şi ambele X1, X2 sunt nenegative.
Să presupunem că tâmplarul doreşte să-şi facă o asigurare pentru venitul net.

Din modelul dual putem desprinde următoarele semnificaţii pentru variabile:
• U1 = Suma de dolari care i se plăteşte tâmplarului pentru fiecare oră de muncă
pierdută (datorată de exemplu îmbolnăvirii).
• U2 = Suma de dolari care i se plăteşte tâmplarului pentru fiecare unitate de material
brut pierdută (datorată de exemplu unui incendiu).
121
În mod clar societatea de asigurări va încerca să minimizeze suma totală de dolari

(40U1 + 50U2) care trebuie plătită tâmplarului de către compania de asigurări.
Tâmplarul va pretinde companiei de asigurări să-i despăgubească întreaga pierdere
adică întregul venit net deoarece el nu va mai putea produce acea marfă.
Astfel, problema companiei de asigurări devine:
Min (40 U1 + 50 U2)
2U1 + 1U1 ≥ 5 Venitul net de la o masă

1U1 + 2U2 ≥ 3 venitul net de la un scaun
şi U1, U2 are nenegative.
Dacă rezolvăm problema cu un pachet de programe specializat vom obţine următoarea

soluţie optimă: U1 = 2,33333$ şi U2 = 0,33333$ cu valoarea optimă de 110$ (exact suma pe
care tâmplarul se aşteaptă să o primească ca asigurare).
După cum se observă din problemă tâmplarului şi din duala sa, valoarea optimă este
întotdeauna aceeaşi (110$) pentru ambele situaţii. Acest fapt este cunoscut în economie ca
echilibrul dintre problema primală şi cea duală.
Preţurile umbră – calculul şi semnificaţia lor
Comportamentul schimbărilor în valorile RHS ale valorii optime
RHS - Right Hand Side reprezintă valoarea din partea dreaptă a unei restricţii.
Pentru a studia schimbările direcţionale în valoarea optimă ţinând cont de schimbările
posibile din RHS, distingem următoarele două cazuri:
Cazul I: Problema de maximizare
• Pentru restricţia ≤ schimbarea se face în aceeaşi direcţie. Deci creşterea valorii RHS
nu descreşte valoarea optimă.
• Pentru restricţia ≥ schimbarea se face în direcţia opusă. Deci creşterea valorii RHS
nu duce la creşterea valorii optime. Ea descreşte sau rămâne neschimbată în funcţie de
restricţie.
• Pentru restricţia = schimbarea se poate produce în ambele direcţii.
Cazul II: Problema de minimizare
• Pentru restricţia ≤ schimbarea se face în direcţia opusă. Deci creşterea valorii
RHS nu creşte valoarea optimă, ea descreşte sau cel mult rămâne aceeaşi.
• Pentru restricţia ≥ schimbarea se produce în aceeaşi direcţie. Deci creşterea
valorii RHS nu scade valoarea optimă, ea creşte sau cel mult rămâne aceeaşi.
• Pentru restricţia = schimbarea se poate produce în ambele direcţii.
Interpretarea preţului umbră
Preţul umbră reprezentat de o variabilă duală ne arată în ce măsură se va schimba
valoarea funcţiei obiectiv dacă modificăm RHS-ul (adică valoarea din partea dreaptă a)
restricţiei corespunzătoare variabilei. Aceasta se mai numeşte şi valoarea marginală, preţ dual
sau valoare duală. Pentru fiecare restricţie, preţul umbră ne spune exact cu cât se va schimba
valoarea funcţiei obiectiv dacă schimbăm limitele intervalului RHS (ceea ce se află în partea
dreaptă a restricţiei).
Pentru fiecare valoare RHS, preţul umbră este raţia de schimbare în valoarea optimă
cauzată de orice creştere sau descreştere permisă în RHS.
Schimbarea în valoarea funcţiei obiectiv

Preţul umbră al unei resurse = ――――――――――――――――――
Schimbarea în valoarea RHS
Din nefericire există şi concepţii greşite cu privire la definiţia preţului umbră. O astfel
de concepţie este: “În problemele de programare lineară, preţul umbră al unei restricţii este
122
diferenţa între valoarea optimă a funcţiei obiectiv şi valoarea funcţiei obiectiv obţinută, atunci
când partea dreaptă (RHS) a unei restricţii este crescută cu o unitate”.
Discuţie
Să considerăm următorul exemplu:
Max (X2)
X1 + X2 ≤ 2
2.5X1 + 4X2 ≤ 10
unde ambele variabile de decizie sunt nenegative.
Această problemă are soluţia optimă pentru:
• X1 = 0, şi X2 = 2 şi
• valoare optimă rezultată = 2.
Dacă vom dori să calculăm preţul umbră al primei resurse, atunci când RHS-ul
acesteia creşte cu o unitate, problema va deveni:
Max (X2)
X1 + X2 ≤ 3
2.5X1 + 4X2 ≤ 10
unde ambele variabile de decizie sunt nenegative.
Noua problemă are soluţia optimă pentru:
• X1 = 0, şi X2 = 2.5 şi
• valoare optimă rezultată = 2.5.
De aceea pare că preţul umbră pentru această resursă este 2.5 – 2 = 0.5
Dar, de fapt dacă vom calcula preţul umbră prin rezolvarea corectă a problemei duale
vom obţine pentru această resursă preţul umbră = 1.
Preţul umbră este întotdeauna nenegativ?
Răspunsul la această întrebare depinde integral de formularea primalei şi a dualei.
Ceea ce este de reţinut este că preţul umbră al unui RHS dat este rata de schimbare a valorii
optime ţinând cont şi de schimbarea acelui RHS, schimbarea fiind între limitele senzitivităţii
acelui RHS.
Să considerăm următorul exemplu numeric:
Max (3X1 + 5X2)
X1 + 2X2 ≤ 50
-X1 + X2 ≥ 10
X1, X2 sunt nenegative.
Ne propunem să aflăm preţul umbră al RHS2 = 10. Pentru aceasta va trebui să

formulăm şi apoi să rezolvăm problema duală:
Min (50U1 + 10U2)
U1 - U2 ≥ 3
2U1 + U2 ≤ 5
Soluţia dualei este U1 = 2,66, U2 = - 0,33. Deci preţul umbră corespondent pentru
RHS2 = 10 este U2 = - 0,3. Aceasta înseamnă că pentru fiecare creştere/descreştere cu o
unitate în valoarea RHS2 valoarea optimă pentru problema primală descreşte cu 0,33.
123
Preţuri umbră multiple

În acest sens întrebarea care se pune este: pentru o problemă LP care are o soluţie
optimă unică, este posibil să existe pentru un RHS mai mult de un preţ umbră? Răspunsul este
da.
Să considerăm următoarea problemă:
Min (16X1 + 24X2)
X1 + 3X2 ≥ 6
2X1 + 2X2 ≥ 4
X1, X2 ≥ 0
Duala ei este:
Max (6U1 + 4U2)
U1 + 2U2 ≤ 16
3U1 + 2U2 ≤ 24
U1, U2 ≥ 0
Această duală are mai multe soluţii alternative:
• U1 = 8, U2 = 0 şi
• U1 = 4, U2 = 6.
Toate combinaţiile convexe ale acestor puncte sunt şi ele soluţii.

De fiecare dată când există redundanţă în restricţii sau dacă soluţia optimă este
“degenerată” ar putea exista mai mult decât un set de preţuri duale. În general, restricţiile
liniare independente sunt o condiţie suficientă pentru unicitatea preţurilor umbră.
Să considerăm acum următoarea problemă LP cu o restricţie redundantă:
Max (10X1 + 13X2)
X1 + X2 = 1
X1 + X2 = 1
X1 + 2X2 = 2
X1, X2 sunt nenegative.
Dacă rulăm problema cu pachetul de programe LINDO vom obţine:

X1 = 0, X2 = 1 cu preţurile umbră 0, 13 şi 0.
Dacă rulăm problema cu pachetul de programe QSB vom obţine:
X1 = 0, X2 = 1 cu preţurile umbră 0,7,3.
În cazul redundanţei, preţurile umbră obţinute cu un produs software LP pot diferi de
cele obţinute cu un altul.
6.2.4. Probleme rezolvate
Problema 1
124
O companie care asamblează tehnică de calcul urmează să pornească producţia a două

tipuri de calculatoare. Fiecare din acestea necesită timp de asamblare, timp pentru testare şi
spaţiu de depozitare. Fiecare din aceste resurse este limitată.
Managerul companiei îşi propune să determine cantitatea din fiecare tip de calculator
pe care să o producă astfel încât să maximizeze profitul obţinut în urma vânzării acestor
calculatoare.
Informaţii suplimentare
Pentru a da o soluţie corectă a problemei managerul a obţinut de la laboratorul de
producţie şi financiar al companieiei următoarele informaţii:
Calculator tip 1 Calculator tip 2

Profit unitar 60$ 50$
Timp necesar pentru 4h 10h
asamblare pe unitatea de
produs
Timp necesar pentru 2h 1h
testare pe unitatea de
produs
Spaţiu necesar pentru 1m cub 1m cub
depozitarea unui produs
Resurse Disponibil (zilnic)

Timp pentru asamblare 100h
Timp pentru testare 22h
Spaţiu de depozitare 12 m cubi
De la compartimentul de marketing managerul află că în orice combinaţie se vor

produce aceste tipuri de calculatoare pentru întreaga cantitate există cerere şi desfacere
asigurată.
Rezolvare
Această problemă se prezintă ca o problemă de programare liniară.
În principiu soluţia trebuie să fie exprimată în numere întregi însă chiar dacă
rezultatele sunt numere fracţionare acest lucru nu afectează în mod semnificativ soluţia
optimă.
Totodată se face presupunerea de nenegativitate a valorilor utilizate având în vedere că
nu au sens valori negative pentru cantităţi, timp şi suprafeţe.
Variabile
X1=numărul de calculatoare de tipul 1 care se vor produce

X2=numărul de calculatoare de tipul 2 care se vor produce
Funcţia obiectiv
Max (60X1 + 50X2)
Restricţii
* referitoare la timpul de asamblare: 4X1 + 10X2 <= 100
* referitoare la timpul de testare: 2X1 + X2 <= 22
* referitoare la spaţiul de depozitare: X1 + X2 <= 12
* restricţii de nenegativitate: X1 >= 0, X2 >= 0
Rezolvarea utilizând un produs software specializat
125
Rezolvarea problemei cu QSB

Stabilirea parametrilor problemei:
Fig. 6.23.
Încărcarea datelor:
Fig. 6.24.
Soluţia optimă:
126
Fig. 6.25.
Rezolvarea problemei cu LINDO
Fig. 6.26.
127
Fig. 6.27.
Problema 2
Formulaţi problema duală a problemei anterioare.
Pentru a formula problema duală trebuie să urmăm următorii paşi:
1. Pentru funcţia obiectiv :
a. Deoarece funcţia obiectiv este o maximizare, în duală ea va fi o funcţie de
minimizare.
b. Valorile din partea dreaptă a restricţiilor devin coeficienţi ai funcţiei obiectiv a
dualei.
Min (100Y1 + 22Y2 + 12Y3)
S-au notat cu Y variabilele din duală pentru a le deosebi de cele din problema
primală.. Va exista câte o variabilă în duală pentru fiecare restricţie din primală.
2. Pentru restricţii :
a. Vom avea câte o restricţie în duală pentru fiecare variabilă din problema primală.
(Astfel, deoarece în problema primală avem două variabile, duala va avea două restricţii)
b. Valorile din partea dreaptă a restricţiilor din duală vor fi egale cu coeficienţii
funcţiei obiectiv din primală luaţi în ordine. Astfel, valoarea din partea dreaptă a primei
restricţii din duală va fi egală cu coeficientul primei variabile din funcţia obiectiv a primalei
128
iar valoarea din partea dreapta a celei de-a doua restricţii din duală va fi egală cu coeficientul
celei de-a doua variabile din funcţia obiectiv a primalei.
c. Coeficienţii primei restricţii din primală vor deveni coeficienţii primei variabile în
fiecare din restricţiile din duală. Astfel, coeficientul lui X1 din prima restricţie din primală
devine coeficientul lui Y1 în prima restricţie din duală şi coeficientul lui X2 din prima
restricţie din primală devine coeficientul lui Y1 în cea de-a doua restricţie din duală, ş.a.m.d.
Restricţiile duale sunt :
4Y1 + 2Y2 + 1Y3 >= 60
10Y1 + 1Y2 + 1Y3 >= 50
Deci, dacă problema primală este:
Max (60X1 + 50X2)
4X1 + 10X2 <= 100
2X1 + 1X2 <= 22
1X1 + 1X2 <= 12
X1 >= 0, X2 >= 0
Atunci problema duală corespunzătoare va fi:
Min (100Y1 + 22Y2 + 12Y3)
4Y1 + 2Y2 + 1Y3 >= 60
10Y1 + 1Y2 + 1Y3 >= 50
Y1,Y2,Y3 >= 0
Pentru a transforma o problemă primală în duala ei este mai uşor dacă toate restricţiile
dintr-o problemă de maximizare sunt de forma <=, şi într-o problemă de minimizare
restricţiile sunt de forma >=.
- Acest lucru se poate realiza prin înmulţirea cu (–1) a restricţiilor care nu corespund
acestor criterii.
- Dacă o restricţie este o egalitate, ea trebuie înlocuită cu două restricţii: una de >= şi
cealaltă <=.
Exemplu: 4x1 + 5x2 = 20 poate fi înlocuită cu :
4x1 + 5x2 <= 20 şi 4x1 + 5x2 >= 20
Una din aceste două restricţii se înmulţeşte cu (-1) în funcţie de tipul problemei (de
minim sau de maxim).
Iată în continuare soluţia duală a problemei primale – problema 1.
(Sensitivity Analysis for RHS):
Fig. 6.28.
Explicaţia economică a problemei duale

Orice problemă de programare liniară poate avea două forme. Formularea iniţială a
problemei poartă numele de forma primală iar cea de-a doua forma duală. Forma duală este
un fel de imagine în oglindă a celei primale deoarece atât în formulare cât şi în soluţie valorile
duale sunt versiuni „flip-flop” ale valorilor primalei.
Soluţiile problemei primale conţin soluţiile problemei duale şi invers. Singura
problemă care se pune este interpretarea rezultatelor soluţiei duale. Analiza problemei duale
permite managerului să evalueze impactul potenţial al unui nou produs şi se foloseşte pentru a
determina valorile marginale ale resurselor (restricţiilor). În legătură cu un nou produs, un
manager ar putea dori să ştie ce impact ar avea adăugarea unui nou produs asupra soluţiilor
cantitative şi asupra profitului; în legătură cu resursele un manager ar putea folosi soluţiile
129
dualei pentru a determina cât profit aduce fiecare unitate de resursă consumată. Această
analiză ajută managerul să aleagă acea variantă de utilizare a resursei care aduce mai mult
profit.
130
UNITATEA DE CURS 6.3. PLANIFICAREA PROGRAMULUI DE LUCRU AL

PERSONALULUI (STAFF SCHEDULING)
OBIECTIVE
 Cunoaşterea problemelor de planificare a programului de lucru
NOŢIUNI CHEIE
Staff Scheduling
În problemele de planificare a programului de lucru al personalului se urmăreşte

găsirea unei soluţii care să minimizeze costul ce trebuie plătit angajaţilor în funcţie de
numărul de ore lucrate pe săptămână. Soluţia va ţine seama de un necesar minim de personal
ce trebuie asigurat în fiecare zi a săptămânii şi va determina numărul de persoane care vor
lucra şi care vor fi libere în fiecare zi (din săptămână).
Acest tip de planificare (a turelor) se foloseşte foarte mult în domenii cum sunt:
zborurile aeriene, programarea turelor din spitale, restaurante, magazine etc.
Iată în continuare un exemplu care va uşura înţelegerea problemelor încadrate în
această categorie numită Staff Scheduling.
Exemplul 1
În urma unui studiu efectuat la un magazin s-a constat următorul necesar de personal
vânzător pentru fiecare zi a săptămânii:
131
Fig. 6.29.
Un vânzător primeşte 60 $ pentru fiecare zi lucrătoare muncită. Dacă lucrează sâmbăta

el primeşte în plus 25 $ iar dacă lucrează duminica primeşte în plus 35 $.
Fiecare vânzător poate lucra doar 5 zile pe săptămâna si apoi trebuie sa aibă doua zile
libere consecutiv.
Managerul magazinului doreşte o planificare optimă care să acopere necesarul de
vânzători şi care să ofere soluţia pentru cea mai mică sumă totală de plată săptămânală ce
trebuie plătită vânzătorilor.
Rezolvare
În următorul tabel este prezentată o planificare exaustivă (un grafic) pentru fiecare zi a
săptămânii. S-au notat cu (T) zilele în care un vânzător va lucra în tură şi cu (L) zilele libere:
Planificare Denumire Luni Marţi Miercuri Joi Vineri Sâmbătă Duminică Salariu
ziua start variabile săptămânal
($)
Luni Lu_X T T T T T L L 300
Marţi Ma_X L T T T T T L 325
Miercuri Mi_X L L T T T T T 360
Joi Jo_X T L L T T T T 360
Vineri Vi_X T T L L T T T 360
Sâmbătă Sa_X T T T L L T T 360
Duminică Du_X T T T T L L T 335
Funcţia obiectiv
Min(300Lu_X + 325Ma_X + 360Mi_X + 360Jo_X + 360Vi_X + 360Sa_X +

335Du_X)
132
Restricţiile
Lu_X + Jo_X + Vi_X + Sa_X + Du_X >= 20

Lu_X + Ma_X + Vi_X + Sa_X + Du_X >= 13
Lu_X + Ma_X + Mi_X + Sa_X + Du_X >= 10
Lu_X + Ma_X + Mi_X + Jo_X + Du_X >= 12
Lu_X + Ma_X + Mi_X + Jo_X + Vi_X >= 16
Ma_X + Mi_X + Jo_X + Vi_X + Sa_X >= 18
Mi_X + Jo_X + Vi_X + Sa_X + Du_X >= 20
6.3.1 Rezolvarea prin intermediul unui produs software specializat
Introducerea problemei:
Fig. 6.30.
Prima fereastră a soluţiei:
133
Fig. 6.31.
A doua fereastră a soluţiei:
Fig. 6.32.
Deci vor fi necesari 22 de vânzători, iar pentru plata acestora vor trebui 7750$.
134
Conform planificării (graficului) turelor:

Luni vor lucra: Lu_X+Jo_X +Vi_X+Sa_X+Du_X=2+7+5+4+2=20 vânzători
Marţi vor lucra: Lu_X+Ma_X+Vi_X+Sa_X+Du_X=2+0+5+4+2=13 vânzători ş.a.
135
UNITATEA DE CURS 6.4. PROGRAMAREA INTEGER
OBIECTIVE
 Cunoaşterea problemelor de programare liniară variabile întregi
NOŢIUNI CHEIE
Integer Programs (IP), Integer Linear Programming (ILP)
Când formulăm o problemă de programare liniară (LP) constatăm deseori că unele

variabile trebuie să ia valori întregi. Astfel de probleme le întâlnim în literatura de specialitate
sub denumirea Integer Programs (IP) sau Integer Linear Programming (ILP).
Modelele IP sunt frecvent folosite în management deoarece multe decizii presupun în
esenţă un număr finit de variante. Este cazul problemelor de decizie de tipul da / nu sau
acţionează / nu acţiona. Alte probleme sunt astfel formulate încât nu acceptă o parte
fracţionară la soluţii ci doar numere întregi (număr de oameni, număr de maşini număr de
avioane, etc).
Există şi tipul de probleme mixte în care unele variabile trebuie să ia numai valori
întregi şi altele pot lua şi valori fracţionare. Acestea se încadrează în modelele numite
programe mixte-întregi (MIP).
Problemele de programare liniară cu numere întregi constituie gama de probleme ILP
(Integer Linear Programming) care vor fi prezentate în continuare.
Exemple
Exemplul 1
Existând patru proiecte care se vor derula pe durata a trei ani consecutivi şi având
fiecare următoarele caracteristici:
Venituri returnate pe Cereri de capital pe

proiecte ani si proiecte
Proiect Venit returnat Anul 1 2 3
1 0.2 0.5 0.3 0.2
2 0.3 1.0 0.8 0.2
3 0.5 1.5 1.5 0.3
4 0.1 0.1 0.4 0.1
Capital total disponibil: 3.1 2.5 0.4
Se cere să se stabilească ce proiecte vor fi alese pentru a se maximiza venitul final

total rezultat în urma derulării acestora.
Soluţia
În acest caz se observă foarte clar că soluţia acestei probleme nu poate avea parte
fracţionară. Este exclus să obţinem un răspuns de tipul: 1.72, 2.53, 3.09, 4.1. Proiectele pot fi
doar alese sau respinse.
Abordăm problema în aceeaşi manieră în care am formulat problemele de tip LP,
adică vom determina care sunt:
• variabilele
136
• restricţiile
• obiectivele
Singura modificare semnificativă în formularea IP deosebită de formularea LP este
definirea variabilelor.
Variabile
Aici vom încerca să decidem dacă să garantăm un proiect sau nu. O modalitate de
rezolvare este introducerea unor variabile care să ia doar valorile întregi 0 sau 1 şi care să
reprezinte decizii binare:
• Decizia pozitivă (se execută se garantează) este reprezentată de 1
• Decizia negativă (nu se execută nu se garantează) este reprezentată de 0.
Aceste variabile sunt adesea numite variabile zero-unu sau variabile binare.
Vom utiliza următoarea notaţie xj:
xj = 1 dacă decidem să realizăm proiectul j (j=1,...,4) altfel,
xj = 0 (dacă decidem să nu realizăm proiectul j (j=1,...,4))
Restricţii
Restricţiile referitoare la capitalul disponibil în fiecare an sunt:
0.5x1 + 1.0x2 + 1.5x3 + 0.1x4 <= 3.1 (anul 1)
0.3x1 + 0.8x2 + 1.5x3 + 0.4x4 <= 2.5 (anul 2)
0.2x1 + 0.2x2 + 0.3x3 + 0.1x4 <= 0.4 (anul 3)
Funcţia obiectiv
Maximizarea venitului total posibil de obţinut din proiecte.
Max (0.2x1 + 0.3x2 + 0.5x3 + 0.1x4)
xj = 0 sau 1 j=1,...,4
Exemplul 2
Un album muzical care conţine 9 melodii trebuie înregistrat pe o casetă matriţă.
Durata fiecărei melodii este:
Melodie 1 2 3 4 5 6 7 8 9
Durata 6 8 8 6 7 6 7 5 7
(min.)
Se cere să se distribuie optim melodiile pe cele două feţe ale casetei astfel încât fiecare
faţă să aibă o durată cât mai apropiată de jumătatea (30 min.) timpului total (60 min.) al celor
9 melodii.
Soluţia
Variabile
X1, X2,…, X9.
Xi = 1 dacă melodia <i> se înregistrează pe fata 1, altfel este 0 (dacă ea se
înregistrează pe faţa 2).
Funcţia obiectiv
Max (X1 + X2 + X3 + X4 + X5 + X6 + X7 + X8 + X9)
Restricţia
6X1 + 8X2 + 8X3 + 6X4 + 7X5 + 6X6 + 7X7 + 5X8 + 7X9 <= 30
6.4.1. Rezolvarea prin intermediul unor produse software specializate
Rezolvarea exemplului 1 cu QSB

