ACADEMIA DE STUDII ECONOMICE DIN BUCURESTI

MODELARE ECONOMICA
-
PROIECT DE DISCIPLINĂ

Decizia managerială asistată de calculator pentru îndeplinirea

obiectivelor propuse la S.C. PROMODEC S.A

BUCURESTI
2016
Societatea Comercială PROMODEC S.A. operează pe piaţă unui bun de consum de folosintă
curentă şi realizează, de 2 ani, două tipuri de produse A şi B cu următoarele caracteristici:
 Volumul vânzărilor variază întâmplător de la o lună la alta, cu toate că aceste produse au
câştigat poziţii importante pe piaţă;
 Pregătirea producţiei pentru cele două produse A, şi B în lunile următoare (octombrie,
noiembrie, decembrie), necesită cunoaşterea în avans de către S.C. PROMODEC S.A. a
cererii viitoare pentru cele două produse ale sale;
 Produsul A este în concurenţă cu alte trei produse similare C1, C2, C3 realizate de firme
concurente, astfel că variaţia cererii pentru produsul A este cauzată de evoluţia ponderii pe
piaţă a produselor concurenţiale C1, C2, C3.
 Produsul B nu are concurenţă semnificativă pe piaţă, dar cererea pentru acest produs
variază în funcţie de conjunctura economică: rata inflaţiei, creşterea preţurilor unor produse
de consum curent, etc.
 În evidenţa contabilă şi statistică a S.C. PROMODEC S.A. există informaţii privind profitul
unitare (Tabelul 1), şi despre vânzările din produsul B (Tabelul 2).
Coeficient proiect = 275

Tabelul 1.
Produsul Costul unitar de Profitul unitar
producţie
A 20 u.m./u.f. 5 u.m./u.f.
B 10 u.m./u.f. 3 u.m./u.f.

Tabelul 2.
Nr.crt. Luna Vânzări din produsul B
(unităţi fizice)
1 Octombrie (anul precedent) 1675
2 Noiembrie (anul precedent) 1775
3 Decembrie (anul precedent) 1475
4 Ianuarie (anul curent) 1575
5 Februarie (anul curent) 1375
6 Martie (anul curent) 1625
7 Aprilie (anul curent) 1725
8 Mai (anul curent) 1425
9 Iunie (anul curent) 1475
10 Iulie (anul curent) 1375
11 August (anul curent) 1585
12 Septembrie (anul curent) 1525
 Obiectivele echipei manageriale pentru trimestrul IV a.c.

o Estimarea vânzării produselor A si B în funcţie de evoluţia lor pe piaţă şi

situaţia produselor concurenţiale;
o Stabilirea strategiei de vânzare în condiţii de incertitudine şi risc:.
o Calculul profitului maxim probabil (speranţa matematică a profitului) în cazul în care
se va lansa pe piaţă produsul D.
o Programarea activităţilor proiectului pentru introducerea în fabricaţie a produsului D
în cazul duratelor deterministe şi analiza cost – durată.

MODULUL I: Estimarea cererii produsului A în condiţii de concurenţă

La începutul lunii septembrie a.c., S.C. PROMODEC S.A. a organizat o anchetă asupra unui eşantion
reprezentativ de 1275 consumatori, cu scopul de a determina numărul utilizatorilor produsului A cât
şi al utilizatorilor produselor concurente C1, C2, C3.
S-au înregistrat următoarele rezultate:
675 cumpărători s-au declarat utilizatori ai produsului A;
220 cumpărători s-au declarat utilizatori ai produsului C1;
230 cumpărători s-au declarat utilizatori ai produsului C2;
150 cumpărători s-au declarat utilizatori ai produsului C3.
În luna septembrie a.c., S.C. PROMODEC S.A. a lansat o campanie de publicitate pentru
produsul A. La începutul lunii octombrie s-a efectuat o nouă anchetă asupra aceluiaşi eşantion
reprezentativ de cumpărători şi s-au obţinut următoarele rezultate:
- dintre utilizatorii produsului A (la începutul lunii septembrie a.c.):
80% au rămas fideli produsului A;
10% s-au orientat către produsul C1;
5% s-au orientat către produsul C2;
5% s-au orientat către produsul C3;
- dintre utilizatorii produsului C1 (la începutul lunii septembrie a.c.):
60% au rămas fideli produsului C1;
20% s-au orientat către produsul A;
10% s-au orientat către produsul C2;
10% s-au orientat către produsul C3;
- dintre utilizatorii produsului C2 (la începutul lunii septembrie a.c.):
50% au rămas fideli produsului C2;
25% s-au orientat către produsul A;
10% s-au orientat către produsul C1;
15% s-au orientat către produsul C3;
- dintre utilizatorii produsului C3 (la începutul lunii septembrie a.c.):
40% au rămas fideli produsului C3;
30% s-au orientat către produsul A;
20% s-au orientat către produsul C1;
10% s-au orientat către produsul C2.
 Se fac următoarele ipoteze:
 Alegerea unuia dintre produsele A, C1, C2, C3 în luna următoare depinde numai de
alegerea din luna curentă;
 Se consideră că matricea reorientărilor rămâne neschimbată pentru fiecare din următoarele
3 luni;
 Fiecare consumator cumpără un singur tip de produs, iar cantităţile cumpărate rămân
neschimbate în următoarele trei luni.

Modelul economico-matematic

În aceste condiţii, evoluţia pe piaţă a celor patru produse concurenţiale poate fi analizată
cu ajutorul lanţurilor Markov.

