Modelarea Deciziilor Manageriale

UNITATEA DE INVĂŢARE 8
Simularea proceselor economice:
Modele de simulare. Elemente de bază

Obiective ale UI

1.Conceptul de simulare
2.Aplicaţii economice ale simulării
3.Etapele simulării
4.Simularea Monte Carlo
5.Alte tipuri de simulare

Teste de autoevaluare
1
Obiective ale UI

 În urma parcurgerii acestei UI veţi acumula

cunoştinţe referitoare la elementele de bază şi
etapele folosite în simularea proceselor
economice, precum şi aplicaţiile economice ale
acesteia.

2
1. Conceptul de simulare
 Simulare = simulatio = capacitatea de a reproduce sau de a
imita.
 Prin simulare, sistemul real este înlocuit cu un sistem
artificial.
 În simulare, modelul sistemului real este utilizat ca obiect
asupra căruia se fac experimente, urmărind să se determine
efectele diferitelor variante decizionale asupra unor indicatori
de performanţă.
 Simularea este recomandată în special în cazul problemelor
decizionale care NU pot fi abordate prin metode analitice de
optimizare.
 Simularea Nu oferă soluţie optimă, ci se alege varianta care
conduce la cea mai bună valoare a criteriului de performanţă.
 1. Conceptul de simulare
 Simularea = o tehnică de realizare a experimentelor cu calculatorul electronic
şi presupune utilizarea unor tipuri de relaţii matematice şi logice necesare
pentru descrierea comportamentului şi structurii unui sistem real complex de-
a lungul unei perioade lungi de timp.
 Simularea presupune utilizarea:
– a 3 elemente principale:
– sistemul real
– calculatorul
– modelul sistemului
– şi a 2 relaţii: de modelare şi de simulare
 Tipuri de simulare:
– Simularea Monte Carlo
– Simularea evenimentelor discrete
– Simularea tip Forrester (simularea sistemelor continue, dinamica
sistemelor)
– Simularea tip joc
2. Aplicaţii economice ale simulării
 Lansarea unui nou produs pentru care cererea şi/sau preţul sunt variabile
aleatoare.
 Determinarea politicilor de control al stocurilor (mărimea comenzii de
aprovizionat, nivelul stocului curent la care se lansează o nouă comandă de
aprovizionare, nivelul stocului de siguranţă etc.) în cazul în care ritmul de
aprovizionare şi/sau cererea de consum sunt variabile aleatoare.
 Dimensionarea unor facilităţi de servire (numărul staţiilor de servire, ritmul de
servire) în procesele de aşteptare caracterizate prin intervale aleatoare între sosiri
(solicitări de servicii) şi durate aleatoare de servire.
 Analiza proceselor de reparaţii ale utilajelor în vederea programării producţiei
şi/sau investiţiilor în funcţie de distribuţia de probabilitate a defecţiunilor şi a
ritmului de efectuare a reparaţiilor.
 Estimarea duratei de finalizare a unui proiect complex în care duratele activităţilor
proiectului sunt mărimi aleatoare.
 Probleme de programare operativă a producţiei în care intervin mărimi aleatoare
referitoare la durata prelucrării pe diferite maşini, ritmul aprovizionării cu
materiale, produse intermediare etc.
3. Etapele simulării

 Problema de rezolvat: formularea şi analiza problemei,

instruirea persoanelor implicate asupra principiilor de bază
ale simulării, construirea modelului conceptual, colectarea
datelor fundamentale, testarea validităţii modelului
conceptual.
 Modelul de simulare: transpunerea modelului conceptual
într-un model computerizat (programul de simulare),
verificarea modelului de simulare, validarea modelului de
simulare.
 Proiectarea şi realizarea experimentelor de simulare.
 Analiza rezultatelor.
4. Simularea Monte Carlo
 Conceptul a devenit popular în perioada celui de Al Doilea Război
Mondial, în studiul fisiunii nucleare. S. Ulam si N. Metropolis sunt
consierați cei care au pus bazele simularii MC.
 Metoda Monte Carlo este o abordare statistică care se ocupă cu
experimentele ce utilizează numere aleatoare. Sinonimă cu metoda
experimentelor statistice.
 Poate fi folosită ca metodă de modelare a variabilelor probabiliste în
vederea determinării caracteristicilor repartiţiei lor, atunci când
acestea nu pot fi stabilite prin expresii analitice.
 Deoarece metoda înlocuieşte procesul real cu un process artificial
obţinut prin experimente statistice, se impune ca variabilele
probabiliste estimate prin simulare să reprezinte cât mai fidel
procesul real.
 Astăzi există o diversitate de simulări Monte Carlo, utilizate în
diverse domenii, de la fizica particulelor până la inginerie, finanţe şi
multe altele.
4. Simularea Monte Carlo

