Sunteți pe pagina 1din 182

Universitatea „George Bacovia” din Bacău

Modelarea deciziilor în administraţia


publică

– Note de curs –

Lect.dr. Crîşmaru N.
Bacău
2019
1
I Teoria Modelarii
Metoda modelării constă ı̂n ı̂nlocuirea obiectului sau fenomenului real care ne
interesează cu un alt obiect sau fenomen, mai convenabil pentru cercetare. După o
astfel de substituire nu se mai studiază obiectul primar ci modelul, iar apoi rezultatul
cercetărilor se extinde asupra obiectului sau fenomenului iniţial[1].
Imitarea unor procese, obiecte sau fenomene este caracteristică societatii umane pe
tot parcursul istoriei sale. Primele desene, realizate de oamenii epocii de piatră pe
peretii peşterilor erau în acelaşi timp şi primele încercări de a imita
obiectele şi fenomenele reale prin imagini [10](desenul 1).

Desenul 1: imagine paleolitică a unui bizon

Globul-machetă al planetei noastre este şi el o imitatie a unui corp real. El ne


transmite diferite informatii despre forma şi mişcarea Terrei, amplasarea
continentelor şi oceanelor, tărilor şi oraşelor (desenul 2). Dar elementele mache-tei
nu sunt reale. Avem de a face doar cu un corp sferic, prin centrul căruia trece o axă,
care permite rotirea, iar pe suprafata având imprimate diverse informatii despre
planetă. Globul-machetă posedă anumite proprietati ale corpului cosmic real, dar
se deosebeşte de el: diferă dimensiunile, proprietătile fizice, structura etc.
Globul-machetă este o realizare simplificată a Terrei, care permite studierea doar a
anumitor proprietati ale ei – un model[10].

Desenul 2: globul- machetă

2
Modelul este un obiect material sau ideal, care înlocuieşte în procesul de cercetare
obiectul original, păstrând unele caracteristici esenŃiale, importante pentru procesul de
cercetare[10].

Modelele sunt utilizate din cele mai vechi timpuri pentru cercetarea fenomenelor şi
proceselor complicate, constructia ansamblurilor arhitecturale complicate etc.
Un model reuşit este mai accesibil pentru cercetări decât obiectul real. Mai mult
chiar: unele obiecte şi fenomene nu pot fi cercetate în original. Sunt inadmisibile
experientele economice la nivel macroeconomic; imposibile experientele cu elementele
Sistemului Solar; experientele temporale etc. Un alt aspect important al modelării îl
constituie evidentierea factorilor, ce generează anumite proprietati ale obiectului
real, caracteristici esentiale ale lui[10].
Modelul permite instruirea în vederea utilizării corecte a obiectului real, verificând
di- ferite moduri de a reactiona pe modelul acestui obiect. Experientele cu obiectul
real pot fi imposibile sau foarte periculoase (durata mare a procesului în timp, riscul
de a deteriora obiectul). În cazurile cercetării obiectelor dinamice (caracteristicile
cărora depind de timp) o importanta primordială capătă problema prognozării
stării obiectului sub actiunea unor anumiti factori[10].
Un model bine construit permite obŃinerea unor cunostinte noi despre obiectul
original cercetat[10].
Procesul de construire al modelului se numeşte modelare.

Există câteva tipuri de modelare, ce pot fi unite în două grupe mari: modelare
materială şi ideală[10].
La modelarea materială se atribuie metodele, la care cercetarea originalului se
realizează prin reproducerea în model a caracteristicilor geometrice, fizice, dinamice,
functionale de bază. Exemple: machetele clădirilor, a diferitor aparate (avioane,
automobile, vehicule militare). Modelarea ideală diferă cardinal de cea materială: ea
se bazează pe analogia ideală a modelului fata de original[10].
Modelarea ideală poartă un caracter teoretic. Uneori se poate baza pe o conceptie in-
tuitivă despre obiectul cercetărilor. În acest sens experienta de viata a fiecărui om
poate fi considerată drept modelul lui a lumii înconjurătoare. În cazul când
modelarea nu este intuiti- vă, se folosesc anumite simboluri, modelarea fiind numită
simbolică. În calitate de simboluri se folosesc diverse scheme, grafice, formule. În
categoria modelelor simbolice un loc aparte îl ocupă modelarea matematică, la care
cercetarea obiectului se realizează prin intermediul unui model formulat în termeni şi
notiuni matematice, cu folosirea unor metode matematice. Un exemplu clasic al
modelării matematice este descrierea şi cercetarea legilor de bază ale mecanicii lui I.
Newton cu instrumentele matematice[10].
Pentru cercetarea unui proces sau fenomen nu este suficient să fie construit modelul.
Modelul descrie anumite legităti, relatii, caracteristici. De obicei însă, problema pusă
cere ca în baza unor mărimi cunoscute să se determine alte mărimi şi caracteristici,
care s-ar acorda modelului matematic[10].
Observarea şi măsurarea au constituit principalele mijloace prin care s-au desfăşurat
activitati de cunoaştere[11].
Prin aparitia teoriei sistemelor s-au deschis căile aparitiei şi dezvoltării
modelarii[11].
În etapa de analiză a sistemului, constructia modelului se încadrează într-o
succesiune de etape rezultând în final modelul matematic asociat sistemului fizic.

3
 Definirea “granitelor” sistemului. Toate sistemele fizice lucrează în
interactiune cu alte sisteme. Din acest motiv este necesar să se definească
aceste granite
 Definirea ipotezelor simplificatoare / a aproximatiilor admise. Modelul trebuie să
includă ce este esential din sistemul fizic. Dacă sistemul este prea complicat
utilitatea sa devine discutabilă.
 Stabilirea ecuaŃiilor de echilibru / bilant pentru sistemul fizic (sau pentru
subsistemele componente) şi definirea conditiilor suplimentare.
Modul de abordare trebuie să aibă în vedere însă şi specificul fiecărui tip de sistem
în parte. De exemplu, echilibrul energetic – energy balance – poate avea o
interpretare fizică şi una filozofică. Interpretarea fizică a echilibrului are
semnificatii specifice domeniului de aplicatie: fizică, biologie, inginerie, economie,
etc.[11].
O notiune importantă, (similară cu cea de sistem), o reprezintă notunea de model.
Formularea unei teorii se poate echivala cu “construirea modelului” iar teoria ar
putea defini “modelul” realitatii analizate. Modelul va reprezenta sub o formă
utilizabilă, aspectele ese nt ia l ale sistemului existent. În domeniul tehnic modelul
este întâlnit şi utilizat printre altele şi în scopul proiectării[11].
Semnificatia notiunii de simulare este corelată cu cea de model / modelare şi diferă
în functie de contextul domeniului în care se utilizează. Din multitudinea de
definiti, am ales două care le considerăm că exprimă cel mai bine
co nt inut u l conceptului:
 Un proces de imitare a unui fenomen real pe baza
unui set de formule matematice.
 Functionarea / operarea unui model în aceeaşi
manieră ca un sistem dat când acesta este
caracterizat de un set de intrări.
Experimentatorul, în multe cazuri, a dobândit apriori unele cunostinte printr-o
întelegere fizică a procesului ce se examinează. Acestea pot da informatii
asupra structurii unui model conceptual pentru acel proces şi probabil chiar o
cunoaştere aproximativă a parametrilor acestui model[11].
Avem nevoie de un model pentru comportare statică sau comportare dinamică, a
unui model complet neliniar sau liniarizat ? Răspunsul la întrebare poate să implice
criterii privind precizia dorită, abordarea dinamică sau statică etc. Modelul trebuie
realizat separat de proces – cu hârtia şi creionul – plecând de la legi fundamentale şi
experimente izolate, sau se poate lucra în cadrul procesului când ni se permite să
efectuăm experiente cu procesul existent ? Ce co ns ider at ii economico-
financiare trebuie avute în vedere ?
Din acest moment numărul de întrebări creşte exponential şi problema se
complică. Iată câteva dintre alte întrebări posibile[11]:
 Cum se va aprecia calitatea modelului ?
 Cum se vor folosi în model toate cunostintele pertinente ?
 Care este strategia optimă pentru a obtine cunoştintele care lipsesc ?
 Cum se vor trata neliniaritatile ?
 Cum se poate exprima un sistem complex printr-unul simplu ?

Utilizarea limbajului matematic ı̂n descrierea unor modele, permite acestora să aibă
4
un ı̂nalt grad de abstractizare şi de generalizare.
In elaborarea unui model matematic ataşat unui proces trebuiesc respectate etapele:

1. Obţinerea modelului descriptiv al procesului, care are subetapele:

1.1. formularea problemei propuse;


1.2. analiza structurii informaţionale a fenomenului abordat;
1.3. discutarea criteriilor posibile care reflectă obiectivele urmărite;
1.4. stabilirea factorilor esenţiali şi factorilor secundari;

2. Formularea matematică a modelului descriptiv, etapă ı̂n care se elaborează


modelul matematic;

3. Studierea (cercetarea) modelului, adică rezolvarea practică a problemei pe


model. Astăzi, ı̂n această etapă de mare folos este calculatorul.

Modelul realizat şi testat trebuie să reflecteze originalul cu destulă precizie.
S-ar putea ca modelul să fie bine construit dar să nu dea rezultate satisfăcătoare. El
trebuie
ı̂mbunătăţit sau abandonat.
După modelul matematic utilizat se poate da următoarea clasificare a modelelor:

1) modele aritmetice (utilizate până ı̂n secolul al XVIII-lea)– folosesc numai


con- cepte aritmetice;
2) modele bazate pe analiza matematică (utilizate ı̂ncepând cu secolul al XVIII-
lea)–folosesc concepte de analiză matematică;

3) modele liniare – utilizează concepte de algebră liniară (de exemplu,


programarea liniară);

4) modele de joc – care iau ı̂n considerare şi variabile necontrolabile;

5) modele de optimizare – urmăresc optimizarea unei funcţii (numită funcţia


obiectiv) supusă unor restricţii;

6) modele neliniare – utilizează restricţii de optim sau funcţii obiectiv neliniare;

7) modele diferenţiale – care descriu prin ecuaţii diferenţiale fenomenul (de


exemplu, modelul care descrie variaţia producţiei);

8) modele de tip catastrofic – utilizate de studiul fenomenelor cu variaţii bruşte;

9) modele deterministe – mărimile care intervin sunt perfect determinate;

5
10) modele stohastice – mărimile care intervin sunt aleatorii;

11) modele de tip statistico-matematice – mărimile care intervin sunt date


statis- tice;

12) modele vagi – mărimile care intervin nu sunt date cu precizie, ci doar vag;

13) modele discrete – mărimile care intervin variază discret;

14) modele continue – mărimile care intervin variază continuu[1].

Dezvoltarea informaticii ca stiint a fost generată de progresul în sfera tehnicii de calcul,


tehnologiilor informationale. Scopurile de bază ale acestei ştiinte sunt elaborarea metodelor
de solutionare a problemelor complicate de cercetare şi de calcul cu ajutorul
calculatorului. Initial informatica se dezvolta ca o ramură a matematicii aplicative.
Primele probleme puse erau de asemenea pur matematice: calcule complicate, analiza unor
multimi complexe de situati etc. La acest moment informatica este o stiinta independentă,
cu metode proprii de cercetare (dar care sunt fundamentate matematic). Informatica
cercetează şi rezolvă probleme din domeniul matematicii, fizicii, chimiei, biologiei,
economiei, ecologiei, filologiei, sociologiei. Dar, oricărui domeniu n-ar apartine problema,
în procesul de so lut io nare a ei informatica se bazează pe matematică. Nu e întâmplător.
Înainte de a solutiona problema cu ajutorul calculatorului este necesară descrierea
fenomenelor şi proceselor din problemă cu ajutorul notiunilor matematice. Acestea pot fi
functii, ecuatii, inecuatii, sisteme de ecuatii etc.Descrierea unui proces sau fenomen prin
intermediul notiunilor matematice se numeşte model matematic.

Datorită caracterului din ce în ce mai complex al fenomenelor economico-sociale din


ultimele decenii precum şi datorită multitudinii formelor de manifestare a acestora face
imposibilă luarea unor decizii corecte bazate doar pe experienţa managerială, oricât de
vastă ar fi aceasta. În prezent studiul fenomenelor economico-sociale necesită modalităţi de
abordare precum şi instrumente de cercetare variate şi de foarte multe ori sofisticate. Există
cazuri, relativ simple, în care luarea unor decizii bine fundamentate nu necesită o analiză
deosebită, însă în prezent, activităţile de conducere economică, administrativă, politică,
tehnologică etc. nu pot fi concepute fără rezolvarea unor probleme importante de decizii
economice optime. Se poate afirma că procesul de optimizare a deciziilor financiare constă
în alegerea unei anumite variante, din mai multre posibile, ataşate unui anumit fenomen
sau proces economic [2].
În funcţie de natura problemelor ce se ivesc deosebim trei tipuri de fenomene economice
pentru care se pot construi modele economico-matematice capabile să ofere decidentului
soluţii acceptabile în dirijarea fenomenului:
- probleme privind activităţile concurenţiale;
- probleme de decizii secvenţiale;
- probleme de corelaţie economică[2].
Modelarea reprezintă o metodă de studiu a unor procese, fenomene sau proiecte prin
simplificarea si abstractizarea obiectului real si înlocuirea lui cu un model[3].

Modelul este o reprezentare izomorfă a realităţii, oferind o imagine simplificată,


intuitivă, dar riguroasă, în sensul structurării logice a procesului, fenomenului sau
proiectului studiat si facilitând descoperirea unor legături sau legităţi imposibil de găsit

6
pe alte căi (Hîncu, Manual, 2006, pag.40). Modelul este privit ca un ansamblu de
ecuaţii, o construcţie ştiinţifică a unui sistem economic utilizat pentru a identifica
acţiunea reciprocă, înlănţuirea şi interdependenţa anumitor feomene. (SURSA: Ştiinţa
economică- cunoaştere si construcţii de realitate economică. Condiţii logice ale
raţionamentelor specifice ştiinţei economice, CIDE, Bucureşti, 1999, pag.30) [3].

Modelul reprezintă instrumentul principal de investigare ştiinţifică în cunoaşterea


universului real [3].

Începutul modelării în ştiinţe îl putem plasa în anii 1620, când Gunter a inventat primul
dispozitiv analogic de calcul, un predecesor al riglei de calcul.
În lucrarea sa Principia, Newton a fost primul care a găsit soluţii aproximative la
ecuaţiile diferenţiale prin procedee numerice. Generaţiile următoare de savanţi au
utilizat metoda lui Newton în mecanica astrală, pentru a modela şi aproxima
traiectoriile planetelor. Unul dintre cele mai renumite procese de calcul numeric şi
modelare rămas în istorie din ştiinţa timpurie, îl constituie cel din anul 1748, realizat de
Clairot, Lalande şi Lepaute, având ca obiectiv determinarea la traiectoriei cometei
Haley. Despre calculul acestei traiectorii Lalande scria «timp de 6 luni am calculat de
dimineaţa până seara, uneori chiar şi în timpul mesei…». Rezultatul calculelor a
reprezentat o estimare a traiectoriei şi duratei de deplasare a planetei, estimare care a
dovedit a avea o diferenţă de doar 31 de zile faţă de realitate, respectiv 13 aprilie 1749.
Urmatoarea revenire a cometei Haley din anul 1853 s-a dovedit a avea o eroare de
predicţie de numai 5 zile, iar predicţia din anul 1910 a avut o eroare de numai 2,7
zile[9].
Anul 1918 va reprezenta de asemenea un moment important în istoria modelării
ştiinţifice. Forest Ray Moulton (1872–1952), profesor de astronomie la universitatea
din Chicago, a realizat în perioada aprilie – iunie 1918 o lucrare amplă de modelare a
traiectoriilor pro iectilelor, lucrare folosită ca bază de pornire pentru elaborarea
tabelelor balistice pentru armata americană. Cercetarea s-a concretizat ulterior într-un
volum intitulat „Noi metode în balistica exterioară”, şi publicat în anul 1926.
Lucrarea descrie în amănunt metode pentru modelarea şi estimarea traiectoriilor
proiectilelor şi elaborarea tabelelor balistice, inclusiv a tabelelor destinate apararii
antiaeriene[9].
O altă modelare remarcabilă rămasă în istoria ştiinţei a fost cea a matematicianului
norvegian Carl Stormer care, împreună cu echipa sa de cercetători a calculat orbitele a
numerosi electroni aflaţi în câmpul magnetic al pămantului. Cercetarea, întinsă pe mai
mulţi ani, avea ca scop confirmarea teoriei sale privind aurora boreală. În perioada
1926–1955 au fost calculate 120 de orbite, necesitând 4500 de ore de muncă[9].
Daca ne referim acum la procesul de obtinere a unui model, avem urmatoarele:

Procesul de modelare cuprinde trei elemente [3]:

1. Subiectul (cercetătorul);
2. Obiectul cercetării (procesul de studiu);
3. Modelul obiectului cercetat care intermediază relaţiile dintre subiectul
care cercetează si obiectul cercetării.
Modelarea matematică presupune [3]:

1. Observarea proceselor, fenomenelor sau proiectelor (culegerea datelor),


2. Elaborarea modelului în conformitate cu cea mai potrivită teorie
cunoscută;
3. Elaborarea unui algoritm de rezolvare a problemei cuprinse în model;
7
4. Aplicarea algoritmului elaborat pentru obţinerea soluţiei optime a
problemei de rezolvat (prin aplicaţii informatice).
Algoritmii sunt căi sau metode de rezolvare a unei probleme. Algoritmii pot fi exacţi,
aproximativi si euristici [3].

Erorile ce pot interveni în prelucrările de natură cantitativă [3]:

1. de observare, culegere sau raportare


2. de prelucrare
3. de reprezentativitate
4. de modelare
Conceptul de "model" este relativ,nou în comparaţie cu metoda modelării, care a apărut
odată cu preocuparea oamenilor pentru cunoaşterea ştiinţifică. Termenul a fost preluat
de tehnicieni, de la matematicieni şi apoi de analiştii de sistem, pentru a fi utilizat în
procesele din economie[3].

Modelul poate fi definit ca o reprezentare abstractă şi simplificată a unui proces


economic[3].

Metoda modelării este un instrument.de cunoaştere ştiinţifică şi are obiect construirea


unor reprezentări care să permită o mai bună înţelegere : mai profundă cunoaştere
ştiinţifică a diferitelor domenii[3].

Esenţa metodei modelării constă în înlocuirea procesului real studiat printr-un model
mai accesibil studiului. Rezultatele obţinute prin modelare se pot extinde asupra
procesi modelat, numai în condiţiile în care modelul a reprezentat fidel proprietăl
structura şi particularităţile acestuia[3].

Putem spune că modelul este o reprezentare izomorfă a realităţii, care oferă o imagine
intuitivă, dar riguroasă în sensul structurii logic fenomenului studiat, şi permite
descoperirea unor legături şi legi greu de stabilit pe alte căi[3].

Orice model economico-matematic va reprezenta fidel un anume fenomen, numai în


măsura în care se sprijină pe teoria economică care formulează categoriile, conceptele
şi legile obiective ale realităţii economic Această raportare pe care o facem modelării la
teoria economică în deplină cunoştinţă a complexităţii acesteia, ne dă imaginea
diversităţii posibilităţilor de modelare[3].

Modelarea reprezintă un proces de cunoaştere bazat pe o "unealtă" cu


caracteristici speciale: modelul[4].
In dezvoltarea stiintelor contemporane, analogiile model-realitate constituie
instrumente importante, uneori de neinlocuit, de cunoastere a fenomenelor si
proceselor lumii reale[4].
Modelarea nu este un scop in sine. Importanta practica a oricarui model deriva din
accesibilitatea subiectului cercetarii la obiectul respectiv[4].
Daca analiza modelului (prin experiment sau cercetare deductiva) este mai
accesibila subiectului decat studierea nemijlocita a obiectului, atunci modelul isi
justifica existenta[4].
8
Modelul este, prin urmare, o imagine conventionala a obiectului cercetat[4].
Aceasta imagine este construita de un subiect (observator, cercetator) care-si propune
realizarea unui scop precis al cercetarii efectuate. Observarea obiectului cercetat da
posibilitatea subiectului de a-i cunoaste caracteristicile (proprietati, atribute, relatii
intre acestea, parametri structural si functional). Din multitudinea de caracteristici
observate, unele sunt foarte importante pentru scopul cercetarii, altele sunt mai putin
relevante. Subiectul retine numai caracteristicile esentiale si obtine o imagine
simplificata a obiectului cercetat[4].
Termenul ca atare se pare ca a fost folosit pentru prima data de matematicianul
Beltrami in 1868 (modelul Euclidian pentru geometria neeuclidiana), provenind de
la radacina latina "modus", care, printre altele, inseamna si "mijloc"[4].
Definitia cea mai generala considera modelul ca o reprezentare simplificata
(materiala sau simbolica) a realitaii obiective (uneori a unei teorii abstracte) care se
subordoneaza scopului cercetarii[4].
Definitia cea mai evoluata, din punct de vedere al formalizarii, include in categoria
de model numai reprezentarile prin relatii matematice[4].
Modelul este un obiect sau un dispozitiv creat artificial de om care seamana intr-o
anumita masura cu altul (acesta din urma fiind un obiect de cercetare sau de interes
practic)[4].
Notiunea de model se refera la un mod de cunoastere a realitatii care consta in
reprezentarea fenomenului studiat cu ajutorul unui sistem construit artificial[4].
Proprietatea cea mai generala a unui model consta in capacitatea de a reflecta,
de a reproduce lucruri si fenomene ale lumii reale, ordinea lor necesara,
structura lor[4].
Notiunea de model reiese din existenta unei asemanari (similitudini) intre doua
obiecte - unul fiind considerat originalul, celalalt modelul său[4].
Notiunea de model este o notiune metodologica generala[4].
Prin model se intelege constructia reala sau imaginata a oricarui obiect, fenomen,
proces care reflecta trasaturile esentiale ale obiectului cercetat[4].
Scopul unui model este de a realiza o aproximare, sau abstractizare, în mediul
informaţional al unor procese sau sisteme din lumea reală[4].
El (modelul) nu trebuie să se limiteze la a captura starea unui proces sau sistem, ci
chiar la cum acel sistem funcţionează, ceea ce face foarte uşoară folosirea modelării
din lumea reală la definirea propriilor sisteme[4].
Modelele matematice au un rol deosebit in cercetarile stiintifice moderne[4].
Materialul de constructie a acestor modele il constituie notiunele si simbolurile
matematice. Practic, fiecare notiune matematica , fiecare obiect matematic, pornind
de la notiunea de numar, este un model matematic[4].
La constituirea modelului matematic se scot in evidenta acele caracteristici ale
obiectului modelarii care, pe de o parte, sint informative, iar pe de alta parte, admit
formalizarea matematica[4].
Formalizarea presupune posibilitatea de a pune in corespondenta caracteristicilor
originalului notiuni matematice adecvate. In aceasta ipoteza, legaturile depistate si cele
ipotetice dintre componentele obiectului in studiu pot fi descrise cu ajutorul relatiilor
matematice:ecuatii,inecuatii,formule etc. In urma formalizarii matematice se obtine un
model matematic[4].
Modelul matematic reprezinta un sistem de relatii matematice, care descriu
proprietatile esentiale ale originalului[4].
Solutionarea unei probleme reale poate fi redusa la solutionarea unei probleme
matematice[4].
9
Simbolistica matematica este unul din cele mai comode mijloace pentru descrierea
proprietatilor lumii inconjuratoare, in primul rind ale celor cantitative[4].
Modelarea matematica este o activitate creativa,din care motiv este foarte complicat de
a o descrie intr-un cadru formalizat. Forma generala este [4]:

Formularea problemei

Elaborarea modelului

Experimentul computerizat

Analiza rezultatelor modelarii

| |

rezultate satisfacatoare rezultate nesatisfacatoare

Procesul de M&S (modelare si simulare)a fost folosit cu mult timp înainte de apariţia
calculatoarelor. Modelele şi simulările au o istorie îndepărtată, cele mai vechi
constând în linii trasate în nisip, utilizând obiecte, precum nuiele şi pietre pentru a
reprezenta caracteristicile terenului, fortificaţii, dispunerea trupelor etc. Unele dintre
cele mai timpurii forme de M&S include Chaturanga (un joc hindus asemănător
şahului), The Kings Game din anul 1600, Kriegspiel (un joc german)[5].
Preocupările în acest domeniu au progresat în mod rapid, astfel odată cu dezvoltarea
tehnologiei în domeniu s-au făcut paşi importanţi în utilizarea M&S în majoritatea
domeniilor[5].
Conceptul de modelare reprezintă procesul prin care producem un model, acesta fiind o
reprezentare a construcţiei şi a modului de lucru a unui anumit sistem de care suntem
interesaţi. Un model trebuie să fie o aproximare a sistemului real, care să includă cât mai
multe dintre caracteristicile sale importante, şi să nu fie foarte complex astfel încât să nu
fie înţeles şi să nu-l putem experimenta[5].
Modelul care să ne mulţumească trebuie să fie un compromis între realism şi simplitate.
Specialiştii în simulare recomandă creşterea complexităţii modelelor de tip iterativ. Una
dintre problemele esenţiale în cadrul procesului de modelare este validarea modelului,
care ulterior să poată fi folosit în activităţile de simulare[5].
Abordareateoreticã a modelãrii inpoliticilemacroeconomice s-a dezvoltat relativ independent în cadrul
macroeconomiei, începând cu lucrãrile lui Tinbergen si Theil, si continuând cu contributiile lui Meade, Preston si
Pagan, Turnowskis.a.
Se remarcã existenta a douã directii teoretice importante în abordarea modelelor politicilor macroeconomice. Prima
directe, dominantã în perioada de început a acestor preocupãri (1964- 1970), o constituie teoria staticã a
politicilor macroeconomice, în cadrul cãreia erau studiate interactiunile dintre instrumente si scopuri care se
presupuneau constante în timp. Desi obiectivele politice puteau fi fie fixate, fie flexibile, modelul politic
10
introdus si studiat de aceastã teorie era, în general, modelul liniar static. Existenta, unicitatea si
proiectarea politicilor erau chestiunile centrale ale demersului analitic, în cadrul acestuia fiind utilizate cu precãdere
metodele algebrei liniare si teoriei functiilor liniare.
Dupã anul 1970, prin extinderea teoriei la cazurile de modele dinamice, tot mai frecvent
utilizate în macroeconomie, apare teoria dinamicã a politicilor macroeconomice. În
contextul dinamic, mult mai larg, interactiunea dintre obiectivele politice si modelul politic este
abordatã ca fiind variabilã în timp. Ca si în cazul static, obiectivele politice dinamice sunt fixe sau flexibile.
Dar obiectivele dinamice pot lua si alte forme decât în cazul static: obiective punctuale, obiective
stationare sau obiective traiectorie. Acest lucru largeste si mai mult aria de aplicare a teoriei dinamice a
politicilor macroeconomice, ca si problematica analiticã a acesteia[6].
Trecerea de la modelele statice la cele dinamice, care constituie un progres evident al teoriei politicilor
macroecono- mice, ridicã, însã, o serie de probleme în ce priveste cadrul de reprezentare a modelelor si
obiectivelordinamice. Varietatea de modele (în formã structuralã, în formã redusã sau sub formã de sistem liniar)
combinatã cu tipurile principale de obiective (punctuale, stationare sau sub formã de traiectorie) ridicã problema
alegerii celei mai bune combinaþii de model si obiectiv cu ajutorulcãreia se poate reprezenta sistemul economic
real[6].
Al doilea aspectlacarene referimestecelaldezvoltãrii unor modele politice aplicate. Încã de la începutul
dezvoltãrii ei, teoria politicilor macroeconomice si-a propus si concretizarea în modele aplicative a conceptelor si
metodelor teoretice elaborate. Însusi Tinbergen a elaborat o serie de modele, utilizate de guvernul olandez pentru
adoptarea diferitelor decizii politice. Entuziasmul initial stârnit de aceste modele, si amintim aici modelul
francez METRIC, modelul britanic CAMBRIDGE, modelele americane s.a., s-a stins în jurul anilor
1975-1980, când s-a înteles cã un astfel de model poate fi realizat cu niste costuri mari, fãrã sã existe garantia
obtinerii unor rezultate corespunzatoare[6].
De asemenea in studiul problemelor de fizica ridicate de stiinta si tehnologia
contemporana este necesara efectuarea de cercetări pe modele, în condiții de laborator,
cercetari ce necesită atât cunoașterea teoriilor analizei dimensionale și similitudinii,
cât și a regulilor de modelare fizică[9].
Modelarea fizică reprezintă o metodă de rezolvare a unor probleme concrete având la
bază studiul experimental al unui fenomen la scară naturală, de pe prototip, prin
intermediul unui fenomen similar, la scară redusă, realizat pe model, în condiții de
laborator. Modelarea fizică utilizează atât teoremele analizei dimensionale și
similitudinii, cât și metode specifice modelării fizice[9].
Studiile experimentale, pe modele fizice, sunt folosite cu scopul soluționării unor
probleme ce nu pot fi rezolvate prin metode analitice sau prin metode numerice
aproximative, precum și cu scopul verificării experimentale a rezultatelor obținute prin
utilizarea unor modele numerice, în vederea validării acestora[9].
Modelarea matematică şi simulările asistate de calculator au devenit o parte uzuală a
cercetării ştiinţifice pentru studiul unei multitudini de sisteme naturale din fizică,
astrofizică, biologie, biochimie, medicină, economie, psihologie, ştiinţe sociale, etc[9].
Aceste instrumente ştiinţifice permit studiul direcţiilor de evoluţie ale sistemelor în
diferite condiţii iniţiale şi de mediu, reducând costurile experimentelor de laborator sau
al altor tehnologii de investigare. Totodată ele permit estimarea performanţelor în cazul
sistemelor complexe, pentru care soluţiile analitice sunt imposibil de obţinut[9].
Prin însăşi natura sa, din cele mai vechi timpuri ştiinţa s-a folosit de modele.
Metodologia cercetării ştiinţifice implică parcurgerea urmatorilor paşi[9]:
1. Observarea proceselor şi studierea lor prin experimente
11
2. Colecţionarea şi sistematizarea informaţiilor culese
3. Elaborarea de ipoteze
4. Construirea modelelor
5. Testarea ipotezelor pe baza modelelor construite
6. Confirmarea sau infirmarea ipotezelor
7. Ajustarea modelelor
8. Validarea modelelor
9. Aducerea rezultatelor la cunoştinţa comunităţii ştiinţifice
10. Modificarea, dezvoltarea sau invalidarea modelelor în funcţie de rezultatul
testelor şi opiniile cercetătorilor în domeniu[9].
Modelele, ca instrumente ale cercetării ştiinţifice folosite în toate domeniile ştiinţei din
cele mai vechi timpuri[9].
Elaborarea unui model necesită parcurgerea urmatoarelor etape[9]:
1. Alegerea structurii sau fenomenului pentru care se elaborează modelul;
2. Stabilirea elementelor de bază pentru model (descrierea interacţiilor dinamice
între subsistemele componente, specificarea şi descrierea variabilelor şi a
parametrilor care îl caracterizează, realizarea de simplificări în scrierea ecuaţiilor
matematice, declararea ipotezelor de elaborare şi estimarea validităţii lor);
3. Descrierea matematică/sistemică/fizică, etc a modelului;
4. Identificarea parametrilor sistemului prin comparaţie cu datele experimentale;
5. Validarea modelului prin echivalenţa datelor provenite din sistemul real cu
cele generate de model;
Compararea modelului cu modele anterioare şi elaborarea de sugestii pentru
modificări şi experimente ulterioare[9].
Pentru a vedea importanta modelarii si a modelelor in viata de zi cu zi, vom da in
continuare etapele rezolvarii unei probleme oarecare, cu ajutorul calculatorului[10]:
Instrumentele informatice permit rezolvarea problemelor atât prin metode analitice,
cât şi prin metode de simulare. Dar, rezolvarea oricărei probleme în informatică se
divide în mai multe etape, fiecare din ele având acelaşi grad de importantă.
Analiza problemei initiale. La această etapă este studiată problema reală. Sunt
separate datele intiale, se determină ce trebuie de obtinut , care sunt relatiile dintre
datele initiale şi rezultat. Tot aici sunt determinate restrictiile suplimentare asupra
datelor initiale şi rezultatului.
Crearea modelului problemei. Este creat modelul matematic al problemei. În
depen- dentă de problemă acest model poate fi analitic sau de simulare. Pentru
modelul analitic este necesar să se determine formulele de calcul, care exprimă
rezultatul căutat prin datele initiale. Pentru un model iterativ se stabilesc valorile
initiale ale datelor, relatiile (formulele) de trecere la iteratia următoare, conditia de
întrerupere a calculelor. Tot la această etapă are loc (dacă e posibil) divizarea
problemei în subprobleme şi elaborarea modelelor pentru fiecare din ele.
Elaborarea algoritmului. În cazul rezolvării informatice a unei probleme
algoritmul contine metoda de rezolvare a problemei, descrisă într-o formă
acceptabilă (pseudocod, schemă logică etc.) şi relatiile dintre diferite etape de
rezolvare. Dacă problema a fost divizată în subprobleme, algoritmul mai contine
date despre relatiile dintre modelele subproblemelor. În procesul de rezolvare la
calculator a problemei este deosebit de importantă consecutivitatea îndeplinirii
instructiunilor. Anume algoritmul divizează modelul matematic în paşi elementari şi
stabileşte ordinea de efectuare a calculelor la fiecare pas.
Scrierea programului. Pentru ca să devină posibilă rezolvarea problemei de către
calculator, nu este suficient algoritmul de rezolvare. Algoritmul trebuie transpus într-
o formă inteleasa de calculator-program într-un limbaj de programare. Paşii
12
algoritmului sunt descrişi cu ajutorul instructiunilor limbajului de programare, iar
consecutivitatea lor-de consecutivitatea instructiunilor. În procesul de scriere a
programului pot să apară erori sintactice sau semantice. Procesul de corectarea a
lor este de asemenea inclus în etapa de scriere a programului. Etapa se consideră
încheiată atunci când compilarea sau interpretarea programului finalizează fără erori.
Testarea programului. O compilare reuşită nu înseamnă o problemă rezolvată
corect. Pentru verificarea corectitudinii se realizează o serie de teste, care cercetează
lucrul programului în functie de seturi de date de intrare simple, medii şi extreme.
Dacă pentru toate testele efectuate programul determină rezultate corecte, se poate
presupune că problema a fost rezolvată corect. Dacă în procesul de testare se obtin
rezultate eronate, urmează să fie cercetate din nou etapele precedente, începând cu
analiza problemei şi până la scrierea programului[10].
Exemplul 1[10]

Problema: Ion a elaborat un nou model de robot. Robotul se deplasează după un


algoritm care cont ine doar instructiuni din setul: un pas la Sud (S), un pas la
Nord (N), un pas la Vest (W), un pas la Est (E). Instructiunile algoritmului se
îndeplinesc consecutiv. După sfârşitul programului robotul se opreşte. Axele de
coordonate sunt paralele d ir e ct ii lo r geografice. Unitatea de măsură coincide cu
un pas al robotului. Determinati citi algoritmi distincti din exact K ( -1 <K <17 )
instructiuni deplasează robotul din punctul cu coordonatele (0,0) în punctul cu
coordonatele (X, Y) ( | X |,| Y |<17 )[10].

Analiza problemei: Este dată o suprafata de retea , nodurile retelei fiind puncte cu
coordonate întregi. Se cere de determinat numărul de trasee diferite pe retea din
nodul cu coordonatele (0,0) în nodul cu coordonatele (X,Y).
Reteaua este formată din nu mai mult de 33 de linii şi 33 de coloane. Numărul
de mişcări nu depăşeşte 16.
Datele initiale vor fi introduse de la tastatură. Rezultatele vor fi afişate la ecran.
Modelul matematic: Se construieşte schema grafică a problemei (desenul 3).
Init ia l robotul se află în originea coordonatelor. Pozitia finală este determinată
de valorile X şi Y date initial.
Se observă că numărul de algoritmi din K i ns t r u ct iu n i
care permit deplasarea din (0,0) în (X, Y) este egal cu suma
numerelor de algoritmi din K-1 mişcări, cu care se poare ajunge
în punctele vecine celui cu coordonatele (X,Y).

Desenul nr.3:pozitia initiala


A robotului si directiile de
deplasare

13
Desenul 4. Numărul de posibilitati de a ajunge în K mişcări în (X,Y) se determină ca suma numărului de
posibilităti de a ajunge în K-1 mişcări în unul din punctele (X,Y+1) (X,Y-1) (X+1,Y) (x-1,Y)

Initial în 0 mişcări se poate ajunge doar din (0,0) în (0,0) într-un singur mod. La
fiecare iteratie următoare se foloseşte formula
Ni+1(X,Y) = Ni(X,Y+1)+ Ni(X+1,Y)+ Ni(X,Y-1)+ Ni(X-1,Y)

Algoritm:
Pas 0. Initializarea. Se formează tablourile A,B[-20..20,-20..20] cu
elemente de tip întreg lung. Elementul A[I,J] indică numărul de algoritmi din R (R=
0..K) mişcări care deplasează robotul din (0,0) în (I,J). Matricea B păstrează valorile
elementelor matricei A de la iteratia precedentă. R se initializeaza cu 0; A[0,0] cu 1,
celelalte elemente ale matricei A cu 0.
Pas 1. R  R + 1; B  A

Pas 2. Pentru toti I de la -R până la


R Pentru toti J de la -R până la R
A[I,J]  B [I, J+1] + B [I, J-1] + B [I+1, J] + B [I-1, J]
Pas 3. Dacă R=K se trece la pas 4, în caz contrar – se revine la pas 1

Pas 4. Afişare A[X,Y]. Stop.

Programul (in limbajul de programare Pascal)


program cn001;

type grid = array [-18..18, -18..18] of longint;

var

a, b: grid;

i, r, j, k, n, x, y: longint;

begin

read(k, x, y);

a[0,0] := 1;

for r := 1
to k
do
begin

b := a;

for i := -r to r do

for j := -r to r do

a[i,j] := b[i+1,j]+b[i-1,j]+b[i,j-
1]+b[i,j+1];
14
end;
writeln(a[x,
y]);

end.

Testare
Pentru testare a fost folosit următorul set de teste:
Date initiale Rezultat
000 1
7-41 147
813 1568
12 4 2 174240
16 0 -16 1
16 2 2 10306296
0

Principala metodă utilizată în cibernetica economică pentru studiul sistemelor


adaptive complexe şi a proceselor la care participă acestea o constituie modelarea
acestora. Modelarea sistemelor a fost încă de la apariţia ciberneticii promovată ca
metoda de bază care permitea abordarea comportamentului dinamic deosebit de
complex al acestora. Pe măsură ce cibernetica a evoluat, s-au perfecţionat
continuu şi metodele de modelare şi simul;are ale acestora care au beneficiat din
plin şi de perfecţionarea şi creşterea puterii de calcul a calculatoarelor
electronice[12].

Metoda modelării utilizează, în principal, modelul matematic pentru a surprinde


relaţiile cantitative şi calitative care există între elementele componente ale unui
sistem adaptiv complex, pentru analiza şi evaluarea proceselor evolutive, de
adaptare şi auto- organizatoare ce au loc la nivelul întregului sistem sau numai
ael unor componente ale acestuia (subsisteme) sau între întregul sistem şi mediul
său înconjurător. Modelul matematicse realizează conform anumitor scheme şi
reguli, astfel încât să se asigure anumite proprietăţi pe care trebuie să le aibă
modelul obţinut[12].

Cibernetica utilizează în prezent trei metode principale de modelare: modelarea


bazată pe ecuaţii, modelarea bazată pe agenţi şi modelarea inspirată de natură.
Modelarea bazată pe ecuaţii este metoda care utuilizează o anumită teorie
matematică pentru a construi, valida şi rezolva modele asociate sistemelor
adaptive complexe. Cele mai multe metode de acest tip sunt cele care au la bază
teoria ecuaţiilor diferenţiale sau cu diferenţe finite (în primul caz sistemele sunt
15
considerate continue în timp, iar în al doilea caz ele sunt considetate în timp
discret). Există astăzi o multitudine de modele de acest tip precum şi metode de
rezolvare a acestora deosebit de perfecţionate, toate acestea încercând să
surprindă cât mai multe dintre proprietăţile dinamice ale sistemelor modelate[12].

Modelarea bazată pe agenţi este o metodă mai recentă, dezvoltată în ultimii


douăzeci de ani, care porneşte de la proprietăţile sistemelor adaptive complexe, în
special de la cele datorate alcătuirii acestora din agenţi individuali, fiecare dintre
aceştia acţionând autonom şi raţional, într-un context definit de alţi agenţi sau de
alte sisteme aflate în mediul înconjurător. Modelele bazate pe agenţi sunt din ce
în ce mai evoluate, reuşind să surprindă mult mai multe dintre proprietăţile
importante pe care la au sistemele adaptive complexe[12].

Modelarea inspirată de natură reprezintă cea mai recentă tendinţă de modelare


dezvoltată în cibernetică şi ea porneşte de la anumite proprietăţi şi
comportamente observate în sistemele din natură, mai ales la sistemele vii[12].

Metoda modelării este completată frecvent de simularea sistemelor adaptive


complexe care utilizează metode specifice pentru a produce anumite schimbări în
sistem sau în mediul său înconjurător în vederea studierii modificărilor ce se
produc ca urmare a acestora în structura sau comportamentul întregului sistem
adaptiv complex. În cadrul ciberneticii este frecvent utilizată ca metodă de
simulare Dinamica Sistemelor, introdusă de Jay Forrester pornind de la
perceptele de bază ale ciberneticii de ordinul întâi[12].

Modelarea, sau abilitatea de a descrie o situaţie sau o stare cu care se confruntă


un observator uman, reprezintă o activitate intelectuală conştientă sau
inconştientă care precede cvasitotalitatea deciziilor luate, formularea unei opinii
sau comunicarea acesteia. Nu ne temem să afirmăm că modelarea, prezentă în
toate acţiunile şi raţionamentele umane, reprezintă una dintre cele mai sofisticate
forme de activitate intelectuală umană, comparabilă doar cu activitatea de creaţie
artistică, fără de care însăşi viaţa şi comportamentul uman nu ar fi posibile[12].

Modelarea, la o primă aproximare, are drept rezultat elaborarea unui model cu ajutorul
căruia se descrie, se înţelege sau se percepe o situaţie din lumea înconjurătoare care nu
este altfel accesibilă observatorului uma. Wilson(1990) spune că: „Un model este o
interpretare explicită a unei situaţii sau chiar a unei idei despre această situaţie.
16
El poate fi exprimat matematic, simbolic sau în cuvinte. Dar este în esenţă o
descriere a entităţilor (elemente, subsisteme), proceselor sau atributelor şi a
relaţiilor dintre ele. El poate fi prescriptiv sau ilustrativ, dar înainte de toate
trebuie să fie util”[12].

Atât procesul de modelare cât şi modelul pot fi reprezentate în mod abstract


utilizând conceptele teoriei sistemelor. Astfel, fie S un sistem definit ca o
mulţime de subsisteme (elemente, agenţi) Si , i  N şi de relaţii R = rij ,i, j  N . În
mulţimea S sunt incluse, de regulă, atât sistemul modelat cât şi mediul său înconjurător
(sisteme deschise) În caz contrar vorbim despre sisteme închise. Sistemele reale,
indiferent de natura lor, sunt percepute şi descrise de către oameni, pe care îi vom
denumi observatori, H aceştia având un anumit nivel de cunoaştwere relativ la
sistemele respective. Mulţimea acestor descrieri cunoscută de către observatori se
numeşte universul reprezentărilor posibile şi o vom nota cu U. Pentru a putea
comunica aceste reprezentări observatorii cunosc şi utilizează anumite instrumente
(matematice, grafice, figurative, limbaje etc.) ce vor reprezenta tehnicile de modelare,
T. În afara observatorilor, în procesul de modelare pot interveni şi destinatarii
(beneficiarii) modelelor, D care pot fi decidenţi, diferiţi utilizatori sau chiar oameni
obişnuiţi[12]. Atunci, modelul M al unui sistem S poate fi definit ca fiind cvintuplul:

M = {S, H ,U ,T , D}.

Procesul de modelare are drept scop şi rezultat final obţinerea unui model M al
unui sistem dat, S. Acest lucru nu înseamnă însă cunoaşterea tuturor elementelor
încorporate în definiţia modelului M, lucru de altfel imposibil datorită atât
volumului foarte mare de informaţie cuprinsă în unele dintre aceste mulţimi, dar
mai ales datorită evoluţiei permanente a cunoaşterii care este încorporată
mulţimilor respective. De aceea, procesul de modelare presupune extragerea
informaţiei relevante din mulţimile respective şi obţinerea unei reprezentări a
sistemului sub forma unui model care satisface într-un anumit grad cerinţele
exprimate de destinatarii (beneficiarii) modelelor. Extragerea informaţiei se face
printr-o tehnică de modelare aleasă din mulţimea de tehnici cunoscute, T.
Modelul astfel obţinut trebuie să satisfacă nu numaiu exigenţele observatorului
H, dar şi pe ale destinatarului (beneficiarului) său D, care are anumite informaţii
iniţiakle de spre S, notate IS. Evident că IM diferă de IS, procesul de modelare
putând fi interpretat şi ca încercarea de a minimiza diferenţa dintre informaţiile
deţinute de observator şi informaţiile deţinute de destinatar[12].

Procesul de modelare poate fi atunci reprezentat ca în figura urmatoare[12]:


17
IS
Sistem modelat

IM

Observator
M

IS’
Destinatar

Altfel spus, modelul reprezintă o relaţie între observator şi destinatar prin care
primul comunică celuilalt reprezentarea sa despre un sistem real. Destinatarul
poate folosi reprezentarea astfel obţinută pentru a exercita o anumită influenţă
asupra sistemului real. Desigur că o astfel de definire a modelului este foarte
generală. Pentru operaţionalizarea acesteia, putem introduce următoarea
definiţie[12]:
M este un model al lui S dacă şi numai dacă:
i) M şi S sunt amândouă sisteme;
ii) Pentru orice element (subsistem) Si  S, exista cel mult un element
(submodel) M i  M;
iii) Pentru orice relaţie rij  R dintre elemntele lui S există cel mult o
relaţie corespunzătoare mij  M între elementele (subsistemele) componente; şi
iv) Pentru orice mulţime de elemente (submodele) legate printr-o relaţie
mij în M este adevărat că există o mulţime corespunzătoare de elemente
(subsisteme) din S, legată printr-o relaţie corespunzătoare rij.
Condiţia i) asigură ca atât sistemul cât şi modelul acestuia au elemente,
conexiuni între acestea , precum şi scopuri. Condiţia ii) arată că M are cel mult
acelaşi număr de elemente ca şi S. Condiţia iii) asigură că modelul M este mai
simplu decât sistemul S în ceea ce priveşte relaţiile dintre elemente. În sfârşit,

18
Model

M M24

Sistem modelat

S S

S3
S

condiţia iv) asigură ca modelul M să fie util, în sensul că orice se spune despre
model este adevărat şi pentru sistemul modelat[12]. În figura urmatoare se
reprezintă schematic această definiţie operaţională[12].