Pentru rezolvarea unor astfel de probleme (ILP), pachetele de programe folosesc cel
mai frecvent metoda branch and bound.
137
Datele de intrare pentru problema enunţată mai sus pot fi încărcate prin intermediul
următoarelor formulare:
Parametrii problemei:
Fig. 6.33.
Coeficienţii funcţiei obiectiv şi ai restricţiilor:
Fig. 6.34.
Situaţia finală care ne oferă soluţia optimă este:
Fig. 6.35.
Se constată că decizia optimă propusă de soluţie este aceea de a alege doar proiectele 3
şi 4. Oricare altă alegere ar determina obţinerea unui profit (venit) inferior sau nu ar respecta
restricţiile impuse.
138
Rezolvarea exemplului 2 cu LINDO

Fig. 6.36.
Fig. 6.37.
Se observă că programul a propus pentru o faţă a casetei melodiile:

1, 4, 6, 7, 8 (adică 30 min. = 6 min. + 6 min. + 6 min. + 7 min. + 5 min.).
139
UNITATEA DE CURS 6.5. PROGRAMAREA SCOPURILOR (GOAL

PROGRAMMING)
OBIECTIVE
 Cunoaşterea modelelor de programare a scopurilor
NOŢIUNI CHEIE
Programarea scopurilor
Programarea scopurilor este o dezvoltare a programării liniare utilizată pentru

probleme care implică mai multe obiective.
Modelele de programare a scopurilor diferă de modelele de programare liniară atât în
ceea ce priveşte restricţiile cât şi funcţia obiectiv.
Obiectivele multiple poartă numele de scopuri. Fiecare scop materializează un anumit
obiectiv de atins.
În programarea scopurilor, scopurile se exprimă sub forma unor restricţii. Restricţiile
de scopuri sunt diferite de restricţiile prezentate la programarea liniară. Restricţiile de tipul
celor prezentate la programarea liniară se numesc restricţii tari (hard) spre deosebire de cele
specifice scopurilor, care reprezintă un nivel dorit de performanţă şi care se numesc restricţii
slabe (soft).
Programarea scopurilor permite folosirea exclusivă a unor restricţii slabe sau o
combinaţie de restricţii tari şi slabe.
Soluţia unei probleme în programarea scopurilor trebuie să satisfacă toate restricţiile
tari dar nu trebuie obligatoriu să atingă nivelul de performanţă fixat prin restricţiile slabe.
Acest lucru se întâmplă atunci când există conflicte fie între scopuri fie între scopuri şi
restricţiile tari.
De exemplu o restricţie cere ca x1=10 iar altă restricţie ca x1>=20. Aceste două
restricţii nu pot fi satisfăcute simultan şi din acest motiv în programarea liniară spunem că nu
există o soluţie. În astfel de cazuri putem folosi programarea scopurilor deoarece sunt permise
abateri de la restricţiile slabe pentru a putea găsi o soluţie acceptabilă. Astfel, în programarea
scopurilor obiectivul este de a satisface restricţiile tari şi de a obţine un nivel cât mai
acceptabil de satisfacere a restricţiilor slabe (maleabile).
În prima fază programarea scopurilor a tratat scopurile (restricţiile slabe) ca fiind egale
în importanţă pentru soluţia obţinută. Deci, abaterea de la un scop era acceptată în mod egal
cu abaterea faţă de la un alt scop. Mai recent s-a introdus o diferenţiere în importanţa
scopurilor. Acest lucru se materializează în acordarea de coeficienţi de importanţă (prioritate)
ai scopurilor. Această abordare permite obţinerea unor soluţii cât mai acceptabile problemelor
din lumea reală.
6.5.1. Variabilele abatere
Pentru a măsura abaterile de la scopuri se folosesc variabile abateri care sunt incluse în
restricţiile de scop. Ele reprezintă diferenţa dintre scopul propus şi cel posibil de atins în
140
soluţie. Există două feluri posibile de abateri de la scop: abateri sub scop şi abateri peste scop.
Variabilele de abatere de la scopuri sunt incluse în fiecare din restricţiile de scop (slabe) sub
numele: Ui pentru abaterile sub (under) scop şi Vi pentru abaterile peste (over) scop (i
reprezintă numărul restricţiei de scop). Adăugând aceste două variabile abatere la o restricţie
de scop obţinem restricţii de tip egalităţi deoarece aceste variabile abateri măsoară tocmai
diferenţa dintre scopul propus şi cel posibil de atins.
Exemplu: dacă un manager fixează o restricţie referitoare la numărul de ore de muncă,
în programarea scopurilor o transpunem sub forma unei restricţii de scop de forma:
4X1 + 2X2 + (U1 - V1) = 100 ore
X1,X2 - reprezintă variabile de decizie
U1 - reprezintă numărul de ore de muncă neutilizate (1- prima restricţie)
V1 - reprezintă numărul de ore de muncă suplimentare
Au fost introduse în restricţia de scop ambele tipuri de variabile de abatere ceea ce
indică faptul că sunt permise abateri în ambele sensuri.
Dacă nu este admisă abaterea într-unul dintre sensuri, abaterea corespunzătoare nu va
apărea în restricţia de scop. De exemplu, dacă nu este permisă prestarea de ore suplimentare
variabila V1 nu va apărea în restricţia de scop.
Remarcaţi semnele cu care sunt introduse variabilele abatere în restricţia de scop: U
reprezintă un minus până la scop iar V un surplus peste scop, deci U se adună şi V se scade
pentru a se obţine egalitatea.
Dacă 4X1 + 2X2 = 80 => U1 = 20 ore nelucrate faţă de scopul 100
Dacă 4X1 + 2X2 = 110 => V1 = 10 ore peste program faţă de scopul 100
În ambele aceste cazuri cealaltă variabilă abatere faţă de cea precizată este =0
deoarece în mod logic ele se exclud.
Dacă 4X1 + 2X2 = 100 => U1 = 0 şi V1 = 0.
Astfel, în fiecare restricţie scop cel puţin una din variabilele abatere este = 0.
6.5.2. Formularea modelului în programarea scopurilor
Modelul constă dintr-o funcţie obiectiv şi un set de restricţii. Restricţiile pot fi numai
restricţii de scop (slabe) sau o combinaţie de restricţii de scop (slabe) şi restricţii obişnuite
(tari).
La acestea se adaugă restricţiile de nenegativitate pentru toate variabilele (de decizie şi
de abatere).
În modelele care includ şi priorităţi ale scopurilor, funcţia obiectiv măsoară care
variabile abateri vor fi minimizate şi în ce ordine de prioritate (importanţă)
Exemplu de model de programare a scopurilor:
Min (P1U1 + P2V1 + P3U2)
A) 4X1 + 2X2 <= 40 restricţii obişnuite

B) 2X1 + 6X2 <= 60. (tari)
1) 3X1 + 3X2 + U1 - V1 = 75 restricţii de scop

2) X1 + 2X2 + U2 - V2 = 50 (slabe)
X1, X2, U1, V1, U2, V2 >= 0
În funcţia obiectiv sunt prezente 3 variabile abatere:U1, V1, U2. Indicii acestora arată
cărei restricţii de scop aparţin. P-urile (P1, P2, P3) reprezintă 64
141
priorităţile, indicii lor arată ordinea de importanţă (i = 1 reprezintă cea mai mare
importanţă).
Observăm în funcţia obiectiv că cea mai mare prioritate este aceea de a minimiza
cantitatea cu care ne aflăm sub primul scop. Următoarea prioritate este aceea de a minimiza
cantitatea cu care ne aflăm peste primul scop şi cea mai mică prioritate este aceea de
minimiza cantitatea cu care ne aflăm sub cel de-al doilea scop.
Observăm că nu toate variabilele abatere trebuie să fie prezente în funcţia obiectiv.
Variabila V2 nu este inclusă deoarece nu ne propunem să minimizăm cantitatea cu care ne
aflăm deasupra celui de-al doilea scop (putem presupune că acest scop se referă la profit).
Exemplul 1
O companie produce 3 tipuri de produse (X1,X2,X3). Consumul de materiale şi timp
pe unitate de produs este următorul:
Produsul X1 X2 X3 Disponibil
Materiale 2 4 3 600 min.
(unităţi/produs)
Timp de 9 8 7 900 min.
producţie
(min/produs)
Timp de 1 2 3 300 min.
ambalare
(min/produs)
Managerul a stabilit următoarele obiective (scopuri) în ordinea lor de importanţă

(prioritate):
1. Minimizarea orelor suplimentare de producţie (prima prioritate - P1)
2. Minimizarea timpului de producţie neutilizat. (a doua prioritate - P2)
3. Minimizarea atât a timpului de ambalare suplimentar cât şi a celui neutilizat. (a treia
prioritate - P3)
Soluţie
La o primă analiză observăm că există 3 restricţii: una asupra materialelor şi două
asupra timpului. Observăm că restricţia asupra materialelor se exprimă ca o restricţie
obişnuită iar cele asupra timpului ca nişte restricţii de scop deoarece ele sunt cuprinse în lista
scopurilor urmărite.
Variabilele:
X1 – cantitatea de produs de tip 1
U1 – (sau X4) timpul de producţie neutilizat
V1 – (sau X5) timpul de producţie utilizat suplimentar
U2 – (sau X6) timpul de asamblare neutilizat
V2 – (sau X7) timpul de asamblare utilizat suplimentar
Restricţiile:
Materiale 2X1 + 4X2 + 3X3 <= 600 unităţi
Timp de producţie 9X1 + 8X2 + 7X3 + U1 - V1 = 900 min.
Timp de asamblare 1X1 + 2X2 + 3X3 + U2 - V2 = 300 min.
X1, X2, X3, U1, V1, U2, V2 >= 0
Funcţia obiectiv: Min (P1V1 + P2U1 + P3(U2 + V2))
Cuantificăm cele trei priorităţi în funcţie de importanţa lor:
142
P1 = 9, P2 = 8, P3 = 7.
Relativ la formularea scopurilor problemei, funcţia obiectiv poate fi împărţită în trei
obiective (scopuri):
• Min (P1V1) Scopul 1

• Min (P2U1) Scopul 2
• Min (P3(U2+V2)) Scopul 3
Exemplul 2
Managerul unei companii care produce două sortimente de stofă vrea să determine
structura producţiei pentru o săptămână redusă de lucru (există sărbători legale). Există în
acest scop suficiente stocuri de materie primă dar timpul de lucru disponibil este de 24 de ore.
Fiecare metru de stofă de primul tip necesită 2 ore de muncă iar cea din tipul 2 necesită 3 ore
de muncă.
Priorităţile exprimate de manager, în ordinea de importanţă a acestora, sunt:
1. Minimizarea timpului de muncă neutilizat
2. Dacă sunt necesare ore suplimentare, acestea să fie de aproximativ 12 ore sau mai
puţin
3. Să se încerce producerea de cel puţin 10 metri de stofă de tip 2
4. Să se evite orele suplimentare dacă acest lucru este posibil.
Soluţie:
Identificăm următoarele variabile de decizie:
X1 - cantitatea de stofă de tip 1 care să se producă
X2 – cantitatea de stofă de tip 2 care să se producă
U1 – (sau X3) ore de muncă neutilizate
V1 – (sau X4) ore de muncă suplimentare
U2 – (sau X5) ore de muncă neutilizate sub cele 12 ore acceptate
V2 – (sau X6) ore de muncă suplimentare peste cele 12 ore acceptate
U3 – (sau X7) cantitatea (m) de stofă de tip 2 produsă sub cerinţa de 10 m
V3 – (sau X8) cantitatea (m) de stofă de tip 2 produsă peste cerinţa de 10 m.
Restricţii:
Restricţia timpului de muncă:
2X1 + 3X2 + (U1 - V1) = 24 ore
Restricţia privind orele suplimentare:
V1 + (U2 - V2) = 12 ore
Restricţia privind cantitatea de stofă de tipul 2:
X2 + (U3 - V3) = 10 metri
Funcţia obiectiv:
Relativ la scopurile exprimate de manager observăm că:
1. Minimizarea timpului de muncă neutilizat – reprezintă scopul 1 care poate fi asociat
variabilei U1
2. Dacă sunt necesare ore suplimentare, acestea să fie de aproximativ 12 ore sau mai
puţin – reprezintă scopul 2 care poate fi asociat variabilei V2
3. Să se încerce producerea de cel puţin 10 metri de stofă de tip 2 – reprezintă scopul 3
care poate fi asociat variabilei U3
4. Să se evite orele suplimentare dacă acest lucru este posibil – reprezintă scopul 4
care poate fi asociat variabilei V1.
Min (P1U1 + P2V2 + P3U3 + P4V1)
Cuantificăm cele patru priorităţi în funcţie de importanţa lor:
P1 = 9, P2 = 8, P3 = 7, P4 = 6.
Relativ la formularea scopurilor problemei, funcţia obiectiv poate fi împărţită în patru
obiective (scopuri):
143

Unde: U1 = timpul de muncă neutilizat
U2 = timpul de muncă neutilizat sub cele 12 ore acceptate
V2 = timpul suplimentar de muncă peste cele 12 ore acceptate
U3 = cantitatea (metri) de stofă de tipul 2 sub cerinţa de 10 metri
V1 = numărul de ore suplimentare
X1, X2, U1, V1, U2, V2, U3, V3 >= 0
6.5.3. Rezolvarea problemelor utilizând un produs software specializat
Problema anterioară are 4 scopuri şi 8 variabile: X1, X2, U1 (notat X3), V1 (notat
X4), U2 (notat X5), V2 (notat X6), U3 (notat X7) şi V3 (notat X8).
Dialogul iniţial:
Fig. 6.38.
Formularul pentru încărcarea datelor:
144
Fig. 6.39.
Soluţia finală:
Fig. 6.40.
145
UNITATEA DE CURS 6.6. ANALIZE DE TIP REŢEA PERT – CPM
OBIECTIVE
NOŢIUNI CHEIE
Analiza de tip reţea, managementul proiectelor, diagrame de tip reţea, graficul Gantt,
6.6.1. Introducere
Analiza de tip reţea este o tehnică specifică utilizată în planificarea şi managementul

proiectelor. Specific proiectelor este faptul că:
- ele sunt temporare, au un început şi un sfârşit;
- pot fi împărţite în mai multe activităţi separate (job-uri) în care fiecare activitate are
asociată o durată şi un timp de realizare (timpul cuprins între punctul de start şi cel de
terminare a activităţii);
- există o precedenţă a ordinii în care se execută activităţile.
Pentru analizele de tip reţea au fost dezvoltate independent în anii 1950 două tehnici
diferite:
• PERT (Program Evaluation and Review Technique);
• CPM (Critical Path Management).
PERT a fost dezvoltat de US Navy pentru planificarea şi controlul rachetelor Polaris
dorindu-se a se găsi cel mai scurt timp posibil pentru realizarea proiectului.
CPM a fost dezvoltat de către Du Pont care şi-a propus să găsească un raport optim
între costul proiectului şi timpul de realizare a acestuia. Se consideră că pentru unele activităţi
poate fi micşorat timpul de realizare cheltuindu-se mai mulţi bani.
În prezent există numeroase produse software care pot rezolva cu succes analizele de
tip reţea atât prin tehnica PERT cât şi prin CPM. Analizele de tip reţea sunt vitale în
managementul proiectelor. Ele ne dau posibilitatea ca prin intermediul unor metode
cantitative corespunzătoare să putem conduce un proiect astfel încât acesta să fie realizat cu
succes.
6.6.2. Formularea unei probleme
Pentru o mai bună înţelegere a analizelor de tip reţea, este necesară o discuţie pe baza
unui exemplu, care va conduce cu siguranţă către o clarificare a acestei problematici.
Să presupunem că se intenţionează lansarea unui nou produs pe piaţă. ceea ce necesită
existenţa unui proiect compus din mai multe etape şi sarcini care vor trebui rezolvate într-o
anumită ordine. O întrebare logică care apare referitor la proiect este:
146
În cât timp se va realiza proiectul ?

Pentru a răspunde la întrebare este necesar în primul rând crearea unei liste ce va
conţine toate activităţile principale ale proiectului precum şi durata de realizare pentru fiecare
activitate:
Număr Denumire activitate Timp de realizare

activitate (săptămâni)
1. Proiectare produs 6
2. Proiectare ambalaj 2
3. Comanda şi recepţionarea componentelor 3
necesare realizării produsului
4. Comanda şi recepţionarea componentelor 2
necesare realizării ambalajului
5. Realizarea unui lot de produse într-o primă 4
fază
6. Realizarea ambalajului pentru acest lot de 1
produse
7. Împachetarea şi studiul metodelor de 1
împachetare optimă
8. Testarea pieţei pentru produs 6
9. Revizuirea şi reproiectarea corespunzătoare a 3
produsului
10. Revizuirea şi reproiectarea corespunzătoare a 1
ambalajului
11. Prezentarea rezultatelor către decidenţii 1
superiori
Legat de această listă se impun analize în detaliu ale activităţilor enunţate în raport cu
scala timpului pe care se desfăşoară. Astfel trebuie identificate relaţiile de precedenţă ale
activităţilor, indicând activităţile care datorită unor situaţii logice trebuie să fie terminate
înainte ca alte activităţi să înceapă. De exemplu activitatea 1 trebuie terminată înainte ca
activitatea 3 să înceapă. Activitatea 8 trebuie terminată înainte ca activitatea 9 să înceapă.
În continuare este necesară realizarea unei liste de precedenţe imediate a
activităţilor, luând în considerare relaţiile care există între acestea. Lista va fi construită
încercând să răspundem pentru fiecare activitate la următoarea întrebare:
Ce activităţi trebuie terminate înainte ca activitatea curentă să înceapă ?
Număr activitate Observaţii Număr activitate

Activitatea 1 trebuie terminată înainte ca activitatea 3 să înceapă
Activităţile 5 şi 6 trebuie terminată înainte ca activitatea 7 să înceapă
Activităţile 9 şi 10 trebuie terminată înainte ca activitatea 11 să înceapă
Este de notat că:
147
- activităţile 1 şi 2 nu apar în a treia coloană a tabelului deoarece nu există activităţi

care să trebuiască să fie terminate înainte ca ele să înceapă;
- activităţile 5 şi 6 trebuie să se termine înainte ca activitatea 7 să înceapă;
- se subînţeleg din listă şi precedenţele ne-imediate: astfel activitatea 1 va trebui să fie
terminată înainte ca activitatea 9 să înceapă etc. Precedentele ne-imediate nu se includ în listă
pentru a evita o supraîncărcare a acesteia. Ele pot fi deduse din sistemul de relaţii şi legături
ale activităţilor.
Odată ce au fost completate cele două liste (lista activităţilor şi lista precedenţelor)
vom putea combina şi concentra informaţiile acestora într-o diagramă numită reţea.
Denumirea analizelor de tip reţea vine de fapt tocmai de la această diagramă.
Dacă revenim la prima întrebare: În cât timp se va realiza proiectul ? (completând
toate activităţile şi respectând precedenţa acestora) un răspuns imediat ar putea fi: Dacă
am realiza întâi activitatea 1, apoi activitatea 2, activitatea 3,…, activitatea 11 respectând
precedenţa activităţilor, întregul proiect ar putea fi realizat în 30 săptămâni (suma timpilor
fiecărei activităţi).
În acest moment o altă întrebare pe care ar putea să o pună un bun manager este:
Poate fi realizat proiectul într-un timp mai mic ?
O reformulare pragmatică a acestei întrebări este:
Care ar putea fi timpul minim de realizare a proiectului ?
În continuare vom vedea cum diagramele de tip reţea ne pot ajuta să găsim răspunsul
la ultima întrebare.
6.6.3. Construcţia diagramelor de reţea
În funcţie de tipul problemelor şi de felul în care acestea sunt formulate, diagramele de

reţea pot fi construite în două moduri:
• cu activităţile trasate pe noduri (activity on node);
• cu activităţile trasate pe arce (activity arc).
Pentru exemplul în discuţie s-a ales ca reprezentarea activităţilor să fie trasată pe
noduri.
Dacă dorim rezolvarea problemei cu ajutorul unui pachet de programe specializat,
atunci diagrama de reţea nu este necesară. Pentru a găsi timpul minim, respectivului program
îi sunt necesare doar datele extrase din lista de precedenţe.
Totuşi deoarece oamenii pot interpreta mult mai bine informaţia reprezentată grafic,
atunci, de cele mai multe ori managerilor le sunt necesare pe lângă rezultatele numerice şi
diagramele de reţea. Din acest considerent va fi prezentată în continuare şi construcţia
diagramelor de tip reţea.
În diagrama următoare fiecare nod (cerc) reprezintă o activitate şi conţine două
informaţii: numărul activităţii şi (în paranteze) timpul necesar pentru realizarea acesteia.
148
Fig. 6.41.
Aceasta este o reţea de tipul activity on node (AON).