Ideea de bază a metodei Monte Carlo:

 Metoda MC generează selecţii simulate utilizând un generator
de numere aleatoare uniform distribuite în intervalul [0, 1] şi
distribuţia de probabilitate cumulată a procesului analizat.
 Un număr aleator este orice număr care poate fi obţinut într-
un asemenea mod încât valoarea lui nu poate fi prevăzută
dinainte.
 Procedee de obţinere a nr. aleatoare: bilete cu numere,
zarurile, ruleta sau procese fizice (procese radioactive,
procese electronice, generatoare de zgomot alb) care pot fi
folosite pentru a construi tabele de numere aleatoare 
utilizarea acestora nu este convenabilă pentru simularea pe
calculator.
 Numerele aleatoare necesare simulării sunt obţinute prin
proceduri aritmetice numite generatori.
4. Simularea Monte Carlo

 De calitatea generatorului de numere aleatoare utilizat depinde calitatea

rezultatelor simulării.
 Se consideră, că un generator de numere aleatoare este bun dacă
îndeplineşte următoarele condiţii:
– Numerele generate au o perioadă lungă de repetiţie.
– Numerele generate pot fi reproduse.
– Şirul de numere nu conţine unul sau mai multe numere care se repetă.
– Numerele generate sunt uniform distribuite în intervalul [0, 1].
– Procedura de generare este rapidă şi nu necesită multă memorie
internă de calcul.
– Produce numere care verifică testul caracterului aleator adică
numerele sunt stochastic independente.
 Deoarece numerele generate cu calculatorul sunt reproductibile -------->
numere pseudoaleatoare.
5. Alte tipuri de simulare
Simularea evenimentelor discrete
 Este procesul de codificare a comportamentului unui sistem complex ca
o secvență ordonată de evenimente bine definite. În acest context, un
eveniment include o anumită modificare în starea sistemului la un anumit
moment în timp.
 În cele mai multe cazuri, modelele de simulare a evenimentelor discrete
sunt utilizate pentru a reprezinta situaţiile în care, în anumite perioade de
timp, pot să apară neconcordanţe între cererea de servicii sau activităţi şi
resursele disponibile pentru realizarea lor.
 Simulare evenimentelor discrete utilizeaza un model matematic / logic al
unui sistem fizic care prezintă modificări de stare la momente precise în
timp simulat. Atât natura modificării stării sistemului, cât și momentul în
care are loc schimbarea solicită o descrierea exactă.
 Exemplu: simularea firelor de așteptare – consumatori ce așteaptă să fie
serviți, simularea proceselor de stocare, simularea confruntărilor armate.
5. Alte tipuri de simulare
Simularea sistemelor continue (cu tehnici Forrester):
 Sisteme continue – acele sisteme ale căror variabile evoluează continuu în
timp. Sistemele continue sunt descrise folosind ecuații diferențiale, fie ordinare
sau parțiale.
 SSC este o tehnică de simulare pentru problemele complexe, globale care sunt
compuse din succesiuni de cauze şi efecte. Utilizează sisteme de ecuații care
nu solicită o reprezentare explicită a relațiilor de stare și timp.
 A apărut ca urmare a cercetărilor lui Jay Forrester, profesor la Massachusettes
Institute of Technology (1961 apare lucrarea „Industrial Dynamics”).
 Ciclul ”Informaţie – Decizie – Acţiune” constituie elementul de bază al
modelelor de dinamică industrială.
 In sistemele reale, decizia la un moment dat se bazează pe informaţia despre o
stare anterioară a sistemului, adică informaţia despre starea sistemului
alimentează înapoi decizia = sistem cu buclă inversă sau cu feedback.
 Ex.: modelarea problemelor ecologice, modele economice de dimensiuni mari
 5. Alte tipuri de simulare
Simularea sistemelor continue cu tehnici Forrester – exemplu de diagrama pentru
managementul deseurilor de echipamente electrice si electronice realizata in VENSIM
Factor de influenţă Nivel
Într-un proces dinamic variabilele pot (variabilă auxiliară)
fi de două tipuri, respectiv:
- variabile care reprezintă
acumulări în timp, măsurabile la un
moment dat, numite niveluri sau
stocuri;
- variabile ce reprezintă procese în
curs de desfăşurare într-un anumit Ritm
ritm, măsurabile de regulă ca valori
medii, numite ritmuri sau fluxuri.