Modelul economico matematic bazat pe teoria lanţurilor Markov este de forma:

S t 1  S t  Pt / t 1 ,
pentru perioadele de timp desemnate prin t = 0 pentru septembrie, t=1 pentru octombrie, t=2 pentru
noiembrie, t=3 pentru decembrie;
unde:
S t  cp tA cpCt 1 cpCt 2 cpCt 3  reprezintă vectorul cotelor de participare pe piaţă ale produselor A,
C1, C2, C3 în luna t.
Cotele de participare pe piaţă pot fi exprimate ca ponderi: 0  cp A  1, 0  cpCi  1 pentru
4
i=1,2,3 astfel ca suma tuturor să fie 1 (  cpit  1 ), sau ca procente: 0  cpi  100 , pentru
i 1
4
i=1,...,4 şi  cp
i 1
t
i  100 pentru oricare moment de timp ( t, t=1,2,...T);

P= matricea reorientărilor = matricea probabilităţilor de tranziţie cu elementele pij, i=1,...,4,

j=1,...,4.
pij = probabilitatea de reorientare a unui consumator de la produsul „i”, fie acesta unul din
mulţimea {A, C1, C2, C3} în luna t  {septembrie, octombrie sau noiembrie} a.c., la
produsul „j” din mulţimea {A, C1, C2, C3} în luna t+1  {octombrie, noiembrie sau
4
decembrie} a.c., 0  pij  1 , i=1,...,4, j=1,...,4, şi astfel încât  pij  1 ;
i 1
pii = coeficientul de fidelitate faţă de produsul i, pentru i=1,2,3,4.

Pe baza datelor furnizate de anchetele efectuate rezultă:

S 0  0,53 0,17 0,18 0,12 vectorul stării iniţiale sau al cotelor iniţiale de piaţă şi
matricea probabilitătilor de tranziţie:
  0,80 0,10 0,05 0,05 
 0,20 0,60 0,10 0,10 
P=  .
 0,25 0,10 0,50 0,15 
 0,30 0,20 0,10 0,40 

Rezolvarea cu QM for Windows/ Markov Analysis

Deschidem programul si din bara de sus selectam Module -> Markov Analysis, iar dupa File ->
New. In fereastra deschisa completam titlul si numarul starilor care este 4.
Dupa aceea se introduc datele initiale formate din : prima coloana Initial cu cotele de participare
pe piaţă ale produselor, iar dupa trecem datele din matricea probabilitatilor de tranzitie. De
asemenea completam si numarul tranzitiilor adica perioada pe care se face analiza evolutiei
cotelor de piata – 3 luni.

Dupa selectarea butonului Solve obtinem urmatoarele rezultate:

Cu optiunea Window/Multiplication se obtin atat vectorii cotelor de piata la diferite momente
(linia End probability), cat si matricile de tranzitie la diferite puteri (in tabelul perioadei 1 se afla
matricea la puterea 1, s.a.m.d).
 Analiza economică a rezultatelor

1. Reprezentarea grafica si analiza evolutiei ponderilor pe piata a celor 4 produse

concurentiale. Precizarea si comentarea stadiului pe curba "vietii" in care se afla fiecare
produs la momentul initial

In tabelul de mai jos sunt prezentate evolutiile cotelor de piata pentru cele trei perioade:

Perioada A C1 C2 C3
T0 0.53 0.17 0.18 0.12
T1 0.539 0.197 0.1455 0.1185
T2 0.5425 0.2104 0.1313 0.1159
T3 0.5437 0.2168 0.1254 0.1142

Evolutia cotelor de piata

A C1 C2 C3

0.6

0.5

0.4

0.3

0.2

0.1

0
T0 T1 T2 T3

Din analiza pe piata a celor 4 produse rezulta ca in luna septembrie, produsul A se afla in faza de
maturitate, pondereaza sa mentinandu-se in jurul valorii de 54%. Produsul C1 se afla in faza de
crestere de la 17% la 21%. Produsul C2 se afla in faza de declin, ponderea lui pe piata fiind in
scadere de la 18% la 12%. Produsul C3 se afla in faza de maturitate, ponderea sa mentinandu-se
in jurul valorii de 11%.

2. Analiza influenţei campaniei de publicitate asupra vânzărilor produsului A

Campania de publicitate a avut un efect maxim in luna octombrie, cand ponderea produsul A
a castigat 0.9% pe piata. In lunile urmatoare, influenţa campaniei de publicitate s-a redus dar
ponderile cotei de piata au crescut cu 0.35% în noiembrie si 0.12% in decembrie.
 3. Ponderea limită pe piaţă la care poate ajunge produsul A dacă matricea de tranziţie
rămâne neschimbată un număr mare de perioade
Daca matricea de tranzitie ramane neschimbata un numar mare de perioade, ponderea limita la
care ajunge cota de piata a prodului A este 54.34%, redata in soft-ul QM de Steady State
Probability. Faptul care a dus la acesta situatie este politica actuala de marketing, iar pentru
modificarea acestei situatii, stare stationara, este necesara modificarea matricei de tranzitie, adica
modificarea politicii de marketing.

4. Evoluţia pe piaţă în raport cu luna septembrie a fidelităţii faţă de produsul A şi a

reorientărilor către produsele concurenţiale

Reorientari de la A la celelalte produse

0.0929
Decembrie 0.0976
0.1853
0.6243

0.0775
Noiembrie 0.08
0.155
0.6875

0.05
Octombrie 0.05
0.1
0.8

0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9

C3 C2 C1 A

5. Volumul vânzărilor produsului A în lunile octombrie, noiembrie, decembrie, pentru

situaţia în care volumul total al vânzărilor celor patru produse este de 6000 u.f. în fiecare lună
In luna octombrie 0.539 * 6000 u.f. = 3234 u.f.
In luna noiembrie 0.5425 * 6000 u.f. = 3255 u.f.
In luna decembrie 0.5437 * 6000 u.f. = 3262,2 u.f.

6. Evoluţia profitului asociat produsului A

In luna octombrie 3234 u.f. * 5 u.m./u.f. = 16179 u.m.
In luna noiembrie 3255 u.f. * 5 u.m./u.f. = 16275 u.m.
In luna decembrie 3262,2 u.f. * 5 u.m./u.f. = 16311u.m.
7. Politica managerială privind produsul A

Avand in vedere ca produsul A se afla in faza de maturitate, iar politica de marketing poate nu a
avut efectul asteptat se recomanda schimbarea acesteia cu una mai serioasa pentru a amplifica
efectele pe care le-a avut aceasta.

MODULUL II: Estimarea vânzărilor produsului B

Societatea Comercială PROMODEC S.A. are contracte ferme pentru produsul B, numai în
lunile noiembrie şi decembrie a.c. Pentru estimarea volumului vânzărilor produsului B în luna
octombrie a.c., conducerea firmei a hotărât să utilizeze datele din lunile anterioare (Tabelul 2), care
în reprezentare grafică sunt redate în graficul de mai jos.