În construcţia diagramei (reţelei):
• s-a trasat un nod pentru fiecare activitate
• s-a adăugat o săgeată de la fiecare nod (activitate) (i) către un nod (activitate) (j) dacă
activitatea (i) trebuie să se termine înainte ca activitatea (j) să înceapă. Toate arcele au ataşate
săgeţi indicând direcţia în care proiectul se dezvoltă.
Pe diagramă activităţile care încep primele s-au trasat cel mai în stânga iar ultimele
activităţi au fost plasate cel mai în dreapta. Odată trasată o reţea este relativ simplu ca ea să fie
analizată. Pentru a fi găsit drumul critic poate fi folosit un algoritm de programare dinamică.
În curs nu va fi tratat un asemenea algoritm ci se va insista pe rezolvarea problemelor cu
ajutorul calculatorului prin utilizarea unor pachete de programe special create pentru
rezolvarea unor astfel de probleme.
De regulă orice pachet de programe specializat pentru rezolvarea problemelor de tip

reţea prezintă întâi un dialog prin intermediul căruia solicită câteva informaţii de identificare a
problemei iar apoi oferă un formular pentru încărcarea datelor. Iată în continuare capturile
celor două ecrane aferente problemei exemplu prezentate mai sus:
Dialogul iniţial:
149
Fig. 6.42.
Formularul pentru încărcarea datelor:
Fig. 6.43.
Situaţia finală cu rezolvare problemei:
150
Fig. 6.44.
Studiind soluţia finală observăm că timpul minim de realizare a proiectului este de 24

săptămâni. Se consideră că există suficiente resurse care să permită desfăşurarea mai multor
activităţi simultan. Astfel activităţile 1 şi 2 se pot executa în paralel. În coloana “Slack” se
poate vedea pentru fiecare activitate întârzierea care poate fi permisă astfel încât timpul
integral de realizare a proiectului să nu fie afectat. Activităţile la care “Slack” (diferenţa) este
0 formează drumul critic. Aceste activităţi trebuie realizate chiar în timpul alocat. Altfel poate
fi afectat timpul de realizare a proiectului. De acesta sunt numite activităţi critice. În cazul
exemplului prezentat activităţile critice sunt: 1, 3, 5, 7, 8, 9, 11.
Notaţiile prezente în situaţia finală sunt:
• ES (earliest start) - reprezintă momentul de timp cel mai devreme la care o activitate
poate să înceapă.
• LS (latest start) - este momentul de timp cel mai târziu la care o activitate poate să
înceapă astfel încât timpul de realizare a proiectului să nu fie afectat. Dacă LS=ES atunci
activitatea în cauză este o activitate critică.
• EF (earliest finish) - reprezintă momentul de timp cel mai devreme la care o
activitate se poate termina.
• LF (latest finish) - este momentul de timp cel mai târziu la care o activitate se poate
termina astfel încât timpul de realizare a proiectului să nu fie afectat.
LF=LS+timpul de completare a activităţii. O activitate este critică dacă LF=LS.
• Slack – reprezintă diferenţa între ES şi LS sau între LF şi EF. Slack=LSES= LF-EF.
Este posibil ca într-o reţea să existe mai multe drumuri critice care să aibă acelaşi
rezultat.
6.6.5. Microsoft Project
Pachetul de programe Microsoft Project oferă în plus şi alte facilităţi foarte folositoare
managerului de proiect. Acestea sunt:
Trasarea automată a diagramei de reţea:
151
Fig. 6.45.
Analiza şi graficul activităţilor critice:
Fig. 6.46.
6.6.6. Graficul Gantt
Afişarea drumului critic şi graficul Gantt:
Fig. 6.47.
Graficul Gantt a fost creat de către H. L. Gantt în anul 1918. Acest grafic prezintă
drumul critic şi momentele ES, LS, EF şi LF pentru fiecare activitate. Fiecare activitate este
reprezentată prin două bare – una pentru ES şi cealaltă pentru LS. Pentru activităţile critice
cele două bare au aceeaşi lungime.
Prin intermediul graficului Gantt se evidenţiază şi pot fi studiate foarte uşor şi
activităţile necritice. Astfel se observă cu uşurinţă că activitatea 2 poate să înceapă în oricare
152
dintre momentele de timp 0,1,2,3,4,5,6,7,8 şi poate dura un timp corespunzător cuprins între 0
şi 8. Putem alege în care dintre aceste momente de timp activitatea 2 poate să înceapă.
6.6.7. Verificarea gradului de realizare a proiectului
Gradul de realizare a proiectului poate fi verificat oricând pe timpul desfăşurării

acestuia, comparând starea reală cu cea planificată. De asemenea este posibilă şi o anticipare a
stadiului în care se va afla proiectul după un anumit timp. De exemplu dacă se doreşte o
analiză după 12 săptămâni se va obţine următoarea situaţie:
Fig. 6.48.
În lista de mai sus se poate observa că activităţile 1,2,3 şi 4 au fost deja completate,
activitatea 5 a fost completată într-o proporţie de 75 % iar celelalte activităţi încă nu au
început. S-a considerat că toate activităţile au început la momentul ES şi că au durat exact cât
au fost planificate.
153
UNITATEA DE CURS 6.7. PROBLEMA DE TRANSPORT (TRANSPORTATION

PROBLEM)
OBIECTIVE
 Familiarizarea cu problemele de transport
 Formularea modelului problemei de transport
NOŢIUNI CHEIE
Problemele de transport, traseu optim
Anumite tipuri de probleme de programare liniară pot fi rezolvate utilizând algoritmi

specializaţi pentru aceste probleme în loc de a folosi metoda simplex (generală). Din această
categorie fac parte problemele de transport, problemele de alocare, şi cele de stabilire a unui
traseu optim (problema comisului voiajor).
Problema de transport este un tip special de problema a fluxurilor în reţea. O problemă
tipică de transport include numai un set de noduri sursă şi un set de noduri destinaţie.
Obiectivul este acela de a determina acea modalitate de transport de la surse la destinaţii care
minimizează costurile (maximizează beneficiile) totale asociate transportului. Metoda simplex
în reţea este folosită pentru a rezolva problema de transport.
Modelul de transport este aplicat în general acelor cazuri în care se pune problema
distribuirii unor obiecte de la deţinătorii lor la solicitanţii lor, fiecare dintre aceştia
(distribuitori şi solicitanţi) fiind situaţi în amplasamente diferite.
De exemplu, o companie poate avea 10 depozite de unde sunt aprovizionate 50
magazine de desfacere. Există o multitudine de combinaţii în care se poate face
aprovizionarea magazinelor însă cu costuri diferite.
Scopul utilizării modelării pentru rezolvarea acestei probleme este de a găsi acel plan
de aprovizionare care minimizează costul de transport al produselor de la depozite la
magazine şi care ţine cont de necesarul de produse al fiecărui magazin şi de disponibilul din
fiecare depozit.
Alte cazuri în care se poate folosi modelul problemei de transport sunt transportul
produselor de la fabricile producătoare la depozite, transportul produselor între
departamentele aceleiaşi companii sau alegerea între mai multe alternative de amplasare a
unor fabrici sau depozite.
6.7.1. Formularea modelului
O problemă de transport are în general un număr de locaţii sursă (numite şi surse) şi

un set de locaţii receptoare (numite şi destinaţii). Pentru formularea problemei mai avem
nevoie de următoarele informaţii:
1. Cantităţile disponibile (capacitatea) fiecărei surse.
2. Cantităţile cerute la fiecare destinaţie.
3. Costul unitar de transport de la fiecare sursă la fiecare destinaţie.
Modelul problemei de transport necesită o serie de precizări:
154
• toate produsele sunt omogene (orice sursă poate furniza produse pentru orice
destinaţie)
• costurile de transport cresc strict liniar în funcţie de cantitatea transportată pe ruta
respectivă
• într-o primă abordare se presupune că pentru întreaga cantitate disponibilă există
cerere (totuşi pot fi rezolvate şi problemele care nu îndeplinesc această condiţie).
Problema 1
O companie are prin contract sarcina să aprovizioneze cu lapte 3 magazine M1, M2,
M3. Laptele poate fi aprovizionat din 3 ferme A, B, C.
Disponibilul de lapte în litri la fiecare fermă este:
Ferma Disponibilul ( l )
A 100
B 200
C 200
Cererea de lapte în litri la fiecare magazin este:
Magazin Cererea ( l )
M1 50
M2 150
M3 300
Costul transportului în $ pentru 1 litru de lapte pe fiecare rută este:
La: M1 M2 M3
De la ferma
A 0,4 0,2 0,8
B 0,5 0,1 0,9
C 0,7 0,6 0,3
Managerul doreşte găsirea unui plan optim de transport pentru aprovizionarea

magazinelor astfel încât costul total al transportului să fie minim.
Rezolvare
Pentru rezolvare datele trebuie aranjate într-un tabel specific rezolvării problemei de
transport astfel:
Variabile
M1 M2 M3 Disponibil
A 4 2 8 100
X11 X12 X13
B 5 1 9 200
X21 X22 X23
C 7 6 3 200
X31 X32 X33
Cerere 50 150 300 500
S-a notat cu Xij cantitatea din cererea j care se aprovizionează de la ferma (sursa) i.
155
Modelul problemei de programare liniară asociat acestei probleme de transport este

prezentat în continuare.
Restricţii
X11 + X12 + X13 = 100

X21 + X22 + X23 = 200 restricţii asupra disponibilului
X31 + X32 + X33 = 200
X11 + X21 + X31 = 50

X12 + X22 + X32 = 150 restricţii asupra cererii
X13 + X23 + X33 = 300
Funcţia obiectiv:
Min (4X11 + 2X12 + 8X13 + 5X21 + 1X22 + 9X23 + 7X31 + 6X32 + 3X33)
X11, X12, X13, X21, X22, X23, X31, X32, X33 >= 0
Duala problemei de transport

Formularea dualei sugerează că se încearcă transportarea unor cantităţi de bunuri astfel
încât diferenţa dintre preţul unitar Ui la sursă (plecare) şi preţul unitar la destinaţie (sosire) Vj
să nu depăşească costul unitar de transport între punctul de plecare şi cel de sosire.
Problema 2
O companie de petrol are 3 depozite şi 4 puncte de comercializare C1, C2, C3, C4.
Este necesară întocmirea unui plan de transport care să minimizeze costurile totale cu
transportul astfel încât să se asigure necesarul de petrol la punctele de comercializare în
condiţiile cunoaşterii capacităţii limitate a depozitelor.
Tabelul următor prezintă valoarea cererii (în t) la punctele de comercializare,
disponibilul din depozite (în t) şi costurile unitare ($/t) ale transportului de la surse la
destinaţii:
Puncte de comercializare: Capacitate

depozite (t)
C1 C2 C3 C4
Depozit 1 5 4 5 6 100
Depozit 2 3 3 6 6 200
Depozit 3 2 5 7 8 400
Cererea la punctele 200 100 150 250
de comercializare
Problema 1
156
Fig. 6.49.
Fig. 6.50.
Soluţia finală:
Fig. 6.51.
Problema 2
157
Fig. 6.52.
Fig. 6.53.
Soluţia finală:
Fig. 6.54.
158
UNITATEA DE CURS 6.8. PROBLEMA DE ALOCARE (ASSIGNMENT PROBLEM)
OBIECTIVE
 Familiarizarea cu problemele de alocare
NOŢIUNI CHEIE
Problema alocării
Problema alocării (repartizării) resurselor este un tip special de problemă de reţea sau
de problemă de programare liniară în care obiectele de alocat sunt repartizate unu la unu
destinaţiilor. Pot face obiectul alocării anumite resurse: angajaţi, maşini, spaţii de parcare,
intervale de timp, fabrici, jucători, etc.
Destinatarii (beneficiarii) repartiţiilor pot fi: o activitate, un amplasament, un
eveniment, o cerere, o echipă, etc. În format de reţea atât obiectele alocării cât şi beneficiarii
repartiţiilor sunt reprezentaţi ca noduri iar dacă există posibilitatea repartizării obiectului i la
beneficiarul j atunci va exista un arc de la nodul i la nodul j care are asociat un cost sau un
beneficiu notat Cij.
Problema alocării este considerată ca un tip special de problemă de transport având
furnizori şi beneficiari şi se poate rezolva folosind metoda simplex în reţea.
În general este vorba despre un număr de candidaţi care pot îndeplini n sarcini şi un
cost nenegativ Cij implicat de atribuirea către candidatul i a sarcinii j, cost care se consideră
cunoscut. Obiectivul problemei este acela de a asigna fiecărui candidat câte o sarcină astfel
încât să se minimizeze costul total. Se definesc variabilele binare Xij care pot lua valorile 0
sau 1. Valoarea Xij = 1, arată că se atribuie sarcina j candidatului i. Celălalt caz, Xij = 0 are
loc atunci când nu se atribuie sarcina j candidatului i. Problemele de alocare se caracterizează
prin cerinţa de a împerechea elemente dintr-un grup cu elemente din alt grup (unu la unu).
Un caz particular de problemă de transport este problema alocării resurselor în care
toate cererile sunt 1 şi toţi furnizorii sunt 1. În acest caz , integralitatea implică să existe câte
un furnizor pentru fiecare cerere şi câte o cerere pentru fiecare furnizor.
Costul reprezintă cheltuielile implicate de aprovizionarea unui anumit solicitant de la
un anumit furnizor.
Presupunând că dorim să impunem condiţia ca fie persoana i să nu îndeplinească
sarcina j SAU persoana k să nu îndeplinească sarcina m, aceasta se scrie: Xij.Xkm = 0.
Această condiţie neliniară este echivalentă constrângerii liniare: Xij +Xkm <= 1. Această
constrângere trebuie adăugată la setul de constrângeri. Cu această constrângere adăugată AP
(Assignment Problem) devine ILP binar care poate fi rezolvat cu ajutorul pachetelor de
programe LINDO sau QSB.
Formularea problemei duale propune ca să se încerce atribuirea de persoane pentru a
îndeplini sarcini astfel încât suma valorilor Ui ale persoanei i adunate cu valoarea Vj care
reprezintă costul pentru îndeplinirea sarcinii j să nu depăşească costul repartizării persoanei i
pentru a îndeplini sarcina j.
De exemplu, un manager trebuie să repartizeze sarcini de execuţie la 4 maşini (fiecărei
maşini îi revine o sarcină de lucru) sau managerul repartizează câte un proiect fiecărei echipe.
În general timpul de lucru sau costul diferă de la o maşină la alta sau de la o echipă la alta.
Scopul managerului este acela de a face acea alocare ce duce la minimizarea timpului
de realizare a sarcinilor sau de minimizare a costului total.
159
În următoarea problemă scopul este de a asigna persoane care să rezolve anumite

sarcini astfel încât să se minimizeze costul total aferent rezolvării sarcinilor. Restricţiile cer ca
fiecărei sarcini să-i fie repartizată o persoană care să o rezolve şi fiecare persoană să aibă o
sarcină de rezolvat.
Fig. 6.55.
Există şi probleme în care se urmăreşte maximizarea profitului obţinut.
Exemplul 1
Într-o companie, o anumită lucrare care presupune 4 operaţii poate fi realizată doar de
4 muncitori cu o pregătire specială. Managerul cunoaşte în urma unei analize costurile cu care
fiecare din 4 cei muncitori realizează fiecare din cele 4 operaţii.
Acestea sunt prezentate în tabelul de mai jos:
. Muncitor 1 Muncitor 2 Muncitor 3 Muncitor 4

Operaţia 1 15 $ 20 $ 18 $ 24 $
Operaţia 2 12 $ 17 $ 16 $ 15 $
Operaţia 3 14 $ 15 $ 19 $ 17 $
Operaţia 4 11 $ 14 $ 12 $ 13 $
Obiectivul urmărit de manager este acela de a minimiza costul total rezultat în urma
executării celor 4 operaţii. Acest lucru trebuie realizat în condiţiile în care cele 4 operaţii se
execută simultan, deci fiecare din ele trebuie repartizată altui muncitor.
160
Cerinţe pentru problemele de alocare

Situaţiile în care se aplică modelul de alocare au următoarele caracteristici:
1. Există două serii de date care trebuie împerecheate unu - la - unu.
2. Obiectivul este acela de a minimiza costurile (timpul sau distanţele) sau de a
maximiza profitul.
3. Se cunosc costurile sau profitul pentru fiecare pereche.
Situaţii speciale
Există situaţii care prezintă abateri faţă de cerinţele prezentate anterior, cum ar fi:
1. Numărul de elemente din cele două serii care trebuie împerecheate nu este acelaşi
(egal).
2. Obiectivul de atins este o maximizare şi nu o minimizare.
3. Anumite variante de împerechere sunt imposibile (nu sunt admise).
4. Există mai multe soluţii optime.
Exemplul anterior prezintă cazul în care numărul de elemente din cele două serii de
date este egal. Putem acum să considerăm o situaţie în care trebuiesc executate 4 operaţii pe 3
maşini. În acest caz una din operaţii va fi executată numai după ce se va termina una din
celelalte operaţii. Pentru rezolvarea unei astfel de situaţii vom introduce în tabelul care
prezintă costurile operaţiilor pe maşini o maşină virtuală. Astfel una dintre operaţii va fi
repartizată unei maşini inexistente, ceea ce arată că această operaţie nu va fi executată
simultan cu celelalte, ci ulterior.
. Operaţia 1 Operaţia 2 Operaţia 3 Operaţia 4
Maşina 1 15 19 12 16
Maşina 2 23 21 18 17
Maşina 3 20 16 11 19
Maşina virtuală 0 0 0 0
Dacă obiectivul problemei este maximizarea şi nu minimizarea, trebuie făcută o

operaţie suplimentară şi anume, se identifică cea mai mare valoare din fiecare coloană şi apoi
se scad din aceasta celelalte valori din coloana respectivă. Cu tabelul modificat care s-a
obţinut se rezolvă problema ca şi cum ar fi o problemă de minimizare. Valorile modificate se
numesc costuri de oportunitate. Setul de valori rezultate în urma minimizării costurilor de
oportunitate asigură şi maximizarea valorilor iniţiale.
Exemplul 2
În tabelul următor sunt prezentate valori ale profitului obţinut în urma executării
produselor P1, P2, P3 pe utilajele A, B, C.
. P1 P2 P3
A 14 22 30
B 20 18 40
C 11 12 50
Se cere maximizarea profitului total realizat în urma executării celor 3 produse.