La acestea se adauga variabilele

auxiliare. Factor de influenţă (variabilă auxiliară)
 5. Alte tipuri de simulare
Simularea sistemelor continue cu tehnici Forrester – ex. de diagrama realizata in
VENSIM pentru sistemul de gestiune a deșeurilor de echipam. electrice si electronice
(engl. WEEE)
5. Alte tipuri de simulare

Simularea tip joc

 Se mai numeste: joc de întreprindere, joc de conducere
(management game) sau joc de afaceri (business game).
 reprezintă un exerciţiu de simulare dinamică a unor decizii
secvenţiale.
 Jocurile de întreprindere prezintă particularitatea că implică
prezenţa decidentului uman şi luarea deciziilor pe parcursul
desfăşurării acestora, în timp ce simularea Monte Carlo (sau
simularea evenimentelor discrete) poate fi realizată cu
calculatorul, fără intervenţia decidentului.
Exemplu practic: Simularea comportamentului consumatorilor cu
ajutorul simularii Monte Carlo
(pt. Studiul de caz 3, p.90, carte Modelare economica, 2009)
Rezultate obtinute prin sondaj Produsul ales la t+1. (Reorientări, %)
(%)
A1 A2 A3
Produsul ales la t A1 60 20 20
(Produs părăsit) A2 15 70 15
A3 5 15 80

Cotele de piata la momentul initial: A1 - 50%, A2 - 35% si A3 - 15%

Se construiesc:
0 = (0,50; 0,35; 0,15) Vectorul cotelor de piata la momentul initial

 0,60 0,20 0,20 

 
P   0,15 0,70 0,15  Matricea de tranzitie
 0,05 0,15 0,80 
 
Se va determina prin simulare Monte Carlo comportamentul consumatorilor
produsului A1.
Exemplu practic: Simularea comportamentului consumatorilor cu
ajutorul simularii Monte Carlo
(pt. Studiul de caz 3, p.90, carte Modelare economica, 2009)
 Pasul 1. Pentru fiecare linie a matricei probabilităţilor de tranziţie se determină
distribuţia de probabilitate cumulată (tabelul 1). Cu ajutorul probabilităţilor
cumulate se asociază fiecărui tip de produs un interval de numere aleatoare
uniform distribuite în acel interval.
Tabel 1
Produsul Produsul Probabilitatea Probabilitatea Intervale de numere
curent imediat următor de tranziţie cumulată aleatoare
A1 A1 0,60 0,60 [0; 0,60)
A2 0,20 0,80 [0,60; 0,80)
A3 0,20 1,00 [0,80; 1,00)
A2 A1 0,15 0,15 [0; 0,15)
A2 0,70 0,85 [0,15; 0,85)
A3 0,15 1,00 [0,85; 1,00)

A3 A1 0,05 0,05 [0; 0,05)

A2 0,15 0,20 [0,05; 0,20)
A3 0,80 1,00 [0,20; 1,00)
Exemplu practic: Simularea comportamentului consumatorilor cu
ajutorul simularii Monte Carlo
(pt. Studiul de caz 3, p.90, carte Modelare economica, 2009)
 Pasul 2. Se generează numere aleatoare situate in intervalul [0, 1). Numerele
din tabelul 2 au fost generate cu funcţia RAND din EXCEL.
 Pasul 3. Pentru fiecare număr generat se caută intervalul (obţinut la Pasul 1)
căruia îi aparţine şi se determină tipul de produs către care se vor orienta
cumpărătorii la momentul respectiv în funcţie de cumpărătura care o precede
direct (proces Markov). Daca se face simularea pt cumparatorul de A1 atunci
cautarea incepe de la intervalele de nr aleatoare ale produsului A1.
Nr. aleatoare Intervalul in care se incadreaza Ce produs cumpara
0.991498  [0,80; 1,00) de la A1  A3 A3
0.712340  [0,20; 1,00) de la A3  A3 A3
0.102334  [0,05; 0,20) de la A3  A2 A2
0.133321  [0,15; 0,85) de la A2  A1 A1
0.658959  [0,60; 0,80) de la A1  A2 A2
0.844149  [0,15; 0,85) de la A2  A2 A2
Exemplu practic: Simularea comportamentului consumatorilor cu
ajutorul simularii Monte Carlo
(pt. Studiul de caz 3, p.90, carte Modelare economica, 2009)

 Pasul 4. Se decide oprirea sau reluarea procesului

de simulare de la Pasul 2, în funcţie de numărul
dorit de experimente.
 Pentru a extinde simularea la un numar mare de
experimente este necesara utilizarea unei aplicatii
informatice de simulare (ex. @RISK, Crystall Ball) sau
realizarea in Excel.
Teste de autoevaluare

 Caracterizaţi principalele tipuri de modele de simulare.

 Când apelăm la simulare pentru rezolvarea unor probleme
manageriale?
 Ce fel de solutie oferă simularea?

19