Volumul vanzarilor de produs B (u.f.)

Vanzari din produsul B Media

2000
1800
1600
1400
1200
1000
800
600
400
200
0

Din grafic se observă că nu există trend şi variaţii sezoniere.

Modelul economico-matematic

Pentru estimarea vânzărilor în luna următoare se poate utiliza un model bazat pe medie
şi anume modelul Brown de nivelare exponenţială.

Modelul lui Brown de nivelare exponenţială simplă este de forma:

 Ft = αXt + (1-α)Ft-1 sau Ft+1 = αXt + (1-α)Ft
unde:
Xt = volumul real al vânzărilor în perioada t;
Ft = volumul estimat în perioada t-1 pentru vânzările din perioada t;
Ft+1 = volumul estimat în perioada t pentru vânzările din perioada t+1;
α = constanta de nivelare, 0  α  1.
Pentru estimarea iniţială (F0) a vânzărilor, conducerea S.C. PROMODEC S.A. propune
volumul vânzărilor din luna octombrie anul precedent, iar pentru constanta de nivelare propune
valorile:
I. α = 0,2
II. α = 0,9
III. α optim în raport cu eroarea medie pătratică.
 Rezolvarea cu produsul informatic WINQSB

Pentru inceput se selecteaza categoria de metoda Forecasting and Linear regression, iar
dupa alegem tipul problemei Time Series Forecasting si introducem datele generale ale
problemei (titlul, unitatea de timp si numarul de unitati de timp).

Se introduc datele privind vanzarile produsului B in tabelul configurat anterior

Dupa ce am introdus datele din bara de sus selectam optiunea Solve and Analyse/Perform
Forecasting
In fereastra nou aparuta alegem metoda de rezolvarea Singel exponential smoothing (SES),
metoda de estimare a parametrilor Assign values si dupa in rubrica Number of periods to forecast
trecem 1, deoarece dorim sa previzionam doar pentru luna octombrie. In rubrica Smoothing
constant alpha trecem constanta de nivelare (α = 0,2).
Se obtin datele din urmatorul tabel iar cele mai importante informatii se regasesc pe coloana
Forecast by SES:
- linia 13 cu valoarea previzionata 1532.736
- linia unde apare MSE, adica eroarea medie patratica care are valoarea 21628.46.
Se modifica valoarea lui alpha = 0.9
Pentru a pune in evidenta atat rezultatele noi cat si cele anterioare se bifeaza din stanga-jos
Retain other method’s results.
Dupa ce apasam OK obtinem urmatorul tabel cu aceleasi informatii
- Valoarea previzionata = 1528.998
- MSE = 30836.92

Dupa vrem sa aflam valoarea optima a lui alfa pe care o cautam in functie de MSE
In ultimul tabel gasim valoarea optima a lui alfa care este 0.27, valoarea previzionata =
1521.031 si nu in ultimul rand cea mai mica valoarea a lui MSE = 21276.38.

Iar pentru a vedea grafic cum evolueaza de la butonul de sus Results selectam optiunea Show
Forecasting in Graph
Analiza economică a rezultatelor
1. Reprezentarea grafică a datelor reale, a mediei vânzărilor şi a estimaţiilor vânzărilor pentru
constantele de nivelare: α = 0,2, α = 0,9 şi, respectiv α optim în raport cu eroarea
medie pătratică

Estimarile
Nr. Vânzări din produsul Estimarile pentru α Estimarile
Luna
crt. B (unităţi fizice) Media pentru α = 0.2 optima = 0.27 pentru α = 0.9
1 Octombrie (anul precedent) 1675 1550.83
2 Noiembrie (anul precedent) 1775 1550.83 1675 1675 1675
3 Decembrie (anul precedent) 1475 1550.83 1695 1765 1702
4 Ianuarie (anul curent) 1575 1550.83 1651 1504 1640.71
5 Februarie (anul curent) 1375 1550.83 1635.8 1567.9 1622.968
6 Martie (anul curent) 1625 1550.83 1583.64 1394.29 1556.017
7 Aprilie (anul curent) 1725 1550.83 1591.912 1601.929 1574.642
8 Mai (anul curent) 1425 1550.83 1618.53 1712.693 1615.239
9 Iunie (anul curent) 1475 1550.83 1579.824 1453.769 1563.874
10 Iulie (anul curent) 1375 1550.83 1558.859 1472.877 1539.878
11 August (anul curent) 1585 1550.83 1522.087 1384.788 1495.361
12 Septembrie (anul curent) 1525 1550.83 1534.67 1564.979 1519.564
13 Octombrie (anul curent) 1532.736 1528.998 1521.031

Vanzari produs B Media Estimari pentru α = 0.2

Estimarile pentru α = 0.27 Estimarile pentru α = 0.9
2000

1800

1600

1400

1200

1000

800

600

400

200

0
2. Analiza comparativă a rezultatelor pentru cele trei valori ale constantei de nivelare

Estimarea
Estimarea pentru α optim Estimarea
pentru α = 0.2 = 0.27 pentru α = 0.9
1532.736 1528.998 1521.031

3. Volumul vânzărilor recomandat să fie luat în considerare pentru producţia din luna
octombrie anul curent. Justificarea recomandării.
Volumul vanzarilor pentru luna octombrie care se recomanda a fi luat in considerare este
1528.998 cel asociat lui α optim = 0.27, mai exact cel al carei eroare medie patratica MSE are cea mai
mica valoare adica 21276.38

4. Recomandări generale pentru alegerea constantei de nivelare α.

Cu cat α este mai mare (spre 1), se tine cont mai mult de valoarea reala a vanzarilor. Cu cat α
este mai apropiat de 0, se tine cont mai putin de valoarea reala a vanzarilor. Asadar, pe o piata
stabila, fara fluctuatii mari optam catre un α cat mai apropiat de 1. Pe o piata instabila, datorata
fluctuatiilor mari, folosim MSE (adica un α optim cat mai mic) pentru a detecta erorile prin
ridicarea acestora la patrat.