După identificarea valorilor maxime din fiecare coloană (20, 22, 50) după scăderea
celorlalte valori din coloana respectivă din valoarea maximă, se obţine următorul tabel (al
costurilor de oportunitate):
. P1 P2 P3
A 20-14=6 0 50-30=20
B 20-20=0 4 10
C 9 10 0
161
Exemplul 3
În tabelul următor sunt prezentaţi timpii necesari fiecăruia din 3 muncitori pentru
executarea fiecăreia din 3 operaţii. Să se minimizeze timpul total de executare a celor 3
operaţii. Fiecare muncitor execută o singură operaţie. Ce operaţie va executa fiecare muncitor
? Să se formuleze modelul de programare liniară al acestei probleme.
. Operaţie 1 Operaţie 2 Operaţie 3

Muncitor 1 3 5 6
Muncitor 2 8 9 7
Muncitor 3 9 2 4
Xij=0 dacă muncitorul i nu va executa operaţia j

Xij=1 dacă muncitorul i va executa operaţia j
Tabelul cu variabilele de decizie devine:

Muncitor 1 X11 X12 X13
Funcţia obiectiv este:

Min (3X11 + 5X12 + 6X13 + 8X21 + 9X22 + 7X23 + 9X31 + 2X32 + 4X33)
Restricţiile sunt:
X11+X12+X13=1
X21+X22+X23=1 Pe linii
X31+X32+X33=1
X11+X21+X31=1
X12+X22+X32=1 Pe coloane
X13+X23+X33=1
Xij=0 sau Xij=1 pentru i,j=1,2,3
Exemplul 4 (extensie a problemei 3)

Dacă există 4 muncitori care pot executa fiecare oricare din cele 3 operaţii, să
repartizeze optim cei 3 muncitori pe cele 3 operaţii şi să identifice muncitorul care va fi
exclus. În tabelul următor sunt prezentaţi timpii necesari fiecăruia din cei 4 muncitori pentru
executarea fiecăreia din cele 3 operaţii.

Muncitor 1 3 5 6
Muncitor 2 8 9 7
Muncitor 3 9 2 4
Muncitor 4 3 2 4
Exemplul 5
O companie care asigură service pentru calculatoare are 4 clienţi notaţi C1, C2, C3 şi
C4. Această companie are 4 tehnicieni (T1,T2,T3,T4) pentru a asigura service-ul. Datorită
162
specializării diferite a acestora timpul necesar pentru înlăturarea defectelor reclamate de

fiecare dintre clienţi este prezentat în următorul tabel.
. Clienţi
Tehnicieni C1 C2 C3 C4
T1 3 6 7 10
T2 5 6 3 8
T3 2 8 4 16
T4 8 6 5 9
Managerul acestei companii doreşte să afle ce tehnician să repartizeze pentru fiecare

client astfel încât să minimizeze timpul total de remediere a defecţiunilor pentru cei 4 clienţi.
Exemplul 6
În vederea executării unor misiuni de tip comando au fost pregătiţi 5 luptători pentru 5
tipuri de misiuni speciale. Fiecare luptător poate executa oricare din cele 5 tipuri de misiuni.
Performanţele lor cuantificate pe o scară de la 1 la 100 pentru fiecare tip de misiune sunt
prezentate în următorul tabel:
. Misiuni speciale
Luptători M1 M2 M3 M4 M5
L1 75 70 76 74 70
L2 70 60 80 73 68
L3 68 72 80 74 65
L4 75 70 78 74 69
L5 68 61 81 75 71
Introducerea parametrilor:
163
Fig. 6.56.
Fig. 6.57.
Soluţia finală:
Fig. 6.58.
Muncitorul 1 va executa operaţia 1, muncitorul 3 operaţia 3 şi muncitorul 4 operaţia 3.

Muncitorul 2 va fi exclus.
164
UNITATEA DE CURS 6.9. PROBLEMA COMISULUI VOIAJOR
OBIECTIVE
 Familiarizarea cu problemele de tip comis-voiajor
NOŢIUNI CHEIE
Problema comis-voiajor-ului
Problema comis-voiajor-ului presupune existenţa unui număr de noduri (locaţii) şi

arcuri care leagă toate nodurile. Obiectivul este acela de a parcurge toate nodurile (a vizita
toate locaţiile) o singură dată minimizând distanţa parcursă. Pentru rezolvarea acestui tip de
probleme există algoritmi cum sunt:
• nearest neighbor heuristic,
• cheapest insertion heuristic
• two-way exchange improvement heuristic)
• branch-and-bound
În prezent toţi aceşti algoritmi sunt implementaţi în diferite pachete de programe
printre care se numără şi QSB şi care oferă un suport software eficient pentru rezolvarea
rapidă a acestor probleme.
Iată în continuare un exemplu:
Cunoscându-se distanţele în km. dintre 8 oraşe prezentate în tabelul de mai jos, se cere
să se determine traseul optim care să treacă o singură dată prin fiecare oraş astfel încât
distanţa parcursă să fie minimă.
De la oraşul La oraşul
1 2 3 4 5 6 7 8
1 - 150 180 300 200 50 290 350
2 150 - 120 180 250 200 150 250
3 180 120 - 150 150 120 150 200
4 300 180 150 - 300 320 25 60
5 200 250 150 300 - 100 300 350
6 50 200 120 320 100 - 300 350
7 290 150 150 25 300 300 - 90
8 350 250 200 60 350 350 90 -
Dialogul pentru introducerea parametrilor problemei anterioare este:
165
Fig. 6.59.
Fig. 6.60.
Situaţia finală sub formă tabelară:
Fig. 6.61.
sau în formă grafică:
166
Fig. 6.62.
167
UNITATEA DE CURS 6.10. LANŢURI MARKOV
OBIECTIVE
 Familiarizarea cu problemele probleme care pot fi analizate folosind lanţurile
Markov
NOŢIUNI CHEIE
lanţuri Markov
Un sistem pentru a putea fi analizat cu ajutorul lanţurilor Markov trebuie să prezinte

următoarele caracteristici:
• Să opereze pe un număr de intervale de timp.
• În fiecare din perioadele de timp sistemul se poate afla într-un număr finit de stări.
• Stările în care se află un sistem într-o anumită perioadă se exclud reciproc (sistemul
se află într-o perioadă în una şi numai în una din stările posibile).
• Trecerea sistemului dintr-o stare în alta în perioade diferite poate fi descrisă prin
probabilităţile de trecere, care rămân constante.
• Probabilitatea ca sistemul să se afle într-o anumită stare într-un anume interval
depinde numai de starea sistemului în perioada anterioară şi de probabilităţile de trecere dintr-
o stare în alta.
Exemple de probleme care pot fi analizate folosind lanţurile Markov sunt:
• opţiunile pe piaţă pentru anumite tipuri de produse sau servicii din aceeaşi gamă;
• opţiunile pentru anumite posturi TV;
• înapoierea bunurilor închiriate;
• funcţionarea maşinilor şi utilajelor (trecerile succesive prin stările operaţional-
neoperaţional), etc.
Utilizarea lanţurilor Markov este utilă pentru analiza acestor tipuri de probleme, şi
ajută la înţelegerea evoluţiei în timp a sistemelor respective. Astfel se pot fundamenta
deciziile pe termen scurt referitoare la repartizarea forţei de muncă, a capacităţilor de
producţie, a stocurilor şi a fondurilor băneşti, dar şi deciziile de perspectivă privind
amplasarea unor capacităţi de producţie sau a unor puncte de asigurare a service-ului.
La rândul lor deciziile curente vor conduce la adoptarea unor strategii de modificare a
preţurilor, de gestionare corectă a reclamei sau pentru acordarea unorfacilităţi promoţionale.
6.10.1. Probabilităţile de trecere
Probabilităţile de trecere arată tendinţa unui sistem (care poate fi descris ca un proces
Markov) de a se modifica de la o perioadă (interval de timp) la alta.
Exemplul următor asigură o mai bună înţelegere a acestui tip de probleme:
O societate de închirieri maşini are două agenţii amplasate una în centrul oraşului şi
una în apropierea aeroportului. Persoanele care închiriază maşini de la una din agenţii le pot
înapoia la oricare din cele două (se consideră că este vorba despre un sistem închis în care
toate maşinile închiriate sunt înapoiate). Acele maşini care nu îndeplinesc această condiţie (nu
168
rămân în circuitul celor înapoiate) sunt scoase din sistem şi tratate separat. Se mai presupune
că toate închirierile au durata de o zi, deci la sfârşitul fiecărei zile maşinile se vor afla la una
din cele două agenţii.
Se presupune că urmărindu-se activitatea agenţiilor o perioadă de timp s-a constatat că
70% din maşinile închiriate de la agenţia aflată în centru au fost înapoiate tot acolo iar 30% la
agenţia de la aeroport şi că 90% din maşinile închiriate de la agenţia de lângă aeroport au fost
înapoiate tot acolo în timp ce 10% din acestea au fost înapoiate la agenţia din centru.
Aceste informaţii sunt prezentate în tabelul următor:
Împrumutat de la: Înapoiat la:

Agenţia-centru (A) Agenţia-aeroport (B)
Agenţia-centru 0.7 0.3
Agenţia-aeroport 0.1 0.9
Deoarece s-a făcut presupunerea că toate maşinile închiriate sunt înapoiate la una din
cele două agenţii, totalul pe fiecare linie este de 1.0 (100%) dar acest lucru nu se aplică şi pe
coloane pentru că acestea se referă la modul de înapoiere a maşinilor. Probabilitatea de trecere
0.7 (70%) reprezintă proporţia (procentul) de maşini închiriate de la agenţia din centru care se
aşteaptă să fie înapoiate la aceeaşi agenţie. Probabilitatea de trecere 0.3 (30%) reprezintă
proporţia (procentul) de maşini închiriate de la agenţia din centru care se aşteaptă să fie
înapoiate la agenţia de la aeroport.
Cunoscând că numărul total de maşini din cele două agenţii este 200 şi că distribuţia
iniţială a maşinilor este: 120 maşini la agenţia din centru (A) şi 80 de maşini la agenţia din
aeroport (B), managerul societăţii, în vederea luării unor decizii privind amplasarea unor
unităţi de service, doreşte să afle:
1. În ce proporţie vor fi înapoiate maşinile la fiecare agenţie după o perioadă de timp
(câteva zile). Această informaţie este utilă pentru planificarea muncii la fiecare din cele două
agenţii.
2. În ce proporţie vor fi înapoiate maşinile la fiecare agenţie după o perioadă mai
lungă de timp.
6.10.2. Comportarea sistemului analizat
Probabilităţile de trecere influenţează atât comportarea pe termen lung a sistemului cât

şi comportarea lui pe termen scurt.
Comportarea sistemului pe termen scurt depinde de starea sistemului în perioada
(intervalul de timp) actuală şi de probabilităţile de trecere.
Astfel, numărul de maşini înapoiate la fiecare din agenţii este o funcţie care depinde
de probabilităţile de trecere şi de numărul maşinilor închiriate de la fiecare agenţie în perioada
anterioară.
Cunoaşterea numărului de maşini existente la fiecare agenţie la un moment dat
constituie punctul de pornire pentru aflarea comportării sistemului pe termen scurt. Numărul
de maşini existente la fiecare agenţie în perioada (intervalul de timp) anterioară influenţează
numărul acestora pentru următoarele câteva perioade.
Comportarea pe termen lung a sistemului presupune că acesta nu va fi afectat de
numărul de maşini existente iniţial la fiecare agenţie, altfel spus, procentul de maşini care vor
fi înapoiate la fiecare agenţie după o perioadă mai lungă de timp nu va fi influenţat de
condiţiile iniţiale. Proporţiile (probabilităţile la care se stabilizează sistemul după o perioadă
169
mai lungă de timp se numesc proporţii stabilizate, ferme (steady-state proportions or

probabilities).
Nu toate sistemele prezintă tendinţa de a se stabiliza, unele au tendinţa de a cicla iar
altele de a converge către o stare absolută. Obiectul prezentării următoare îl reprezintă doar
sistemele al căror comportament se stabilizează în timp.
Tendinţele de evoluţie pe termen scurt şi pe termen lung sunt prezentate în figura
următoare:
Fig. 6.63.
În primele câteva intervale de timp numărul iniţial de maşini de la fiecare agenţie are
un efect sesizabil asupra proporţiei înapoierilor dar după aproximativ 10 intervale de timp
efectul lor este din ce în ce mai mic.
Orice lanţ Markov este definit complet prin matricea sa stochastică (o matrice
pătratică) şi prin distribuţia iniţială (care este o matrice linie). În cazul problemei noastre
aceste matrici sunt:
Matricea stochastică: (0,7 0,3) diagonala principală a acestei matrici

(0,1 0,9) reprezintă coeficientul de fidelitate
Distribuţia iniţială este: (0,6 0,4) (120/200=0,6 şi 80/200=0,4)
Observaţie:
Dacă nu avem distribuţia iniţială, atunci ea se consideră cu probabilităţi egale. Astfel
pentru exemplul nostru putem avea: (0,5 0,5) Indiferent de distribuţia iniţiala stabilizarea
(“steady state”) va fi aceeaşi. După rezolvare va rezulta un “steady state” la : (0,25 0,75)
Comportarea acestor sisteme pe termen scurt poate fi descrisă prin folosirea metodei
diagramei arborescente sau a matricilor de multiplicare.
Comportarea pe termen lung se poate analiza teoretic similar prin oricare din cele două
metode (diagramele arborescente sau matricile de multiplicare) dar din considerente practice,
atunci când se lucrează manual, aceste metode nu se aplică deoarece sunt laborioase. Cel mai
adesea se utilizează (manual), metoda algebrică.
6.10.3. Metoda arborelui
Această metodă constă dintr-o serie de ramuri care reprezintă posibilele variante de
evoluţie a sistemului în fiecare perioadă în funcţie de probabilităţile de trecere.
170
Fig. 6.64.
Având iniţial 100 de maşini la agenţia din centru (A) şi 80 la cea de la aeroport (B)
rezultă la sfârşitul celei de-a doua perioade:
Maşini la A: 100*(0.49+0.03)+80*(0.07+0.09)=64.8 maşini

Maşini la B: 100*(0.21+0.27)+80*(0.03+0.81)=115.2 maşini
Această metodă are dezavantajul că devine complicată atunci când sunt mai multe
elemente în sistem şi când se doreşte studiul sistemului pentru un interval de timp mai
îndepărtat de cel curent ( 3,4….).
6.10.4. Metoda algebrică
Ecuaţiile algebrice necesare modelării pe termen lung a comportării sistemului şi

aflării probabilităţilor stabilizate sunt următoarele:
Matricea de trecere, reprezentată prin probabilităţile de trecere este:
A B
A 0.7 0.3
B 0.1 0.9
Notăm cu:
A = proporţia de maşini înapoiate în centru

B = proporţia de maşini înapoiate la aeroport
A=0.7A+0.1B
B=0.3A+0.9B
A+B=1
Eliminăm una din primele 2 ecuaţii pentru că avem 2 necunoscute şi 3 ecuaţii.
171
B=1-A => A=0.25 B=0.75
Dacă iniţial avem 400 respectiv 300 de maşini în agenţiile A respectiv B rezultă că
atunci când sistemul atinge stadiul de stabilizare şi cu condiţiile acceptate la început (rămân
toate în sistem, probabilităţi de trecere constante, nu apar stări noi în care se pot afla maşinile)
vom avea:
A=0.25*700=175 maşini
B=0.75*700=525 maşini
Fig. 6.65.
Fig. 6.66.
Soluţia finală:
Fig. 6.67.
Analize Markov pe perioade:
172
Fig. 6.68.
173
UNITATEA DE CURS 6.11. COZILE DE AŞTEPTARE
OBIECTIVE
 Familiarizarea cu problemele de tip cozi de aşteptare
NOŢIUNI CHEIE
cozi de aşteptare
O clasă importantă de probleme în teoria deciziei o constituie cozile de aşteptare. În

viaţa cotidiană apar probleme frecvente de aşteptare la staţiile de benzină, la magazine,
restaurante, etc. Aceste probleme se pun de asemenea în transporturile aeriene când
aeronavele aşteaptă aprobarea de aterizare de la turnul de control, în cazul camioanelor care
aşteaptă să fie încărcate / descărcate, al pasagerilor care aşteaptă taxiuri la aeroport. Exemple
de cozi de aşteptare se pot întâlni la ghişeele din bănci sau oficii poştale, în fabrici pentru
anumite procese care trebuie parcurse, maşini care trebuiesc reparate, documente care
trebuiesc emise, angajaţi care trebuie să-şi introducă fişa (cartela) de pontaj sau să fie serviţi
la cantină.
Acest gen de sisteme se caracterizează prin sosiri în sistem foarte variabile şi prin rate
de deservire. Astfel, deşi capacitatea totală de deservire a sistemului depăşeşte necesităţile de
prelucrare, cozile de aşteptare se formează din când în când datorită variaţiei intrărilor în
sistem. Pe de altă parte, această variaţie a intrărilor determină, în anumite perioade, surplusul
de staţii de deservire sau de angajaţi, determinate de absenţa temporară a intrărilor în sistem (a
cererilor). Deci, cozile de aşteptare tind să se formeze datorită supraîncărcărilor create fie de
rata de deservire, fie de rata intrărilor în sistem.
Analizele şi modelarea sistemelor în care apar cozi de aşteptare sunt necesare
managerilor care trebuie să stabilească o capacitate optimă a acestora.
6.11.1. Scopuri în proiectarea modelelor de cozi de aşteptare
Aceste modele sunt modele predictive deoarece ele constituie un proiect al comportării
sistemelor în care pot apărea cozi de aşteptare. Sistemul analizat poate fi unul în funcţiune dar
care nu are performanţe satisfăcătoare, în acest caz se pune problema de a decide ce trebuie
modificat pentru a creşte performanţele. În alte situaţii poate fi cazul unor sisteme aflate în
faza de proiectare pentru care trebuie stabilite caracteristicile astfel încât să atingă
performanţele dorite.
Un scop principal al proiectării sistemelor în care pot apărea cozi de aşteptare este
acela de a găsi un echilibru între costul determinat de creşterea punctelor de deservire şi costul
pe care-l implică aşteptarea clienţilor la cozi. Aceste două costuri sunt invers proporţionale: o
scădere a costului determinat de faptul că unii clienţi trebuie să aştepte să fie deserviţi se
realizează prin creşterea costului deservirii (prin creşterea numărului de puncte de deservire
sau a ratei de deservire). Funcţia care combină cele două costuri (de deservire, de aşteptare)
numită funcţia costului total are formă de U. Costul total este minimizat în punctul cel mai de
jos al acestei curbe. Găsirea punctului de minim implică adesea o creştere în trepte a
174
capacităţii de deservire. Deoarece creşterea capacităţii de deservire în cele mai multe cazuri
este discretă (una, două staţii de deservire) este mai indicat să reprezentăm costul deservirii
prin nişte paliere decât printr-o linie continuă. Astfel curba costului total va fi mai puţin lină
decât cea prezentată în figura următoare.
Fig. 6.69.
În proiectarea sistemelor în care apar cozi de aşteptare pot fi specificate şi anumite

cerinţe particulare. De exemplu managerul unei bănci poate cere ca numărul mediu de clienţi
care aşteaptă la coadă să nu fie mai mare de 7 sau managerul unei policlinici doreşte să ştie
câte locuri să prevadă în sala de aşteptare pentru pacienţi.
6.11.2. Elemente şi caracteristici ale sistemelor în care pot apărea cozi de

aşteptare
Aceste sisteme se diferenţiază prin diferite caracteristici, cum ar fi numărul de puncte

de deservire sau faptul că accesul în sistem este liber sau restricţionat.
Cunoaşterea acestor caracteristici ajută la modelarea sistemului prin folosirea celei
mai potrivite metode.
Elementele componente ale acestor sisteme sunt: mulţimea din care provin clienţii
(mulţimea sursă), sosirile de clienţi, coada de aşteptare, ordinea de deservire (procesare),
deservirea şi ieşirea din sistem.
Fig. 6.70.
Mulţimea sursă
Se referă la populaţia care furnizează potenţialele sosiri în sistem, deci sursa de clienţi.
Dacă această sursă este suficient de mare astfel încât probabilitatea sosirilor nu este în mod
semnificativ influenţată de faptul că clienţii trebuie să aştepte la coadă, spunem că mulţimea
sursă este infinită.
175
Exemple de astfel de sisteme sunt: staţiile de benzină, supermarket-urile, băncile,