În cibernetică, informaţia reprezintă nucleul oricărui model operaţional, modelul


încercând să aducă un plus de informaţie utilizatorului în ceea ce priveşte
cunoaşterea sistemului modelat[12].
Pentru a putea fi utilizat de destinatar, modelul trebuie să îndeplinească o serie de
proprietăţi generale, dintre care cele mai importante sunt următoarele[12]:
a) Non-simetria: dacă A modelează B atunci B poate să nu modeleze A;
b) Reflexivitatea : orice sistem este un model al lui însuşi;
c) Tranzitivitatea: dacă A este un model al lui B şi B este un model al lui
C atunci A este un model al lui C;
d) Non-transferabilitatea: două modele ale aceluiaşi sistem nu sunt în
19
mod necesar echivalente. Altfel spus, putem reprezenta un sistem în mai multe
moduri, asociindu-le modele care nu au relaţii între ele;
e) Reducerea complexităţii: dacă A modelează B atunci A este cel mult
la fel de complicat ca B. Se spune, în acest caz, că A este mai simplu decât B;
f) Non-partiţionarea: un model al unui subsistem nu este în mod necesar
model al întregului sistem;
g) Irelevanţa: un model al întregului sistem este irelevant pentru un
subsistem al sistemului respectiv.
Proprietăţile de mai sus ale modelelor cibernetice determină, în principal, limitele
utilizării modelelor în diferite situaţii întâlnite în realitate. Totuşi nu putem verifica
îndeplinirea acestor proprietăţi pentru fiecare model elaborat şi/sau utilizat. Ele
sunt însă încorporate unor criterii cu ajutorul cărora putem să apreciem valoarea
modelelor utilizate în raport su scopurile urmărite. S-au propus mai multe astfel de
criterii, dintre care cele mai importante sunt următoarele: consistenţa,
completitudinea şi validitatea modelului[12].

Consistenţa modelului se referă la imposibilitatea celui care utilizează modelul de


a face confuzii. Un model nu trebuie să conţină ambiguităţi intenţionate. Astfel,
simbolurile utilizate (matematice, grafice etc.) trebuie să fie unic definite. Criteriul
consistenţei este evaluat printr-un şir de întrebări cum ar fi: este fiecare element
(parametru, variabilă) din model bine definit? Dacă nu, pot fi eliminate aceste
elemente fără a afecta modelul? Este construit modelul pe baza unor reguli precise
şi unic determinate?
Completitudinea modelului se referă la faptul că nici un aspect important al
modelului nu trebuie evitat sau neglijat. Deoarece modelele simplifică realitatea,
completitudinea este relativă chiar şi în cazul unor modele „complete” care pot fi
dificil de înţeles şi utilizat. De aceea, în unele situaţii,modele incomplete pot fi mai
utile decât cele complete. Completitudinea poate fi evaluată utilizând întrebări cum
ar fi: este fiecare element relevant din sistem reprezentat printr-un element din
model? Dacă nu, sunt elementele absente într- adevăr relevante? Care este
relevanţa modelului fără aceste elemente? Etc.
Validitatea modelului reprezintă criteriul cel mai important de apreciere a valorii
unui model. Un model care nu este valid poate genera implicaţii şi concluzii
incorecte privind sistemul modelat. Inferenţele logice privind performanţele

20
sistemului, bazate pe modele invalide, vor fi ele însele neadevărate. Validitatea
modelelor se poate determina prin întrebări de forma: rezultatele obţinute prin
utilizarea modelului corespund rezultatelor observate în sistemul real? Dacă nu,
abaterile observate sunt de natură să conducă la invalidarea modelului? Dacă da, ce
schimbări sunt necesare în model pentru a elimina aceste diferenţe?
Pentru a asigura îndeplinirea acestor criterii privind valoarea modelelor, procesul
de modelare cibernetică se desfăşoară în mai multe etape, aşa cum se reprezintă
în figura urmatoare:

TEORIE

OBSERVAREA ANALIZA ANALIZA

SISTEMULUI INFORMAŢIEI SISTEMULUI

MEDIUL ELABORAREA
EXTERN
MODELULUI
SISTEM VALIDAREA

MODELAT MODELULUI

Principalele etape ale procesului de modelare sunt deci următoarele[12]:

1)Observarea sistemului este, de regulă, etapa iniţială a procesului de modelare.


În cadrul acestei etape, pornind de la o teorie sau metodologie elaborată anterior,
se culeg date şi informaţii despre sistemul care urmează a fi modelat şi/sau mediul
său înconjurător.

2)Analiza şi interpretarea informaţiei urmează imediat după etape de observare.


Informaţiile culese pot fi, de multe ori, foarte diverse sau într-un volum extrem de
mare. Aceste informaţii sunt clasificate, ordonate, separate de informaţiile
irelevante sau redundante, rămânând în final doar informaţia relevantă, care va fi
utilizată efectiv în elaborarea modelului. De regulă, această etaspă utilizează
diferite metode statistice, econometrice sau de data mining care cresc eficienţa şi
precizia informaţiilor astfel obţinute.
21
3)Analiza sistemului are drept obiectiv principal obţinerea de informaţii relevante
despre sistem prin studiul proprietăţuilor acestuia care pot fi evidenţiate fără
utilizarea unui anumit model. Analiza de sistem se face pe baza unor percepte
teoretice şi practice riguroase şi a unor metodologii de analiză de sistem. Se
stasbilesc în cadrul acestei etape principalele subsisteme ale sistemului analizat,
variabilele şi parametrii care definesc sistemul respectiv, interdependenţele dintre
acestea, factorii care determină schimbări de comportament în sistem şi modul în
care mediul înconjurător influenţează sistemul modelat. Metodele de analiză de
sistem utilizate în cibernetică sunt foarte diverse şi multe dintre ele se efectuează
cu ajutorul calculatoarelor şi a unor softuer-uri foarte dezvoltate.

4)Elaborarea propriu-zisă a modelului reprezintă etapa centrală a întregului


proces de modelare. Ea are drept principal obiectiv obţinerea unui model al
sistemului într-o formă anterior stabilită (matematică, grafică, etc,). În cadrul
acestei etaspe sunt stabilite principalele relaţii dintre variabilele şi parametrii
sistemului, sunt structurate principalele blocuri ale modelului şi conexiunile dintre
acestea. În cadrul modelului elaborat se specifică datele şi informaţiile necesare
pentru ca el să poată fi rezolvat utilizând o anumită metodă de rezolvare.

5)Validarea modelului reprezintă etapa finală a procesului de modelare în cadrul


căreia modelul obţinut este testat iar soluţia acestuia este comparată cu
proprietăţile sistemului modelat. Validarea modelului poate conduce la anumite
modificări ale acestuia, astfel încât să răspundă mai bine obiectivelor urmărite.
Uneori validarea poate conduce la concluzia că întregul procers de modelare
trebuie reluat, astfel încât să se îmbunătăţească în mod semnificativ performanţele
modelului elaborat. Există, de asemenea, diferite metode de validare care depind
de tipul de model elaborat, de dimensiunile acestuia sau de precizia datelor şi
informaţiilor dorite.

De regulă, modelare sistemelor cibernetice se clasifică în raport cu mai multe


criterii, cum ar fi tehnica de modelare utilizată sau domeniul de aplicare al
modelului realizat.
În ceea ce priveşte tehnica de modelare utilizată, se pot distinge patru categorii
principale de tehnici de modelare cibernetică:
1) Modelarea bazată pe ecuaţii;

22
2) Modelarea bazată pe agenţi;
3) Modelarea inspirată de natură; şi
4) Simularea sistemelor cibernetice.
Fiecare dintre aceste procese de modelare utilizează o tehnică specifică pentru a
surprinde caraceristicile esenţiale ale sistemelor modelate, produsul lor fiind un
model cibernetic ce este apoi utilizat în procesele informaţionale şi/sau decizionale
din sistemele respective. Modelele obţinute sunt denumite, uneori, în funcţie de
tehnica de modelare utilizată cu precădere în obţinerea lor, modele bazate pe
ecuaţii (modele matematice), modele bazate pe agenţi, modele inspirate de natură
sau modele de simulare. În continuarea acestui capitol vom prezenta doar modelele
bazate pe ecuaţii şi modelele bazate pe agenţi şi vom introduce unele elemente de
simulare a sistemelor cibernetice, modelle inspirate de natură fiind abordate mai
târziu[12].

Încă de la apariţia ei ca ştiinţă, cibernetica a promovat ca metodă de bază în


studierea diferitelor tipuri de sisteme abordate metoda modelării matematice.
Modelarea matematică este utilizată nu numai în cibernetică dar şi în multe alte
discipline ştiinţifice cum ar fi fizica, astronomia, mecanica, biologia, genetica etc.
În esenţă, modelarea matematică înseamnă asocierea unui sistem sau unei
proprietăti esenţiale a acestuia cu un model matematic, adică un obiect formal scris
într-un anumit limbaj propriu unei anumite teorii matematice. De exemplu, în
mecanică sunt utilizate cu precădere meodelele dinamice continue datorită faptului
că ele reuşesc să surprindă proprietatea esenţială a sistemelor mecanice de a se
deplasa în timp. Sistemele fizice sunt descrise de o largă varietate de modele
matematice, discrete sau continue, deterministe sau probabiliste, clasice sau
cuantice, după cum vrem să evidenţiem unele sau altele dintre proprietăţile acestor
sisteme. Sistemele planetare pot fi modelate utilizând modele diferenţiale sau cu
derivate parţiale, ale căror soluţii descriu evoluţia corpurilor cereşti într-o anumită
perioadă de timp aleasă arbitrar. Importantă pentru aceste modele nu este numai
traiectoria de rotaţie şi cea de revoluţie descrise de corpurile respective dar şi
stabilitatea acesteia (de exemplu problema celor trei corpuri rezolvată de H.
Poincaré)[12].
De exemplu [12], modelele dinamice continue pot fi date de urmatoarea definitie:
Să definim, mai întâi, modelul dinamic diferenţial al unui sistem cibernetic, după

23
care să dăm o modalitate de reprezentare a schemei de reprezentare a unui astfel de
sistem.
Definiţie.[12] Modelul dinamic liniar al unui sistem cibernetic este sistemul

S  T , X ,U , ,Y , ,, ale cărui elemente îndeplinesc condiţiile:

[1] T  Z (model dinamic discret) sau T  R (model dinamic continuu);


Mulţimile X ,U ,,Y ,  sunt spaţii liniare;

[2] Funcţia de transfer a stării  : T  T  X    X dată de: x(t)  [t;t0 , x(t0), ] este
este liniara pe multimea Xx  (deci  [t;t0 , x(t0),  ]=  [t;t0,x,0]+  [t;t0,0,  ] ).

[4] Functia de iesire  :TxX Y data de relatia y(t)=  [t;x(t)] este liniara pe multimea
X, deci

avem y(t)=c(t)x(t).

Pentru a concretiza aceasta definitie, vom considera ca pe spatiul liniar X este definita o
baza si ca dim(X)=m. De asemenea, spatiul functiilor de intrare admisibile  are
dimensiunea
p  m.
Starea sistemului cibernetic la un moment dat de timp se va defini ca un
vector x  X . Atunci diferenţiala acestui vector, dx / dt va fi tot un vector care poate
fi descompus după coordonatele bazei în m componente: dx1 / dt, dx2 / dt,..., dxm / dt.

Coform conditiei [3] din definitia de mai sus, ecuatia:

dx/dt=f[t;x,u(t)] este liniara pe multimea Xx  , deci ea poate fi scrisa ca o combinatie


liniara de vectorii x si u. În consecinta, vectorul introdus dx/dt poate fi scris:

 dx1
 dt  a11 x1  ....  a1m xm  b11u1  ...  b1 p u p

 dx2  a x  ....  a x  b u  ...  b u
21 1 2m m 21 1 2p p
 dt
............................

 dxm  a x  ....  a x  b u  ...  b u
 dt m1 1 mm m m1 1 mp p

unde a si b sunt coordonatele vectorilor x si p.

Vom introduce matricele:


 x1 (t )  u1 (t )  a11a12 ................a1m 
 x (t )  u ( t )  a a ...............a 
x(t)=  2  , u(t)=  2  , A=  21 22 2m 
,
.....  .....  ........................... 
     
 xm (t ) u p (t )  am1am 2 ..............amm 

24
b11b12 ................b1 p 
 
 b21b22 ...............b2 p 
B=
........................... 
 
bm1bm 2 ..............bmp 

Se observa ca vectorul de stare x(t) are dimensiunea mx1, vectorul de


comanda u(t) are dimensiunea px1, matricea de stare A(t) are dimensiunea mxm, iar
matricea de comada B(t) are dimensiunea mxp. Putem atunci scrie:

dx/dt=x(t)=A(t)x(t)+B(t)u(t)

Considerând acum spatiul liniar al marimilor de iesire Z având


dimensiunea n, si pornind de la proprietatea [4] din definitia de mai sus, relatia
y(t)=c(t)x(t), poate fi reprezentata sub forma unei combinatii liniare de vectori x si
coordonatele vactorilor y:
 y1 (t )  c11x1  c12 x2  ...  c1m xm
 y (t )  c x  c x  ...  c x
 2 21 1 22 2 2m m

.................................................
 yn (t )  cn1 x1  cn 2 x2  ...  cnm xm

Scriind matricial:
 y1 (t )  c11c12 ................c1m 
 y (t )  c c ...............c 
y(t)=  2  , C(t)=  21 22 2m 
, obtinem: y(t)=C(t)x(t).
.....  ........................... 
   
 y n (t )  cn1cn 2 ..............cnm 
Putem da acum urmatoarea definitie:
Definitie.[12] Sistemul cibernetic este descris de urmatorul model dinamic
liniar (finit si cu timp continuu):
 dx
  A(t ) x(t )  B(t )u (t )
 dt
 y (t )  C (t ) x(t )
Prima ecuatie a modelului se numeste ecuatia de dinamica a (starii)
sistemului, iar a doua, ecuatia de iesire.
În unele cazuri, modelul dinamic liniar poate fi si sub forma:
S=(A(t),B(t),C(t)), respectiv S=(A,B,C) [12].
Modelele cibernetice se pot reprezenta cu ajutorul schemelor sctructurale
astfel:
Schema structurală a unui model cibernetic este reprezentarea grafică a
intercaţiunii dintre elementele şi-sau subsistemele alcătuind sistemul cibernetic
respectiv[12].

25
Se pot utiliza, pentru aceasta, o serie de simboluri grafice simple cum sunt cele din
figura urmatoare:

+
+ +
_
a

S
A

b) c)

a)

În figura a) se reprezintă simbolul integrator, asociat operaţiei de


integrare a intrării. Deci, dacă la intrare avem variablia x(t) , la ieşire vom avea
a)

mărimea  x(t)dt. Se observă că avem integratorul unidimensional, cu o intrare şi


cu o ieşire şi integratorul multidimensional, având mai multe intrări şi mai multe
ieşiri.
În figura b) se reprezintă sumatorul corespunzător operaţiei de însumare a
elementelor (variabilelor) de intrare. Avem, de asemenea, un sumator de elemente
scalare (unidimensionale) şi un sumator de elemente vectoriale.
În sfârşit, în figura c) este reprezentat multiplicatorul, adică simbolul
corespunzător transformării liniare a vectorului de intrare în vector de ieşire.
Avem, de asemenea, două simboluri diferite pentru cazul undimensional şi,
respectiv, pentru cazul multidimensional.
Utilizând aceste simboluri, se pot elabora schemele cibernetice structurale ale
modelelor dinamice lniare în cazul unidimensional sau multidimensional. Alegerea
unui sau altuia dintre aceste cazuri depinde de complexitatea sistemului cibernetic
al cărui model dorim să îl reprezentăm. Astfel, în cazul modelului dinamic liniar,
scris matricial, avem următoarea schemă centrală:
26
Pentru a detalia această schemă structurală, se observă mai întâi că blocul matricial C(t)
transformă starea x(t) în iesirea y(t). Considerând forma analitică a ecuaţiei matriciale de ieşire:
y(t)=C(t)x(t), se poate construi schema structurală din figura urmatoare[12]:

c11 c12 c1m


c21 c22 c2m


cn1 cn2 cnm


Clasificare

Principalele criterii pe baza cărora se realizează gruparea modelelor economico –


matematice[3]:

1. În funcţie de sfera de reflectare a problematicii economice:


a. modele macroeconomice - modele de ansamblu ale economiei,
b. modele mezoeconomice - la nivel regional, teritorial,
c. modele microeconomice - la nivel de întreprindere, unităţi, trust,
combinat. Companie, etc.
27
2. În funcţie de domeniul de provenienţă şi concepţie (între diferitele grupe de
modele există asemănări şi întrepătrunderi):
a. modele cibernetico-economice (relaţii l/O-input output, cu
evidenţierea fenomenelor de reglare),
b. modele econometrice (elementele numerice sunt determinate statistiic)
folosesc metode de explicitare a unei tendinţe (trend) sau metode de
identificare a unei periodicităţi (sezonalitate),
c. modele ale cercetării operaţionale - permit obţinerea unei soluţii
optime sau apropiate de optim pentru fenomenul studiat,
d. modele din teoria deciziei (cu luarea în considerare a mai multor
criterii, factori de risc sau incertitudine),
e. modele de simulare - încearcă să stabilească modul de funcţionare al
unui organism macro sau microeconomic prin acordarea unor
combinaţii de valori întâmplîtăare variabilelor independente care
descriu procesele,
f. modele specifice de marketing
3. În funcţie de caracterul variabilelor:
a. modele deterministe (mărimi cunoscute),
b. modele stochastice/probabilistice (intervin mărimi a căror valoare este
însoţită de o probabilitate/variabile aleatorii).
4. În funcţie de factorul timp:
a. modele statice,
b. modele dinamice.
5. În funcţie de modul de reprezentare a realităţii:
a. modele imitative
b. modele analogice
c. modele simbolice
6. În funcţie de tipul relaţiilor folosite
a. modele deterministe
b. modele probabiliste
c. modele vagi (fuzzy)
7. În funcţie de gradul de abstractizare
a. modele iconice (ex foto)
b. modele analogice (diagramele)
c. modelele cantitative (matematice)
8. În funcţie de orizontul de timp considerat:
a. modele discrete - secvenţiale,
b. modele continue.
9. în funcţie de structura proceselor reflectate:
a. modele cu profil tehnologic,
b. modele informaţional-decizionale,
c. modele ale relaţiilor umane,
d. modele informatice.
In cadrul fiecarei grupe, modelele sunt:

a. descriptive - realizează o cunoaştere directă a întreprinderii şi reprezintă,


de regulă, o simplificare a realităţii,
b. normative - permit obţinerea unui comportament viitor, dorit de către
factorii de decizie (conduc la creşterea performanţelor activităţilor).
c. prescriptive – obligatorii de urmat
28
Metodele folosite pentru soluţionarea unor probleme economice formulate matematic
constau dintr-o succesiune coerentă de operaţii logice şi aritmetice şi sunt cunoscute
sub denumirea de algoritmi. Soluţia modelului obţinută cu ajutorul unui algoritm este
analizată, iar în final, dacă aceasta este convenabilă-din pundt de vedere tehnico-
economic, cu ajutorul ei se fundamentează decizia economică[3].

Algoritmii pot fi: exacţi (riguroşi), aproximativi şi euristici, asemenea metodelor de


modelare şi prelucrare prezentate[3].

Un algoritm trebuie să satisfacă următoarele condiţii[3]:


1. universalitate (se referă la posibilitatea ca algoritmul să asigure prelucrarea
unui număr extrem de mare de date de intrare);
2. finitudine (se referă la timpul de obţinere a rezultatelor care trebuie să fie cel
mult de ordinul orelor, precum şi la memoria necesarăi;
3. determinism (cu excepţia algoritmilor vagi).
O alta clasificare a modelellor o gasim in lucraera [4],

Clasificarea modelelor poate reflecta fie ramura de ştiinţă în care acestea acţionează şi
avem

 modele economice,
 modele sociologice,
 modele biologice,
 modele organizaţionale etc,
 fie instrumentul utilizat in descrierea acestuia, respective:
model grafic,
 model matematic,
 model fizic,
 model de referinţă etc.
Alta clasificare a modelelor o gasim si in lucrarea [5]:

Modelele se pot clasifica în următoarele categorii: matematice, fizice şi procesuale.

Modelele matematice sunt acele modele care sunt descrise de simboluri matematice şi
relaţii, care sunt construite utilizând algoritmi sau proceduri şi ecuaţii matematice[5].
În general, un model destinat pentru studii de simulare este un model matematic
dezvoltat cu ajutorul software-ului. Astfel, putem aminti despre modele matematice de
tip deterministic (unde variabilele de intrare şi cele de ieşire sunt valori fixe),
stocastice (unde cel puţin una dintre valorile de intrare sau cele de ieşire este
probabilistică), statice (unde timpul nu este luat în considerare) şi dinamice (unde
timpul este luat în considerare şi interacţionează cu celelalte variabile)[5].
Modelele fizice sunt acele modele care sunt descrise de structuri fizice şi relaţii care
în mod curent sunt construite cu o înaltă fidelitate (detaliate)[5].
Modelele procesuale sunt acele modele care sunt reprezentate în simulare prin relaţii dinamice
de tip matematic şi de tip logic[5].

Modelul conceptual reprezintă o abstractizare a lumii reale, care serveşte ca un cadru de


referinţă pentru dezvoltarea federaţiilor prin documentarea în vederea simulării entităţilor
29
importante, a acţiunilor cheie şi a interacţiunii acestora. Modelul conceptual al federaţiei
trebuie să descrie ce federaţie va reprezenta, limitarea ipotezelor acestor reprezentări, precum şi
alte capacităţi necesare pentru a satisface cerinţele utilizatorului. O altă abordare descrie
modelul conceptual ca o implementare a simulării reprezentată independent de arhitectura
exerciţiului şi a obiectivelor de instruire, cerinţe şi mediu. Modelul include logică şi algoritmi şi
recunoaşte în mod explicit asumări şi limitări[5].

Alte clasificari ale modelelor, le gasim si in lucrarea [4]:

 Tipuri de modelele matematice:

• modele liniare şi modele neliniare;


• modele deterministe şi probabiliste;
• modele discrete şi continue;
• modele algoritmice;
• modele inteligente;
• modele staţionare şi dinamice;
• modele axiomatice.

 Modelele liniare operează cu relaţii matematice la care variabilele au


exponenţii egali cu unitatea.
 Modelele neliniare operează cu relaţii matematice în care intervin
variabilele cu exponenţi supraunitari.
 Modelele deterministe şi probabiliste se construiesc atât pentru procese certe
cât şi pentru procese cu un înalt grad de incertitudine în desfăşurarea
evenimentelor.
 Modelele deterministe se pot deduce din cele probabilistice când
probabilitatea de desfăşurare a evenimentelor din cadrul sistemului
analizat sunt egale cu unitatea.
 Modelarea discretă sau continuă se aplică la finalizarea matematică a
problemelor în care fenomenele au o distribuţie discretă sau o distribuţie
continuă.
 Modelele statice cuprind evenimente descrise de variabile care nu depind
de timp.
 Un model axiomatizat (sistem axiomatic) cuprinde:
- axiomele sistemului, reprezentând propoziţii exprimate în formă
matematică,;
- reguli de inferenţă, reprezentând prescripţii riguroase, singurele admise în
sistem, prin care se trece de la axiome la teoreme, sau de la teoreme deja
demonstrate, la altele noi;
- teoreme, adică propoziţii mai mult sau mai puţin particulare, exprimate
matematic, deduse prin reguli de inferenţă din aproape în aproape din
axiome şi care exprimă proprietăţi ale fenomenului modelat[4].
Un alt tip de model este cel cibernetic, care se aplica in studiul firmelor (privite ca
sisteme cibernetice) cu ajutorul acestor modele (vezi [7]).