MODULUL III: Decizia managerială în condiţii de incertitudine şi risc

Conducerea S.C. PROMODEC realizează în principal două produse: A şi B. Pentru

produsele A şi B, volumul vânzărilor variază întâmplător de la o lună la alta, iar conducerea
societăţii este interesată în planificarea programului de producţie pe ultimul trimestru a.c. astfel ca
oferta să se apropie cât mai mult de cererea manifestată pe piaţă.
Ajustarea nivelului producţiilor pentru produsele A şi B este estimată în funcţie de volumul
previzionat al vânzărilor corelat cu vânzările reale din produsele concurente existente pe piaţă
(produsele C1, C2 şi C3 pentru produsul A şi produsele substitut pentru produsul B a cărui cerere
fluctuează în funcţie de conjunctura economică). Sunt evidenţiate următoarele situaţii obiective de
evoluţie a vânzărilor:
- Starea naturii SN1: situaţie favorabilă societăţii PROMODEC (condiţii slabe de concurenţă)
- cererea pentru produsul A se estimează astfel:
 cota de participare pe piaţă (calculată prin modelul Markov)* 6000 u.f. în luna
octombrie = 0,539 * 6000 = 3234 u.f.
 1,10 * cota de piaţă (din modelul Markov)* 6000 u.f. în luna noiembrie = 1,10 * 0,5425
* 6000 =1,10 * 3255 = 3580,5 u.f.
 1,15 * cota de piaţă (din modelul Markov)* 6000 u.f. în luna decembrie = 1,15 * 0,5437
* 6000 = 1,15 * 3262,2 u.f. = 3751,53 u.f.
Rezultă că în cazul stării naturii SN1, cererea pentru produsul A se situează la nivelul: 3234
u.f. + 3580,5 u.f. + 3751,53 u.f. = 10566,03 u.f.
 - cererea pentru produsul B să fie în luna octombrie la nivelul de 1521,031 u.f. prognozat
prin modelul Brown pentru α = 0,9, apoi în luna noiembrie la nivelul de 1400 u.f. şi în decembrie
la 3500 u.f.
Rezultă că în cazul stării naturii SN1, cererea pentru produsul B se situează la nivelul:
1521,031 u.f. + 1400 u.f. + 3500 u.f. = 6421,031 u.f.

- Starea naturii SN2: condiţii medii de concurenţă pe piaţa produselor A şi B

- cererea pentru produsul A se estimează astfel:
 cota de piaţă (calculată prin modelul Markov)* 6000 u.f. în luna octombrie = 0,539 *
6000 u.f. = 3234 u.f.
 cota de piaţă (calculată prin modelul Markov)* 6000 u.f. în luna noiembrie = 0,5425 *
6000 u.f. = 3255 u.f.
 cota de piaţă (calculată prin modelul Markov)* 6000 u.f. în luna decembrie = 0,5437 *
6000 u.f. = 3262,2 u.f.
Rezultă că în cazul stării naturii SN2, cererea pentru produsul A se situează la nivelul: 3234
u.f. + 3255 u.f. + 3262,2 u.f. = 9751,2 u.f.
- cererea pentru produsul B să fie în luna octombrie la nivelul de 1532,736 u.f. prognozat
prin modelul Brown pentru α = 0,2, apoi în luna noiembrie la nivelul 1200 u.f. şi în decembrie la
3200 u.f.
Rezultă că în cazul stării naturii SN2, cererea pentru produsul B se situează la nivelul:
1532,736 u.f. + 1200 u.f. + 3200 u.f. = 5932,736 u.f.

- Starea naturii SN3: situaţie nefavorabilă pentru SC. PROMODEC (concurenţă agresivă a
celorlalte produse)
- cererea din produsul A se situează la nivelul:
 cota de participare pe piaţă (calculată prin modelul Markov)* 6000 u.f. în luna
octombrie = 0,539 * 6000 u.f. = 3234 u.f.
 0,95 * cota de piaţă (din modelul Markov) * 6000 u.f. în luna noiembrie = 0,95 * 0,5425
* 6000 u.f. = 0,95 * 3255 u.f. = 3092,25 u.f.
 0,90 * cota de piaţă (din modelul Markov) * 6000 u.f. în luna decembrie = 0,90 * 0,5437
* 6000 u.f. = 0,90 * 3262,2 u.f. = 2935,98 u.f.
Rezultă că în cazul stării naturii SN3, cererea pentru produsul A se situează la nivelul: 3234
u.f. + 3092,25 u.f. + 2935,98 u.f.= 9262,23 u.f.
- cererea pentru produsul B să fie în luna octombrie la nivelul de 1528,998 u.f. prognozat
prin modelul Brown pentru α optim, apoi în luna noiembrie la nivelul 1000 u.f. şi în decembrie la
3200 u.f.
Rezultă că în cazul stării naturii SN3, cererea pentru produsul B se situează la nivelul:
1528,998 u.f. + 1000 u.f. + 3200 u.f. = 5728,998 u.f.
Sunt luate în considerare următoarele variante decizionale referitoare la oferta de producţie
pentru următoarele trei luni:
V1 – oferta pentru produsul A să fie egală cu cererea totală estimată pe baza cotelor de
piaţă din octombrie, noiembrie şi decembrie a.c. obţinute cu modelul Markov = 0,539
* 6000 u.f. + 0,5425 * 6000 u.f. + 0,5437 * 6000 u.f. = 9751,2 u.f., iar oferta pentru
produsul B să fie egală cu [(cererea de 1532,736 u.f. pentru luna octombrie estimată
cu modelul lui Brown pentru α = 0,2) + (cererea de 1000 u.f. pentru luna noiembrie)
 + (cererea de 3200 u.f. pentru luna decembrie)] = 1532,736 u.f. + 1000 u.f. + 3200
u.f. = 5732,736 u.f.
V2 – oferta pentru produsul A să fie cu 5% mai mare faţă de cererea totală estimată pe baza
cotelor de piaţă din octombrie, noiembrie şi decembrie a.c. obţinute cu modelul
Markov = 1,05 * 9751,2 u.f. = 10238,76 u.f., iar oferta pentru produsul B să fie cu
5% mai mică decât [(cererea de 1532,736 u.f pentru luna octombrie estimată cu
modelul lui Brown pentru α = 0,2) + (cererea de 1000 u.f. pentru luna noiembrie) +
(cererea de 3200 u.f. pentru luna decembrie)] = 0,95 * 5732,736 u.f. = 5446,0992 u.f.
V3 - oferta pentru produsul A să fie cu 5% mai mică faţă de cererea totală estimată pe baza
cotelor de piaţă din octombrie, noiembrie şi decembrie a.c. obţinute cu modelul
Markov = 0,95 * 9751,2 u.f. = 9263,64 u.f., iar oferta pentru produsul B să fie cu 5%
mai mare decât [(cererea de 1532,736 u.f pentru luna octombrie estimată cu modelul
lui Brown pentru α = 0,2) + (cererea de 1000 u.f. pentru luna noiembrie) + (cererea
de 3200 u.f. pentru luna decembrie)] = 1,05 * = 6019,3728 u.f.