oficiile poştale, agenţiile de voiaj, etc. Deşi mulţimile sursă pentru aceste sisteme nu sunt de
fapt infinite, faptul că unii clienţi aşteaptă nu împiedică pe alţi clienţi să intre în sistem.
Pe de altă parte există sisteme care au un acces limitat la serviciile oferite de ele. De
exemplu într-o fabrică un operator răspunde de încărcarea / descărcarea a 5 prese sau un
depanator este responsabil de menţinerea în stare de funcţionare a unui număr fix de utilaje.
Dacă numărul de unităţi sau clienţi care necesită să fie deserviţi influenţează probabilitatea ca
să se producă o nouă intrare în sistem să descrească (deoarece procentul populaţiei care
furnizează clienţi se reduce) se spune că avem o mulţime sursă finită sau limitată.
Sosirile de clienţi
Clienţii sunt unităţi care necesită să fie deservite. În unele sisteme clienţii sunt oameni,
în altele pot fi automobile care trebuie reparate, vase maritime care trebuie descărcate,
avioane care trebuie să aterizeze, apeluri telefonice care trebuiesc procesate, etc .
În legătură cu acestea se analizează o serie de probleme, cum ar fi:
Dacă clienţii sosesc în sistem câte unul sau în grupuri. De exemplu maşinile sosesc la
service câte una pe când consumatorii sosesc la restaurant în grupuri. Toate modelele
prezentate în continuare consideră că sosirile în sistem sunt individuale.
Coada de aşteptare
Coada de aşteptare este alcătuită din clienţi care au fost admişi în sistem şi aşteaptă să
fie deserviţi. De exemplu, maşinile care aşteaptă să fie spălate la o spălătorie de maşini. Se
pun o serie de probleme în legătură cu clienţii care refuză să intre în sistem datorită faptului că
trebuie să stea la coadă, clienţii care renunţă după ce au stat un timp la coadă, sau clienţii care
se mută la o altă coadă (la supermarket se mută la o altă casă de marcat unde coada este mai
mică). Modelele prezentate presupun că odată ce un client s-a aşezat la o coadă rămâne acolo
până când va fi servit. În plus se presupune că există o singură coadă de aşteptare de unde
clienţii, atunci când le vine rândul sunt îndrumaţi către unul din punctele de deservire libere.
Ordinea de deservire
Regula obişnuită de deservire este primul venit-primul servit FIFO. În unele cazuri
pentru a se păstra o ordine corectă de servire se dau bonuri de ordine. Există însă şi cazuri în
care este necesară o clasificare a clienţilor intraţi în sistem după anumite criterii de prioritate.
Acest lucru poate fi util la camera de gardă a unui spital unde pacienţii trebuie trataţi în
ordinea sosirii dar ţinând seama şi de gravitatea afecţiunilor, în reţelele de calculatoare unde
timpii şi ordinea de procesare ţine cont de anumite priorităţi sau la companii unde clienţii cei
mai importanţi sunt serviţi preferenţial.
În continuare vor fi prezentate ambele sisteme: primul venit - primul servit şi sistemul
de deservire preferenţial.
Deservirea
Aceasta este caracterizată în principal prin numărul de puncte de deservire, prin
numărul de faze necesare de parcurs în procesul de deservire şi prin timpul necesar acestora.
Un sistem poate avea un singur punct de deservire sau mai multe. Se consideră că
atunci când există mai multe puncte de deservire acestea funcţionează independent, deci pot fi
serviţi simultan atâţia clienţi câte puncte de deservire avem. Dacă aceste puncte nu lucrează
independent vor fi tratate ca şi cum ar fi vorba despre un singur punct de deservire. Ambele
modele: cu un punct de deservire şi cu mai multe puncte de deservire vor fi tratate în
continuare.
Procesul de deservire poate consta în una sau mai multe faze sau operaţii. De exemplu
o operaţiune bancară poate consta în constituirea unui depozit şi încasarea unui cec (proces de
deservire multifazic). Dacă ar fi vorba numai de constituirea depozitului am spune că este
vorba despre un proces de deservire cu o singură fază.
Un alt exemplu de proces de deservire multifazic este înscrierea unui candidat pentru
susţinerea examenului de admitere.
De regulă distribuţia timpului de deservire poate fi considerată Poisson.
176
Această distribuţie implică faptul că în majoritatea cazurilor este necesar un timp

redus de procesare, o anumită proporţie necesită timp mediu de procesare şi o proporţie foarte
redusă necesită timp mare de procesare.
Ieşirea din sistem
Se pune aici problema ce fac clienţii după ce ies din sistem. Variantele posibile sunt:
intrarea în mulţimea sursă a sistemului imediat, după un anumit timp sau niciodată. De
exemplu o maşină care a fost spălată nu va reveni imediat pentru o altă spălare, un pacient
vaccinat pentru o anumită boală nu va mai reveni la spital pentru acea boală, etc. Modelele
prezentate în continuare presupun o intrare imediată în mulţimea sursă pentru sistem (în
cazurile cu mulţimi sursă limitate) fie sunt prezente şi celelalte variante dar mulţimea sursă
este suficient de mare încât nu au o influenţă măsurabilă asupra ratei intrărilor în sistem.
6.11.3. Psihologia aşteptării
Scopul acestui subcapitol este de a stabili ce decizii trebuie luate privind

caracteristicile unui sistem în care pot apărea cozi de aşteptare astfel încât să se asigure
funcţionarea lor performantă.
Totuşi există sisteme de acest fel, în funcţiune, în care nu se pot face modificări astfel
încât să se reducă timpii de aşteptare sub anumite limite.
Două costuri sunt asociate aşteptării. Unul este un cost economic asociat spaţiului
necesar pentru aşteptare şi utilajelor care aşteaptă să fie reparate, altul determinat de plata
angajaţilor şi utilajelor care aşteaptă clienţi pentru a-i deservi.
Aceste costuri pot fi estimate cu un grad înalt de corectitudine.
Alt cost este asociat cu pierderile potenţiale determinate de renunţarea clienţilor la
serviciile oferite din cauza cozilor pe care le percep ca prea mari. Acesta are un impact
negativ asupra profitului. Acest cost mai este numit şi cost psihologic şi este mult mai greu de
estimat.
De exemplu, dacă clienţii consideră că timpul lor este irosit prin aşteptare şi mai ales
dacă au impresia că ar putea exista o organizare mai bună care să reducă timpul de aşteptare,
atunci ei vor renunţa la serviciul respectiv dacă există alternative.
În consecinţă, dacă clienţii ar avea timpul de aşteptare ocupat într-un mod constructiv
sau printr-o formă de distracţie ar suporta mult mai uşor acest timp inevitabil deşteptare.
Exemple de cazuri în care se încearcă prin metode psihologice să se atenueze impactul
neplăcut al aşteptării sunt: ziarele şi revistele din sălile de aşteptare de la dentist, coafor sau
chiar din mijloacele de transport, muzica şi filmele care se difuzează în timpul zborurilor
aeriene, muzica pe care o pun automat la telefon unele companii pe perioada aşteptării
legăturii cerute, amplasarea de oglinzi în locurile de aşteptare a lifturilor în hoteluri şi
magazine, etc.
În unele cazuri este chiar de dorit un timp moderat de aşteptare. Astfel la supermarket-
uri se observă amplasarea unor produse nu foarte costisitoare dar care în general fac plăcere
cum ar fi gumă de mestecat, bomboane, ţigări, reviste. În timpul de aşteptare se dă ocazia
clienţilor să mai adauge mici cumpărături de plăcere la cele deja achiziţionate.
177
6.11.4. Notaţii folosite în sistemele cozilor de aşteptare:
A/B/C/D/E
A: specifică natura procesului sosirilor în sistem. Notaţiile standard pentru tipurile
de sosiri în sistem sunt:
• M: Timpul dintre sosiri este o variabilă aleatoare independentă, cu o distribuţie
exponenţială. Este acelaşi lucru cu a spune că rata sosirilor are o distribuţie Poisson.
• D: Timpul dintre sosiri este constant (valoare fixă).
• E(k):Timpul dintre sosiri este o variabilă aleatoare cu distribuţie Erlang funcţie de
parametrul k.
• G: Timpul dintre sosiri este o variabilă aleatoare cu o distribuţie generală având
media şi abaterea (variaţia) cunoscută.
B: specifică natura timpului de deservire. Notaţiile standard pentru tipurile de
deservire sunt:
• M: Timpul dintre sosiri este o variabilă aleatoare independentă, cu o distribuţie
exponenţială. Este acelaşi lucru cu a spune că rata sosirilor are o distribuţie Poisson.
• D: Timpul de deservire este constant (valoare fixă).
• E(k):Timpul de deservire este o variabilă aleatoare cu distribuţie Erlang funcţie de
parametrul k.
• G: Timpul de deservire este o variabilă aleatoare cu o distribuţie generală având
media şi abaterea (variaţia) cunoscută.
C: specificarea numărului s de staţii de deservire. Se presupune că acestea sunt
identice şi paralele.
D: specificarea numărului maxim de clienţi admişi în sistem. Este egal cu (Q+s),
unde Q este capacitatea cozii de aşteptare şi s este numărul de staţii de deservire.
E: specificarea dimensiunii mulţimii (populaţiei) sursă a sistemului.
Atunci când D sau E sunt omise, înseamnă că D sau E sunt infinite.
Modele posibile utilizate în rezolvarea problemelor cozilor de aşteptare:

M/M/1, M/G/1, D/M/1, M/M/s, M/M/s/N, M/M/s/N/K, M/M/s/s, M/G/∞ etc
s: numărul de staţii de deservire (sau canale)
μ: Rata de deservire (miu) pentru un server.

Timpul mediu de deservire pentru un client este 1/μ. În general rata de deservire sau
timpul de deservire are o anumită comportare sau distribuţie a probabilităţilor. QA necesită
cunoaşterea distribuţiei timpului de deservire pentru a clasifica şi rezolva problema
respectivă.
λ: Rata sosirilor (lambda).

Timpul mediu între sosirile clienţilor este 1/λ. În general rata sosirilor sau timpul
dintre două sosiri succesive are o anumită comportare sau distribuţie a probabilităţilor.
QA necesită cunoaşterea distribuţiei timpului dintre sosiri pentru a clasifica şi rezolva
problema respectivă. De remarcat că atunci când mulţimea (populaţia) sursă este infinită, λ
reprezintă rata sosirilor mulţimii (populaţiei), iar dacă mulţimea sursă este limitată (<10000),
λ reprezintă rata sosirilor individuale.
Q: Capacitatea cozii (spaţiul de aşteptare maxim), care reprezintă numărul maxim de

clienţi care pot aştepta să fie deserviţi.
178
N: Populaţia de clienţi (mulţimea sursă) care numărul de clienţi potenţiali. QA

consideră că mulţimea (populaţia) este infinită atunci când există mai mult de 10000 de clienţi
potenţiali.
Cs: Costul pe unitatea de timp generat de ocuparea staţiei de deservire
Ci: Costul pe unitatea de timp generat de staţionarea (neocuparea) staţiei de deservire
Cw: Costul pe unitatea de timp generat de faptul că clienţii trebuie să aştepte
Cu: Costul pe unitatea de timp generat de deservirea clienţilor
Ch: Costul generat de renunţarea clienţilor
Cq: Costul unitar al cozii
n: Numărul de clienţi în sistem, în curs de deservire şi aşteptând la coadă
K: Numărul de clienţi admişi în sistem. K=Q+s.
α: Coeficientul de presiune a deservirii. În general α este un coeficient nenegativ cu

rolul de a mări viteza de deservire atunci când sistemul este ocupat (încărcat).
β: Coeficientul de descurajare a sosirilor. Este în general un coeficient nenegativ care

are rolul de a descuraja clienţii să intre în sistem atunci când acesta este ocupat (încărcat =
toate punctele de deservire sunt ocupate).
B: Numărul mediu de clienţi care renunţă pe unitatea de timp.

B=λ - Rata efectivă a sosirilor.
b: Mărimea grupului. Aceasta poate fi de un anume tip sau cu o anume distribuţie a

probabilităţii. Implicit este 1.
γ: Intensitatea traficului = λ/μ şi este numărul mediu de clienţi deserviţi
Lq: Numărul mediu de clienţi la coadă
L: Numărul mediu de clienţi în sistem. L=Lq + γ
Lb: Numărul mediu de clienţi la coadă într-un sistem ocupat (încărcat). Lb = Lq/Pw
Wq: Timpul mediu de aşteptare a clienţilor la coadă. Wq = Lq/λ
W: Timpul mediu pe care un client îl consumă în sistem.
Wb: Timpul mediu de aşteptare la coadă de către un client într-un sistem ocupat
(încărcat). Wb = Wq/Pw
ρ: Factorul de utilizare a sistemului = λ/(sμ)
P0: probabilitatea ca toate staţiile de deservire să fie nefolosite
179
P(n) Probabilitatea ca să fie în sistem n clienţi
Pw sau Pb, probabilitatea ca un client sosit să aştepte, sistemul să fie ocupat (toate
staţiile de deservire să fie ocupate). Pw = Σ P(n) pentru n≥s.
Problema 1
Proprietarul unei spălătorii de maşini intenţionează să deschidă încă o spălătorie în altă
parte a oraşului. Bazându-se pe experienţa sa şi pe observaţiile făcute el estimează că rata
sosirilor va fi de 20 de maşini pe oră iar rata de deservire va fi de 25 de maşini pe oră. Rata de
deservire este variabilă deoarece maşinile sunt spălate manual. Maşinile sunt spălate una câte
una (deci este vorba de un sistem cu o singură staţie de deservire şi un singur canal).
Determinaţi:
1. Numărul mediu de maşini în sistem (la coadă şi în curs de spălare).
2. Timpul mediu de stat la coadă.
3. Timpul mediu pe care o maşină îl consumă în sistem (la coadă şi pentru deservire).
4. Utilizarea sistemului.
Fig. 6.71.
180
Fig. 6.72.
Situaţia finală:
Fig. 6.73.
181
UNITATEA DE CURS 6.12. PROBLEME DE ARANJARE (FACILITY LAYOUT)
OBIECTIVE
 Familiarizarea cu problemele de aranjare
NOŢIUNI CHEIE
probleme de aranjare
Vor fi prezentate în continuare două tipuri caracteristice de probleme din categoria

problemelor de aranjare:
1. Amplasarea compartimentelor (departamental layout)
2. Echilibrarea liniilor de asamblare (assembly line balancing)
Pentru o mai bună înţelegere aceste tipuri de probleme vor fi prezentate prin
intermediul unor exemple.
6.12.1. Amplasarea compartimentelor (departamental layout, functional layout)
Vom considera o instituţie ale cărei compartimente sunt dispuse ca în imaginea de mai
jos. Există în total 11 compartimente numerotate: 1, 2, 3,…,9, A, B.
Vom presupune că instituţia se află pe un singur nivel (are doar parter) şi că podeaua
instituţiei este împărţită în linii orizontale şi verticale adică în rânduri şi coloane ale
căror intersecţii formează pătrate, (celule de dimensiuni egale), similar unei table de
şah. În cazul exemplului nostru există 16 rânduri şi 14 coloane.
Coloane
1 2 3 4 5 6 7 8 9 0 1 42 3
Rânduri 1 1 1 1 1 1 1 2 3 3 3 3 33 3
2 1 1 1 1 1 1 2 3 3
3 8 8 8 8 8 8 8 3 3
4 8 8 3 3 3 3 3 3 3
5 8 8 5 5 4 4 4 4 4
6 8 8 5 5 4 4
7 8 8 6 6 4 4
8 8 8 6 6 4 4
9 8 8 7 7 4 4
10 8 8 7 7 4 4 4 4 4
11 8 8 A A A A B B B
12 8 8 8 8 8 8 8 A A B B
13 9 9 9 9 9 9 9 A A B B
14 9 9 A A B B
15 9 9 A A B B
16 9 9 9 9 9 9 9 A A A A B B B
182
Dimensiunile celor 11 compartimente pot fi deduse din figura de mai sus. De exemplu,
amplasamentul compartimentului 9 ţine de la rândul 13 coloana 1, la rândul 16 coloana 7
inclusiv. Amplasamentul compartimentului 5 acoperă o suprafaţă cuprinsă între rândul 5
coloana 8 şi rândul 6 coloana 9 care într-o altă exprimare poate fi scris ca (5,8)-(6,9) .
Managerul instituţiei doreşte să schimbe modul de amplasare al compartimentelor
(prezentate mai sus) astfel încât activitatea instituţiei să fie cât mai eficientă.
Schimbarea modului de aranjare a compartimentelor trebuie să ţină seamă de
următoarele reguli:
• suprafaţa totală a instituţiei nu se poate modifica;
• un compartiment nu poate fi împărţit în mai multe părţi disparate.
Amplasamentul său trebuie să cuprindă un lot compact de celule.
Ceea ce poate fi modificat este:
• modul cum sunt amplasate compartimentele unul faţă de celălalt;
• forma diferitelor compartimente.
Pentru a amplasa cât mai eficient compartimentele este nevoie să cunoaştem fluxurile
sau gradul de interacţiune dintre compartimente (fluxuri de materiale, de persoane, de
documente). În mod logic, compartimentele între care există o interacţiune (un flux) mai mare
ar trebui amplasate mai aproape unele de altele decât cele între care interacţiunea (fluxul) este
mai redusă.
De exemplu dacă instituţia este o fabrică vom amplasa secţiile fabricii astfel încât să
minimizăm suma tuturor produselor dintre distanţa de la secţia i la secţia j (dij) şi cantitatea
care reprezintă fluxul de la secţia i la secţia j (cij):
Aceste produse dintre cantitate şi distanţă se mai numesc şi distanţe parcurse cu

încărcătura.
Cuantificările fluxurilor (interacţiunilor) dintre compartimente pentru exemplul nostru
reprezintă de asemenea (ca şi amplasarea iniţială) date de intrare pentru model şi sunt
prezentate în tabelul de mai jos:
La:
1 2 3 4 5 6 7 8 9 A B
De la: 1 - - - - 30 - 20 - - - -
2 - - 40 - - - - 10 - - -
3 100 - - - - - - 40 50 30 -
4 - - - - - 5 - - - - 150
5 - 40 - - - 80 - 30 90 - -
6 10 30 30 20 10 - 90 - - 10 -
7 - - 40 100 - - - - - - 20
8 10 - - 30 - 40 - - 50 60 -
9 10 - - 50 - 40 - 30 - 40 -
A 15 20 - 80 70 30 - 10 - 55 -
B - - - 10 - 20 - - - - -
Problema enunţată poate fi rezolvată pe calculator, cu ajutorul produselor software

specializate. Iată felul în care se pot introduce datele de intrare dacă va fi utilizat pachetul de
programe QSB:
183
Fig. 6.74.
Fig. 6.75.
Se poate observa că poziţia iniţială a fiecărui compartiment este dată de rândul şi

coloana (poziţia) colţurilor opuse de pe diagonala principală. De exemplu compartimentul 1
ţine de la (1,1) – (rândul 1, coloana 1) la (2,6) – (rândul 2, coloana 6). Este de reţinut faptul că
pachetul de programe QSB cere folosirea parantezelor rotunde ”( )” pentru introducerea
poziţiilor amplasamentului iniţial, şi nu a parantezelor pătrate “[]”.
Remarcăm că în rezolvarea acestei probleme este necesar să stabilim modalitatea de
calcul a distanţei dintre două locaţii. Dacă (xi,yi) şi (xj,yj) reprezintă coordonatele a două
locaţii: i şi j atunci distanţa dintre ele poate fi calculată folosind modelul:
• rectiliniar, ceea ce presupune calculul distanţei dintre i şi j ca:
o |xi-xj|+|yi-yj|
• Euclidian, ceea ce presupune calculul distanţei dintre i şi j ca:
o [(xi-xj)2 + (yi-yj)2]0.5
• pătrat Euclidian, ceea ce presupune calculul distanţei dintre i şi j ca:
o (xi-xj)2 + (yi-yj)2
184
Modelul rectiliniar este folosit mai ales atunci când studiem modul de aranjare a
secţiilor fabricilor, a oraşelor americane, etc. în general atunci când aranjarea se face după o
grilă de dreptunghiuri. Din acest motiv modelul de măsurare a distanţei se mai numeşte
sistemul de măsurare Manhattan.
Modelul Euclidian se foloseşte acolo unde se poate trasa o linie dreaptă, la fel ca şi
modelul pătratic Euclidian, numai că acesta din urmă realizează şi o descurajare a distanţelor
foarte mari (ridicarea la pătrat a unor numere mari, care reprezintă distanţe, are ca rezultat
numere şi mai mari care fac parte din funcţia obiectiv pe care dorim să o minimizăm).
Rezultatul obţinut prin rularea pachetului de programe QSB, folosind modelul
rectiliniar de măsurare a distanţei dintre secţii, este prezentat mai jos. Menţionăm că s-a ales
ca opţiune de rezolvare a problemei schimbarea simultană a amplasării a două compartimente
(secţii).
Fig. 6.76.
După fixarea opţiunilor şi apăsarea butonului <OK> calculatorul caută o aranjare mai
bună schimbând poziţia a două departamente. Se încearcă toate variantele posibile şi se alege
acea variantă care îmbunătăţeşte cel mai mult funcţia obiectiv prin schimbarea poziţiei a două
compartimente.
Soluţia finală:
185
Fig. 6.77.
Noul amplasament al compartimentelor propus de program este prezentat mai jos:
. 1 2 3 5 4 6 7 8 9 0 1 2 3 4
1 1 1 1 1 1 1 1 1 1 1 1 1 3 3
2 3 3 3 3 3 3 3 3 3 3 3 3 3
3 8 8 8 8 8 9 9 2 2 3 3
4 8 8 9 9 3 3 3
3 3 3 3
5 8 8 9 9 5 5 4
A A A A
6 8 8 9 9 5 5 4
A A
7 8 8 9 9 6 6 4
A A
8 8 8 9 9 6 6 4
A A
9 8 8 9 9 7 7 4
A A
10 8 8 9 9 7 7 4
A A A A
11 8 8 9 9 4 4 4
4 B B B
12 8 8 9 9 4 4 B B
13 8 8 9 9 4 4 B B
14 8 8 9 9 4 4 B B
15 8 8 9 9 4 4 B B
16 8 8 8 8 8 9 9 4 4 4 4 B B B
Cu un cost de 10189 acest nou aranjament al compartimentelor îmbunătăţeşte