30
Considerarea firmei ca sistem cibernetic este justificată de următoarele observaţii:
-în cadrul acesteia se desfăşoară un număr mare de activităţi, fiecare fiind efectuată de
un grup de oameni, în general specializaţi pentru desfăşurarea eficientă a acesteia,
toate acestea fiind într-un sistem variat de interdependenţe, de regulă, riguros stabilite.
-activitatea, structura, dimensiunea, poziţia pe piaţă etc., sunt permanent în schimbare,
cu ritmuri şi intensităţi diferite
-activitatea firmei se desfăşoară într-un mediu extern foarte complex, greu previzibil,
faţă de care îşi raportează acţiunile, care cuprinde concurenţi, consumatori, acţionari,
parteneri, facilităţi, taxe, legi, condiţii de mediu etc.
-diversificarea gamei sortimentale de bunuri şi servicii oferite de firmă poate fi asigurată
doar prin mărirea numărului de activităţi, compartimente, factori de producţie,
specializări, materii prime, informaţii etc.;

-activitatea normală a firmei necesită cel puţin un sistem de reglare şi control, care
adaptează activitatea şi inputurile firmei în funcţie de outputurile acesteia şi starea
mediului extern;

-firma este un sistem care atinge eficienţe, creează specializări, obţine produse imposibil
de realizat fără conlucrarea dintre subsistemele acesteia, modifică prin activitatea sa
mentalităţile şi relaţiile umane;

-fiecare firmă contribuie la crearea şi evoluţia mediului macroeconomic, a pieţelor şi


relaţiilor economice şi sociale, prin realizarea şi vânzarea de bunuri şi servicii, prin
cumpărarea de forţă de muncă, materii prime şi capital, prin utilizarea de servicii oferite
de stat (educaţie, sănătate, apărare etc.) în schimbul plăţii taxelor şi impozitelor etc.;

-gradul de organizare al firmei creşte, în general, odată cu trecerea timpului şi cu


creşterea volumului de informaţii deţinute de aceasta([7]).

Activitatea generală a sistemului firmei constă în obţinerea, concentrarea, organizarea şi


combinarea de resurse pentru a produce bunuri şi servicii destinate vânzării. Aceste
resurse nu pot fi deţinute în totalitate de proprietarii firmei, ele trebuind a fi cumpărate
de la deţinătorii acestora.
Existenţa firmelor este efectul constatării, pe baza experienţei societăţii umane, că este
mai avantajos pentru întreprinzători, muncitori şi ceilalţi deţinători de mijloace de
producţie, un contract general pe termen lung decât încheierea de contracte separate, cu
fiecare din aceştia[7].
Practic, firmele cumpăra materii prime, capital, forţă de muncă etc., de la proprietarii
acestora şi le transformă în bunuri şi servicii destinate vânzării iar proprietarii
inputurilor folosesc veniturile obţinute din vânzarea acestora pentru a cumpăra bunuri
şi servicii produse de firme[7].

Are loc astfel un schimb permanent între firmă şi beneficiarii factorilor de producţie
prin intermediul pieţelor, fiecare influenţându-l şi fiind influenţat de dorinţele, deciziile
şi acţiunile celuilalt [7].

Prezentam in continuare o alta clasificare a modelelor, conform cu lucrarea [9]:


31
1. Modele verbal descriptive folosite în toate disciplinele stiinţifice, cu
precadere în cele nematematizate,
2. Modele grafice
3. Modele fizice analogice (de tipul machetelor statice sau dinamice),
4. Modelele matematice liniare şi neliniare
5. Modele cinetice
6. Modelele de simulare
7. Modelele sistemice
8. Modele specifice cercetarii operaţionale
O alta clasificare interesanta a modelelor, din perspectiva inginereasca o gasim in
lucrarea [11], astfel:

Clasificarea modelelor poate fi abordată pe baza mai multor criterii repartizate în


două categorii, functie de ponderea reprezentată: ponderea de model sau cea de
sistem [3.18]. În prima categorie se pot include aspectul de esenŃă (configuratie
geometrică sau comportament), materialitatea (abstract, ideal sau material, fizic),
natura (conceptual, informational, similar, analog) şi structura (sintetic, structurat).
Din a doua categorie se pot ment iona: variatia în timp ca semnal (continuu, discret,
discontinuu), mod de descriere (orientat pe ecuatii, orientat pe blocuri),
predictibilitate (stohastic, determinist), variatia în timp a parametrilor (static,
dinamic), liniaritatea operatorilor (linear, neliniar).
Analizăm în continuare câteva categorii de modele:
 Modele liniare şi neliniare. DistincŃia dintre cele două categorii este dată de principiul
suprapunerii efectelor. Acesta este valabil numai în primul caz şi se referă la relatia dintre
variabilele dependente de timp.
 Modele parametrice şi neparametrice. Prima variantă are în vedere o presupusă descriere
matematică a dinamicii procesului în “ spaŃiul parametrilor”. Coordonatele acestui
spatiu sunt valorile numerice ale parametrilor modelului, consideratii ca ieşiri ale acetuia. A
doua varianta are în vedere modul de definire a sistemului astfel că problema modelării
constă în a găsi transformarea de la spatiului functilor de intrare la spatiul functiilor de
ieşire şi care caracterizează sistemul. În acest caz nu se foloseşte nici o informaŃie despre
natura fizică a sistemului iar modelul se numeşte model neparametric.
 Modele invariante şi variante în timp. Modelele invariante sunt cele construite pe baza unor
parametri constanti.
 Modele continue şi modele discrete în timp
 Modele în domeniul timp şi în domeniul frecventelor
 Modele deterministe şi modele stohastice. Posibilitatea determinării cu exactitate a mărimii de
ieşire pe baza unei mărimi de intrare cunoscute sau un model care nu contine elemente
aleatoare şi care determină în mod cert starea sau e v ol u t i a fenomenului studiat în functie de
variabilele luate in considerare definesc un model determinist. Modelul în care intervin, pe
lângă variabilele măsurabile sau observabile, una sau mai multe variabile aleatoare,
corespunzător efectului posibil al factorilor necontrolati prin variabilele specificate în
model defineşte un model stohastic.
 Modele cu parametri concentraŃi şi modele cu parametri distribuitii. Denumirea de parametri
distributii este opusă celei de parametrii concentrati şi are în vedere modul în care structura
sistemului este luată în considerare. Mecanica teoretică admite studiul unui corp ca fiind redus
la examinarea mişcării unui punct material atunci când nu ne interesează forma corpului şi
dimensiunile acestuia. Masa corpului se consideră concentrată în punctul material.
Adeseori însă, în calculul de mecanic masa unui corp nu se poate considera ca fiind
concentrată fiind necesară admiterea unei distributii a acesteia pe o suprafată sau pe o
lungime. Exemple similare se pot da şi pentru sistemele hidraulice, termice etc.

Domeniului electric îi sunt specifice circuite formate din diverse componente:


rezistoare, bobine, condensatoare, diode, tranzistoare, amplificatoare
32
operationale, baterii, motoare s.a.m.d. Unui circuit fizic format din astfel de
componente i se asociază circuitul electric alcătuit din modele idealizate denumite
elemente de circuit pentru care se consideră un parametru concentrat fiecărei
componente în parte. În alte cazuri este necesară o abordare spatială a modului de
reprezentare a parametrilor unor componente şi în acest caz avem un model cu
parametrii distribuiŃi.
 Modele cu o singură intrare, o singură ieşire şi modele multivariabile. FuncŃie de sistemul
analizat se pot realiza modele o intrare – o singură ieşire (SISO), modele cu mai multe intrări
– o singură ieşire (MISO) sau mai multe intrări – mai multe ieşiri (MIMO).
Un model matematic se poate încadra în mai multe astfel de categorii. Urmează ca
utilizatorul / proiectantul să decidă asupra acelui model care să permită atingerea
scopului urmărit[11].

Procesul de modelare în analiza sistemelor economice[13]

Procedeul de bazǎ folosit de analişti în efortul lor pentru a creşte înţelegerea noastrǎ
despre procesele şi fenomenele care au loc într-un sistem, în scopul creşterii eficienţei
şi a îmbunǎtǎţirii performanţelor sale, îl constituie procesul de modelare. Acest
proces este necesar pentru obţinerea unor modele deosebit de utile, în special când nu
este posibilǎ realizarea unor experimente de laborator, pentru evaluarea sistemului, a
performanţelor sale, precum şi pentru analiza variaţiilor comportamentale care fac
dificilǎ conducerea sa[13].

Abordarea sistemicǎ a proceselor de conducere pentru obţinerea unei eficienţe maxime


în atingerea obiectivelor sistemului, necesitǎ o investigare atentǎ şi minuţioasǎ a
sistemului în scopul reprezentǎrii lui prin modele.
Modelul este o reprezentare izomorfǎ a realitǎţii obiective şi constituie o descriere
simplificatǎ, riguroasǎ şi fundamentatǎ în sensul structurǎrii logice a sistemului,
fenomenului, sau procesului pe care îl reprezintǎ, care faciliteazǎ descoperirea unor
legǎturi şi legitǎţi foarte greu de gǎsit pe alte cǎi.
La baza procesului de modelare se aflǎ existenţa unei analogii între entitatea din realitatea
modelatǎ (sistem, subsistem, fenomen, proces etc.) şi model[13].

Dacǎ luǎm în considerare mulţimea tuturor obiectelor {O}, în care putem defini submulţimea
obiectelor naturale {N}, submulţimea obiectelor fizice realizate de oameni {A} şi mulţimea
obiectelor conceptuale (concepte tehnice, ştiinţifice etc.) {C}, se spune cǎ orice element x O
este analog cu alt element y O dacǎ sunt îndeplinite condiţiile:

a) x şi y au proprietǎţi comune sau chiar identice;


b) existǎ o corespondenţǎ între pǎrţi ale lui x şi pǎrţi ale lui y, sau între proprietǎţi ale
acestor pǎrţi.
Pe baza acestor condiţii se observǎ cǎ relaţia de analogie este adevǎratǎ şi pentru orice
pereche de elemente (x,y), x  A  C şi y  O. Relaţia de analogie este întotdeauna
simetricǎ şi reflexivǎ, iar uneori este şi tranzitivǎ, caz în care stabileşte o relaţie de
echivalenţǎ între elementele unor mulţimi. Cu aceste proprietǎţi analogia stǎ la baza
procesului de modelare. În felul acesta, un obiect x  A  C modeleazǎ un alt obiect y 
O dacǎ x  y (x este analog cu y) şi dacǎ relaţia de analogie este şi tranzitivǎ.
Sistemul ce trebuie modelat reprezinta sistemul de baza sau baza (R) iar sistemul care
33
acţioneaza ca model (rezultatul modelarii) este modelul (M).
Definitie. [13] M este un model pentru R, dacǎ M şi R satisfac proprietǎţile:

1. M şi R sunt (ambele) sisteme;


2. Pentru fiecare element x  R exista cel mult un element y  M;
3. Pentru orice relaţie p între elementele din R exista cel mult o legatura
corespunzatoare q, menţinuta între elementele corespondente din M;
4. Pentru fiecare set de elemente {y1, y2, ..., yn} puse în legǎturǎ printr-o relaţie q în
M, elementele corespondente {x1, x2, ..., xn} din R sunt puse în legǎturǎ de relaţia p
din R, corespunzǎtoare relaţiei q din M.
În figura urmatoare sunt ilustrate grafic aceste proprietǎţi.

Totuşi, puţine modele sunt perfecte, majoritatea conţin erori, sarcina analistului fiind identificarea
şi corectarea erorilor (modelele mai intuitive şi mai simple sunt mai uşor de corectat). Cele mai
importante dintre proprietǎţile modelǎrii, utilizate în analiza sistemelor sunt: nonsimetria,
reflexivitatea, tranzitivitatea, nontransferabilitatea, reducerea complexitǎUii, nonpartitionarea,
şi irelevanta.

1. Nonsimetria: simularea se face într-o singurǎ direcţie, dacǎ A modeleazǎ B, atunci B nu poate
modela A.
2. Reflexivitatea: din definiţia modelului (cele 4 condiţii), rezultǎ cǎ orice sistem este propriul lui
model.
3. Tranzitivitatea: dacǎ A este un model al lui B, iar B este un model al lui C, atunci A este un
model şi al lui C. De exemplu, un desen al unei bǎrci de plastic (machetǎ) este un model al
bǎrcii care se va construi. Prin extensie, putem construi un şir de modele din ce în ce mai
simplificate (reducerea complexitǎţii) ale sistemului real. Prin aceastǎ proprietate, specificaţiile
proiectului fizic modeleazǎ sistemul real. Modelarea fiind reflexivǎ şi tranzitivǎ are asociatǎ o
relaţie de preordine, deci este mai puternicǎ decât analogia.
4. Nontransferabilitatea (neidentitatea) modelelor: douǎ sau mai multe modele ale aceleiaşi
baze nu sunt în mod necesar echivalente sau comparabile. Ele pot sǎ reprezinte diferite aspecte
ale sistemului şi fǎrǎ alte informaţii este dificil de ales între mai multe modele.
5. Reducerea complexitǎţii: este un avantaj pe care îl oferǎ modelarea şi care se realizeazǎ fie,
prin gruparea elementelor similare sau cu aceleaşi proprietǎţi fie, prin eliminarea elementelor
irelevante sau cu proprietǎţi irelevante. Obţinerea unor modele cu complexitate redusǎ este un
deziderat al procesului de modelare în analiza sistemelor economice[13].
6. Non-partiţionarea: este proprietatea care nu permite divizarea unui sistem în subsisteme (pǎrţi)

34
fǎrǎ a ţine seama, pe de o parte, de conexiunile stabilite între ele, iar pe de altǎ parte, de
conexiunile stabilite între ele şi sistemul global. Deoarece un model al unei pǎrţi dintr- un
sistem de bazǎ, nu este în mod necesar un model al întregii baze, în ciuda simplitǎţii sale, nu-l
putem examina şi spera sǎ cunoaştem funcţia întregului sistem.
De exemplu, sǎ presupunem o diagramǎ a activitǎţilor de facturare, reprezentatǎ sub
forma unei diagrame-flux de materiale, în care se modeleazǎ numai partea de început şi
cea de sfârşit a acestui proces (fig. urmatoare). Sunt omise anumite operaţii (transmiterea
prin poştǎ a facturilor etc.) precum şi legǎtura dintre aceste pǎrţi, creându-se astfel
impresia cǎ documentul de intrare este acelaşi cu cel de ieşire. Evident aceastǎ legǎturǎ
este falsǎ şi deci modelul nu este conform cu realitatea, datoritǎ unei partiţionǎri incorecte
a sistemului de facturare[13].

Deoarece s-a creat un sistem unic din pǎrţi nelegate direct şi s-au legat elemente şi
procese ale modelului neconforme cu realitatea (documente care intrǎ cu facturi care
pleacǎ), s-a invalidat întregul sistem.
7. Irelevanţa, aratǎ cǎ orice model al unui sistem real modeleazǎ atât baza sistemului cât şi unele
elemente, procese şi conexiuni irelevante care, împreunǎ cu baza alcǎtuiesc o bazǎ lǎrgitǎ a
sistemului. Deoarece tot ceea ce este adevǎrat în model este adevǎrat şi în baza lǎrgitǎ artificial,
este dificil sǎ se dovedeascǎ falsitatea modelului în acest fel. Analistul are sarcina de a reduce la
minim irelevanţa prin alegerea unei baze reale unice care sǎ conţinǎ un numǎr cât mai redus de
elemente, procese şi conexiuni irelevante/neesenţiale. Deoarece utilizatorii tind sǎ trateze
modelele ca baze reale este important pentru instruirea lor sǎ cunoascǎ sistemele de bazǎ.
Modelele ajutǎ dar nu spun totul despre sistemul modelat. Aceste proprietǎţi stabilesc limitele
de utilitate ale modelelor. Ele pot sǎ conţinǎ imperfecţiuni şi totuşi sǎ aibǎ valoare sau,
dimpotrivǎ, sǎ fie perfecte dar puţin valoroase.
Un model are o structurǎ formatǎ dintr-un set de presupuneri /ipoteze pe baza cǎrora se
pot deduce logic anumite concluzii, folosind eventual unele definiţii. Sǎ considerǎm,
spre exemplu urmǎtorul model cunoscut în teoria economicǎ:

Presupuneri:
 Toate firmele încearcǎ sǎ-şi maximizeze profiturile;
 Curba venitului marginal a oricǎrei firme intersecteazǎ curba costului marginal în
partea superioarǎ;
 Curbele venitului marginal şi costului marginal ale oricǎrei firme sunt constante.

35
Concluzie: Fiecare firmǎ produce acel output care corespunde punctului de
intersectie a celor douǎ curbe.

În acest model sunt incluse în mod implicit definiţiile unor termeni de bazǎ ca: profit,
cost marginal, venit marginal.
Presupunerile trebuie sǎ caracterizeze tipul de realitate (domeniul) pe care se
intenţioneazǎ sǎ se aplice modelul. Ele nu trebuie sǎ fie o reprezentare exactǎ a realitǎţii,
ci doar o abstractizare rezonabilǎ a acesteia, adicǎ sǎ conţinǎ numai acele aspecte ale
realitǎţii considerate relevante. Astfel, prima presupunere este suficient de rezonabilǎ,
deşi nu toate tipurile de firme încearcǎ sǎ-şi maximizeze profitul. Dacǎ presupunerile
sunt suficient de realiste pentru scopul analizei, chiar dacǎ ele nu reprezintǎ exact şi
complet realitatea, se pot trage concluzii care pot fi aplicate cu succes în realitate.
Modelele ipotetice sunt create pentru realizarea unor experimente intelectuale, pentru
izolarea unor variabile importante şi determinarea naturii acestora, sau sunt utilizate
drept criteriu pentru evaluarea stǎrii curente a sistemului. Astfel, modelul economic al
concurenţei perfecte poate fi utilizat ca un standard pentru analiza performanţei unei pieţe
reale.
Deşi presupunerile conţin uneori construcţii ipotetice (abstracţii ale realitǎţii) sau se
referǎ la elemente care nu sunt observabile în mod direct (funcţia de utilitate), ele sunt
extrem de folositoare pentru a ajunge la concluzii care au relevanţǎ în realitate şi pot fi
folosite pentru explicare, predicţie şi control. Deci nu toate presupunerile trebuie în mod
necesar sǎ se refere sau sǎ corespundǎ la elemente observabile. O presupunere într-o
teorie poate sǎ fie în acelaşi timp o concluzie a unei alte teorii de nivel mai înalt. Aceastǎ
structurǎ ierarhicǎ de modele constituie de fapt baza pe care economia, ca disciplinǎ, se
dezvoltǎ în mod sistematic.
Obţinerea concluziilor pe baza presupunerilor dintr-un model se face printr-un proces
deductiv în care aspectele de realism sau adevǎr empiric ale presupunerilor sau
concluziilor sunt irelevante. Prin urmare, testul de consistenţǎ logicǎ, validitatea
deducţiei, nu garanteazǎ adevǎrul empiric al concluziei sau semnificaţia acesteia.
Limbajele folosite în formularea presupunerilor, ca şi în procesul deductiv pentru
obţinerea concluziilor, includ: limbajul natural, limbajul matematic, reprezentǎrile
geometrice şi limbajele de programare pe calculator. Alegerea limbajului depinde de
cerinţele problemei, de facilitǎţile pe care le oferǎ, de complexitatea modelului, precum şi
de experienţa şi uşurinţa analistului în folosirea acestuia. Unele limbaje nu sunt potrivite
pentru analiza interacţiunilor simultane a unui numǎr mare de variabile, însǎ un model
cu un numǎr foarte mare de variabile nu este în mod necesar mai valoros decât unul cu
mai puţine variabile.
Valoarea unui model este datǎ de semnificaţia problemelor la care intenţioneazǎ sǎ
rǎspundǎ (scopul modelului) şi de calitatea rǎspunsurilor pe care le dǎ. Nu se poate
afirma cǎ un model este mai realist sau mai potrivit decât altul, dacǎ nu se specificǎ
întrebǎrile la care poate sǎ rǎspundǎ fiecare. Generalitatea unui model depinde de tipurile
de întrebǎri la care modelul este destinat sǎ rǎspundǎ. Din punct de vedere al modului de
construire a modelelor economico- matematice utilizate în procesele economice din
întreprinderile industriale, existǎ mai multe tipuri de modele şi anume: descriptive,
normative, procedurale şi conceptuale[13].

Modele descriptive[13]

Modelele descriptive au ca principal obiectiv reproducerea unor proprietǎţi ale


36
sistemului modelat şi oferǎ posibilitatea gǎsirii unor soluţii acceptabile, însǎ uneori pot
sǎ aparǎ şi unele probleme (dezavantaje) cum ar fi:
 timpul necesar elaborǎrii unor astfel de modele poate sǎ fie prea mare şi din acest
motiv decizia luatǎ pe baza lor poate sǎ devinǎ tardivǎ;
 avantajul adus de obţinerea unei soluţii mai bune prin implementarea unui model
descriptiv poate sǎ nu justifice costul elaborǎrii lui.
Modelele descriptive nu conţin variabile de control, însǎ ele stau la baza construirii
modelelor normative. În procesul de elaborare a acestor modele, trebuie descoperite
legǎturile cauzale dintre variabilele controlabile şi cele necontrolabile pe de o parte, şi
dintre acestea şi rezultatele sistemului, pe de altǎ parte. Pe mǎsura creşterii complexitǎţii
structurii sistemului şi a conexiunilor sale, creşte şi gradul de dificultate al procesului de
modelare a sistemului.
Realizarea unor analize şi experimente cu ajutorul unor modele descriptive oferǎ
posibilitatea stabilirii modificǎrilor care afecteazǎ sau îmbunǎtǎţesc performanţele
sistemului.
Din tipologia modelelor descriptive vom menţiona câteva grupe structurale mai des
întâlnite în practica economicǎ.
a) Modelele descriptive ale proceselor tehnologice şi de producţie: acestea descriu
succesiunea secţiilor (instalaţiilor) şi a operaţiilor care alcǎtuiesc procesul
tehnologic al fiecǎrui produs, duratele acestora, necesarul de materii prime şi materiale,
consumurile specifice, coeficienţii de încǎrcare a instalaţiilor de pe fluxul tehnologic, cantitatea
de produse intratǎ şi ieşitǎ din fiecare secţie, cantitatea de produse finite etc. Un exemplu
sugestiv al unui astfel de model este ilustrat în figura urmatoare(Modelul descriptiv al unui
proces tehnologic)[13]:
banda banda
Necesar pentru pentru folii
total: aliajMM LBR: folii: groase:
Turnatorie   LBC  LBR   FOLII   
2296, 22tone
  2140tone 1988,1tone
 1833, 2 tone 1000tone

(1,0730) (1,0763) (1,0845) (1,8322)

Modelul descrie succesiunea secţiilor, input-urile şi output-urile (fel, cantitate) pentru


fiecare secţie şi coeficienţii de încǎrcare a secţiilor care alcǎtuiesc fluxul tehnologic
necesar pentru obţinerea produsului finit "folii groase". Pe baza acestui model se poate
calcula necesarul total de materiale pentru obţinerea unei anumite cantitǎţi planificate de
produs finit, ponderând succesiv cantitatea planificatǎ cu coeficienţii de încǎrcare a
secţiilor de pe fluxul tehnologic.
În acest exemplu, ponderând succesiv cantitatea de 1000 t cu coeficienţii de încǎrcare,
trecuţi în parantezǎ pentru fiecare secţie, se obţine un necesar total de materiale de
2296,22 t.
O categorie similarǎ cu astfel de modele o constituie modelele descriptive gen
arborescenUǎ care, cu ajutorul unui graf, descriu structura tehnologicǎ a
produsului.
Arborescenţa reprezintǎ descompunerea produsului în componentele sale, conform reţetei
de fabricaţie şi cu precizarea normelor de consum, pe atâtea nivele câte sunt necesare
pentru ca ultimul nivel sǎ indice resursele materiale necesare. Pe baza acestor modele
se pot construi baze de date care sǎ conţinǎ toate datele necesare, algoritmii şi
procedurile cu ajutorul cǎrora sǎ se poatǎ calcula necesarul de resurse şi costurile
aferente pe fiecare nivel, subprodus sau pe produs. O altǎ categorie de modele din
aceastǎ grupǎ structuralǎ, cu largi aplicaţii în domeniul productiv, o reprezintǎ modelele
37
descriptive gen listǎ, din care menţionǎm: fişa tehnologicǎ a produsului, care specificǎ
pentru fiecare produs, subansamblu şi reper, cantitǎţile de materii prime şi materiale
necesare, tipul de manoperǎ, operaţiile care trebuie efectuate, duratele lor pe tipuri de
utilaje etc.; reUetele tehnologice, care descriu componentele, cantitǎţile, modul de
combinare a acestora şi operaţiile necesare pentru obţinerea unor produse; graficele
Gantt, care ilustreazǎ sub formǎ graficǎ, succesiunea în timp a unei liste de activitǎţi
condiţionate logic ş.a.[13].
b) Modelele informaţional-decizionale, abordeazǎ aspectele informaţional-decizionale
şi cuprind douǎ categorii de modele: prima categorie include organigrama structurii
organizatorice a unitǎţii, diagramele informaţional-decizionale şi modele de tip aval-
amonte, care au ca scop descrierea reţelei informaţional-decizionale; a doua categorie
include modele ale logicii matematice, modele ale teoriei deciziei, respectiv modelul
general al procesului decizional şi arborele decizional, care descriu structura
procesului decizional.
În aceastǎ categorie pot fi considerate şi modelele de evidenţǎ financiar-contabilǎ, care
reflectǎ rezultatele activitǎţii pe perioada trecutǎ şi constituie baza luǎrii unor decizii
pentru perioada viitoare.

c) O grupǎ structuralǎ distinctǎ de modele descriptive, cu aplicabilitate relativ


restrânsǎ în economia româneascǎ, o reprezintǎ modelele relaţiilor umane din
unitǎţile productive, comerciale, bancare, administrative etc. Activitatea de modelare
a relaţiilor umane întâmpinǎ unele dificultǎţi legate de condiţiile observǎrii,
obiectul observǎrii (persoane, grupuri, relaţii între persoane şi grupuri) şi mǎsurarea
rezultatelor observǎrii. Pentru culegerea datelor se folosesc tehnici de tip interviu şi
chestionar. Relaţiile interpersonale şi de grup pot fi evidenţiate cu teste sociometrice,
modele pentru descrierea comunicǎrii între persoane/grupuri şi cu modele de simulare a
relaţiilor umane.
O categorie importantǎ o reprezintǎ modelele care utilizeazǎ tehnici de investigare
specifice în scopul stabilirii relaţiei dintre motivaţie (interese, trebuinţe, idealuri) şi
comportament. Alte modele descriptive au în vedere selecţia şi promovarea
personalului (teste de inteligenţǎ, de aptitudini, de performanţǎ), stilul de conducere
al managerilor, comportamentul personalului în activitatea economicǎ etc.
d) O grupǎ structuralǎ deosebit de prolificǎ o reprezintǎ modelele informatice
care sunt complexe şi cuprind, în funcţie de domeniul vizat, modele hardware, modele
de tip software de bazǎ, modele de tip sofware de aplicaţii şi modele de organizare a
datelor (fişiere, bǎnci şi baze de date, baze de cunoştinţe), toate având prezentǎ o
componentǎ descriptivǎ. Pentru a facilita elaborarea modelelor descriptive se pot
construi sisteme expert care sǎ includǎ în baza de cunoştinţe toate modelele existente pe
domenii de activitate şi cu ajutorul unor tehnici specifice sǎ-şi îmbogǎţeascǎ aceastǎ
bazǎ prin achiziţionarea de noi cunoştinţe, în scopul selectǎrii pe baza proprietǎţilor de
analogie, a celui mai potrivit model pentru situaţia consideratǎ.