Compararea diferitelor posibilităţi de desfăşurare a producţiei se face prin prisma unor

consecinţe de tip profit calculat pentru fiecare variantă decizională Vi, i = 1, 2, 3 şi stare a naturii
SNj, j = 1, 2, 3.
3 3
Profit(Vi, SNj) = (profitul unitar A) * MIN{  (ofertaVi produs A)k,  (cerereaSNj
k 1 k 1
3 3
produs A)k} + (profitul unitar B) * MIN{  (ofertaVi produs B)k,  (cerereaSNj produs B)k}
k 1 k 1
3 3
- (costul unitar producţie A) * MAX{0, [  (ofertaVi produs A)k -  (cerereaSNj produs A)k]}
k 1 k 1
3 3
- (costul unitar producţie B) * MAX{0, [  (ofertaVi produs B)k -  (cerereaSNj produs B)k]}
k 1 k 1
unde k = 1 = octombrie, k = 2 = noiembrie, k = 3 = decembrie.
Din Tabelul 1:
profitul unitar A = 5 u.m./u.f.;
profitul unitar B = 3 u.m./u.f.;
costul unitar producţie A = 20 u.m./u.f.;
costul unitar producţie B = 10 u.m./u.f.

Conducerea societăţii doreşte ierarhizarea variantelor decizionale în funcţie de profitul care

ar putea fi obţinut atât în condiţii de incertitudine, cât şi în situaţia în care, din experienţa anterioară
se estimează că probabilităţile pj asociate stărilor naturii sunt:
p1 = 0,4 pentru SN1, p2 = 0,4 pentru SN2 şi p3 = 0,2 pentru SN3.

Modelul economico-matematic

În condiţii de incertitudine, ierarhizarea variantelor se poate obţine prin utilizarea

criteriilor de decizie Wald, Laplace, Savage şi Hurwicz.
 În condiţii de risc, ierarhizarea variantelor decizionale se va face în funcţie de
speranţa matematică a profitului (valoarea medie probabilistă a profitului)
calculată pentru fiecare variantă.

Structurarea situaţiei decizionale sub forma unui set finit de variante de acţiune, a mai
multor stări ale naturii şi posibilitatea de a calcula consecinţele economice asociate fiecărei
combinaţii variantă decizională – stare a naturii permite formularea unui model de decizie sub
formă matriceală prezentată în Tabelul 3.1.
Tabelul 3.1
Starea naturii SN1 Starea naturii SN2 Starea naturii SN3
(p1 = 0,4) (p2 = 0,4) (p3 = 0,2)
Varianta
Profit(V1, SN1) Profit(V1, SN2) Profit(V1, SN3)
decizională V1
Varianta
Profit(V2, SN1) Profit(V2, SN2) Profit(V2, SN3)
decizională V2
Varianta
Profit(V3, SN1) Profit(V3, SN2) Profit(V3, SN3)
decizională V3
Pentru individualizarea c = 0 se obţin datele din Tabelul 3.2

Tabelul 3.2
Stările naturii
SN1 (p1 = 0,4) SN2 (p2 = 0,4) SN3 (p3 = 0,2)
Cererea A = 10566,03 u.f. Cererea A = 9751,2 u.f. Cererea A = 9262,23 u.f.
Cererea B = 6421,031 u.f. Cererea B = 5932,736 Cererea B = 5728,998
u.f. u.f.
Varianta decizională V1
Oferta A = 9751,2
u.f. 65954,208 u.m. 65954,208 u.m. 53681,364 u.m.
Oferta B =
5732,736 u.f.
Varianta decizională V2
Oferta A =
10238,76 u.f. 67532,098 u.m. 55343,098 u.m. 43118,848 u.m.
Oferta B =
5446,0992 u.f.
Varianta decizională V3
Oferta A =
9263,64 u.f. 64376,3184 u.m. 63250,04 u.m. 60566,196 u.m.
Oferta B =
6019,3728 u.f.

De exemplu, consecinţa asociată variantei V1 dacă se manifestă starea SN1 a naturii va fi:
Profit (V1, SN1) = 5 * MIN{9751,2 , 10566,03} + 3 * MIN{5732,736 , 6421,031} – 20 *
MAX{0, (9751,2 – 10566,03)} – 10 * MAX{0, (5732,736 – 6421,031)} = 5 * 9751,2 + 3 *
5732,736 – 0 – 0 = 48756 + 17198,208 = 65954,208 u.m.
 După construirea matricei consecinţelor de tip profit se vor aplica criteriile de decizie pentru
ierarhizarea variantelor decizionale.

Rezolvarea in WINQSB/DA/Payoff Table Analysis

Ierarhizarea variantelor decizionale în funcţie de profitul care ar putea fi obţinut în

condiţii de incertitudine

Pentru inceput se selecteaza categoria de metoda Decision Analysis/File/New Problem, iar

dupa alegem tipul problemei Payoff Table Analysis si introducem datele generale ale problemei
(titlul = Modulul 3, numarul de stari = 3 si numarul de variante decizionale = 3).

Se introduc datele pentru profituri si se apeleaza Solve and Analyze/ Solve the Problem
Se introduce coeficientul de optimism = 0.8 in aplicarea criteriului Hurwicz si apasam OK

In urmatorul tabel se vad rezultatele aplicarii diferitelor criterii: criteriul lui Wald, criteriul
Laplace, criteriul lui Savage sau criteriul lui Hurwicz. De asemenea, putem vedea si Valorea
asteptata cu fara vreo informatie, Valoarea asteptata cu informatie perfecta si Valoarea
informatiei perfecte.
Accesand din bara de sus Results/Show Payoff Table Analysis putem vedea profiturile pentru
fiecare varianta si pentru fiecare criteriu in parte.