considerabil costul, care iniţial avea o valoare de 14147.5. Acest cost de 10189 se obţine în
condiţiile în care se utilizează modelul rectiliniar de calcul a distanţei dintre compartimente şi
fiecare compartiment se consideră a fi amplasat în centrul ei. Astfel, compartimentul 1 are
centrul pe linia 1 ) deoarece el este amplasat în întregime în linia 1) şi pe coloana 6.5
186
(deoarece secţia se întinde de la coloana 1 la coloana 12 inclusiv). Se alege coloana 6.5

deoarece se consideră că această coloană are 6 coloane în stânga şi 6 coloane în dreapta.
Tabelul de mai jos prezintă centrul calculat pentru fiecare din compartimentele
prezentate în exemplul nostru.
Fig. 6.78.
O soluţie mai bună a problemei putem obţine alegând altă opţiune iniţială, cum ar fi:
• schimbarea a 3 compartimente
• schimbarea a 2 şi apoi a 3 compartimente
• schimbarea a 3 şi apoi a 2 compartimente
Pentru exemplul nostru, aşa cum se vede în imaginea de mai jos, opţiunea
“Schimbarea a 3 şi apoi a 2 compartimente” conduce la o soluţie îmbunătăţită a problemei.
187
Fig. 6.79.
În ambele amplasamente prezentate mai sus compartimentul 1 este amplasat de-a

lungul primului rând. În cazul în care considerăm din anumite motive că ar fi mai potrivit
amplasamentul iniţial al compartimentului, pe primele 2 rânduri avem posibilitatea să stabilim
că poziţia acestui compartiment este fixă şi dacă folosim opţiunea de îmbunătăţire a soluţiei
prin schimbarea a 3 şi apoi a 2 compartimente vom obţine:
188
Fig. 6.80.
6.12.3. Echilibrarea liniilor de producţie (Assembly line balancing)
În problemele de echilibrare a liniilor de producţie (de asamblare) ne propunem să

reunim operaţiile individuale (tasks) în grupuri de operaţii executate la un punct de lucru
(workstations) astfel încât aceste puncte de lucru să funcţioneze cât mai puţin în gol (să fie cât
mai puţin timp în lipsă de lucrări).
Pentru a ilustra acest tip de problemă, vom considera o firmă de confecţii care doreşte
să-şi optimizeze producţia unui anumit tip de costum. Linia de asamblare pentru producerea
acestui costum presupune realizarea a 10 operaţii individuale, durata fiecărei operaţii şi
operaţia imediat următoare sunt prezentate în tabelul de mai jos:
Operaţia elementară Durata (secunde) Operaţia care urmează

1 40 2,3
2 30 4,5
3 50 6,7
4 40 8
5 6 8
6 25 9
7 15 9
8 20 10
189
9 18 10
10 30 -
Se observă că operaţiile 2 şi 3 nu pot începe până nu se termină executarea operaţiei 1,

operaţiile 4 şi 5 nu pot începe până nu se termină executarea operaţiei 2 ş.a.
Reprezentarea grafică a acestui proces de producţie sub formă de diagramă este:
Fig. 6.81.
În imaginea de mai jos este prezentată o posibilă grupare a operaţiilor în 3 puncte de

lucru (PL1, PL2, PL3). Considerăm că operaţiile care sunt executate la acelaşi punct de lucru
sunt executate succesiv (una după cealaltă), de către un singur muncitor şi că activitatea se
desfăşoară în acelaşi timp la toate punctele de lucru.
190
Fig. 6.82.
Gruparea operaţiilor în puncte de lucru prezentată mai sus, face ca durata operaţiilor
executate la punctul de lucru PL1 să fie de 120 secunde, la punctul de lucru PL2 să fie 66
secunde iar la punctul de lucru PL3 să fie 88 secunde.
La un anumit moment, de la punctul de lucru PL1 se transferă materialul prelucrat la
punctul de lucru PL2, de la acesta la punctul de lucru PL3 iar apoi se trece materialul
prelucrat la o altă fază a procesului de producţie. Această modalitate de transfer a materialului
prelucrat de la un punct de lucru la altul presupune ca transferul să aibă loc numai în
momentul în care în cadrul fiecărui punct de lucru au fost executate toate operaţiile
individuale. Ea (această modalitate) are avantajul că nu necesită existenţa unor puncte
intermediare de depozitare şi că prelucrarea începe imediat ce materialul a fost transferat,
punctul de lucru fiind liber. În cele mai multe cazuri punctele de lucru sunt amplasate unul
lângă celălalt, deci nu se mai pierde timp suplimentar cu transportul.
Modalitatea descrisă mai sus poartă numele de “proces în paşi”, adică sistemul
avansează cu viteza celui mai încet punct de lucru.
Deoarece soluţia de grupare a operaţiilor în puncte de lucru respectă toate condiţiile
tehnologice precizate în enunţ putem spune că am stabilit o variantă de linie de asamblare cu
3 puncte de lucru, viteza liniei de asamblare fiind de 120 de secunde. Problema care se pune
este aceea de a echilibra această linie de asamblare în sensul de a afla care este cea mai bună
grupare a operaţiilor în staţii de lucru astfel încât să obţinem o anumită viteză a sistemului (să
se producă un număr de unităţi într-o perioadă dată de timp).
Presupunând că dorim să producem 60 de unităţi de produs pe oră, vom avea nevoie
practic să producem o unitate de produs la fiecare 60 (3600/60) de secunde.
Având în vedere că o linie de asamblare este alcătuită din puncte de lucru înseamnă că
la fiecare 60 de secunde trebuie să se producă schimbarea materialului prelucrat între punctele
de lucru.
Timpul total de prelucrare este de 40+30+…+18+30=274, ceea ce presupune că avem
nevoie de cel puţin 274/60=4.6, deci 5 puncte de lucru pentru a asigura ca o unitate de produs
să fie prelucrată la fiecare 60 de secunde. Având însă în vedere constrângerile tehnologice
191
legate de succesiunea operaţiilor, nu există nici un fel de garanţie că cele 5 puncte de lucru
vor asigura un flux de 60 de unităţi pe oră.
Problema echilibrării liniei de asamblare poate fi rezolvată cu ajutorul produselor

software specializate, furnizându-se datele iniţiale şi datele de intrare conform dialogului şi
machetei matriciale de mai jos.
Observăm că avem posibilitatea să stabilim şi anumite operaţii izolate, adică operaţii
care pot fi executate oricând în cadrul procesului, şi care nu au predecesori sau succesori.
Fig. 6.83.
Fig. 6.84.
În continuare este prezentată soluţia furnizată de pachetul de programe, utilizându-se

ca metodă de găsire a soluţiei "Optimizing Best Bud Search", aceasta asigurând găsirea unei
soluţii cu un număr minim de puncte de lucru care să satisfacă cerinţele tehnologice de
respectare a succesiunii operaţiilor.
Fig. 6.85.
192
Fig. 6.86.
Fig. 6.87.
În continuare sunt prezentate sub formă de diagramă punctele de lucru şi operaţiile,

aşa cum rezultă din soluţia furnizată de calculator. Observăm că ordinea de parcurgere a
punctelor de lucru este: PL1, unde se execută operaţia 1, apoi PL2, unde se execută operaţia 3,
apoi PL3, unde se execută operaţiile 2 şi 6, etc.
193
Fig. 6.88.
Pachetul de programe furnizează o soluţie cu 6 puncte de lucru, fiecare având un

disponibil de 60 de secunde pentru executare operaţiilor repartizate lor. În total rezultă un
timp disponibil de 60*6=360 de secunde.
Timpul necesar pentru executarea tuturor operaţiilor este de 274 de secunde, deci
rezultă un timp de staţionare de 360-274=86 secunde pentru un ciclu de producţie. Astfel,
rezultă că (274/360)*100=76.11% din timpul total disponibil este folosit pentru producţie,
ceea ce mai este cunoscut sub numele de eficienţă a ciclului de producţie şi
(86/360)*100=23.89% din timpul total disponibil este neutilizat, care mai este cunoscut sub
numele de întârziere a ciclului de producţie.
Într-un proces ideal timpul neutilizat ar trebui să fie 0, deci la nici unul dintre punctele
de lucru să nu existe timp neproductiv. Pentru a ne apropia cât mai mult de acest deziderat se
pot încerca mai multe variante de cicluri de timp în care să fie furnizat un anumit număr de
unităţi de produs.
În continuare este prezentată soluţia furnizată de calculator problemei noastre în
condiţiile în care se doreşte producerea a 65 de unităţi de produs pe oră (un ciclu de producţie
de 55 de secunde).
194
Fig. 6.89.
Fig. 6.90.
195
UNITATEA DE CURS 6.13. AMPLASAREA FACILITĂŢILOR (PUNCTELOR DE

DESERVIRE) (FACILITY LOCATION)
OBIECTIVE
 Familiarizarea cu problemele facilităţilor (punctelor de deservire)
NOŢIUNI CHEIE
problema facilităţilor
La modul general, problema facilităţilor (punctelor de deservire) se enunţă astfel:

dându-se un număr de facilităţi şi un număr de clienţi care folosesc aceste facilităţi, care
dintre aceste facilităţi vor fi folosite şi ce clienţi vor fi deserviţi de fiecare dintre ele astfel
încât să se minimizeze costul deservirii tuturor clienţilor.
Vom considera că facilităţile (punctele de deservire) sunt fie deschise (deservesc un
client), fie închise şi există un cost fix care este implicat de deschiderea unui punct de
deservire. Ceea ce trebuie stabilit este care dintre punctele de deservire să fie deschise şi care
dintre ele închise.
În continuare poate fi văzută o reprezentare grafică a problemei:
Fig. 6.91.
O posibilă soluţie este prezentată mai jos:
196
Fig. 6.92.
Alţi factori care influenţează acest proces mai sunt:

• clienţii au asociat un anumit nivel al cererii iar punctele de deservire au
asociată o anumită capacitate limită de deservire;
• clienţii pot fi deserviţi de la unul sau mai multe puncte de deservire.
Problemele dimensionării punctelor de deservire şi ale amplasării acestora sunt strâns
legate între ele şi vor fi abordate simultan. De fapt programul prezentat aici disociază din
motive de simplificare cele două probleme şi se ocupă numai de amplasarea facilităţilor.
Exemplu
Vom ilustra problema amplasării punctelor de deservire prin intermediul următorului
exemplu:
Terminalul unui aeroport are 10 porţi (notate de la A la J). O reprezentare grafică a
terminalului precum şi coordonatele amplasamentului porţilor sunt prezentate în continuare:
Poarta coordonata x coordonata y

A 0 2
B 2 4
C 5 6
D 5 10
E 7 15
F 10 15
G 12 10
H 12 6
I 15 4
J 20 2
197
Fig. 6.93.
Bagajele de la zborurile care sosesc pe aeroport sunt descărcate la porţile de sosire şi

sunt transportate de aici la un punct general de predare a bagajelor.
Se estimează că numărul de unităţi de bagaje care sosesc la fiecare din porţi într-o zi
este de: 3600, 2500, 1800, 2200, 1000, 4500, 5600, 1400, 1800 şi respectiv 3000.
Unde ar trebui amplasat punctul general de predare a bagajelor astfel încât să se
minimizeze fluxul bagajelor transportate?
Soluţie
Pentru a poziţiona punctul general de predare a bagajelor trebuie să ţinem seama de
cantitatea de bagaje care trebuie transportată de la fiecare poartă la punctul de predare. În mod
logic o poartă la care soseşte un număr mai mare de bagaje ar trebui să fie mai aproape de
punctul de predare a bagajelor decât una la care sosesc mai puţine bagaje. Altfel spus, vom
amplasa punctul de predare a bagajelor astfel încât să minimizăm suma tuturor produselor
dintre distanţa de la fiecare poartă la punctul de predare a bagajelor(di) şi numărul bagajelor
de la fiecare poartă (ci).
Min Σ di x ci i=1,n
Datele iniţiale ale problemei enunţate anterior care vor fi furnizate pachetului de
programe sunt:
198
Fig. 6.94.
Terminologia utilizată în cadrul pachetului are următoarea semnificaţie:

• existing facilities – se referă la acele puncte care sunt deja fixate în spaţiu şi ale căror
coordonate le cunoaştem
• new facilities – se referă la acele facilităţi ale căror poziţii în spaţiu dorim să le
determinăm cu ajutorul pachetului de programe.
Pentru a introduce datele despre porţile de sosire, putem ignora în ecranul de
introducere a datelor coloanele care se referă la fluxurile dintre facilităţile existente, deoarece,
în cazul nostru, toate fluxurile sunt între fiecare din porţile de sosire şi punctul de predare a
bagajelor.
Fig. 6.95.
De remarcat că în rezolvarea acestei probleme este necesar să stabilim modalitatea de

calcul a distanţei dintre două locaţii. Noi nu cunoaştem la momentul iniţial amplasarea
punctului de predare a bagajelor, deci nici distanţa dintre el şi fiecare poartă de sosire. În mod
similar cu problema Functional Layout (prezentată anterior), dacă (xi,yi) şi (xj,yj) reprezintă
coordonatele a două locaţii: i şi j atunci distanţa dintre ele poate fi calculată folosind modelul:
• rectiliniar, ceea ce presupune calculul distanţei dintre i şi j ca:
o |xi-xj|+|yi-yj|
• Euclidian, ceea ce presupune calculul distanţei dintre i şi j ca:
199
o [(xi-xj)2 + (yi-yj)2]0.5
• pătratic Euclidian, ceea ce presupune calculul distanţei dintre i şi j ca:
o (xi-xj)2 + (yi-yj)2
Rezultatele obţinute prin rularea pachetului de programe QSB, folosind fiecare din
modelele de măsurare a distanţelor prezentate anterior sunt.
Modelul rectiliniar
Fig. 6.96.
Modelul Euclidian
Fig. 6.97.
200
Modelul pătratic Euclidian
Fig. 6.98.
Aşa cum vedem din soluţia furnizată de pachetul de programe, coordonatele la care ar
trebui amplasat punctul general de predare a bagajelor sunt diferite în funcţie de modelul
folosit pentru măsurarea distanţelor, astfel:
Modelul coordonata x coordonata y

Rectiliniar 10 6
Euclidian 10.12 8.98
Pătratic Euclidian 9.05 7.67
Acelaşi lucru este reprezentat grafic în imaginea de mai jos, folosindu-se notaţiile R,E
şi S pentru cele trei modele de măsurare a distanţei: rectiliniar, Euclidian, pătratic Euclidian.
201
Fig. 6.99.
De remarcat că alegerea iniţială a punctului de amplasare a facilităţii este cel mai

frecvent între soluţia dată de modelul rectiliniar şi cel Euclidian (ţinând cont de modul în care
se desfăşoară fluxul bagajelor între porţi şi punctul de predare a bagajelor). Dacă bagajele
circulă în linie dreaptă, atunci este de preferat soluţia obţinută cu modelul pătratic Euclidian
deoarece acesta descurajează distanţele foarte mari.
De remarcat că nu ne propunem să determinăm o poziţie exactă până la nivel de
milimetri ci folosim pachetul de programe pentru a determina o regiune în care să fie amplasat
punctul de predare a bagajelor, costurile fiind aproximativ egale pentru acea regiune. Pachetul
de programe foloseşte şi el o serie de aproximaţii în cadrul algoritmului de calcul..
O extensie a acestei probleme rezolvabilă tot cu ajutorul pachetului de programe QSB
este aceea de a amplasa mai multe puncte de predare a bagajelor şi de a stabili pentru fiecare
dintre porţile de sosire la ce punct de predare se vor transporta bagajele ei.
PROBLEME PROPUSE
Problema 1
Un producător de cereale studiază posibilitatea introducerii pe piaţă a unui nou
sortiment. Costul pe kg. şi reţeta sunt prezentate în tabelul următor:
Făina Orez Porumb Cerinţe pentru o cutie de 12 oz.

PROTEINE 4 2 2 >= 27g.
202
(G/OZ)
Carbohidraţi 20 25 21 >= 240g.
(g/oz.)
Calorii / oz. 90 110 100 <= 1260 calorii
Cost / oz. 0.03$ 0.05$ 0.02$
Formulaţi modelul acestei probleme ca o problemă de programare liniară având drept

scop determinarea cantităţilor optime de faină, orez şi porumb pentru o cutie astfel încât să se
obţină un cost de producţie minim.
Problema 2
Un investitor dispune de 100000$. El decide să îi investească în obligaţiuni, titluri de
proprietate şi o parte să-i depună într-un cont. După consultarea unor specialişti în finanţe el
asimilează ca necesară respectarea unor condiţii suplimentare:
• să nu investească mai mult de 40% din suma în obligaţiuni
• suma depusă în cont să fie cel puţin dublă faţă de suma investită în titluri de
proprietate
Dobânda anuală este 8% la obligaţiuni,9% la titluri şi 7% la cont.
Se presupune că întreaga sumă va fi investită şi că aceste dobânzi vor rămâne
constante întreaga perioadă.
Scopul investitorului este de a maximiza profitul anual.
Formulaţi problema ca o problemă de programare liniară presupunând că nu se percep
comisioane pentru tranzacţii (deschidere cont, retrageri, răscumpărări titluri).
Problema 3
O fabrică de jucării produce 3 variante de roboţi de jucărie.
Prima necesită 10 minute timp de fabricaţie şi ambalare şi 700g de plastic, a doua
variantă necesită 12 minute şi 1050g plastic iar cea de-a treia 15 minute şi 1400g plastic.
În următorul ciclu de producţie există 8 ore timp de fabricaţie şi ambalare disponibil
pentru aceste sortimente şi 70kg de plastic.
Profitul obţinut în urma comercializării unui robot de primul tip este de 1$, al doilea
tip 5$, al treilea 6$.
Există o comandă anterioară care trebuie onorată din această producţie, constând în 10
roboţi din fiecare tip.
Formulaţi problema ca o problemă de programare liniară, pentru a determina
cantităţile din fiecare tip ce trebuie produse pentru a asigura maximizarea profitului.
Problema 4
O companie de turism are o cerere de transport pentru 500 de persoane. Aceasta
companie dispune de trei tipuri de mijloace de transport cu următoarele caracteristici:
Mijloace de Nr.de locuri Consum de Număr de mijloace

transport combustibil de transport
(l/100Km) disponibile
Tip 1 30 12 6
Tip 2 50 18 5
Tip 3 45 17 4
Să se determine câte mijloace de transport din fiecare tip sunt necesare pentru
transportul pasagerilor astfel încât costul transportului să fie minim.
Problema 5
O companie de producţie are două utilaje cu care realizează două produse: A şi B.
Fiecare din aceste produse este prelucrat pe ambele utilaje. Tabelul următor prezintă necesarul
de timp de prelucrare a fiecărui produs pe cele două maşini şi disponibilul de timp al fiecărui
utilaj într-o lună:
203
Utilaj Produsul A Produsul B Timp

(ore) (ore) disponibil într-
o lună (ore)
1 2 3 180
2 3 2 150
Considerând că această companie are desfacerea asigurată pentru întreaga producţie şi

preţul este de 50$ pentru produsul A şi 60$ pentru produsul B, managerul companiei doreşte
să stabilească structura producţiei astfel încât să realizeze o maximizare a profitului în luna
următoare.
Problema 6
Un plan de nutriţie cere consumarea a cel puţin 200 unităţi de proteine şi 180 unităţi
de grăsimi. Analizele chimice arată că o unitate din alimentul A conţine 6 unităţi de proteine
şi 3 unităţi de grăsimi, iar o unitate din alimentul B conţine 3 unităţi de proteine şi 5 unităţi de
grăsimi. Consumul din cele doua tipuri de alimente se face numai în unităţi întregi. Preţul de
cumpărare este de 2.5$ pentru o unitate din produsul A şi 2$ pentru o unitate din produsul B.
Câte unităţi din fiecare aliment trebuiesc consumate astfel încât să fie satisfăcute cerinţele de
proteine şi grăsimi iar costul să fie minim ?
Problema 7
Un avion cargo are 3 compartimente pentru depozitarea încărcăturii: compartimentul
din faţă, central, şi cel din spate. Acestea au următoarele limitări în ceea ce priveşte greutatea
acceptată şi spaţiul disponibil:
Compartiment Greutate Spaţiu

capacitate capacitate
(tone) (metri cubi)
Faţă 10 6800
Centru 16 8700
Spate 8 5300
În plus, greutatea încărcăturii depozitate în respectivele compartimente trebuie să fie

distribuită proporţional cu greutatea maxim admisă în fiecare compartiment astfel încât să se
menţină echilibrul navei.
Cu următorul zbor trebuie transportate următoarele încărcături:
Încărcătura Greutate Volum Profit

(tone) (metri cubi/tone) ($)
C1 18 480 310
C2 15 650 380
C3 23 580 350
C4 12 390 285
Transportul acestora poate fi acceptat în orice proporţii. Obiectivul este acela de a

determina cât din fiecare încărcătură să fie transportat şi cum să fie distribuită încărcătura
între compartimente astfel încât profitul total pe acest zbor să fie maxim.
Formulaţi modelul problemei de programare liniară.