Modele normative[13]
Aceste modele au o tipologie diversǎ şi sunt utilizate într-o varietate de forme în diferite
domenii de activitate. În timp ce modelele descriptive au ca obiectiv reproducerea unor
proprietǎţi ale sistemului modelat, modelele normative urmeazǎ sǎ fie utilizate pentru a
pune în aplicare reguli cât mai eficiente de decizie care sǎ conducǎ la creşterea
performanţelor sistemului analizat. Practic, modelarea descriptivǎ se întrepǎtrunde cu
38
modelarea normativǎ şi pentru majoritatea modelelor economico-matematice dominǎ
trǎsǎturile descriptive (ceea ce existǎ) sau cele normative (ceea ce dorim sǎ fie) şi în mod
corespunzǎtor, modelele pot sǎ fie în principal descriptive, respectiv, normative. Modelul
normativ este o rafinare a modelului descriptiv, acestuia fiindu-i asociat un set de
variabile şi reguli precise, exprimate de obicei prin relaţii matematice.
Modelarea normativǎ se foloseşte atunci când existǎ modele descriptive pentru problema
cunoscutǎ sau dacǎ problema este bine definitǎ şi structuratǎ pentru a permite exprimarea
setului de reguli prin relaţii matematice. Modelele normative au avantajul obţinerii unor
soluţii optime sau acceptabile mult mai rapid şi mai puţin costisitor decât în cazul
utilizǎrii experimentului pentru problemele complexe. De exemplu, dacǎ ne referim la
un proces decizional şi notǎm cu:
V = { V1, V2, ..., Vm} mulţimea variantelor;

N = { N1, N2, ..., Nr} mulţimea stǎrilor naturii;


C = { C1, C2, ..., Cn} mulţimea
criteriilor;

si X={xijl}, i=1,2,...,m; j=1,2,...,n;l=1,2,...,r,


atunci aceşti vectori reprezintǎ un model descriptiv al procesului decizional.

Dacǎ asociem acestor vectori o regulǎ precisǎ, ca de exemplu regula Laplace (pentru
stǎri ale naturii echiprobabile) de maximizare a utilitǎţilor sintezǎ,
1r
max{  U i l }, unde utilitile sinteza sunt date de relatia:
r l 1 i
n
U i   k j uij , iar, kj reprezinta coeficientul de importanta al criteriului Cj, atunci acest
l l

j 1
model devine un model normativ pentru determinarea variantei optime în cazul unui
proces decizional[13].

Modele procedurale
Existenţa unei anumite crize în rezolvarea problemelor pe baza modelǎrii matematice a
fost semnalatǎ de unii specialişti prezenţi la cel de-al IV-lea Congres European de
Cercetare Operaţionalǎ (Anglia, 1980). Unele metode de optimizare bazate pe modelele
normative devin rigide în încercarea de a gǎsi soluţia optimǎ, se îndepǎrteazǎ de
realitatea economicǎ şi nu rǎspund cerinţelor practice, obligând analistul sǎ acorde mai
multǎ atenţie şi timp procesului de modelare. Astfel, o cauzǎ majorǎ a manifestǎrii
acestei crize o reprezintǎ dificultǎţile de a identifica toate tipurile de legǎturi esenţiale
între elementele sistemului, de a evidenţia relaţiile cauzale care descriu comportarea în
timp a variabilelor şi a sistemului, precum şi de a descrie cu precizie complexitatea
acestora prin relaţii matematice. Neconsiderarea unor relaţii importante între elementele
sistemului (inclusiv a celor de decizie) ca şi gradul redus de aproximare cu care sunt
descrise unele conexiuni (prin ipoteze simplificatoare) în cadrul modelelor, au condus la
obţinerea unor rezultate necorespunzǎtoare şi la limitarea aplicabilitǎţii acestora în

39
rezolvarea unor probleme practice complexe. Existǎ situaţii în care modele
perfecte/complete ale sistemului nu se pot aplica în practicǎ datoritǎ dimensiunilor şi a
complexitǎţii prea mari, care fac ca soluţia sǎ nu poatǎ fi obţinutǎ în timp util sau care nu
pot fi rezolvate cu tehnicile disponibile.
Aceste dificultǎţi au condus la reprezentarea conexiunilor sub forma unor proceduri,
care din punct de vedere matematic reprezintǎ o serie de operaţii elementare a cǎror
succesiune de execuţie poate fi stabilitǎ prin algoritmi care se pot converti uşor în
programe pe calculator. În felul acesta unele inconvenienţe pot fi evitate cu ajutorul
modelǎrii procedurale[13].
Pentru cunoaşterea şi folosirea legilor care guverneazǎ fenomenele sistemului studiat
sunt necesare o serie de acţiuni care pot fi sintetizate astfel:
 stabilirea unor legi descriptiv-calitative pe baza observǎrii fenomenelor sub aspect
cauzal, descriptiv-calitativ;
 determinarea legilor cantitative care guverneazǎ sistemul pe baza observǎrii
fenomenelor sub aspect cantitativ, a analizei datelor colectate şi în conformitate cu
unele mǎsurǎtori efectuate;
 adoptarea unor decizii în scopul satisfacerii nevoilor umane şi urmǎrirea efectelor
(implicaţiilor) acestora în vederea perfecţionǎrii deciziilor viitoare.
Aceste aspecte pot fi sintetizate şi folosite în construirea unor modele economico-
matematice care sunt dependente de informaţiile obţinute (date, coeficienţi sau
parametri care intervin în restricţii, sau funcţiile care devin o legitate)[13].
Modelarea proceduralǎ se caracterizeazǎ prin acordarea unui rol principal algoritmului şi
unuia secundar modelului şi se poate realiza, fie printr-o modelare generalǎ care sǎ
surprindǎ toate cazurile posibile, fie folosind modelarea pe tipuri de probleme, când se
alege o clasǎ de probleme des întâlnite în practicǎ pentru care se elaboreazǎ un algoritm
specific de rezolvare.
În funcţie de precizia cu care sunt mǎsurate mǎrimile care caracterizeazǎ procesul
analizat, de dimensiunea şi complexitatea problemelor, de natura datelor de intrare
(exacte, stochastice, vagi) metodele folosite în luarea deciziei se vor baza pe algoritmi
exacţi sau pe algoritmi euristici. Deoarece metodele euristice sunt aplicate frecvent, se
pune problema descoperirii regulilor de bazǎ folosite pentru a le perfecţiona şi a le
sistematiza într-un algoritm[13].
Unii autori susţin cǎ euristica reprezintǎ un ansamblu de metode care permit obţinerea
unor soluţii bune, în sensul cǎ ele nu respectǎ riguros toate condiţiile iar abaterile faţǎ de
acestea sunt greu de evaluat, însǎ pot fi acceptate dupǎ criteriul operativitǎţii cu care au
fost obţinute şi al respectǎrii unui numǎr minim de cerinţe considerate prioritare. O
regulǎ este consideratǎ bunǎ dacǎ soluţia obţinutǎ are o abatere acceptabilǎ faţǎ de soluţia
exactǎ şi dacǎ foloseşte resursele de calcul în limitele disponibile ca duratǎ, memorie
etc.[13].

Modele conceptuale

Metodologiile de analizǎ de sistem bazate pe modelarea conceptualǎ abordeazǎ sistemele


reale prin construcţii logice asociate elementelor componente, conexiunilor dintre ele şi
activitǎţilor desfǎşurate în cadrul sistemului, considerate relevante.
Un model conceptual este format dintr-un set de concepte care alcǎtuiesc modelul

40
formal, la care se adaugǎ o anumitǎ viziune a analistului asupra realitǎţii investigate
referitoare la sistemul modelat. Modelele conceptuale reprezintǎ de fapt un limbaj
specializat cu ajutorul cǎruia sunt descrise aspectele calitative esenţiale ale sistemelor
reale, indiferent de gradul lor de complexitate. Ele pot sǎ preceadǎ alte tipuri de modele şi
sunt utilizate pentru probleme slab sau prost structurate, sau chiar nestructurate (instabile,
cu multe modificǎri) pentru care este dificil sau imposibil de elaborat alte tipuri de
modele[13].
În afara acestui avantaj, modelele conceptuale sunt utile în analiza de sistem deoarece:
 clarificǎ (precizeazǎ) viziunea analistului asupra sistemului analizat;
 defineşte structura şi logica sistemului prin ilustrarea conceptualǎ,
simbolicǎ, pe care o oferǎ;
 constituie o premizǎ pe baza cǎreia se poate realiza activitatea de proiectare a
noului
sistem.
Limbajul utilizat în cadrul modelelor conceptuale face apel la o serie de concepte
fundamentale din teoria generalǎ a sistemelor sau derivate din acestea, din care
menţionǎm:
a) Procesul de transformare, care este reprezentat de mulţimea activitǎţilor
necesare pentru transformarea intrǎrilor sistemului în ieşirile dorite. Din acest
punct de vedere, orice model conceptual trebuie sǎ conţinǎ cel puţin un proces
de transformare.
De exemplu, un sistem productiv/de servire poate fi modelat ca un proces de
transformare a unei cereri manifestate pe piaţǎ în produse/servicii care sǎ satisfacǎ
aceste cereri.
b) Gradul de conectivitate, reflectǎ dependenţa logicǎ surprinsǎ de model între
activitǎţile sistemului în procesul de transformare.
De exemplu, activitatea de transformare a materiilor prime în produse finite trebuie
precedatǎ de activitǎţi ca: stabilirea sortimentului şi a cantitǎţii de produse finite,
pregǎtirea forţei de muncǎ, aprovizionarea cu materii prime şi materiale etc., care sǎ
asigure desfǎşurarea normalǎ a fluxului tehnologic care defineşte procesul studiat.
Dependenţa sau conectivitatea activitǎţilor poate fi relevatǎ pe baza unor premise
teoretice, pornind de la fluxul tehnologic, sau apelând la cunoştinţele unor experţi,
consilieri etc.
Una dintre cele mai importante conectivitǎţi în analiza de sistem este cea
informaţional- decizionalǎ[13].
c) Obiectivul (scopul) sistemului modelat se aflǎ într-o legǎturǎ directǎ cu
rezultatele dorite ale proceselor de transformare pe care le include sistemul real
şi din punct de vedere practic reprezintǎ însǎşi raţiunea acestuia de a exista,
finalitatea sa. Astfel, asigurarea ritmicǎ cu resursele necesare desfǎşurǎrii
continue a procesului de producţie, urmǎrirea operativǎ a stocurilor, reducerea
stocurilor supranormative, urmǎrirea consumurilor specifice etc., reprezintǎ
obiective specifice ale modelǎrii subsistemului de aprovizionare.
d) Performanţa modelului/sistemului este un indicator care cuantificǎ gradul de
îndeplinire a obiectivelor propuse ale sistemului. Informaţiile obţinute pe baza
indicatorilor de performanţǎ sunt folosite pentru efectuarea unor acţiuni de control
în cadrul unor proceduri de luare şi verificare a deciziilor în vederea stabilirii
corecţiilor necesare pentru îmbunǎtǎţirea modelului. Totalitatea acestor proceduri
formeazǎ mecanismul de decizie-control pentru îmbunǎtǎţirea performanţei

41
sistemului.
De exemplu, dacǎ obiectivul sistemului îl constituie satisfacerea unei cereri exprimate pe
piaţǎ, atunci performanţa sistemului poate fi datǎ de nivelul de satisfacere a
segmentului de piaţǎ, cuantificabil prin determinarea ponderii deţinute de sistem pe acea
piaţǎ. Pe baza acestui indicator se pot adopta deciziile pentru îmbunǎtǎţirea calitǎţii
produsului, a activitǎţilor de promovare şi de vânzare a produsului (reclamǎ, studii de
piaţǎ) etc.
e) Graniţele sistemului delimiteazǎ un cadru mai mult sau mai puţin restrâns, în
funcţie de scopul analizei, în care se iau acţiunile de decizie-control şi sunt
definite de limitele pânǎ la care activitǎţile şi elementele sistemului rǎspund
mecanismului decizional.
f) Nivelul/gradul de rezoluţie al modelului reflectǎ gradul necesar de detaliere a
sistemului conform procedurii de analizǎ structuralǎ (descompunere) şi depinde
de obiectivele urmǎrite şi de resursele disponibile.
g) Resursele (materiale, financiare, umane, de timp) sunt necesare atingerii
obiectivelor sistemului şi se aflǎ sub controlul procedurilor decizionale.
h) Viziunea observatorului asupra realitǎţii (conceptul W). Mulţimea conceptelor
enumerate şi exemplificate reprezintǎ modelul formal al sistemului. Acelaşi
sistem poate fi descris în mod distinct de observatori diferiţi, percepţia
fiecǎruia fiind influenţatǎ mai mult sau mai puţin de factori obiectivi, subiectivi
şi de incertitudine. De aceea este necesarǎ introducerea unui factor al percepţiei
multiple care reprezintǎ viziunea proprie analistului ce observǎ sistemul[13]
Obiectivul sistemului poate fi înlocuit printr-o aşa numitǎ definiUie-rǎdǎcinǎ (de
bazǎ), care este mai mult decât o simplǎ reformulare a obiectivului, ea înglobând şi
viziunea analistului în raport cu care se face descrierea sistemului. Un acelaşi sistem
poate avea mai multe definiţii de bazǎ, ca expresie a multitudinii punctelor de vedere
din care poate fi abordat, fiecare observator având "W"-ul sǎu propriu. Analistul trebuie
sǎ aleagǎ o anumitǎ definiţie de bazǎ şi prin procesul de analizǎ-modelare sǎ exploreze
toate implicaţiile practice ale viziunii alese.

Modelele conceptuale sunt modele formale care conţin şi viziunea analistului asupra
sistemului concretizatǎ în definiţii-rǎdǎcinǎ; ele sunt date de numǎrul minim de concepte
cu care se poate descrie un sistem definit de rǎdǎcina sa pentru un anumit nivel de
rezoluţie şi servesc la definirea frontierei, la precizarea interconexiunilor şi a elementelor
(subsistemelor) relevante ale sistemului. Modelele conceptuale apar ca o construcţie
logicǎ asociatǎ unei mulţimi de interacţiuni specifice sistemelor cu activitate umanǎ care
oferǎ un mijloc de analizǎ a oricǎrei probleme (situaţii) indiferent de contextul
organizaţional. Activitǎţile specifice fiecǎrui subsistem implicǎ o acţiune efectivǎ şi de
aceea în limbajul de modelare conceptualǎ sistemele şi subsistemele analizate sunt
reprezentate prin verbe.[13].
Modelul este o descriere a unei situaUii-problemǎ prin care se evidenţiazǎ
varietatea fizicǎ structuralǎ (folosind chiar un limbaj matematic) şi mulţimea
interacţiunilor care determinǎ comportamentul sistemului.
Procesul de modelare conceptualǎ a unui sistem real se desfǎşoarǎ în mod iterativ pânǎ
la atingerea nivelului de rezoluţie dorit şi urmǎreşte parcurgerea etapelor ilustrate în
figura urmatoare:

42
Dupǎ n iteraţii se obţine varianta finalǎ a modelului conceptual, în conformitate cu
nivelul de rezoluţie dorit şi cu setul de ipoteze şi de criterii utilizate.
De exemplu, un model conceptual pentru o întreprindere industrialǎ poate fi construit
plecând de la urmǎtoarea definiţie de bazǎ:
O întreprindere productivǎ desfǎşoarǎ o activitate profitabilǎ pe termen lung dacǎ
utilizeazǎ tehnologii adecvate în scopul satisfacerii cererii clienUilor, în cadrul unor
restricUii de resurse productive.[13].

Modelul conceptual al unei întreprinderi productive conţine într-o primǎ fazǎ


urmǎtoarele subsisteme:
 subsistemul de marketing, care are în vedere dezvoltarea ativitǎţilor de
prospectare a
pieţelor în scopul adaptǎrii producţiei la nevoile sociale reale şi la tendinţele
de dezvoltare ale acestora;
 subsistemul tehnologic, care urmǎreşte dezvoltarea unor tehnologii şi a
producţiei în
scopul realizǎrii unor produse şi servicii competitive cerute pe piaţǎ;
 subsistemul de planificare şi control a afacerilor, care urmǎreşte
realizarea de produse fezabile, eficiente / profitabile şi vandabile;
 subsistemul de producţie, care se ocupǎ cu realizarea efectivǎ a produselor
în condiţii de eficienţǎ;
 subsistemul de desfacere / comercial, care se ocupǎ cu vânzarea produselor şi
prestarea unor servicii destinate satisfacerii unor nevoi concrete pe piaţǎ.
În figura urmatoare este ilustrat un model conceptual pentru o firmǎ productivǎ.

43
Fiecare subsistem este caracterizat la rândul sǎu printr-o definiţie de bazǎ şi apoi detaliat
la nivel de activitǎţi şi interconexiuni relevante, corespunzǎtor gradului de rezoluţie ales.
Pentru exemplul considerat, modelul conceptual la nivel detaliat al subsistemului de
productie este ilustrat in figura urmatoare:

44
Fiecare model conceptual va fi derivat şi dezvoltat de la o definiţie de bazǎ care aratǎ
ce este sistemul respectiv şi va desemna mulţimea de activitǎţi pe care sistemul trebuie
sǎ le desfǎşoare pentru atingerea obiectivelor sale. Apoi, fiecare activitate va fi
detaliatǎ la rândul ei, într-un numǎr de nivele pornind de la propria sa definiţie şi în
funcţie de o viziune-sintezǎ a analistului şi a fiecǎruia din managerii implicaţi în
analiza sistemului (figura urmatoare).

Procesele modelate prin analiza de sistem se preteazǎ mai greu abordǎrilor în sensul
optimizǎrii, de aceea modelarea conceptualǎ are în vedere determinarea acelui rang al
viziunii asupra sistemului, pe baza unui numǎr cât mai mare de modele echivalente, care
sǎ ofere cea mai relevantǎ imagine asupra situaţiei existente.

45
Modele obiectuale

Modelarea bazatǎ pe obiecte are la bazǎ un mod de gândire abstract asupra problemelor
din lumea realǎ.
Spre deosebire de metodele clasice de analizǎ şi modelare bazate pe structurǎ, funcţii şi
date, analiza şi modelarea orientatǎ pe obiecte este diferitǎ şi ea constǎ în analiza unor
obiecte discrete din lumea realǎ, proiectarea unor obiecte model a acestei realitǎţi şi apoi
implementarea acestora. Filozofia orientatǎ pe obiecte are la bazǎ urmǎtoarele concepte
importante şi anume:

identificarea obiectelor, clasificarea lor, moştenirea, definirea polimorfismelor şi


ierarhizarea obiectelor.
 Identificarea obiectelor constǎ în recunoaşterea lor şi izolarea unor entitǎţi
din
lumea realǎ, ca obiecte bine definite. Realitatea este abstractizatǎ prin
entitǎţi de tipuri şi caracteristici diferite (oameni, instalaţii, utilaje, materii
prime, procese, organizare etc.) care o descriu şi o definesc funcţional.
Fiecare entitate are asociate o serie de atribute şi se aflǎ într-o anumitǎ stare
când atributele iau valori numerice specifice.
Obiectele sunt constituite din anumite categorii de date şi din ansamblul operaţiilor
permise asupra acestora. Operaţiile reprezintǎ toate activitǎţile care se pot efectua asupra
unei entitǎţi şi sunt înglobate în metodele de gestionare a datelor specifice fiecǎrui obiect.
OperaUia poate fi privitǎ ca un proces asupra entitǎţii alese, iar metoda ca o specificaţie
a modului cum este executat acest proces.
De exemplu, dacǎ obiectul este reprezentat de un utilaj, operaţiile permise asupra lui
sunt: achiziţionarea, punerea în funcţiune, întreţinerea, repararea, modernizarea,
închirierea, casarea.
Identificarea obiectelor, recunoaşterea şi izolarea lor ca entitǎţi reale bine definite se
realizeazǎ printr-un proces care separǎ esenUialul de neesenUial.

 Clasificarea obiectelor constǎ în gruparea lor în clase, având drept criterii


atributele esenţiale ale entitǎţilor şi operaţiile comune care se executǎ asupra
datelor şi entitǎţilor.
Un exemplu îl constituie clasa tipurilor de conturi dintr-o bancǎ. Clasa reprezintǎ o
implementare a fiecǎrui tip de obiect, ea specificând structura datelor şi metoda pentru
implementarea fiecǎrei operaţii. În esenţǎ, o clasǎ precizeazǎ structura datelor şi modul
de implementare a operaţiilor permise pentru fiecare obiect pe care îl conţine.
Clasificarea obiectelor utilizeazǎ, la rândul ei, conceptul de încapsulare.
 Încapsularea realizeazǎ contopirea datelor ce caracterizeazǎ diferite atribute
ale unui obiect, cu operaţiile care se efectueazǎ asupra lui.
Prin procesul de încapsulare se separǎ ceea ce este particular de ceea ce este general
(localul de global) şi se combinǎ datele cu prelucrǎrile necesare. Prin acest proces se
ascund utilizatorului detaliile implementǎrii obiectelor.