Daca alegem de sus Results/ Show Regret Table putem vedea matricea regretelor (regretul se
calculeaza ca diferenta dintre cea mai mare valoare de pe o coloana pentru o anumita stare a
naturii si valoarea variantei decizionale.
Pentru a construi arbolele de decizie selectam din bara de sus Results/Show decision tree graph
si se recomanda bifarea casutei Display the expcted values for each node or event pentru a
vedea arborele cu fiecare valoare numerica asociata fiecarui nod decizional
Ierarhizarea variantelor decizionale în funcţie de profitul care ar putea fi obţinut în
condiţii de risc

Pe langa datele pe care le-am introdus anterior de aceasta data trecem si probabilitatile asociate
starilor naturii, iar dupa se apeleaza Solve and Analyze/Solve the Problem

Restul pasilor sunt la fel doar ca de aceasta data difera rezultatele.

Analiza economica a rezultatelor
1. Recomandari de alegere a celei mai potrivite reguli de decizie din cele folosite: Wald
(minmax), maxmax, Savage (minmax regret), Laplace (equal likelihood), Hurwicz

Atat in cazul luarii deciziilor in conditii de incertitudine cat si luarii deciziilor in conditii de risc
decizia optima se ia pe baza analizei comparative a sperantelor matematice. Speranta matematica
cu valoare cea mai mare (in cazul profiturilor) si cea mai mica (in cazul costurilor) indica decizia
optima. Gasirea solutiei optime este echivalenta cu alegerea unui drum complet in arbore.

Incertitudine Risc
Criteriul Wald(MAXIMIN) - alegerea variantei care V3 – 60566,20
aduce cel mai mare profit in cea mai defavorabila SN V3 – 60566,20 u.m. u.m.
Criteriul MAXMAX- alegerea variantei care aduce V2 – 67532,10
cel mai mare profit in cea mai defavorabila SN V2 – 67532,10 u.m. u.m.
Criteriul Savage - alegerea variantei care aduce cel
mai mic regret posibil, in conditii de informatie V3 – 3155,78
completa V3 – 3155,78 u.m. u.m.
Criteriul Laplace - alegerea variantei care aduce cea
mai mare valoare medie a profiturilor in conditiile care V3 – 62730,85 V3 – 62730,85
starile naturii au aceeasi probabilitate de aparitie u.m. u.m.
Criteriul Hurwicz - se alege varianta sperantei
matematice cea mai avantajoasa tinandu-se cont de
probabilitatea de realizare a celei mai avantajoase
situatii si de probabilitatea de realizare a celei mai V3 – 63614,30 V3 – 63614,30
dezavantajoase situatii u.m. u.m.

2. Estimarea costului maxim pentru achiziţionarea unor informaţii complete asupra

stărilor naturii

Costul maxim pentru achizitionarea unor informatii complete asupra starilor naturii este dat de
Expected Value of Perfect Information, iar valorile pentru ambele situatii sunt:
 In conditii de incertitudine: VIP = 1953,32 u.m.
 In conditii de risc: VIP = 2008,12 u.m.
3. Recomandări de alegere a valorii coeficientului de optimism  pentru regula/ criteriul
Hurwicz şi surclasarea variantelor decizionale pentru valorile coeficientului de optimism 
 [0, 1].

ℎ𝑖 = 𝛼 ∗ 𝐴𝑖 + (1 − 𝛼) ∗ 𝑎𝑖
𝐴𝑖 = valoarea cea mai mare specifica unei variante
𝑎𝑖 = valoarea cea mai mica specifica unei variante

ℎ1 = 𝛼 ∗ 65954,208 + (1 − 𝛼) ∗ 53681,364
ℎ2 = 𝛼 ∗ 67532,098 + (1 − 𝛼) ∗ 43118,848
ℎ3 = 𝛼 ∗ 64376,3184 + (1 − 𝛼) ∗ 60566,196

ℎ1 = ℎ2 → 𝛼1 = 0.87 ; linia (1) va fi preferata liniei (2) daca α > 0.87

ℎ2 = ℎ3 → 𝛼2 = 0.846; linia (2) va fi preferata liniei (3) daca α > 0.846
ℎ1 = ℎ3 → 𝛼3 = 0.813; linia (1) va fi preferata liniei (3) daca α > 0.813

0 ≤ α < 0.813 → V3, V1, V2

0.813 ≤ α < 0.846 → V1, V3, V2
0.846 ≤ α < 0.87 → V1, V2, V3
0.87 ≤ α < 1 → V2, V1, V3

4. Decizia în condiţii de risc

In conditii de risc se alege varianta 1 cu Expected value = 63499,64 u.m.

 MODULUL IV: Calculul profitului maxim probabil (speranţa matematică a profitului) în
cazul în care se va lansa pe piaţă produsul D

Departamentul de cercetare producţie al S.C. PROMODEC S.A. a creat un nou produs D

care a fost testat pe piaţă şi care este acceptat de către utilizatori. Pentru realizarea produsului
conducerea S.C. PROMODEC S.A. are în vedere mai multe variante. Alegerea variantei
convenabile depinde în principal de evoluţia vânzărilor produsului peste 2 ani, acesta fiind timpul
de amortizare a utilajelor. După primul an se vor lua noi decizii în funcţie de situaţia vânzărilor.
Datele privind variantele şi stările naturii pentru cele 2 momente de decizie sunt prezentate în
Tabelul 10.9. Conducerea S.C.PROMODEC S.A. doreşte să cunoască acţiunea pe care trebuie să o
întreprindă în prima şi, respectiv, a doua etapă pentru a obţine maximum de profit.
Modelul economico - matematic
Procesul decizional în două etape poate fi modelat cu ajutorul arborelui decizional.