Ce presupuneri se fac în formularea modelului ca o problemă de programare liniară ?
204
Explicaţi avantajele care decurg din rezolvarea problemei ca o problemă de

programare liniară comparativ cu rezolvarea acesteia printr-o aproximare nefundamentată
matematic.
Problema 8
O companie are două fabrici de conservare a fructelor. Există trei furnizori de fructe
proaspete în următoarele cantităţi şi la următoarele preţuri:
• S1: 200t la 1100$ / t
• S2: 310t la 1000$ / t
• S3: 420t la 900$ / t
Costul transportului pe tonă este:
La fabrica: A B
-----------------------------------------------------------
De la: S1 300 $ / t 350 $ / t
S2 200 $ / t 250 $ / t
S3 600 $ / t 400 $ / t
Capacitatea de producţie în tone şi costul prelucrării pentru fiecare fabrică este:

Fabrica A B
------------------------------------------------------------
Capacitatea de producţie 460 t 560 t
Costul prelucrării 2600 $ / t 2100 $ / t
Conservele de fructe se vând tuturor distribuitorilor companiei cu 5000 $/tonă.

Compania are cerere pentru întreaga cantitate de conserve pe care o produce.
Obiectivul companiei este acela de a achiziţiona fructe într-o anume proporţie de la
fiecare furnizor pentru a ocupa capacitatea de producţie a fiecărei fabrici astfel încât să se
maximizeze profitul la nivelul companiei.
• Formulaţi problema ca o problemă de programare liniară şi explicaţi-o.
• Explicaţi semnificaţia valorilor duale asociate cu restricţiile corespunzătoare
(asociate) cantităţilor furnizate şi capacităţii de producţie a fabricilor.
• Ce presupuneri trebuie făcute pentru a exprima problema ca o problemă de
programare liniară.
Problema 9
O companie asamblează 4 tipuri de produse (1, 2, 3, 4) din componente. Profitul unitar
pentru fiecare produs din cele 4 tipuri este:10$ / produs, 15$ / produs, 22$ / produs si
respectiv 17$ / produs.
Comenzile pentru fiecare din cele patru produse (1, 2, 3, 4) în săptămâna următoare
sunt de 50, 60, 85 şi respectiv 70 bucăţi.
Fiecare produs necesită pentru asamblare 3 operaţii(A,B,C) care fiecare necesită un
consum de om-ore pe produs diferite:
Produs
1 2 3 4
Operaţie A 2 2 1 1
B 2 4 1 2
C 3 6 1 5
Timpul disponibil în următoarea săptămână pentru fiecare operaţie (A,B,C) de

asamblare este de: 160, 200 şi respectiv 80 om-ore.
Este admis ca muncitorii angajaţi pentru operaţia B să utilizeze maximum 20% din
timpul de lucru pentru a efectua operaţia A (probabil cu un nivel de periculozitate ridicat sau
205
radiaţii) iar cei angajaţi pentru a efectua operaţia C pot folosi până la 30% din timpul de lucru
pentru a efectua operaţia A (altfel trebuie acordate sporuri sau trebuie să fie încadraţi în alte
grupe de muncă cu alt salariu).
Necesităţile de producţie impun ca raportul dintre numărul de produse tip 1 asamblate
şi numărul de produse de tip 4 asamblate să fie cuprins între 0.9 şi 1.15.
Formulaţi modelul problemei ca o problemă de programare liniară.
Problema 10
Următorul tabel prezintă activităţile unui proiect:
Activitatea Timp de Activităţi

realizare precedente
(săptămâni)
A 2 -
B 3 -
C 4 A
D 3 B,A
E 8 D,C
F 3 C
G 2 E
H 3 F,G
Trasaţi diagrama de reţea.

Calculaţi durata minimă a proiectului şi identificaţi activităţile critice.
Problema 11
Un proiect conţine 8 activităţi:
Activitatea Timp de Activităţi

realizare (zile) precedente
A 5 -
B 7 -
C 6 -
D 3 A
E 4 B,C
F 2 C
G 6 A, D
H 5 E, F
Trasaţi diagrama de reţea.

Calculaţi durata minimă a proiectului şi identificaţi activităţile critice.
- Dacă activitatea E este întârziată cu 3 zile, va fi afectată durata proiectului?
- Dacă activitatea F este întârziată cu 3 zile, va fi afectată durata proiectului?
Problema 12
Un studiu de piaţă a relevat tendinţele de cumpărare ale clienţilor unei game de
produse similare. În urma studiului s-a stabilit că 50% din clienţii care în această săptămână
cumpără produsul A vor cumpăra şi săptămâna următoare acelaşi produs, 30% vor cumpăra
produsul B şi 20% produsul C. Din cei care în această săptămână cumpără produsul B 50%
vor cumpăra săptămâna următoare produsul A şi 20% produsul C. Totodată, din cei care în
această săptămână cumpără produsul C, 50% vor cumpăra săptămâna următoare produsul A şi
30% vor cumpăra produsul B.
a) Scrieţi matricea probabilităţilor de trecere
b) Care sunt probabilităţile stabilizate pe termen lung pentru cele trei produse?
206
Problema 13
În urma unui studiu s-a determinat probabilitatea ca o maşină să se defecteze. S-a
constatat că aceasta depinde de faptul că maşina a fost reparată în ziua anterioară sau că în
ziua anterioară a fost funcţională.
Probabilităţile respective sunt prezentate în tabelul următor:
. Mâine
. În funcţiune Defectă
Azi În funcţiune 0.88 0.12
. Defectă 0.96 0.04
a) Având în vedere că maşina este defectă astăzi, care este probabilitatea ca ea să fie
defectă şi mâine?
b) Care este probabilitatea ca maşina să fie defectă peste două zile? Dar peste trei zile?
Problema 14
Rata sosirii clienţilor la o agenţie de bilete cu un singur ghişeu este de 3 clienţi pe
minut şi rata deservirii de 4 clienţi pe minut. Calculaţi:
1. Utilizarea sistemului
2. Numărul mediu de clienţi la coadă
3. Numărul mediu de clienţi în sistem
4. Timpul mediu de aşteptare la coadă
5. Timpul mediu petrecut în sistem
6. Probabilitatea ca în sistem să fie 0 clienţi
7. Timpul mediu de aşteptare pentru o sosire care nu este deservită imediat.
Problema 15
Proprietarul unui magazin alimentar urmează să deschidă o nouă aripă. El estimează
pentru aceasta o rată a sosirilor de 1.2 clienţi pe minut. Pentru această zonă vor fi angajaţi 2
vânzători fiecare având o rată de deservire de 1 client pe minut.
Calculaţi indicatorii de la exemplul anterior.
207
MODULUL 7. TEHNOLOGII INTELIGENTE DE VÂRF ÎN INFORMATIZAREA

MANAGEMENTULUI ORGANIZAŢIILOR
CONCEPTE DE BAZĂ
sistemele expert, tehnologiile inteligente de vârf
OBIECTIVE URMĂRITE
 Cunoaşterea domeniilor de utilizare a sistemelor expert
 Cunoaşterea definiţiei sistemelor expert
 Cunoaşterea componentelor unui sistem expert
 Cunoaşterea tipurilor de tehnologii inteligente de vârf

Modulul 7 „Tehnologii inteligente de vârf în informatizarea managementului
organizaţiilor” permite studentului familiarizarea cu tehnologiile de vârf utilizate în prezent în
sistemele informatice ale organizaţiilor. Studentul va asimila cunoştinţe de bază privind
sistemele expert, tipurile şi domeniile de aplicare a acestora, dezvoltarea unui sistem expert.
Studentul se va familiariza cu alte tehnologii ce simulează inteligenţa umană.
UNITATEA DE CURS 7.1. INTELIGENŢA ARTIFICIALĂ ŞI SISTEMELE EXPERT
OBIECTIVE
 Cunoaşterea domeniilor de utilizare a sistemelor expert
 Cunoaşterea definiţiei sistemelor expert
 Cunoaşterea componentelor unui sistem expert
NOŢIUNI CHEIE
sistemele expert
Organizaţiile care desfăşoară activităţi comerciale încep să acorde o atenţie din ce în

ce mai mare încercărilor de a ajuta inteligenţa umană, cunoştinţele personalului, experienţa sa
cu mijloacele şi tehnicile utilizate de sistemele expert.
208
Putem spune că, în general, sistemele expert includ limbajul natural, roboţii industriali,
precum şi computerele inteligente.
Sistemele expert se consideră a fi o combinaţie a ştiinţei cu tehnologia bazată pe
domenii ca ştiinţa computerelor, biologie, psihologie, lingvistică şi matematică.
Scopul sistemelor expert este de a crea computere care pot gândi, vedea, auzi şi chiar
dezvolta sentimente. Ca fundament al sistemelor expert se consideră a fi faptul că dezvoltarea
computerelor este asociată în mod normal cu inteligenţa umană adică: raţionament, învăţare,
dezvoltarea de probleme.
7.1.1. Domeniile de utilizare a sistemelor expert
Domeniile de utilizare a sistemelor expert includ:

1. aplicaţii în domeniul ştiinţelor cognitive
2. aplicaţii în ştiinţa computerelor
3. robotică
4. interfeţe naturale
1. Aplicaţii în domeniul ştiinţelor cognitive

Acest domeniu al sistemelor expert este fundamentat pe cercetările din domeniul
biologiei, neurologiei, psihologiei, matematicii şi a altor discipline conexe. Aceste cercetări se
concentrează asupra modului în care lucrează creierul şi se desfăşoară procesul de gândire şi
învăţare.
Aplicaţiile din această zonă includ:
a. sistemele expert propiu zise
b. sistemele de învăţare adaptivă
c. sistemele care utilizează logica fuzzy
a. sistemele expert – Un sistem expert este un sistem informatic care utilizează

cunoştinţele într-un domeniu şi foarte specializat, domeniu în care sunt utilizaţi de obicei
consultanţi umani. Aceste sisteme sunt alcătuite dintr-o bază de cunoştinţe şi nişte modele
software care apelează la informaţiile din baza de date şi în urma prelucrării transmit (oferă)
răspunsuri la întrebările utilizatorului.
b. sistemele de învăţare adaptivă – Un sistem de acest tip este definit ca un sistem
informatic care îşi poate schimba comportamentul în funcţie de informaţiile primite din
mediul în care operează.
c. sistemele care utilizează logica fuzzy – Sistemele fuzzy sunt sisteme informatice
care pot prelucra date incomplete sau parţial corecte. Aceste sisteme pot rezolva probleme
nestructurate care nu dispun de cunoştinţe complete oferind răspunsuri în acelaşi mod ca
oamenii
2. Aplicaţii în ştiinţa computerelor

Aceste se concretizează asuprea hardware-ului şi softwareului de sistem necesar
pentru a dezvolta supercomputere necesare utilizării în aplicaţiile cu utilizează sisteme expert
.
Domeniile de dezvoltare sunt:
• arhitecturi ce permit procesarea paralelă – adică executarea de mai multe instrucţiuni
în acelaşi timp.
• procesarea la nivel simbolic – în loc de procesare numerică
• reţelele neuronale – care sunt reprezentate de computere a căror arhitectură este
bazată pe modelul minţii umane (structura neuronilor). Aceste reţele pot prelucra mai multe
209
informaţii simultan dar şi pot învăţa să recunoască modele şi să rezolve sigure anumite
probleme.
3. Robotica
Inteligenţa artificială, ingineria şi filozofia sunt disciplinele de bază ale roboticii.
Acestea permit construcţia de maşini care dispun de sisteme expert şi sunt controlate de
computer desfăşurând activităţi umane. Aplicaţiile includ percepţia vizuală, mişcarea,
dexteritatea şi navigaţia.
4. Interfeţele naturale
Sunt aplicaţii care implică cercetări în domeniul lingvistic, filozofic, ştiinţei
computerelor şi altor discipline în scopul de a asigura o comunicare naturală, într-un limbaj
obişnuit cu computerul. Aici se regăsesc:
a) limbajele naturale
b) interfeţele multisenzoriale
c) recunoaşterea vocală
d) realitatea virtuală
a) limbajele naturale
Sunt limbaje de programare foarte apropiate de limbajul uman, fiind considerate
limbaje de nivel foarte înalt.
b) interfeţele multisenzoriale
Sunt facilitate de posibilităţile computerelor de a recunoaşte o serie de mişcări umane
şi pe această bază de a opera.
c) recunoaşterea vocală
Este reprezentată de capacitatea sistemului (hardware+software) de a recunoaşte vocea
utilizatorului şi de a executa comenzi pe baza acesteia.
d) realitatea virtuală
Aceasta este definită de utilizarea de interfeţe multisenzoriale om-computer care oferă
posibilitatea utilizatorului uman să experimenteze relaţii cu obiecte simulate de computer,
entităţi, spaţii sau “lumi” ca şi cum ar exista în mod real – denumite şi cyberspaţiu sau
realitate artificială.
Potrivit acestei teorii, termenul de comunicaţie este utilizat pentru a descrie orice
procedură prin care o persoană afectează, influenţează creierul altei persoane (comunicaţia
scrisă sau orală, limbajul corpului etc.)
Teoria informaţiei pune accentul pe trei dimensiuni importante în evaluarea

comunicaţiei:
- dimensiunea tehnică – care se referă la acurateţea informaţiei
- dimensiunea semantică – se referă la precizia cu care un anumit înţeles este preluat
de informaţie.
- dimensiunea efectivă – se referă la efectul informaţiei asupra recipientului.
Redundanţa reprezintă un alt aspect în teoria informaţiei prin care se înţelege repetiţia
unei părţi sau a întregului mesaj. În acest sens trebuie avut în vedere că:
- un mesaj poate conţine informaţie în plus
- redundanţa poate creşte eficienţa sistemului în cazul în care mesajul este înţeles
corect
210
- redundanţa poate scădea eficienţa sistemului în cazul în care se transmite mai multă
informaţie decât este necesar.
Alte aspecte importante se referă la acurateţea informaţiei care are şi o dimensiune

semantică şi una efectivă, deoarece chiar şi un mesaj cu un conţinut clar poate fi interpretat
greşit.
7.1.2. Definiţia sistemelor expert
După cum am menţionat mai sus un sistem expert este un sistem informatic care
utilizează o bază de cunoştinţe şi un soft specific pentru a oferi consultanţă într-un domeniu
specific. Sistemele expert rezolvă probleme specifice folosind un raţionament similar cu cel
uman. Aceste sisteme pot fi folosite atât pentru activitatea de management cât şi pentru cea
operaţională pentru a controla procesul operaţional sau a oferi sprijin procesului decizional.
O caracteristică importantă a perioadei actuale este integrarea sistemelor expert în
sistemele de fundamentare a deciziei şi a altor tipuri de sisteme informatice.
7.1.3. Componentele unui sistem expert
Componentele unui sistem expert sunt reprezentate de:

1. Baza de informaţii
2. Resursele software
3. Resursele hardware
4. Resursele umane
1. Baza de informaţii
Baza de informaţii conţine în general fapte despre subiectul specificat
2. Resursele software
Resursele software sunt reprezentate de soft-ul specializat care conţine:
- un modul de prelucrare a cunoştinţelor;
- o interfaţă cu utilizatorul prin care programul comunică cu acesta;
- un program de ajutor sau o documentaţie.
3. Resursele hardware
Cuprind calculatoare (care pot avea unele componente speciale) şi reţele.
4. Resursele umane
Cuprind specialişti şi utilizatori
• Aplicaţii ale sistemelor expert

Sistemele expert sunt utilizate în mod curent în:
1. Managementul deciziei,
2. Design;
3. Monitorizare / control de procese;
4. Diagnostic;
5. Documentare.
211
7.1.4. Dezvoltarea de sisteme expert
Pentru a porni la construcţia unui sistem expert trebuie răspuns la următoarele

întrebări:
1. Ce aplicaţii corespund sistemelor expert?
2. Ce avantaje şi ce dezavantaje trebuie avute în vedere la elaborarea sistemului
expert?
Avantajele oferite de utilizarea sistemelor expert sunt următoarele:

- oferă informaţii provenite de la mai mulţi experţi (cunoaştere);
- sunt mai rapide şi mai consistente decât un expert uman;
- sunt disponibile tot timpul şi nu obosesc;
- sunt mai eficiente;
Există şi unele dezavantaje legate de utilizarea sistemelor expert, care ar putea fi

legate de:
- faptul că au un domeniu de utilizare foarte specific;
- nu au posibilitatea de a învăţa;
- au costuri ridicate de dezvoltare.
Cel mai rapid şi uşor mod de a construi sisteme expert (folosind modelarea) este prin
utilizarea programelor de calcul tabelar1. Aceste programe permit elaborarea de modele
dinamice care, în plus, pot fi şi reversibile (se porneşte de la rezultat către factorii care îl
determină).
Structura logică esenţială a unui sistem expert este:
IF – THEN - ELSE (DACĂ – ATUNCI - ALTFEL)
Conţinutul unui sistem expert realizat cu ajutorul programelor de calcul tabelar este
prezentat în continuare.
Sistemul expert cuprinde:

1. zona de identificare şi documentaţie – această zonă oferă informaţii de bază despre
numele modelului, autorii, data elaborării, dacă conţine macrouri, zona de documentaţie oferă
şi o scurtă descriere a aplicaţiei, modul de lucru şi instrucţiuni de folosire.
2. zona de intrare de date – este locul unde se vor introduce datele de intrare,
constantele şi variabilele.
3. zona de lucru – această zonă conţine partea de procesare a modelului.
4. zona de ieşire - cuprinde rezultatele prelucrării datelor introduse;
5. zona de macrouri – această zonă cuprinde instrucţiunile macro şi explicaţii pentru
fiecare comandă; această zonă poate lipsi.
7.1.5. Criterii pentru evaluarea sistemelor expert
În general, criteriile pentru evaluarea sistemelor expert sunt următoarele:

1. acurateţe – în cazul în care sistemul expert oferă rezultate incorecte, nu are nici o
valoare. Formulele şi funcţiile utilizate într-o foaie de calcul nu sunt vizibile imediat
utilizatorului, ceea ce poate conduce la erori.
212
2. claritatea – sistemul expert trebuie înţeles atât de creatorii lui cât şi de utilizatori.
Este necesară o bună documentaţie şi chiar o modalitate de exprimare standardizată.
3. flexibilitatea – foaia de calcul trebuie să se poată adapta rapid la schimbările ce pot
interveni în utilizarea modelului. În construcţia iniţială trebuie să se prevadă posibilitatea
modificării conţinutului sau relaţiile existente între variabile.
4. auditabilitatea – o aplicaţie poate fi utilizată de cele mai multe ori ca un suport
individual pentru planificarea sau luarea unei decizii. Pe măsură ce acestea sunt utilizate în
efectuarea de activităţi de business (contabilitate, inventar, facturi) este necesar să existe şi
posibilitatea audit-ului. Totodată, aceste aplicaţii pot fi proiectate în aşa fel încât să poată fi
supuse unui control intern sau operaţional (documentare, testare, proceduri de securitate,
accesul la control).
213
UNITATEA DE CURS 7.2. TEHNOLOGIILE INTELIGENTE DE VÂRF
OBIECTIVE
 Cunoaşterea tipurilor de tehnologii inteligente de vârf
NOŢIUNI CHEIE
Tehnologiile inteligente de vârf
Tehnologiile inteligente de vârf au un rol din ce în ce mai important în managementul

contemporan şi sunt din ce în ce mai folosite. Astfel, dintre acestea se remarcă:
1. Reţelele neuronale
2. Logica fuzzy
3. Algoritmii genetici
4. Agenţii inteligenţi
5. Agenţi Internet
6. Agenţi de comerţ electronic
7. Alţi agenţi inteligenţi
7.2.1. Reţelele neuronale
Reţelele neuronale sunt elemente de hardware şi software care încearcă să emuleze

modelele de procesare existente în creierul uman. Neuronii din creier operează în paralel
reuşind să realizeze circa 10 milioane de miliarde de interconexiuni pe secundă ceea ce este
departe de posibilităţile actuale ale tehnologiei.
Diferenţe între sistemele expert şi reţelele neuronale:
- sistemele expert emulează un model uman (expert) în modul de soluţionare a
problemei
- reţelele neuronale nu modelează inteligenţa umană, ci are ca scop să pună inteligenţa
într-o formă hard/soft
- sistemul expert este foarte specific şi nu poate fi modificat decât cu dificultate.
Domeniile de utilizare:
o previziunea valorii obligaţiunilor
o previziunea momentelor de cumpărare/vânzare a acţiunilor
o detectarea fraudelor la cărţile de credit (utilizată de VISA)
7.2.2. Logica fuzzy
Logica fuzzy utilizează datele imprecise, ambigue sau incerte ceea ce îi determină o
mai mare apropiere de modul uman de gândire.
214
Simulând procesul uman de gândire logica fuzzy oferă pentru rezolvarea problemelor
sisteme informatice cu un comportament mai puţin precis şi logic decât sistemele
convenţionale.
Logica fuzzy prezintă următoarele avantaje în utilizare:
- oferă o mare flexibilitate
- oferă mai multe opţiuni de lucru
- este foarte utilă în observaţii
- scurtează timpul de dezvoltare al sistemelor
- creşte productivitatea
Domenii de utilizare:
o selectarea de companii în vederea achiziţionării
o sisteme ABS
o recunoaşterea de modele
o aparatură electrocasnică
7.2.3. Algoritmii genetici
Algoritmii genetici reprezintă metode şi tehnici de rezolvare a problemelor care

folosesc modelul organismelor vii în adaptarea la mediu. Aceste tehnici sunt programate să
lucreze în acelaşi mod în care oamenii rezolvă problemele prin schimbarea şi reorganizarea
părţilor componente utilizând procese ca reproducţia, mutaţia şi selecţia naturală.
Pe măsură ce soluţiile se modifică şi se combină cele eronate sunt date de-o parte iar
cele bune se utilizează în scopul de a produce soluţii şi mai bune.
În domeniul algoritmilor genetici se porneşte de la ideea (preconizată de J. Holland) că
orice obiect se poate reprezenta în mod binar cu o combinaţie corespunzătoare de digiţi
folosind un şir suficient de lung. Algoritmii genetici oferă metode de căutare a tuturor
combinaţiilor de digiţi pentru a-l identifica pe acela care reprezintă structura posibilă a
problemei. Acest tip de algoritmi se pretează pentru aplicaţii ce folosesc arhitecturi paralele
de prelucrare. Domenii de utilizare:
 optimizări
 designul de produse
 monitorizarea sistemelor industriale
 planificarea aprovizionării şi livrării comenzilor
7.2.4. Agenţii inteligenţi
Agenţii inteligenţi sunt softuri care utilizează cunoştinţe prestabilite sau învăţate să
îndeplinească activităţi specifice sau repetitive pentru un utilizator individual, un proces de
business sau o aplicaţie software.
Agenţii inteligenţi pot fi programaţi să ia decizii pe baza preferinţelor individuale ale
utilizatorilor cum ar fi : ştergerea mesajelor nedorite, stabilirea de întâlniri, navigarea pe
Internet pentru a găsi diverse bunuri sau servicii. Domeniile de utilizare:
 sisteme de operare, sisteme de e-mail
 localizarea de informaţii pentru Internet
 îmbunătăţirea procesului de învăţământ
215
Agenţii inteligenţi mai sunt utilizaţi şi pentru gestionarea activităţii organizaţiilor

virtuale, deoarece ei pot interacţiona cu diferite structuri de baze de date sau chiar organizaţii.
7.2.5. Agenţii software ce utilizează –internetul
Agenţii inteligenţii din această categorie sunt construiţi pe o tehnologie care utilizează
Internetul şi se întâlnesc sub denumirea de roboţi software sau softbots. Dintre ei cei mai
importanţi sunt:
- agenţii de e-mail - care comunică cu programele de e-mail sub Windows

- asistenţii pentru navigare :
 care caută pagini cu un conţinut asemănător celei curente (dorite)
 monitorizează informaţiile despre comportamentul utilizatorului
 asigură informaţii personalizate
- agenţii FAQ (întrebări puse frecvent)

 care ghidează utilizatorii spre răspunsurile FAQ
 acceptă întrebările utilizatorilor în limbaj natural (www.ask.com)
- agenţii de căutare inteligenţi (sau de indexare inteligentă)-care utilizează mai multe

motoare de căutare pentru a descoperi răspunsurile cele mai relevante ( se mai numesc
spiders, wanderers)
216
7.2.6. Agenţi pentru comerţul electronic
Agenţii pentru comerţul electronic se află la începuturi. Aceste programe ajută

utilizatorii să găsească şi să compare informaţii despre produse şi servicii şi eventual să
efectueze tranzacţii. În general sunt folosiţi deocamdată pentru a căuta cele mai mici preţuri
pentru produse (servicii) şi acestea oferă liste de recomandări (www.copernic.com).
7.2.7. Alţi agenţi inteligenţi
Agenţii inteligenţi sunt întâlniţi şi în alte zone cum ar fi: -agenţi pentru software de
calcul tabelar -agenţi de detectare şi colaborare -„mineri” de date -„mineri” de web
217
218

 Definiţi sistemul expert
 Care sunt domeniile de utilizare ale sistemelor expert?
 Explicitaţi componentele unui sistem expert
 Enumeraţi criteriile de evaluare ale sistemelor expert.
 Care sunt diferenţele dintre reţelele neuronale şi sistemele expert?
3. Alty, J. L., Coombs, M.J. Expert systems: concepts and examples, Preentice -
Hall,1984.
11. Bădescu, A. Teoria deciziei, Editura Unex, Bucureşti, 1997.
20. Cârstoiu, D.I. Sisteme expert, Editura ALL, Bucureşti, 1994.
24. Churchman, C.V. Chalenge to Reason, Mc Graw-Hill, NY, 1968.
56. Păun, Gh. An Imposibility Theorem for Indications Aggregations
in Fuzzy Sets and Systems, vol. 9, North Holland
Publishing Company, 1983.
61. Penescu, I. Sisteme, Editura Tehnică, Bucureşti, 1975
62. Radu,I. s.a Informatica si Management,Editura
Universitara,Bucuresti, 2005.
219
BIBLIOGRAFIE GENERALĂ
1. Ackoff, R., Sasieni, M. Bazele cercetãrii operaţionale, Editura Tehnicã,

Bucureşti, 1975.
2. Allison, G.T. Essence of decizion, Boston, Little, Brown,1971.
3. Alty, J. L., Coombs, M.J. Expert systems: concepts and examples, Preentice -
Hall,1984.
4. Anderson, R.D., Sweeney, An Introduction to Management Science, West
D.J., Wiliams, A.T. Publishing Company, New York, 1988.
6. Andreica, M., Stoica, M. Metode cantitative în management, Editura Economică,
Bucureşti, 1998.
7. Baumol, W. Economic Theory and Operations Analysis, Prentice-
Hall, New Jersey,1990.
8. Bădescu, A. Modelarea sistemului avuţiei acumulate, Teză de
doctorat, A.S.E., Bucureşti, 1996.
9. Bădescu, A. Consideraţii privind metodele şi modelele de evaluare a
firmei în contextul analizei sistemelor, Revista
SCCECE, nr. 3, A.S.E., Bucureşti, 1996.
10. Bădescu, A. Metode şi modele de evaluare a firmei în contextul
analizei sistemelor, Revista SCCECE, nr. 4, A.S.E.,
Bucureşti, 1996.
11. Bădescu, A. Teoria deciziei, Editura Unex, Bucureşti, 1997.
12. Bhaskar, K.N., Housden, R.J. Information Technology Management, Butterworth
Heinemann, 1990.
13. Blaug, M. Teoria economică în retrospectivă, Editura didactică şi
pedagogică, Bucureşti, 1992.
15. Boldur - Lăţescu, Gh., Analiza sistemelor complexe, Editura ştiinţificã şi
Ciobanu, Gh., Băncilã, I. Enciclopedicã, Bucureşti, 1982.
16. Boldur - Lăţescu, Gh., Cartea analistului de sisteme, Editura ştiinţifică şi
Ciobanu, Gh., Băncilă, I. Enciclopedicã, Bucureşti, 1976.
17. Brian, W., Systems: Concepts, Methodologies, and Applications,
vol.1, John Wiley & Song,1994.
18. Brilman, J., Maire, C. Manuel d’evaluation des entreprises, Les Editions
d’organisations, Paris, 1990.
19. Bunge, M. Analogie, Simulation, Representation, Revue
Internaţionale de Philosophie, nr. 87, 1969.
20. Cârstoiu, D.I. Sisteme expert, Editura ALL, Bucureşti, 1994.
21. Cohen, K., Cyert, R. Theory of the Firm, Prentice Hall, Englewood Cliffs,
New Jersey, 1976.
22. Checkland, P.B. System Thinking, System Practice, John Willey & Song,
1993.
23. Chiriţă, N.M., Strategii de tranziţie la economia de piaţă, Teză de
doctorat, A.S.E., Bucureşti, 1996.
24. Churchman, C.V. Chalenge to Reason, Mc Graw-Hill, NY, 1968.
220
25. Ciobanu, Gh., Nica, V., Cercetări operaţionale cu aplicaţii în economie, Editura
Mustaţă, F., Mărăcine, V. Matrix Rom, Bucureşti, 1996.
26. Ciobanu, Gh. Algoritmi de ordonanţare şi aplicaţii, Teză de doctorat,
Universitatea Bucureşti, Facultatea de Matematică,
1978.
27. Clarke, T.R., Prins, A.C. Contemporary Systems, Analysis and Design,
Wadsworth Publishing Company, California, 1988.
28. Crozier, M., Friedberg, E. L’acteur et le systeme, Edition du Seuil, France 1992.
29. Cunningham, W., Kent, B. A Laboratory for Teaching Object Oriented Thinking,
Proceedings of the 1980 OOPSLA, Norman Meyrowitz
Ed., New York, 1980.
30. David, M.K. A course in microeconomic theory, Harvester
Wheatsheaf, New York, 1991.
31. Davis, W., Yen, D. The Information Consultant’s Handbook Systems
Analysis and Design, CRC Press, Hardorar, 1999.
32. Dobre, I., Mustaţă, F. Simularea proceselor economice, Editura Inforec,
Bucureşti, 1996.
33. Dobre, I., Bădescu, A., Teoria deciziei – Studii de caz, Editura Scripta,
Irimiea, E. Bucureşti, 2000
34. Findeisen, W. Edward, S.Q The Metodologhy of System Analysis: An Introduction
and Overview, în Handbook of System Analysis-
Overview of Uses, Procedures, Applications and
Practice, vol. I, John Wiley&Sons, New York,1995
(pg.117-147).
35. Hartulari, C. The Systemic Approach on the Problem of Production
Operative Programming and Schedulling, Economic
Computation and Economic Cybernetics Studies and
Research, nr. 2, 1984.
36. Hartulari, C. Un algoritm euristic pentru echilibrarea liniilor de
asamblare Studii şi Cercetări de Calcul Economic, şi
Cibernetică Economică, nr. 3, 1980.
Bucureşti, 1997.
38. Hartulari, C., Bădescu, A. Analiza sistemelor, Editura Societatea Autonomă de
Informatică, Bucureşti, 1996.
39. Hugh, J.,M., Edward, S.,Q. Handbook of System Analysis-Overview of Uses,
Procedures, Applications and Practice, vol. I, John
Wiley&Sons, New York,1995.
40. Hugh, J.,M., Edward, S.,Q. Handbook of System Analysis-Craft Issues and
Procedural Choices, vol. II, John Wiley&Sons, New
York,1995.
41. Hugh, J.,M., Edward, S.,Q. Handbook of System Analysis- Cases, vol.III, John
Wiley & Sons, New York,1995
42. Ioniţă, I., Radu, V., Vasilescu, Studiu de fezabilitate pentru fundamentarea eficienţei
I., Botezatu, M. proiectelor de investiţii, Lito A.S.E., Bucureşti, 1944.
43. James, M. Principles of object oriented analysis and design,
Prentice Hall Englewood Cliff, New Jersey, 1995.
44. Jobman, D. Handbook of technical Analysis A Comprehensive-
Guide to Analytical Methods, Trading Systems, 1995
45. Licker, S.P. Fundamentals of Systems Analysis with Application
Design, Boyd & Fraze Publishing Company, Boston,
221
1987.
46. Marin, D., Cotfas, M., ş.a. Teoria echilibrului general, Editura Omnia, Braşov,
1995.
47. Martin, E. A Profesional’s Guide to System Analysis, Second
Edition By Modell, Published by McGraw-Hill Book
Company, 1998.
48. Mărgulescu, D. Analiza economico-financiară a întreprinderii. Metode
şi tehnici, Editura Tribuna Economică, Bucureşti, 1994.
49. Mărgulescu, D., Niculescu, Diagnostic economico-financiar, Editura Romcart,
M., Robu, V. Bucureşti, 1994.
50. Nicholson, W. Microeconomic Theory, The Drydon Press, Chicago,
New York, 1985.
51. Niculescu, O., Burduş, E., ş.a. Management, Editura Didactică şi Pedagogică,
Bucureşti, 1992.
52. Oprescu, Gh., Andrei, A., Modele dinamice ale economiei de piaţă -Studii de caz,
Marin, D., Scarlat, E., Editura F.F. Press, Bucureşti, 1996.
Ţigănescu, E.
53. Optner, S.L. System Analysis for Business Management, Prentice
Hall, New Jersey, 1975.
54. Patterson, J.H., Huber, W.,D. A horizon varying zero-one approach to project
scheduling, Management Science, vol. 29, nr. 6, 1974.
55. Paul, A.S. Economics - An Introductory Analysis, Mc Graw-Hill
Book company, 1961.
56. Păun, Gh. An Imposibility Theorem for Indications Aggregations
in Fuzzy Sets and Systems, vol. 9, North Holland
Publishing Company, 1983.
57. Păun, M. Perfecţionarea conducerii unor procese din activitatea
unei societăţi comerciale, Teză de doctorat, A.S.E.,
Bucureşti, 1994.
1997.
59. Păun, M., Bădescu, A., Analiza sistemelor economice-Studii de caz, Editura
Hartulari, C., Albu, C. MATRIX-ROM SRL, Bucureşti, 1998.
60. Păun, M., Hartulari, C., Analiza şi diagnoza sistemelor economice, Editura ASE
Bădescu, A. Bucureşti, 2001.
61. Penescu, I. Sisteme, Editura Tehnică, Bucureşti, 1975
62. Radu,I. s.a Informatica si Management,Editura
Universitara,Bucuresti, 2005.
63. Scarlat, E. Dinamica sistemelor, A.S.E., Bucureşti, 1994.
64. Spircu, C., Lopătan, I. Analiza, proiectarea şi programarea orientată spre
obiecte, Editura Teora, 1995.
65. Stoica, M., Raţiu-Suciu, C., Modelarea microeconomică, ştiinţă şi artă, Aisteda &
Mincu, C. Omegapress, Bucureşti, 1994.
66. Stanford, L.O. System Analysis For Business Management, Prentice
Hall, 1975.
67. Versage, A. Practical Business Systems Implementation,
Wadsworth Publishing Company, California, 1988.
69. Walliser, B., Systemes et modeles, introduction critique a l’analyse
des systemes, Edition du Seuil, Paris, 1977.
222
70. Warren, E.W. Generating and Screening Alternatives, în Handbook of

System Analysis-Craft Issues and Procedural Choices,
vol. II, John Wiley&Sons, New York,1995 (pg.217-
244).
71. William, S., David, C., Yen The Information System Consultant’s Handbook, by
CRC Press LLC, USA, 1999.
223

Informatica Manageriala - FR PDF

Încărcat de

Informații document

Titlu original

Drepturi de autor

Formate disponibile

Partajați acest document

Partajați sau inserați document

Opțiuni de partajare

Vi se pare util acest document?

Este necorespunzător acest conținut?

Drepturi de autor:

Formate disponibile

Informatica Manageriala - FR PDF

Încărcat de

Drepturi de autor:

Formate disponibile

LIVIU GAVRILESCU INFORMATICĂ MANAGERIALĂ

UNITATEA DE CURS 3.1. FUNDAMENTE TEORETICE............................................ 53

UNITATEA DE CURS 5.1. MODELAREA ECONOMICO-MATEMATICĂ,

OBIECTIVE .............................................................................................................. 131

6.11.3. Psihologia aşteptării........................................................................................ 177

Trecerea României spre o economie guvernată de legile specifice existenţei unui

Prin faptul că în abordarea problemelor economice simularea devine un instrument

MODULUL 1. ORGANIZAŢIA CA SISTEM

RECOMANDĂRI PRIVIND STUDIUL

UNITATEA DE CURS 1.1: ANALIZA DE SISTEM

Organizaţia social-economică reprezintă un sistem de bază în cadrul sistemului social-

anume, de experimentarea modelelor, de implementarea lor, precum şi de funcţionarea în

UNITATEA DE CURS 1.2: STRUCTURA DE MULŢIMI A UNUI SISTEM ÎN

(T) mulţimea intrărilor;

Figura 1.1. Clase de probleme în cazul abordării organizaţiei ca sistem

(1) Modelarea – realizează sinteza sistemului.

UNITATEA DE CURS 1.3: INTEGRAREA SIMULĂRII ÎNTR-O METODOLOGIE

Modelul de simulare, cu multiplele sale specificităţi prezentate, este liantul între

Figura 1.2. Integrarea simulării într-o metodologie sistemică generală

Simularea este o tehnică numerică extrem de flexibilă şi utilizabilă ad-hoc. Relaţiile

Figura 1.3. Procesul de modelare – proces ierarhizat

UNITATEA DE CURS 1.4: LOCALIZAREA MODELĂRII ECONOMICO-

Activitatea de modelare economico-matematică poate fi eficientă numai în măsura în

Figura 1.4. Localizarea modelării economico-matematice destinată rezolvării unor probleme

De regulă, în cazul sistemelor de conducere a activităţii economice, calculatoarele

TEST PENTRU AUTOEVALUARE

MODULUL 2. CONCEPTUL DE SISTEM APLICAT ORGANIZAŢIILOR

RECOMANDĂRI PRIVIND STUDIUL

UNITATEA DE CURS 2.1: CONCEPTUL DE SISTEM – DEFINIŢII, EXEMPLE

Conceptul de sistem a apărut ca noţiune într-o formă primară în filozofia antică.

Definiţia 1. Se numeşte sistem un model fizic realizabil al dependenţei y de u, dacă

Funcţiile ω sunt exterioare sistemului, structura acestuia neputând să le influenţeze.

Fig. 2.1 Diagrama tranziţiei cauzale intrare-ieşire

φ - defineşte efectul interior la un moment t ≥ t 0 ca rezultat al stării anterioare

Ω -poate fi reprezentată de tehnologia de fabricaţie a acestor produse, legile după care

UNITATEA DE CURS 2.2. ELEMENTE ALE SISTEMULUI, RELAŢII ŞI OBIECTIVE

Conceptul de sistem este fundamentat pe trei idei esenţiale:

Relaţii între elementele sistemului

Fig. 2.2 Interconexiunile dintre subsistemele unei unităţi productive

Obiectivele pot fi schimbate şi ca urmare a evaluării consecinţelor. Obiectivele de

UNITATEA DE CURS 2.3. PROPRIETĂŢI EXTERNE ALE SISTEMELOR

Identificarea tipului de sistem sau subsistem ce caracterizează o unitate economică,

De această proprietate trebuie să se ţină seama la alegerea modelului şi a algoritmului

Caracterul parţial deschis sau închis al sistemelor

unde: A1, A2, ... An reprezintă un câmp finit de evenimente;

Interpretare: în sistemele cibernetico-economice, când riscul privind posibilitatea de

Interpretare: dacă avem un anumit câmp de probabilitate cu n evenimente elementare,

unde qkl reprezintă probabilitatea de realizare a unui eveniment B l din câmpul de

-Hm(Bm/An) ≥ - Hm(Bm) => Hm( Bm / An) ≤ Hm(Bm).

• prin modificarea structurii operatorilor, adică stabilirea unei partiţii

compune sistemul. Entropia este o măsură şi pentru realizarea reglajului sistemului.

Raportul între entropie şi gradul de organizare al sistemului

Sistemele economice sunt sisteme evolutive; creşterea entropiei în aceste sisteme

Folosirea unei metode de calcul a entropiei în sistemele cibernetico-economice creează

unde: H0 - entropia unui sistem perfect organizat;

Complexitatea are o dublă determinare, una obiectivă (ţinând seama de specificitatea

Se arată că un algoritm poate fi polinomial în timp, dar nepolinomial din punct de

dacă F*(I) > 0 este soluţia optimă atunci |F(I) - F*(I)|< ε.

O problemă de optimizare NP (respectiv NP completă) este un ansamblu de instanţe

Caracterul aleator (stohastic)

Incertitudinile ce acţionează asupra sistemului pot fi de natură cantitativă când se

Fig. 2.3. Sistem cu autoreglare

De exemplu, pentru o unitate productivă, blocul de reglare este format pe de o parte de

dacă F(I) > 0 este soluţia optimă atunci |F(I) - F(I)|< ε.