De exemplu, în cadrul unui sistem de aprovizionare pentru o întreprindere, furnizorii şi


datele aferente acestora pot sǎ constituie un obiect încapsulat, iar ca operaţii permise se
pot considera: încheierea de contracte/comenzi, lansarea acestora, urmǎrirea derulǎrii
contractelor, elaborarea, urmǎrirea şi prelucrarea unor documente specifice aprovizionǎrii

46
(avize de expediţie, facturi, note de intrare-recepţie etc.), urmǎrirea obligaţiilor
contractuale faţǎ de furnizori ş.a.
 Moçtenirea este conceptul pe baza cǎruia se pot stabili submulţimile de clase
(de
obiecte) ce posedǎ trǎsǎturi distincte, transmise de la nivelul claselor,
precum şi unele caracteristici asimilate de la alte clase cu care sunt înrudite.
Prin urmare, moştenirea permite transferarea unor trǎsǎturi (proprietǎţi) de la
o clasǎ la alta.
De exemplu, în cazul sistemului de revizii şi reparaţii, clasa mijloacelor fixe amortizabile
transmite unele caracteristici existente în normative (durata medie de funcţionare,
planificarea pe baza ciclurilor de reparaţii) clasei instalaţiilor care are şi caracteristici
proprii (oprirea completǎ pentru revizii periodice, continuitatea procesului tehnologic) şi
care sunt preluate de utilajele şi echipamentele componente. Acestea, la rândul lor, au
unele caracteristici proprii, cum ar fi: oprirea pentru intervenţii în afara perioadelor de
revizie, planificarea reparaţiilor conform normativelor republicane sau normelor interne,
regimul de funcţionare, calculul amortizǎrii etc.
Un alt exemplu îl constituie clasa conturilor dintr-o bancǎ care transmite anumite
caracteristici (cod cont, tip cont, valoare cont, data maturǎrii, nume client etc.) clasei
conturilor clienţilor individuali şi aceasta transmite o parte din aceste caracteristici clasei
conturilor expirate /25/.
 Ierarhia pune în evidenţǎ direcţiile în care se moştenesc proprietǎţile.
Ierarhia poate
sǎ fie simplǎ, atunci când moştenirea se transmite de la o clasǎ pe o singurǎ
direcţie, sau multiplǎ, dacǎ moştenirea se transmite pe direcţii diferite din
una sau mai multe clase /25/.
Într-o ierarhie de clase obţinute prin moştenire, o metodǎ poate avea forme diferite de la
un nivel la altul, specifice nivelului respectiv.
 Polimorfismul este proprietatea care ne aratǎ cǎ o aceeaşi operaţie poate sǎ
aibǎ sens diferit pentru obiecte sau clase de obiecte diferite. Aceste operaţii
pot fi reunite în metode pe clase de obiecte şi apoi particularizate. Pe baza
acestei proprietǎţi, fiecare clasǎ poate sǎ rǎspundǎ într-un mod propriu,
specific, la fiecare operaţie inclusǎ într- o metodǎ.
De exemplu, dacǎ ne referim la problema aprovizionǎrii unei întreprinderi productive şi
considerǎm clasa "Produse finite pentru care s-au stabilit sarcini de plan şi norme de
consum" şi clasa "Produse finite pentru care nu existǎ sarcini de plan şi norme de
consum", atunci operaţia de calcul a necesarului de aprovizionat reprezintǎ un
polimorfism deoarece metoda de calcul depinde de tipul de produse finite. Astfel, pentru
prima clasǎ, necesarul de aprovizionat se determinǎ pe baza unui algoritm (propriu)
specific, în timp ce pentru cea de a doua clasǎ, necesarul de aprovizionat se determinǎ
pe baza consumurilor medii din anii anteriori. În mod similar, dacǎ se considerǎ clasa
"Materii prime şi materiale" şi clasa "Piese de schimb", operaţia de calcul a
necesarului de aprovizionat reprezintǎ un poliformism, deoarece metodele folosite
pentru a realiza aceeaşi operaţie sunt diferite pentru cele douǎ tipuri de obiecte
considerate.

Moştenirea atributelor şi a operaţiilor, încapsularea împreunǎ în fiecare obiect a datelor


specifice şi a metodelor de gestionare a datelor care includ şi procedurile de prelucrare,
reprezintǎ principalele caracteristici ale obiectelor.
Un alt exemplu îl constituie operaţia de pensionare pentru clasa angajaţilor şi cea a
47
executivului, care reprezintǎ un polimorfism deoarece metoda depinde de tipul clasei:
executiv sau angajaţi obişnuiţi. Caracteristicile personalului (sex, vechime etc.) definesc
metoda de pensionare, ea fiind moştenitǎ de toţi angajaţii, dar pentru personalul executiv
metoda este diferitǎ şi aceasta poate modifica la rândul ei metoda de pensionare a
angajaţilor obişnuiţi[13].
Tehnica de modelare pe obiecte presupune elaborarea urmǎtoarelor tipuri de modele:
a) Modelul pe obiecte static care are ca scop reprezentarea structurii claselor de
obiecte. În timpul elaborǎrii acestui model se realizeazǎ un proces de
abstractizare prin care se separǎ esenţialul de neesenţial, un proces de încapsulare
prin care se separǎ localul de global, şi un proces de combinare a datelor cu
procedeele de prelucrare şi de ierarhizare a acestor obiecte.
De exemplu, pentru linia de asamblare putem defini urmǎtoarele clase de
obiecte:
- clasa indicatorilor, ce are ca atribute: posturile de lucru, întreaga linie, iar ca operaţii:
formule de calcul a acestor indicatori şi comparǎri cu anumite valori admisibile date;
- clasa posturilor de lucru, ce are ca atribute: numǎrul postului, timpul disponibil pe
post, timpul de ocupare al postului, iar ca operaţii: calcularea indicatorilor specifici
postului, compararea acestora cu valori date aprioric, alocarea activitǎţilor pe post;
- clasa activitǎţilor, ce are ca atribute: nodul de început, nodul de sfârşit, durata
activitǎţii, coeficientul de importanţǎ, iar ca operaţii: cǎutare, selectare, alocare,
ştergere.
Aceste clase pot fi împǎrţite în subclase. De exemplu, dacǎ ne referim la clasa
activitǎţilor, avem subclasa activitǎţilor alocate şi subclasa activitǎţilor nealocate şi
aceasta din urmǎ poate fi divizatǎ în subclasa activitǎţilor candidate şi subclasa
activitǎţilor condiţionate. În mod asemǎnǎtor, clasa posturilor de lucru cuprinde subclasa
posturilor deja alocate şi nealocate.
b) Modelul dinamic urmǎreşte evidenţierea relaţiilor temporale. Modelul opereazǎ
cu evenimente şi stǎri ce exprimǎ valoarea unui atribut prin care se identificǎ
apariţia unor noi evenimente.
Modelul dinamic se construieşte pe baza diagramei de tranziţie a stǎrilor şi a diagramei
de trasare a evenimentelor.
Diagrama de trasare a evenimentelor evidenţiazǎ clasele şi evenimentele ce stabilesc
conexiunile dinamice între aceste clase.

Diagrama de tranziUie a stǎrilor aratǎ, pentru fluxul de evenimente ataşate unei clase,
modul în care obiectele trec dintr-o clasǎ în alta.
c) Modelul funcIional este caracteristic fazei de proiectare şi are un triplu rol şi
anume:
 de a descrie funcţiile apelate de operaţiile din modelul static pe obiecte;
 de a arǎta acţiunile realizate de modelul dinamic, acţiuni care opereazǎ asupra
atributelor din modelul obiect;
 de a evidenţia restricţiile care acţioneazǎ în cadrul modelului obiect, static şi
dinamic.
În faza de proiectare se vor detalia caracteristicile acestui model.

48
Rolul modelelor în analiza de sistem[13]

Pentru a caracteriza un model trebuie sǎ rǎspundem la anumite întrebǎri care implicǎ


unele consideraţii în legǎturǎ cu ceea ce înseamnǎ explicarea, predicţia şi controlul.
Ce înseamnǎ cǎ un anumit fenomen (proces) este explicat printr-un model? Care este
legǎtura dintre explicaţie şi predicţie? Dacǎ un model face predicţii, poate fi folosit şi
pentru explicaţii sau control?
Importanţa acestor întrebǎri a fost semnalatǎ într-un eseu asupra metodologiei
economice a lui Friedman, care a adus un argument puternic împotriva testǎrii teoriei pe
baza presupunerii realismului ei. Friedman afirmǎ cǎ validarea empiricǎ a presupunerilor
prin ele însele este irelevantǎ, deoarece dacǎ concluzia se verificǎ prin acurateţea
predicţiilor atunci teoria ca un întreg este validǎ. Hempel şi Oppenheim au propus
urmǎtoarele condiţii logice pentru ca un model sǎ ofere o explicaţie adecvatǎ:
1. Fenomenul (procesul) empiric de explicat trebuie dedus în mod logic din
setul de presupuneri utilizate pentru explicaţie;
2. Presupunerile (ipotezele) modelului trebuie sǎ conţinǎ legile generale necesare
pentru obţinerea logicǎ a fenomenului. O lege, în acest context, înseamnǎ o relaţie de
legǎturǎ care nu a fost respinsǎ prntr-o testare empiricǎ şi care este în general conformǎ
cu teoria. □n scopul acceptǎrii unui model pentru scopuri explicative este necesar ca
anumite presupuneri ale sale sǎ fie testate şi convertite în legi. Altfel, fǎrǎ legi, cel mai
bun model poate sǎ sugereze explicaţii nereale;
3. Setul de presupuneri trebuie sǎ aibǎ conţinut empiric, adicǎ din el sǎ se poatǎ
deduce cel puţin o propoziţie care poate fi testatǎ prin experimente sau observǎri
(aceastǎ condiţie se regǎseşte în mod implicit în prima condiţie deoarece ea descrie un
fenomen empiric);
4. Propoziţiile empirice din setul de presupuneri trebuie sǎ fie confirmate de
toate dovezile relevante disponibile, ceea ce înseamnǎ cǎ trebuie sǎ fie "adevǎrate".
Hempel şi Oppenheim au prezentat conceptul de explicaţie a unui model sub forma unei
diagrame (vezi figura urmatoare) care conţine: condiţiile (Ci) care descriu faptele
relevante în explicarea fenomenului studiat, legile generale ale economiei (Li) care
formeazǎ nucelul modelului, precum şi descrierea fenomenului empiric ce a fost
observat şi care trebuie explicat.
C1 , C2 ,..., Cm
 ...(deductie logica)  ...(descrierea fenomenului empiric ce trebuie
L1 , L2 ,..., Ln
explicat)
Pentru ilustrarea acestei diagrame putem considera un exemplu semnificativ. În S.U.A.,
dupǎ reluarea fabricaţiei de automobile în 1946, pentru maşinile vândute ca maşini uzate
s-au obţinut preţuri mai mari decât pentru modele similare de maşini noi. Pentru
explicarea acestui fenomen, care este contrar modelelor de preţuri normale, vom enunţa
condiţiile existente şi legile generale care au favorizat apariţia lui (setul de presupuneri):
 C1 - Producǎtorii au stabilit preţurile la maşinile noi dar nu şi la cele vechi;
 C2 - La preţurile fixate pentru maşinile noi, cererea a fost mai mare decât
oferta;
 C3 - Comercianţii au transformat maşinile noi în maşini puţin uzate prin
rularea lor pe distanţe scurte;
 C4 - Comercianţii de maşini noi au avut şi loturi de maşini uzate;
49
 L1 – Firmele/comercianţii exploateazǎ oportunitǎţile pentru a le creşte
profiturile;
 L2 - Legea cererii aratǎ cǎ la orice nivel al preţului unui produs, existǎ
consumatori care îşi permit sǎ cumpere acel produs dacǎ le este necesar.
Distincţia dintre explicaUie şi predicUie este uşor de realizat: dacǎ fenomenul a
fost observat şi dacǎ legile şi condiţiile sunt date ulterior, atunci avem explicaUie, iar
dacǎ fenomenul se deduce din condiţii şi legi înainte de a fi observat, atunci avem
predicUie. Astfel, condiţiile pentru explicaţie sunt potrivite şi pentru predicţie. Dacǎ este
posibil sǎ se facǎ predicţii corecte fǎrǎ ca sǎ fie îndeplinite toate condiţiile logice, atunci
modelul creat nu are puterea de a explica fenomenul respectiv. Puterea predictivǎ pe care
o are modelul, apare şi din unele relaţii de legǎturǎ necunoscute dintre variabilele
modelului şi unele variabile neincluse în model.
Folosirea unui model pentru control, necesitǎ determinarea modului în care trebuie sǎ
schimbǎm una sau mai multe variabile pentru a obţine o anumitǎ modificare a
sistemului. În mod evident utilizarea modelului pentru control implicǎ procesul de
predicţie, deoarece trebuie sǎ prezicem cǎ dacǎ schimbǎm anumite variabile de control,
atunci anumite modificǎri se vor produce. În general, pentru control este preferabil sǎ se
utilizeze modele care furnizeazǎ atât explicaţii valide cât şi predicţii corecte. Dacǎ se
folosesc modele care furnizeazǎ predicţii corecte fǎrǎ explicaţii, schimbǎrile introduse în
variabilele de control pot altera unele relaţii fundamentale (de bazǎ) necunoscute care
au condus anterior la predicţii corecte, ducând în felul acesta la predicţii mai puţin
precise în continuare.
Pentru a înţelege rolul modelelor în explicaţie, predicţie şi control este necesar sǎ
cunoaştem câteva din limitele lor de aplicabilitate.
Existǎ o tendinţǎ fireascǎ de a formula modele cât mai generale, care sǎ aibǎ relevanţǎ
pentru toate firmele din economie, mai degrabǎ decât de a formula modele particulare la
nivel de firmǎ. Este evident însǎ faptul cǎ cu cât un model este mai general, cu atât mai
puţin sunt detaliate implicaţiile lui despre orice aspect particular. Cu alte cuvinte, un
model general trebuie sǎ facǎ abstracţie de un numǎr de variabile care justificǎ diferenţa
dintre firme (sisteme) pentru a se ajunge la concluzii care se pot aplica la toate unitǎţile
relevante.
Astfel, pentru a se rǎspunde la multe întrebǎri, de obicei se construiesc mai multe modele
de generalitate variatǎ. Rǎspunsul la cât de general trebuie sǎ fie un model se poate
obţine numai prin referire la generalitatea întrebǎrilor la care trebuie sǎ rǎspundǎ modelul
respectiv.
În cadrul analizei de sistem, obţinerea proiectului logic al sistemului necesitǎ specificaţii
de proiectare conforme cu cerinţele exprimate în raportul de investigare. Modelele
sistemului fac legǎtura între datele culese în timpul investigaţiei şi specificaţiile logice
relativ compacte şi limitate. Cele mai vizibile produse ale analizei de sistem sunt
diagramele, tabelele, graficele, textul structurat (descrieri-fotografii) care încearcǎ sǎ
surprindǎ realitatea investigatǎ, sǎ dea o imagine coerentǎ şi logicǎ a acesteia prin care sǎ
orienteze proiectanţii şi implementatorii sistemului. Pentru un analist modelarea
înseamnǎ, în primul rând, selectarea datelor obţinute în cursul investigaţiei preliminare şi
dupǎ aceea, rezumarea datelor în formulare folosite pentru crearea diagramelor şi
tabelelor, precum şi elaborarea pe baza datelor disponibile a modelelor şi documentelor
necesare. Modelarea serveşte urmǎtoarelor scopuri:
 ca mijloc de comunicare între persoane a cǎror roluri, funcţii şi pregǎtire
diferǎ
considerabil;
50
 necesitǎţii de a reprezenta resursele informaţionale într-un mod sistematic;
 pentru pregǎtirea datelor necesare şi crearea reprezentǎrilor ce pot fi
folosite direct în proiectare.
Aceste scopuri sunt atinse prin funcţiile de comunicare, documentare şi de suport-
decizional al modelelor.

a) Rolul de comunicare al modelelor apare ca necesar deoarece atât gama de


interese cât şi limbajul specializat utilizat în diverse domenii (computere,
tehnologii de producţie, contabilitate) afecteazǎ interacţiunea dintre specialişti cu
preocupǎri şi posibilitǎţi de exprimare diferite şi conduc la o divizare severǎ între
grupuri de profesionalişti (proiectanţi de sistem, clienţi, utilizatori, manageri,
operatori) şi chiar în cadrul aceluiaşi grup. Astfel:
- proiectantul sistemului este preocupat de eficienţa, modularitatea, flexibilitatea
şi claritatea sistemului şi argumenteazǎ în funcţie de eficienţa în funcţionare, viteza şi
uşurinţa de a face schimbǎri şi predicţii precum şi de implicaţiile rezultate din
schimbǎri;
- programatorul este preocupat de eleganţa, viteza şi durata codificǎrii cu un
limbaj cunoscut şi argumenteazǎ în funcţie de claritatea codului de scriere (a
limbajului), uşurinţa de a urmǎri şi de a întreţine sistemul;
- operatorul este preocupat de încrederea în sistem şi de nivelul sǎu de instruire
în folosirea sistemului şi argumenteazǎ pentru un sistem uşor de înţeles şi care reduce la
minim posibilitatea de a face confuzii sau erori în interpretare;
- utilizatorul este interesat ca sistemul sǎ fie inteligibil, prietenos şi folositor şi
doreşte ca în fiecare moment sǎ ştie ce urmeazǎ sǎ facǎ şi sǎ fie asistat ca sǎ-şi facǎ
munca;
- managerul este interesat de eficacitatea costului, de siguranţa şi uşurinţa de
manevrare a sistemului şi argumenteazǎ ca sistemul sǎ-i uşureze munca, sǎ nu necesite
multǎ întreţinere şi sǎ aducǎ un profit semnificativ, ş.a.m.d.
Existǎ astfel nevoia unui limbaj comun, în care sǎ fie exprimate conceptele utilizate,
deoarece pentru ca sistemul sǎ funcţioneze corect, toate persoanele implicate trebuie sǎ
fie într-o înţelegere perfectǎ. Cercetǎrile au arǎtat cǎ în timp ce implicarea utilizatorului
este de valoare variabilǎ, neînţelegerea cerinţelor sale poate sǎ conducǎ la eşecul
sistemului. Rolul principal pentru evitarea acestui eşec îl are analistul care trebuie sǎ
descrie sistemul diferenţiat, pentru fiecare grup interesat (implicat) care vede sistemul în
mod diferit.
Pe de altǎ parte, fiecare actor (proiectant, programator, operator, utilizator, manager)
vede sistemul în mod diferit şi este puţin probabil ca sǎ fie satisfǎcut de o definiţie a
sistemului dacǎ elementele de care este preocupat nu sunt descrise complet şi în termeni
pe care sǎ-i înţeleagǎ. Astfel, programatorul vede sistemul sub formǎ de modele,
codificǎri, baze de date; operatorul are în vedere schemele, formularele, succesiunea
procedurilor; utilizatorul vede sistemul prin prisma datelor de intrare care trebuie
asigurate; clienUii vǎd sistemul ca o "cutie neagrǎ" complexǎ; managerul are
preocupǎri privind asigurarea salariilor, a condiţiilor de lucru şi a dotǎrii
corespunzǎtoare ş.a.m.d.
În concluzie, o descriere completǎ poate sǎ fie consideratǎ incompletǎ din punctul de
vedere al fiecǎruia dintre actori. Aceştia vor prezenta sugestii de îmbunǎtǎţire pe care le
vor argumenta pe baze diferite (economice, factori umani), care pot fi deseori într-un
dezacord total. Astfel, dacǎ utilizatorul are puţine cunoştinţe despre calculator, el trebuie
sǎ aibǎ un dezvoltat simţ intuitiv pentru a sesiza când este greşitǎ o procedurǎ;
51
programatorul poate sǎ argumenteze cǎ nu existǎ nici o modalitate ca o anumitǎ funcţie
sǎ poatǎ fi programatǎ pe baza instrumentelor disponibile; managerul poate sǎ
argumenteze pe baza rutinei, experienţei şi a viziunii de ansanblu pe care o are cǎ o
astfel de abordare a sistemului nu poate sǎ funcţioneze ş.a.m.d.
Este sarcina analistului sǎ medieze sugestiile şi punctele de vedere ale fiecǎrui grup şi
sǎ negocieze cererile acestora aflate într-un dezacord general şi care nu pot fi
schimbate.
În aceastǎ varietate de preocupǎri şi stiluri de argumentare deseori în contradicţie,
modelarea ajutǎ sǎ avem o bazǎ comunǎ de comunicare.
Modelele au avantajul prezentǎrii unor imagini clare, simple, intuitive pentru
conducere, personalul de exploatare, utilizatori şi implementatori, care eliminǎ
vocabularul relativ rigid şi specializat şi pune bazele unor discuţii profitabile.
Rolul de comunicare al modelelor ajutǎ analistul sǎ concilieze punctele de vedere opuse
ale actorilor. Diferenţele datorate lipsei unui limbaj comun, dezacordurile în ceea ce
priveşte punctele de vedere, stilul şi valoarea argumentǎrii, pot fi reduse sau chiar
eliminate prin selectarea şi prezentarea unor modele corespunzǎtoare.
b) Rolul de documentare al modelǎrii se realizeazǎ prin organigrame, grafice,
diagrame (de flux, fizice sau de date), tabele care se obţin şi se înţeleg mai uşor şi
care exprimǎ sintetec idei care tind sǎ devinǎ rapid oficiale pe baza modelului.
Modelul, ca document, are în vedere urmǎtoarele funcţiuni:
- asigurǎ exprimarea corectǎ, oficialǎ a faptelor (realitǎţii);
- constituie un set de standarde pentru muncǎ (modul de lucru);
- ilustreazǎ punctele de vedere ale celor implicaţi în munca de analizǎ şi
proiectare;
- reprezintǎ o procedurǎ de conducere pentru manageri în ceea ce priveşte
mecanismul aprobǎrii/confirmǎrii unor lucrǎri, raportarea realizǎrilor şi suportul de
discuţii pentru negocieri.
Deoarece douǎ modele corecte ale aceluiaşi sistem pot sǎ difere foarte mult, alegerea
unui model orienteazǎ într-o anumitǎ direcţie toatǎ munca de proiectare ulterioarǎ. Este
important ca documentul de modelare (diagrame, tabele, grafice, organigrame) sǎ
reprezinte corect punctul de vedere al analistului, adicǎ un set de standarde prin care
este vǎzut sistemul.
Descrierea sistemului în scopul modelǎrii depinde de categoriile şi instrumentele
disponibile pentru observator, de importanţǎ specialǎ fiind:
- frecvenţa observǎrii sistemului (continuu, periodic, ocazional);
- precizia (fineţea) observǎrii, care poate fi mai brutǎ sau mai finǎ şi poate fi
datǎ de unitatea de mǎsurǎ folositǎ (de exemplu, numǎrul documentelor prelucrate zilnic
faţǎ de numǎrul documentelor de un anumit tip prelucrate zilnic) ;
- dacǎ observatorul face sau nu parte din sistem ceea ce are implicaţii directe
asupra modului de concepere a modelului.
De asemenea, este importantǎ structura timpului de observare. Astfel, un proces
continuu necesitǎ o observare continuǎ pentru a putea fi evaluat, un proces periodic
trebuie observat la momente discrete potrivite, dar nu foarte rare, pentru a putea sesiza
tendinţele, iar un proces aleator poate sǎ nu fie observat dacǎ se foloseşte sistematic dar
rar, observarea.
Un rol important al modelului ca document este asistarea în managementul proiectǎrii,
deoarece:
 indicǎ cine, când şi ce gândeşte şi oficializeazǎ rezultatele înţelegerilor între