Tabelul 4.1
Anul t Anul t+1
Variantele Stările naturii Variantele Stările naturii Profitul estimat
Instalarea Conjuctură favorabilă Instalarea unui nou utilaj Cerere mare
1075
unui utilaj (probabilitatea=0.7) (cost 295 u.m.) (probabilitatea =0.3)
nou Cerere medie
875
(cost 295 (probabilitatea =0.6)
u.m) Cerere mică
775
(probabilitatea=0.1)
Ore suplimentare de lucru Cerere mare
875
(cost 277 u.m.) (probabilitatea=0.3)
Cerere medie
775
(probabilitatea=0.6)
Cerere mica
675
(probabilitatea=0.1)
Conjuctură nefavorabilă Utilizarea capacităţii existente Cerere mare
775
(probabilitatea=0.3) (probabilitatea=0.3)
Cerere medie
675
(probabilitatea=0.6)
Cerere mică
475
(probabilitatea=0.1)
Ore Conjuctură favorabilă Instalarea unui utilaj nou Cerere mare
875
suplimentare (probabilitatea=0.7) (cost 295 u.m.) (probabilitatea=0.3)
de lucru Cerere medie
(cost 277 775
(probabilitatea=0.6)
u.m.) Cerere mică
475
(probabilitatea=0.1)
Instalarea unui utilaj nou şi Cerere mare
ore suplimentare de lucru 775
(probabilitatea=0.3)
(cost 572 u.m.)
Cerere medie
675
(probabilitatea=0.6)
Cerere mică
475
(probabilitatea=0.1)
Conjuctură nefavorabilă Ore suplimentare de lucru Cerere mare
675
(probabilitatea=0.3) (cost 277 u.m.) (probabilitatea=0.3)
 Cerere medie
675
(probabilitatea=0.6)
Cerere mică
475
(probabilitatea=0.1)

Rezolvarea cu QM for Windows/ Decision Analysis

Se alege din bara de meniuri opțiunea File/New/2 Decision Trees și se completează datele
generale ale problemei:
- numărul de ramuri: 30
- row names: se bifează branch 1, …

Introducerea datelor de intrare se va realiza astfel:

- în coloana Start Node se scrie nodul din care începe o ramură;
- în coloana End Node se scrie nodul în care se termină o ramură;
- dacă ramura începe într-un nod de tip șansă, atunci va avea și probabilitate asociată; aceasta
se scrie în coloana Branch Probability;
- se completează în coloana Profit cu valorile ce se regăsesc pe ramuri în arbore, fie profit, fie
costuri (se trec cu semnul “-”).

Se rezolvă problema cu Solve, iar rezultatele obținute sunt: (Window/ 1 Decision Tree Results)
Soluția este cea marcată cu roșu în coloana Branch use, ca Always.
Metoda 2

Există și opțiunea de a selecta din bara de meniuri File/New/3 Decision Trees Graphical
Dupa ce am facut arborele apasam Solve si obtinem:
 valorile fiecărui nod;
 variantele de decizie optime aferente fiecarui nod decizional, colorate în albastru;

Analiza economică a rezultatelor

1. Reprezentarea arborelui decizional cu valorile asociate tuturor nodurilor

Dupa cum se poate vedea am obtinut aceeasi valoare ca atunci cand am aplicat prima metoda.

2. Analiza rezultatelor şi indicarea variantelor optime atât în primul an cât şi în cel de al doilea
an.

Pentru a calcula valorile se porneste de la dreapta la stanga.

- valoarea nodului 14 (Utilizare capacitate existenta) s-a calculat astfel:
30% * 775 + 60% * 675 + 10% * 475 = 685.
- valoarea nodului 5 (Conjunctura nefavorabila), se preia valoarea nodului 14 deoarece nu
mai exista alt nod cu care sa se compare valoarea si nici nu exista un cost care sa diminueze valoarea.

- valoarea nodului 2 (Instalare), se calculeaza astfel:

70% * 630 + 30% * 685 = 646.5.
 - valoarea nodului initial, se compara valoarea nodului 2 diminuata cu costul atasat deciziei
respectiv (645.5 - 295 = 351.5), cu valoarea nodului 3 diminuata cu costul atasat deciziei respective
(413.4 - 277 = 136.4), si se alege valoarea cea mai mare (nodul 2 cu valoarea 351.5).

Pentru primul an decizia optima este: Instalare utilaj nou, care in cazul unei conjuncturi
favorabile ar duce in anul t+1 la decizia,, Instalare utilaj nou’’ iar in cazul unei conjuncturi
nefavorabile ar duce in anul t+1 la decizia ,,Utilizarea capacitatii existente’’.

3. Analiza senzitivităţii soluţiei la variaţia probabilităţilor de realizare a stărilor naturii

(minim 2 scenarii).

Daca probabilitatea de realizare a starilor naturii se modifica, astfel in cazul conjuncturii

favorabile creste de la 70% la 80%, iar in cazul conjuncturii nefavorabile scade de la 30% la 20%,
valorile nodurilor 2 si 3 vor fi:
- valoarea nodului 2 ajunge de la 646.5 la 641.
- valoarea nodului 3 ajunge de la 413.4 la 435.6
In acest caz decizia optima se schimba la 346 u.m.
 Daca probabilitatea de realizare a starilor naturii se modifica astfel:
 Instalarea unui utilaj nou
- conjunctura favorabila scade de la 70% la 60%
- conjunctura nefavorabila creste de la 30% la 40%,
 Ore suplimentare de lucru
- conjunctura favorabila scade de la 70% la 25%
- conjunctura nefavorabila creste de la 30% la 75% si
Si daca pe langa aceste variatii ale starilor naturii din primul an se modifica si probabilitatile de
realizare in cazul deciziilor din al 2-lea an astfel:
 Utilizarea capacitatii existente
- pentru Cerere mare creste de la 30% la 76%
- pentru Cerere medie scade de la 60% la 15%
- pentru Cerere mica scade de la 10% la 9 %
 Instalarea unui utilaj nou si ore suplimentare de lucru
- pentru Cerere mare scade de la 30% la 11%
- pentru Cerere medie creste de la 60% la 65%
- pentru Cerere mica creste de la 10% la 24 %

Vom avea urmatoarele modificari:

- valoarea nodului 2 ajunge de la 646.5 la 671.2
- valoarea nodului 3 ajunge de la 413.4 la 313.5
In acest caz decizia optima se schimba la 376.2 u.m.
 MODULUL V. Programarea activităţilor unui proiect pentru introducerea în
fabricaţie a produsului D

Realizarea studiului de fezabilitate pentru introducerea în fabricaţie a unui nou produs D

la S.C.PROMODEC S.A. implică activităţile prezentate în Tabelul 5.1. Pentru aceste activităţi s-
au estimat atât duratele normale şi costurile corespunzătoare, cât şi duratele şi costurile activităţilor
în cazul suplimentării resurselor umane şi financiare necesare urgentării acestor activităţi.

Tabelul 5.1
Costul
Activităţi Durata Durata Costul duratei
Sim normal
Denumire activitate precedente normală urgentată urgentate
bol (u.m.)
(saptămâni) (săptămâni) (u.m)
A Proiectare produs - 12 7 365 410
Elaborare program
B - 5 2 291 305
marketing
Pregătire documentaţie
C A 6 3 278 279
tehnică
D Construire prototip A 11 6 375 395
Elaborare prospect de
E A 4 3 281 282
marketing
F Estimare cost de producţie C 3 2 277 278
G Testare tehnică a producţiei D 6 4 335 345
H Studiul pieţei B,E 8 4 295 325
Estimare cerere şi preţ de
I H 3 2 277 278
vânzare
J Redactare studiu final F,G,I 3 2 277 278

Conducerea S.C.PROMODEC S.A. doreşte să ştie care este durata normală şi durata cea
mai mică de realizare a studiului de fezabilitate cât şi costurile totale corespunzătoare. De
asemenea conducerea este interesată în determinarea duratei medii de realizare a studiului, a
costului optim asociat acestei durate şi eşalonarea în timp a activităţilor pentru obţinerea duratei
medii, durata optimă în cazul unui buget total de 3110 u.m.

Modelul economico-matematic

Programarea în timp a activităţilor pentru lansarea unui produs nou cu un cost optim
corespunzător unei durate totale specificate pentru finalizarea proiectului se poate obţine
cu ajutorul unui model ADC/Costuri.
Rezolvarea în QM/ Project Management (PERT/CPM)
Din bara de sus a software-ului QM selectam File/New/ Crashing.
Completăm cu numărul de activități (10), selectăm la structura tabelului Immediate Predecessor
List și A,B,C,D... la numele liniei.

Începem să completăm tabelul cu datele de intrare. Întrucât am ales Crashing ca metodă, vom
completa cu durata normală și urgentată, cu valorile costului normal și urgentat, dar și cu activitățile
precedente.

Se apasă Solve și obținem:

- durata totală normală: 32 zile;
- durata totală urgentată: 19 zile;
- cost total normal: 3051;
- cost total urgentat: însumăm valorile din coloana Crash Cost: 3175;
- calculul costului optim pentru realizarea proiectului în termenele urgentate: 3051 + 100.5 =
3151.5.
 Pentru calculul costului în cazul unei durate dorite specificate, se accesează Window / Crash
Schedule. Putem observa că pentru o durată de 24 de zile, costul proiectului va fi mai mare față
de cel normal cu 46, deci 3051 + 46 = 3097.

Pentru a obține termenele minime (Early) și maxime (Late) de început (Start) și de sfârșit
(Finish), dar și rezerva de timp (Slack) și a vedea activităţile aflate pe drumul critic (cu rezerva
de timp zero 0, trecută cu roșu), se accesează din bara de sus o altă metodă. De exemplu, dacă
accesăm Single Time Estimate, vom afla drumul critic pentru proiectul cu durata normală.
Ne întoarcem la datele de intrare prin butonul Edit Data și selectăm ca metodă, din bara de sus,
Cost Budgeting pentru calculul costului normal. Vom observa că din datele de intrare rămân doar
cele pentru durată și cost normale.

Apăsăm Solve, iar din meniul Window/ Charts putem selecta graficele de diverse tipuri (grafice
Gantt, graful activităților sau un grafic buget vs cost sau graficul costurilor).
Graficul activitatilor nu conține toate elemntele necesare unei reprezentări corecte:
Analiza economică a rezultatelor
Raportul managerial în care se analizează rezultatele obţinute va include:

1. Graficul reţea al activităţilor proiectului;

2. Reprezentarea grafică a costului proiectului în funcţie de durata totală de realizare, cu

ajutorul punctelor de coordonate:
(Durata totală normală, Costul total normal);
(Durata totală minimă, Costul total maxim);
(Durata totală minimă, Costul total optim);
(Durata totală medie, Costul total optim asociat).

Durata Cost
32 3051
19 3175
19 3151.5
25 3088
3. Durata optimă în cazul unui buget total de 3110 u.m.;

Dupa ce completam tabelul selectam de la Solve and Analyze/Perform Crashing Analysis, iar
dupa bifam optiunea Meeting the desired budget cost si completam in castuta cu Desired budget
cost cu valoarea 3110.
Apasam OK si primim urmatorul tabel:

Durata optima pentru un buget total de 3110 u.m. este de 22.56 saptamani.

4. Drumul critic pentru proiectul cu durată medie;

Dupa ce completam tabelul selectam de la Solve and Analyze/Perform Crashing Analysis, iar
dupa bifam optiunea Meeting the desired completion time, iar la Desired competion time trecem
valoare 25.
După rularea opțiunii Perform Crashing Analysis/ Meeting the desired completion time pentru 25
săptămâni, urmată de optiunea Show Critical Path obtinem urmatorul tabel:

Din tabel se observa ca exista 2 drumuri critice pentru proiectul cu durata medie:
 A-D-G-J
 A-E-H-I-J

5. Termenele minime şi maxime de începere şi de terminare pentru fiecare activitate.

Completam tabelul si de la Solve and Analyse selectam Solve Critical Path Using Normal Time
 Termen Termen Termen
Termen minim minim de maxim de maxim de
Activitati de incepere terminare incepere terminare
A 0 12 0 12
B 0 5 13 18
C 12 18 20 26
D 12 23 12 23
E 12 16 14 18
F 18 21 26 29
G 23 29 23 29
H 16 24 18 26
I 24 27 26 29
J 29 32 29 32