52
actori;
 reprezintǎ o dovadǎ (fotografie) a realizǎrilor unui anumit analist;
 indicǎ pânǎ unde a progresat munca şi cum se poate continua.
Astfel, rolul de documentare al modelelor se concretizeazǎ prin oficializarea rezultatelor
modelǎrii, fixarea unei direcţii de acţiune privind proiectarea, precum şi prin stabilirea
principalelor jaloane (puncte de referinţǎ) şi documente necesare procesului de
proiectare a noului sistem.
c) Rolul de suport-decizional al modelului reiese din legǎtura între concepte şi
realitatea unui sistem care funcţioneazǎ, sau în particular, modelul serveşte ca
suport-decizional pentru analişti. Pentru luarea unor decizii putem supune
modelul unor teste (întrebǎri de tipul "what-if", "ce se întâmplǎ dacǎ?") pe baza
cǎrora rezultǎ tipurile de decizii pe care poate sǎ le adopte analistul, inclusiv
reproiectarea în cazul depistǎrii unor locuri înguste.
Astfel, în figura 4.9 este ilustrat, printr-o diagramǎ a fluxului de date, proiectul logic al
unei pǎrţi din sistemul de facturare. Considerând cǎ procesele: 1 - "Verificarea
documentelor de platǎ", 2 - "Obţinerea raportului privind starea clientului", 3 -
"Actualizarea stǎrii clientului", reprezintǎ exact activitǎţile de facturare, putem supune
acest model unui set de întrebǎri "what- if", ca de exemplu:
- ce se întâmplǎ dacǎ procesul 3 se încetineşte?
- ce se întâmplǎ dacǎ procesul 2 conţine anumite erori?
- ce se întâmplǎ dacǎ un client reclamǎ precizia calculelor dintr-o facturǎ de
platǎ?
Aceste întrebǎri exprimǎ dilemele proiectantului: ce se întâmplǎ dacǎ modificǎ
proiectul?; ce implicaţii va avea aceastǎ schimbare asupra celorlalte componente ale
sistemului? Proiectanţii şi analiştii aflǎ rǎspunsurile la aceste întrebǎri şi dileme cu
ajutorul modelului.
Dacǎ adǎugǎm modelului informaţii despre eficienţǎ, flux şi încredere putem trage
concluzii despre eficienţa şi eficacitatea modelului[13].
Folosirea modelelor pentru a trage concluzii în procesul de proiectare este o tacticǎ
valoroasǎ dar insuficientǎ deoarece în final va trebui sǎ testǎm implementarea proiectului
în condiţii reale. Pentru a folosi modelele ca suport de decizie în procesul de proiectare
este necesar sǎ fie respectate urmǎtoarele condiţii:
 analiştii sǎ fie capabili sǎ elaboreze corect modelele din date;
 sǎ existe posibilitatea refacerii rapide şi cu acurateţe a modelului folosind
tehnica de calcul;
 analiştii sǎ fie capabili sǎ perfecţioneze, sǎ înlocuiascǎ sau sǎ renunţe la
modelele care nu rezistǎ testelor "what-if";
 analiştii sǎ fie dispuşi sǎ accepte critici, sǎ asculte, sǎ fie receptivi şi sǎ
rǎspundǎ la o serie de întrebǎri de tipul "what-if" asupra modelului;
 analiştii sǎ fie capabili sǎ aleagǎ şi sǎ construiascǎ cele mai potrivite modele
pentru reprezentarea realitǎţii, suficient de clare şi uşor de înţeles;
 analiştii sǎ fie instruiţi în folosirea modelelor ca suport de decizie precum şi
a instrumentelor noi apǎrute şi folosite de profesionişti în luarea deciziilor
de proiectare (Excelerator, Super Major Project).
Modelele exprimǎ în forme limitate şi sistematizate datele colectate şi pe baza lor sunt
create specificaţiile logice ale sistemului. Modelarea este un proces de simplificare a
datelor din care rezultǎ modele limitate prin consistenţa, completitudinea şi validitatea
lor. Modelele sunt folositoare deoarece pot fi evaluate mai uşor decât o masǎ de date,

53
reprezintǎ o bazǎ pentru mai multe analize sistemice şi pot fi utilizate direct în
proiectarea sistemului.
În procesul de proiectare, modelele faciliteazǎ comunicarea între participanţi, asigurǎ
conversia unor termeni vagi şi abstracţi în forme mai concrete şi mai vizibile şi aratǎ
progresul ce trebuie fǎcut de la ceea ce existǎ la ceea ce proiectul trebuie sǎ realizeze.
Prin rolurile lor modelele sprijinǎ analiştii în obţinerea proiectelor logice.

Etapele procesului de modelare

În multe privinţe este dificil de a prezenta o metodologie de dezvoltare a modelelor,


deoarece alegerea instrumentelor şi a cǎilor specifice în care fiecare analist se apropie de
problema sa, reprezintǎ partea ştiinţei care este "artǎ". Totuşi se pot prezenta paşii
esenţiali implicaţi în construirea modelului, care descriu aspecte de relevanţǎ generalǎ, şi
anume:
Pas 1. Definirea problemei, se face având în vedere structura sistemului (tehnologicǎ,
informaţional-decizionalǎ, relaţiilor umane etc.) şi necesitǎ:
 izolarea fenomenelor, a proceselor şi observarea comportamentului acestora
în scopul de a le înţelege şi de a le putea controla;
 formularea întrebǎrilor la care analistul doreşte sǎ rǎspundǎ modelul sǎu
(cauzele
fenomenelor, modul în care se produc şi se manifestǎ, legǎturile cu alte
modele etc.);
 stabilirea unui cadru general pentru începerea cercetǎrii şi identificarea
variabilelor de interes major.
Pas 2. Formularea modelului preliminar, implicǎ construirea de cǎtre analist a setului
de presupuneri necesare explicǎrii fenomenului studiat şi obţinerea unor concluzii
preliminare care se referǎ în general la natura relaţiilor dintre variabile.
Pas 3. Colectarea datelor empirice: modelul preliminar stabileşte un cadru teoretic
general necesar pentru determinarea datelor relevante care trebuie colectate în vederea
estimǎrii parametrilor şi a restricţiilor din formele funcţionale obţinute ale modelului.
Pas 4. Estimarea parametrilor şi a formelor funcţionale se poate face cu o varietate
de tehnici statistice cantitative sau calitative. Pentru modelele pe calculator aceste
estimǎri pot fi fǎcute prin interogǎri şi observǎri directe.

Pas 5. Testarea preliminarǎ a modelului, reprezintǎ o testare brutǎ a acestuia folosind


aceleaşi date ca la estimare. Probabilitatea invalidǎrii modelului prin aceastǎ procedurǎ
este relativ redusǎ, însǎ dacǎ modelul nu este confirmat în aceste împrejurǎri favorabile,
se poate economisi timp prin modificarea şi retestarea imediatǎ a modelului.
Pas 6. Testarea suplimentarǎ a modelului, se executǎ conform unor proceduri speciale
care pe baza modelului şi a unor noi date colectate realizeazǎ predicţii asupra
fenomenului studiat. Datele trebuie sǎ fie complet diferite de cele folosite în estimǎrile
iniţiale sau în testarea preliminarǎ a modelului. De obicei toate datele se culeg o datǎ,
deoarece aceastǎ activitate este costisitoare şi consumatoare de timp, însǎ analistul va
utiliza o parte din date pentru estimarea parametrilor, iar cealaltǎ parte pentru testarea
predicţiilor fǎcute de model.
Pas 7. Acceptarea sau respingerea modelului constǎ în faptul cǎ dacǎ predicţiile sunt
conforme cu probele empirice disponibile, atunci modelul nu poate fi respins şi este
54
inclus în domeniul de cunoaştere al disciplinei pânǎ când alte probe devenite
disponibile aratǎ cǎ modelul este inadecvat. Dacǎ modelul este respins pe baza testelor
atunci ciclul se reia de la pasul 2.
Modelele ne ajutǎ sǎ exprimǎm şi sǎ testǎm sistemele reale (de bazǎ) fǎrǎ construirea lor.
Deoarece regulile de construire fac ca modelele sǎ fie mai simple decât sistemele pe care
le reprezintǎ, studiul lor se poate face cu un efort mai redus. Modelele sunt în mod firesc
exprimǎri incomplete ale sistemelor reale, însǎ analiştii hotǎrǎsc gradul de
incompletitudine, limitarea aspectelor irelevante etc. Deoarece invaliditatea este
ameninţarea majorǎ pentru utilitatea modelelor, instruirea analiştilor pune accent pe
colectarea corectǎ a datelor şi pe alegerea celor mai potrivite tehnici de analizǎ.
Când se dispune de o cantitate suficientǎ de date investigate, procesul de modelare
include urmǎtoarele etape importante: abstractizarea datelor, analiza datelor reduse,
reprezentarea sub formǎ de modele a datelor organizate sistematizat

Etapa 1: Abstractizarea înseamnǎ reducerea şi organizarea unui mare volum de date


într-un mod sistematic prin:

a) selectarea datelor esenţiale, potrivite scopului propus, din mulţimea de date


disponibile;
b) reducerea acestor date într-un mod consistent şi de încredere;
c)menţinerea datelor într-o formǎ utilizabilǎ şi accesibilǎ pentru beneficiarul
noului sistem.
Selectarea datelor este importantǎ numai dacǎ au fost colectate date potrivite scopului
analizei, deoarece nu se poate face o alegere rezonabilǎ din date imprecise, insuficiente
sau irelevante. Asigurarea cǎ au fost colectate date corecte este importantǎ în fazele
planificǎrii proiectului logic. Selectarea datelor se face în funcţie de natura şi
complexitatea sistemului (procesului) care se modeleazǎ, de scopul modelǎrii, de
destinaţia modelului, de instrumentele de modelare şi de analizǎ disponibile (inclusiv
cele statistice), precum şi de experienţa celor care elaboreazǎ modelul.
a) Reducerea datelor selectate la proporţii care sǎ permitǎ dirijarea lor se face
prin agregarea cerinUelor utilizatorilor sau prin generarea unui numǎr mai mic de
cerinţe de tip utilizator, care pe baza facilitǎţilor de naturǎ informaţionalǎ (baze de
date, sisteme expert) pot sǎ satisfacǎ un numǎr cât mai mare de cereri informaţionale
ale utilizatorilor.
Cele mai uzuale procedee de reducere a datelor selectate sunt: catalogarea,
categorisirea, caracterizarea prin statistici, şi studii de caz.

De exemplu, sǎ presupunem cǎ avem colectate informaţiile privind preferinţele pentru


formatul de ecran pentru un sistem informatic de gestiune a stocului de la 17 manageri.
Deoarece nu se poate face o analizǎ numericǎ pentru a obţine "media" formatului de
ecran din cele 17 afirmaţii, se apeleazǎ la clasele de preferinţǎ pentru formatele de
ecran.
Cerinţele distincte a patru manageri pentru proiectarea formatului de ecran au fost
urmǎtoarele:
M-1: doreşte ecranul organizat astfel încât pe rânduri sǎ fie materialele, iar pe coloane,
datele despre fiecare material;
M-2: doreşte ca pe un ecran sǎ aparǎ toate datele pentru un anumit material şi sǎ fie uşor
de citit şi de interpretat;
55
M-3: doreşte sǎ vadǎ datele privind discrepanţele dintre nivelul stocului şi ritmul de
epuizare a stocului, sau dintre cantitǎţile comandate şi cele primite;
M-4: doreşete sǎ cunoascǎ cerinţele de spaţiu, spaţiul liber şi fluxul de
materiale.
b1) Catalogarea: de exemplu, din datele culese sub formǎ de comentarii de la diferiţi
manageri pe care îi intereseazǎ diferite aspecte şi caracteristici ale unei probleme, se
poate crea un catalog al preferinţelor în care se descrie fiecare tip de cerere,
eliminând mult din comentarii şi evidenţiind factorii prin care se deosebesc
rǎspunsurile. Se creeazǎ astfel un catalog, care include o tabelǎ de atribute, în care
regǎsirea se poate face uşor dupǎ orice atribut.
În exemplul considerat, catalogul preferinţelor poate sǎ descrie succint fiecare tip de
cerere, astfel:
A: produsul prin atribut-tabel;
B: atribute pentru regǎsirea unui anumit
material; C: situaţii de excepţie pentru
atribute;
D: agregarea spaţiului şi atributele fluxului de materiale.

b2) Categorisirea, merge un pas mai departe decât catalogarea în sensul cǎ datele
asemǎnǎtoare sunt grupate într-o aceeaşi categorie şi în acelaşi timp se contorizeazǎ
numǎrul de elemente intrate în catalog pe fiecare categorie de date.
Astfel, dacǎ patru manageri rǎspund la fel ca managerul M-1, trei ca M-2 şi şase ca M-
3, atunci putem reduce datele referitoare la cei 17 manageri la: M-1 : 5; M-2 : 4;
M-3 : 7; M-4 : 1.
b3) Caracterizarea prin statistici sau judecǎti de agregare, se poate face dacǎ
majoritatea datelor sunt similare sau dacǎ tendinţele apǎrute permit caracterizarea
datelor în ansamblu. Datele anterioare, pot fi agregate în trei categorii:
X = M-1(5).; Y = M-2(4); Z = M-3(7)  M-4(1) şi pot fi reduse la afirmaţiile:
X (tabel) = 5/17 (29%); Y (regǎsirea prin cod materiale) = 4/17 (24%); Z (analize
detaliate) = 8/17 (47%).
Aceasta înseamnǎ cǎ aproape jumǎtate din cerinţe favorizeazǎ analize detaliate, iar
restul, împǎrţit aproape în mod egal, celelalte douǎ tipuri de cerinţe.
b4) Exemplificarea prin studii de caz, constǎ în obţinerea de cazuri tipice ca
reprezentative ale datelor. Astfel se poate considera un manager care doreşte o
situaţie generalǎ completǎ a materialelor din stoc şi un altul care solicitǎ doar aspecte
specifice despre anumite materiale sau care doreşte sǎ detecteze unele anomalii care
pot sǎ aparǎ în stoc.
Nici-unul din aceste cazuri tipice nu va reprezenta de fapt situaţia oricǎrui manager,
însǎ fiecare din aceste seturi de date reduse surprinde într-un anumit sens, esenţa
informaţiilor particulare cerute. Alegerea nivelului de reducere a datelor depinde de
cerinţele analizei datelor şi a etapelor de reprezentare.
b) MenIinerea datelor abstracte într-o formǎ accesibilǎ utilizatorului se poate
face prin:
- înregistrarea şi pǎstrarea lor pentru utilizǎri viitoare (prin recitirea lor analistul
înţelege mai bine experienţa utilizatorilor, pot fi citate în raportul final etc.);
- protejarea lor prin parole sau chei de acces împotriva distrugerii, alterǎrii sau
corupţiei (pot fi identificate echipe, departamente, organizaţii);
- actualizarea lor prin alte interviuri sau prin consultarea unor documente noi
56
pentru a-şi menţine utilitatea.
Etapa 2: Analiza datelor investigate:
Pentru a putea înţelege, caracteriza şi sintetiza mai bine datele colectate şi abstractizate
se pot utiliza diferite tehnici de analizǎ, cele mai relevante fiind analiza agregatǎ, care
cautǎ grupǎri, variabile caracteristice şi tendinţe care sǎ caracterizeze toate datele şi
analiza de caz, care se preocupǎ cu gǎsirea de cazuri tipice sau neobişnuite din date,
pentru discuţie.
a) Analiza agregatǎ apeleazǎ la tehnici statistico-matematice pentru a determina o
serie de indicatori (medie, dispersie, covarianţǎ etc.) cu ajutorul cǎrora se pot
caracteriza datele observate, se pot deduce cauzele unor fenomene, se stabilesc
legǎturi între diferite caracteristici, sau se poate verifica dacǎ diferenţele dintre
grupe sunt semnificative.
Deşi tehnicile statistice adaugǎ precizie, încredere şi un ajutor substanţial în
sistematizarea analizei, nu este întotdeauna bine sǎ le folosim pentru a face afirmaţii la
nivelul datelor agregate. Pentru a putea face astfel de afirmaţii, s-a demonstrat cǎ funcţia
de agregare trebuie sǎ fie senzitivǎ (la orice variaţie a argumentului trebuie sǎ corespundǎ
o variaţie a funcţiei), noncatastroficǎ (o variaţie micǎ a argumentului sǎ nu determine
variaţii exagerate ale funcţiei) şi noncompensatorie (variaţiile oricât de mari ale unei
variabile/indicator nu compenseazǎ o variaţie neglijabilǎ a unei alte variabile/indicator).
Dacǎ nu sunt folosite tehnici statistico-matematice, încrederea noastrǎ depinde de
credibilitatea persoanei care face afirmaţia, de propria noastrǎ intuiţie şi de alţi factori
necontrolabili.
Alegerea tehnicilor statistice depinde de tipul de analizǎ ce trebuie fǎcut (statistica
parametricǎ, dacǎ se ocupǎ de valori, sau neparametricǎ dacǎ se ocupǎ de frecvenţele
valorilor), obiectivul analizei (descrierea, deducerea sau explicarea cauzelor), tipul datelor
(nominale, ordinale, tip "interval", numerice), comportamentul datelor, cunoştinţele şi
experienţa celor care trebuie sǎ înţeleagǎ rezultatele analizei (audienţa). Pe baza agregǎrii
datelor se pot face afirmaţii succinte asupra datelor abstractizate prin care se evalueazǎ,
se prioritizeazǎ şi se coreleazǎ între ele elemente de date.
b) Analiza de caz constǎ în obţinerea din datele investigate a unor cazuri sau
exemple, care se pot asocia, fie unor cazuri obişnuite sau extraordinare, fie unor
întâmplǎri sau evenimente neaşteptate sau critice. Aceste cazuri sau evenimente
sunt deosebit de instructive şi interesante pentru procesul de proiectare. Când
accentul este pus pe situaţii obişnuite şi anticipate, un exemplu (caz) care prinde
esenţa şi stimuleazǎ gândirea este foarte util în proiectare. Descoperirea
cazurilor care conduc la eşecul sistemului satisface scopurile investigaţiei în
care cea mai mare parte a proiectului este predeterminatǎ.
Scrierea şi folosirea studiilor de caz necesitǎ sensibilitate, tact şi abilitate din partea
analistului. Un studiu al unui caz poate sǎ fie insuficient pentru ca acesta sǎ se repete
dacǎ datele sunt în mare mǎsurǎ variabile (turbulenţa mediului), dacǎ descrierea lui este
incorectǎ, sau dacǎ evenimentul critic nu se repetǎ din alte motive. Dacǎ sunt bine
selectate, cazurile ajutǎ la înţelegerea unor situaţii sau evenimente deosebite înainte de se
produce de cǎtre conducerea superioarǎ, interesatǎ în a obţine rapid o vedere generalǎ pe
baza unui caz bine selectat, precum şi de cǎtre conducerea tehnicǎ, interesatǎ de
detaliile tehnice şi de dificultǎţile unor evenimente deosebite.
Analiza agregatǎ se recomandǎ în situaţiile în care precizia este importantǎ şi realizabilǎ,
iar analiza de caz, în situaţii urgente şi dacǎ sunt indicii sigure cǎ se vor produce
evenimente obişnuite sau deosebite. În fiecare caz, statisticile sau cazurile concretizeazǎ
57
datele, iar modelul construit le vizualizeazǎ. Analiza de caz poate servi şi la obţinerea
unor predicţii.

Etapa 3: Reprezentarea datelor sub formǎ de modele.


Dupǎ ce analiza datelor este completǎ, analistul trebuie sǎ reprezinte datele abstractizate
sub formǎ de modele (diagrame, hǎrţi, grafice etc.) ce vor fi folosite în proiectarea
sistemului.
Instrumentele de modelare folosite în analiza de sistem se pot caracteriza dupǎ mai
multe criterii şi anume:
a) dupǎ forma fizicǎ modelele pot fi sub formǎ de desene, text sau modele fizice
(schiţe, tabele, texte, diagrame, machete tridimensionale etc.);
b) dupǎ codurile folosite în reprezentare (setul de simboluri care completeazǎ
modelul), putem considera: limbajul natural, tabele, grafuri, reţele, schiţe, diagrame.
Alegerea codului depinde de obişnuinţa analistului, de scopul modelului şi de limitele
a ceea ce fiecare cod poate sǎ reprezinte (exprime);
c) dupǎ atributele şi articolele reprezentate în model, analiştii sunt preocupaţi sǎ
exprime prin model: conţinutul bazei (un proces, un raport, o acţiune); fluxul de
informaţii, de control, de materiale din cadrul bazei; structura bazei (structura
autoritǎţii, distribuţia în spaţiu şi timp, dependenţele logice) ş.a.;
d) dupǎ modul de reprezentare a timpului modelele pot fi: statice (vizualizeazǎ o
stare la un moment dat, de exemplu, diagramele de structurǎ), dinamice (reflectǎ
schimbǎrile în timp ale sistemului) şi asincrone (ignorǎ complet timpul, de exemplu,
diagrama fluxului de date).
În alegerea instrumentelor de modelare, în afara acestor criterii de clasificare, analistul
trebuie sǎ aibǎ în vedere şi existenţa unor atribute care se referǎ la modul de obţinere şi
de citire a lor, evidenţierea unor aspecte specifice cum ar fi: precedenţe, prioritǎţi etc.
Principalele tipuri de modele utilizate în analiza de sistem sunt:
 flowchart-urile (de sistem, de program, de proces), diagramele de fluxuri
(de date, de materiale, de documente), graficele Gantt şi graficele ADC,
care sunt utilizate pentru a modela dinamic sau asincron fluxurile de
materiale, fluxurile de date şi fluxurile de control existente în cadrul
sistemului analizat;

58
 graficele/hǎrUile de structurǎ sunt modele statice care reprezintǎ
"fotografii" sau
stǎri ale sistemului la momente în timp, care descriu într-un mod grafic
structura sistemului, legǎturile logice între elementele sale, precum şi
contribuţia fiecǎruia la performanţa elementelor de nivel mai înalt de care
este legat prin structurǎ. Cele mai obişnuite grafice de structurǎ sunt: graful
de structurǎ modulat, arborele decizional, tabelul decizional, diagramele
HIPO, graful de distribuţia muncii, organigramele, dicţionarele de date etc.;

 modelele de logicǎ a procesului, care descriu cu limbajul natural, limbajul


structurat, limbajele de programare sau pseudocodul, modul de funcţionare a
unui proces.
Tehnicile funcţional-structurale moderne de analizǎ şi proiectare a sistemelor sunt, în
esenţǎ, o consecinţǎ a interacţiunii dintre dinamismul diagramei fluxului de date şi a
expresivitǎţii logice a grafului de structurǎ.
În construirea modelelor analistul se poate folosi de anumite metode generale care
depind de complexitatea sistemului studiat şi de cunoştinţele acumulate în urma
observǎrii sistemului. Cele mai cunoscute şi utilizate metode generale de construire a
modelelor sunt:
a. Metoda directǎ se aplicǎ atunci când structura sistemului este simplǎ şi clarǎ
pentru a putea fi înţeleasǎ printr-o examinare atentǎ a acestuia. Uneori este posibil ca
sǎ se determine uşor modelul dar variabilele şi constantele din model sǎ fie
necontrolabile sau imposibil de evaluat şi în acest caz este necesar sǎ se modifice
modelul;
b. Metoda gǎsirii unor modele asemǎnǎtoare se foloseşte în cazul sistemelor
ce au o structurǎ complexǎ, iar reprezentarea lor simbolicǎ este mai puţin evidentǎ;
c. Metoda de analizǎ a datelor este folositǎ în cazul în care structura sistemului
nu este clarǎ dar poate fi dedusǎ din analiza datelor ce descriu modul de funcţionare a
sistemului;
d. Metoda experimentǎrii se utilizeazǎ atunci când analiza datelor nu ne
permite sǎ stabilim care este influenţa variabilelor individuale asupra performanţei
sistemului şi în acest caz este necesar sǎ recurgem la experimente;
e. Metoda unei realitǎţi artificiale/simulate se aplicǎ atunci când nu existǎ sau
nu pot fi obţinute suficiente date pentru descrierea sistemului iar experimentarea pe
sistem poate sǎ conducǎ la pagube mari sau la distrugerea lui. □n acest caz se
construieşte o situaţie experimentalǎ relativ complexǎ care este în acelaşi timp cea mai
simplǎ situaţie care satisface anumite condiţii.
Modelele sistemului se pot obţine prin proceduri manuale, care includ: şabloane,
diagrame pretipǎrite, simboluri, pseudocodul, limbaje structurate etc. sau prin proceduri
automate, ce folosesc un soft specializat (Excelerator, Super Project Manager) care
include un dicţionar automat de date, graful de decizie, procesoare de cuvinte,
pseudocodul, proceduri de trasare automatǎ etc. cu ajutorul cǎrora pǎstreazǎ controlul şi
simplificǎ legǎturile complexe existente în sistem.
Cele mai bune rezultate în modelarea automatǎ au fost obţinute pentru diagrame, arbori
decizionali, grafuri CPM, grafuri PERT, grafuri GANTT; hǎrţi HIPO, flowchart-uri etc.
Prin utilizarea tehnicilor automate, modelele obţinute devin mult mai uşor manevrabile
şi se pot testa şi analiza rapid cu calculatorul. La aceste avantaje se pot adǎuga şi
facilitǎţile specifice oferite de pachetele de graficǎ pe calculator.

59
Criterii de evaluare, selectare şi testare a modelelor

Criterii de evaluare a modelelor

Sub aspectul deciziei de proiectare şi a eficienţei economice a implementǎrii


modelelor, analistul trebuie sǎ aibǎ în vedere un cadru general pentru evaluarea
acestora. Vom prezenta pe scurt câteva dintre cele mai importante criterii de evaluare
a modelelor:
a) Valoarea aşteptatǎ a modelului aratǎ cât de valoros se aşteaptǎ sǎ fie
modelul în anumite situaţii, având ca subcriterii valoarea instructivǎ a modelului,
precum şi economiile care rezultǎ din deciziile care se iau mai rapid şi mai bine pe baza
modelului.
b) Costurile iniţiale aratǎ cât de scumpǎ este implementarea modelului într-o
anumitǎ situaţie având în vedere costul de dezvoltare a modelului (de cumpǎrare sau de
închiriere), costul de adaptare şi costurile pentru obţinerea/culegerea datelor iniţiale.
c) Structura modelului este consideratǎ bunǎ în funcţie de acceptarea ei de
cǎtre manageri şi au ca subcriterii: completitudinea, adaptabilitatea,
uşurinUa testǎrii, uşurinUa înUelegerii şi robusteUea modelului.
c1) Completitudinea modelului aratǎ mǎsura în care utilizatorii reprezentativi ai
modelului considerǎ cǎ modelul permite explicit (intern - prin structurǎ şi parametri)
sau implicit (extern - prin date de intrare subiective), tratarea tuturor fenomenelor
importante şi relevante pentru o anumitǎ problemǎ investigatǎ. Completitudinea
presupune ca toate elementele şi conexiunile relevante din bazǎ, din punct de vedere al
obiectivului/scopului urmǎrit, sǎ fie incluse în model. Deoarece modelul trebuie sǎ
simplifice baza (realitatea) şi cu cât este mai complet cu atât este mai greu de construit,
de rezolvat şi de înţeles, acest criteriu este relativ. Analiştii sunt cei care hotǎrǎsc gradul
de completitudine al modelului şi limiteazǎ aspectele irelevante pe care le includ în
model. Deseori în practicǎ un model incomplet poate fi mai uşor de înţeles şi de
rezolvat şi deci mai util decât unul mai complet. Testarea modelului pentru
completitudine se face pe baza rǎspunsurilor la urmǎtoarele întrebǎri:
- Este fiecare element relevant din bazǎ reprezentat în model ?
- Dacǎ nu, elementele eliminate sunt într-adevǎr irelevante ?
- Care este valoarea modelului fǎrǎ aceste elemente ?
c2) UşurinUa de înUelegere a modelului aratǎ cât de bine şi de repede poate sǎ
înţeleagǎ un utilizator obişnuit logica generalǎ a modelului.
c3) Adaptabilitatea modelului aratǎ uşurinţa cu care se pot schimba valorile
parametrilor şi structura modelului ca rǎspuns la noile condiţii în care se utilizeazǎ
modelul, fǎrǎ a diminua performanţele acestuia.
c4) UşurinUa de testare se referǎ la posibilitǎţile existente în scopul validǎrii
modelului pentru o aplicaţie curentǎ.
c5) RobusteUea modelului aratǎ mǎsura în care este posibil sǎ se obţinǎ
informaţii de ieşire corecte (rezultate), când datele de intrare în model depǎşesc un
anumit ordin.
d)Caracteristicile de utilizare aratǎ cât de uşor se poate utiliza modelul şi are drept
subcriterii: uşurinţa de comunicare şi de control, volumul de date de intrare, timpul de

60
rǎspuns, costurile de execuţie/rulare etc.
• UşurinUa de comunicare aratǎ cât de uşor este pentru utilizator sǎ
înţeleagǎ şi sǎ
introducǎ datele cerute de model şi sǎ interpreteze rezultatele obţinute.
• UşurinUa controlului aratǎ cât de uşor se poate controla modelul
de cǎtre utilizator, în sensul cǎ acesta trebuie sǎ ştie ce schimbǎri sunt
necesare în datele de intrare în model pentru a obţine anumite modificǎri ale
ieşirilor.
• Costurile de rulare aratǎ cât de scumpǎ este o rulare a modelului pentru
un singur
set de valori de intrare.
e)Contextul de utilizare aratǎ gradul (extensia) pânǎ la care condiţiile specifice în care
se utilizeazǎ modelul favorizeazǎ acceptarea lui de cǎtre manageri şi are în vedere:
domeniul problemei analizate, tipul de decizie considerat, importanţa şi complexitatea
problemei, corespondenţa între limitele problemei referite în model şi cele considerate
de manager, frecvenţa de utilizare, nivelul utilizatorilor în cadrul organizaţiei, numǎrul
de manageri a cǎror particularitate este cerutǎ pentru a utiliza modelul etc.
f)Validitatea modelului reprezintǎ criteriul major de evaluare a modelului. Un model
care nu este valid nu este conform cu realitatea şi conduce la concluzii incorecte
(eronate) referitoare la performanţele sistemului.
Principalele cauze care pot provoca o invaliditate a modelului sunt:
 includerea în model, ca urmare a unor investigaţii superficiale, a unor
elemente
şi/sau conexiuni care nu au corespondenţǎ în bazǎ;
 alegerea eronatǎ a modelului datoritǎ nerespectǎrii unor reguli cauzate de
lipsa unei experienţe şi a unei instruiri insuficiente a analistului, presiunea
timpului sau proasta organizare şi planificare a activitǎţilor;
 colectarea unor date irelevante rezultate dintr-o proastǎ investigare a
sistemului ş.a.
O importanţǎ semnificativǎ o are istoria validǎrii modelului care aratǎ cât de mult a fost
validat modelul în trecut şi se referǎ la validarea structurii şi a parametrilor incluşi în
model, precum şi la istoricul utilizǎrii cu succes a acestuia. Testarea validitǎţii modelului
se face pe baza rǎspunsurilor date de analist la urmǎtoarele întrebǎri:
 Este realizatǎ corespondenţa fiecǎrui element din model cu unele elemente
din bazǎ
şi a fiecǎrei legǎturi din model cu anumite legǎturi din bazǎ?
 Concluziile care se pot desprinde din model despre bazǎ, sunt adevǎrate în
realitate?
g)Consistenţa modelului reflectǎ gradul în care au fost prezentate elementele
componente ale procesului modelat prin relaţiile dintre ele. Analiştii pot testa
consistenţa unui model pe baza urmǎtoarelor întrebǎri:
 Este fiecare element din model bine defint?
 Existǎ ambiguitǎţi între elementele modelului sub aspectul conexiunilor
logico- funcţionale?
 Este modelul construit conform regulilor de modelare?
Modelele trebuie construite astfel încât sǎ nu conducǎ la confuzii logice în privinţa
descrierii realitǎţii, iar analiştii nu trebuie sǎ le considere ca instrumente pentru a
studia sensuri ascunse sau unele ambiguitǎţi care intereseazǎ.

h)Calitatea modelului, prin care reprezentǎm fenomene şi procese a cǎror


61
evoluţie dorim sǎ o direcţionǎm şi sǎ o ţinem sub control, este datǎ de
respectarea urmǎtoarelor cerinţe principale: coerenUa, corectitudinea,
consistenUa, eficienUa, completitudinea şi utilizabilitatea modelului.
CoerenUa modelului este datǎ de compatibilitatea relaţiilor matematice şi/sau logice
care reprezintǎ în mod abstract dependenţele calitative şi cantitative dintre mǎrimile
fizice ale procesului studiat.
Corectitudinea este proprietatea modelului de a nu deforma caracterul real al relaţiilor
reprezentate, singurul criteriu de apreciere fiind compararea rezultatelor obţinute pe
model cu rezultatele cunoscute ale procesului modelat, în condiţii similare celor
experimentate pe model.
EficienUa este calitatea modelului de a da rǎspunsuri corecte şi rapide problemelor
de care este interesat utilizatorul, la un cost acceptabil, deci cu un efort de construire şi
utilizare considerabil mai mic în raport cu efectele economice ale utilizǎrii acestuia.
Utilizabilitatea eficientǎ constituie însǎşi finalitatea modelului şi are în vedere existenţa
unui compromis între necesitatea realizǎrii unui model cât mai complet şi posibilitǎţile
reale de utilizare a modelului, determinate de capacitatea şi viteza de calcul pentru
obţinerea rezultatelor în timp util.
Este evident cǎ datoritǎ complexitǎţii proceselor reale, în construirea modelelor trebuie
adoptatǎ o anumitǎ limitǎ de detaliere, reţinând elementele esenţiale şi principalele
dependenţe dintre ele. De aceea modelul va fi totdeauna o reprezentare simplificatǎ a
realitǎţii care sǎ permitǎ acţiuni bazate pe raţionament asupra procesului modelat.
În faţa unor sarcini cognitive complexe şi dificile se apeleazǎ deseori la euristici care
simplificǎ aceste sarcini.

Criterii de selectare a modelelor[13]

Construirea propriu-zisǎ a modelului se face pe baza cunoaşterii detaliate a realitǎţii


sistemului (procesului) studiat şi constǎ, fie în selectarea şi aplicarea unuia din gama
extrem de variatǎ de instrumente clasice de modelare cunoscute, puse la dispoziţie de
teorie, fie în elaborarea unor modele noi.
Atunci când analistul este nevoit sǎ elaboreze modele noi, acestea pot fi obţinute pe douǎ
cǎi, şi anume:
 prin combinarea de metode şi modele clasice, ceea ce necesitǎ o bunǎ
cunoaştere a
teoriei şi a realizǎrilor practice din domeniu de cǎtre analist, precum şi o
abilitate deosebitǎ a acestuia;
 prin realizarea de modele originale, care reclamǎ profunda cunoaştere a
realitǎţii
ce trebuie modelatǎ, precum şi solide cunoştinţe matematice, imaginaţie şi
talent din partea analistului.
În primul caz, frecvent întâlnit în practicǎ, analistul se orienteazǎ în alegerea
instrumentelor de modelare în funcţie de caracteristicile acestora ca şi de cerinţele
specifice analizate. În astfel de situaţii, corespondenţa dintre realitate şi intrumentul de
modelare ales depinde de unele standarde şi de tradiţia în domeniul analizat, de
experienţa şi abilitatea analistului. Cele mai importante criterii pentru evaluarea
instrumentelor de modelare sunt: completitudinea reprezentǎrii, uşurinţa modificǎrii
proiectului, uşurinţa cu care modelul va fi înţeles de utilizatori, valoarea modelului pentru
62
proiectanţii fizici şi utilizatori. Desigur, nu se pot alege întotdeauna intrumentele de
modelare specifice. Analistul trebuie sǎ ţinǎ cont de toate aceste considerente, astfel
modelul nu poate fi complet, bine înţeles şi corect folosit.
În selectarea instrumentelor de modelare, analistul trebuie sǎ se bazeze pe urmǎtoarele
criterii:
 completitudinea reprezentǎrii (cerinţa modelului de a cuprinde
totalitatea elementelor componente şi a relaţiilor dintre ele);
 uşurinţa înţelegerii şi a citirii modelului;
 valoarea rezultatelor obţinute de model;
 existenţa unor teste de potrivire (care sǎ indice corespondenţa dintre model şi
bazǎ);
 existenţa unor teste de validare a modelului.
În afara cerinţelor de evaluare şi de selectare a instrumentelor de modelare, analistul
trebuie sǎ aibǎ în vedere şi urmǎtoarele consideraţii:
 caracteristicile bazei: tipurile de structuri reprezentate, procesele care se
modeleazǎ,
dacǎ se considerǎ sau nu timpul;
 caracteristicile instrumentelor de modelare: ce pot ele sǎ reprezinte, uşurinţa
lor pentru reprezentare şi testare, tradiţia lor;
 existenţa unor teste care sǎ arate cât de complet, de adecvat sau de valid
este modelul;
 consideraţii practice referitoare la validarea modelului, rezultatele obţinute
pânǎ
acum, uşurinţa citirii, a modificǎrii şi a înţelegerii modelului de cǎtre
proiectanţii fizici etc.
Modelele ne ajutǎ sǎ exprimǎm şi sǎ testǎm sistemele de bazǎ fǎrǎ construirea lor
efectivǎ, obţinând economie de timp şi de efort în studiul lor. Deoarece modelele sunt
exprimǎri incomplete ale bazei, iar invalidarea diminueazǎ utilitatea lor, analiştii sunt
preocupaţi de colectarea unor date corecte, de limitarea gradului de incompletitudine şi a
aspectelor irelevante, precum şi de alegerea celor mai potrivite tehnici de analizǎ.

Testarea şi implementarea modelelor[13]

În general, testarea modelelor este o operaţie foarte greu de realizat şi devine din ce în ce
mai dificilǎ pe mǎsura creşterii complexitǎţii acestora. Existǎ câteva tehnici de testare
prin programare pe calculator, care pot sǎ ajute proiectanţii de modele din punct de
vedere logic.
De exemplu, diagramele fluxului de date pot fi sistematic verificate pentru validitate
cu privire la cererile de date logice. Totuşi, un model logic nu poate fi verificat cu teste
fizice.
În procesul de modelare al unui sistem real complex se creeazǎ, de regulǎ, un pachet
de modele. Sunt cunoscute puţine proceduri sistematice pentru testarea corectitudinii
modelelor în special pentru consistenţǎ.
In primul rând, fiecare model trebuie verificat în mod detaliat din punct de vedere al
sintaxei. Apoi, fiecare pachet de modele trebuie verificat într-un mod top-down.
Aceasta înseamnǎ cǎ se fac verificǎri pentru a vedea dacǎ:
 fiecare modul din harta de structurǎ are asociatǎ propria diagramǎ;
 este detaliatǎ fiecare diagramǎ a fluxului de date conţinut în harta HIPO;
63
 sunt precizate input-urile şi output-urile pentru fiecare proces;
 sunt menţionate în dicţionarul de date toate fluxurile de date, procesele şi
entitǎţile externe.
Testarea fluxului de date într-un model presupune verificarea logicǎ a fluxului de
informaţii. Aceasta înseamnǎ cǎ pentru fiecare proces se verificǎ dacǎ output-urile sale
sunt generate unic numai din anumite combinaţii ale input-urilor şi dacǎ fiecare input este
necesar pentru a genera cel puţin un output al procesului.
Scopul acestei testǎri este de a avea certitudinea cǎ atunci când pachetul de modele se
implementeazǎ în structura realǎ indicatǎ, fiecare output al unui proces se obţine
(depinde) numai din input-urile strict necesare la care se adaugǎ valoarea generatǎ de
proces. Logica procesului poate fi testatǎ în acelaşi mod top-down deşi logica detaliatǎ
poate fi dificil de urmǎrit.
Aşa cum s-a arǎtat în paragraful precedent, dupǎ formularea modelului se face o testare
preliminarǎ a acestuia, cu ajutorul aceloraşi date care s-au folosit pentru determinarea
relaţiilor sale funcţionale. Dacǎ rezultatul testǎrii este negativ, modelul va fi supus unor
analize minuţioase şi vor fi fǎcute modificǎrile necesare pânǎ când modelul va fi
confirmat prin aceastǎ testare. Dacǎ rezultatul testǎrii este pozitiv, modelul este supus
unor teste suplimentare, care constǎ în efectuarea pe baza unor noi date colectate a unor
predicţii asupra comportǎrii sistemului sau a procesului studiat.
Cea mai simplǎ modalitate de testare a modelului se poate face folosind date pentru
cazuri particulare în care soluţia este cunoscutǎ. Când acest lucru nu este posibil,
rezultatele obţinute pe baza modelului sunt comparate cu cele provenite din observarea
situaţiilor reale similare. Dacǎ rezultatele (predicţiile) obţinute pe baza modelului se abat
semnificativ de la probele empirice (datele reale) disponibile, atunci modelul este respins
şi se va examina cu atenţie tot procesul de modelare.
Dacǎ rezultatul testǎrii este favorabil modelul este acceptat şi se trece la implementarea
modelului în situaţia realǎ. Implementarea reprezintǎ confruntarea modelului cu situaţia
realǎ şi presupune experimentarea sa într-o primǎ fazǎ. O modalitate este ca
experimentarea modelului sǎ se facǎ direct prin aplicarea pachetului de modele la situaţia
realǎ concretǎ şi prin constatarea nemijlocitǎ a eficienţei sale descriptiv-normative. La
experiment trebuie sǎ participe toţi cei care sunt implicaţi în mod direct sau indirect în
elaborarea modelului (analişti, proiectanţi, programatori), în utilizarea lui (utilizatori,
operatori) sau din punct de vedere al rezultatelor obţinute prin implementarea modelului
(manageri, beneficiari).
Acest gen de experimentare se poate realiza pentru un numǎr redus de situaţii reale
(întreprinderi), deoarece implicǎ riscuri şi pierderi potenţiale considerabile, însǎ oferǎ
posibilitatea stabilirii precise şi rapide a corecţiilor necesare pentru îmbunǎtǎţirea
modelului.
Cealaltǎ modalitate este de a experimenta pachetul de modele pe baza unor scheme de
simulare, ceea ce presupune generarea unor situaţii posibile ale sistemului (variante) şi
analiza, cu ajutorul modelelor, a consecinţelor acestor variante asupra indicatorilor de
eficienţǎ ai sistemului modelat. Sunt observate şi analizate rezultatele obţinute prin
simularea diferitelor scheme de experimentare şi dacǎ este necesar, se fac modificǎrile
care se impun în modele.
În aceastǎ fazǎ, prezenţa utilizatorului este importantǎ în vederea obţinerii unor rezultate
practice bune şi a validǎrii modelelor. Pentru validarea modelului se analizeazǎ curba de
evoluţie a fiecǎrei variabile de ieşire şi dacǎ aceasta nu diferǎ semnificativ de curba
cunoscutǎ a valorilor reale, atunci modelul este acceptat. Interpretarea rezultatelor
64
necesitǎ şi analiza unor indicatori statistici (media, dispersia, mediana etc.) asociaţi
variabilelor de ieşire din model.[13]
Agenţii şi sistemele multiagent reprezintă o nouă modalitate de analiză, modelare
şi implementare a sistemelor complexe. Viziunea bazată pe agenţi oferă astăzi o
gamă largă de instrumente, tehnici şi paradigme cu un uriaş potenţial de a
îmbunătăţi modul în care oamenii concep şi utilizează tehnologia informaţională.
Agenţii sunt şi vor fi utilizaţi tot mai mult într-o mare varietate de aplicaţii, mergând
de la sisteme de dimensiuni mici, cum ar fi filtrele personalizate pentru e-mail sau
agenţii pentru cumpărături (shopbot) şi până la sisteme mari, deosebit de complexe,
cum sunt organizaţiile şi sistemele economice virtuale[14].

Astazi este de neconceput progresul –aspiratie generala a omului- fara utilizarea modelarii
matematice in cvasi-totalitatea domeniilor activitatii sale. Cresterea complexitatii
structurilor de orce fel ,a structurii organizatorice a societatii in general face ca adoptarea
deciziilor de conducere eficienta sa nu mai poata fi posibila cu ajutorul tehnicilor
clasice. Este nevoie din ce in ce mai mult de o informatie ampla,precisa raida,de estimarea
cantitativa si prognoza consecitentelor deciziilor adoptate.In acest sens modelarea a venit in
intampinarea cerintelor practicii prin dezvoltarea unor metode, cum sunt cele ale
cercetarilor operationale care permit analiza obiectiva a actiunilor(operatiilor)indreptate
spre realizarea unui anumit scop,estimarea cantitativa a acestora si a deciziilor
posibile,oferind astfel posibilitatea conducerii eficiente a proceselor sau fenomenelor
modelate[15].

Aparatul matematic utilizat in cadrul modelarii este deosebit de variat. Cel mai frecvent
insa, in elaborarea deciziilor se folosesc modele ale programarii matematice –domeniu
care elaboreaza teoria si metodele numerice de rezolvare a problemelor de etremum
multidimensionale cu restrictii,adica a probelmelor de extremum al functiilor de mai
multe variabile cu restrictii in ceea ce priveste domeniile de variatie.Programarea
matematica grupeaza o clasa foarte mare de probleme de optimizare care s-au dezvoltat
de sine statator si apeleaza la metode specifice de rezolvare. Astfel, fara pretentia de a
cuprinde intregul domeniu putem aminti:programarea liniara, programarea convexa,
programarea neliniara, programarea dinamica, probleme de programare in retea,programarea
discreta, programarea stochastica etc. Intre diferitele tipuri de probleme exista stranse
legaturi (de exemplu programarea liniara face parte din programarea convexa, care la
randul ei este o parte a programarii neliniare etc.), progamarea matematica incepand sa
semene din ce in ce mai mult cu o teorie unitara a problemelor de extremum[15].

In termeni foarte generali si drept urmare mai putin precisi intr-un model de
programare matematica se cere determinarea extremumului unei functii pe o
multime de restrictii data.Functia respectiva,in problemele concrete,reprezinta o
masura a gradului de satisfacere a unui scop precizat,deci o formulare matematica a
unui obiectiv urmarit[15].
Orice model trebuie sa fie izomorf cu imaginea simplificata a obiectului cercetat, care
la randul sau este homomorfa cu obiectul. Din acest motiv se deosebesc doua nivele
ale tipologiei modelelor economico-matematice[15].
La un prim nivel, criteriile de clasificare caracterizeaza gradul de simplificare
constienta a obiectului real in imaginea sa (homomorfismul), iar la al doilea nivel,
criteriile caracterizeaza deosebirile dintre modele ca scheme matematice care asigura
izomorfismul modelului cu imaginea simplificata.
Astfel, in primul nivel, deosebim criteriile:
65
1. Dupa profunzimea cuprinderii organizarii structurale si a functiilor obiectului :
 Modele ale structurii tehnologice;
 Modele ale structurii institutionale;
 Modele ale structurii sociale si ale mediului.
2. Dupa modelul de formalizare:
 Modele generale (agregate);
 Modele particulare (detaliate).
3. Dupa finetea redarii proprietatilor si relatiilor structurale ale obiectului:
 Modele deterministe;
 Modele probabiliste (stohastice);
 Modele de risc si incertitudine;
 Modele statistice.
4. Dupa natura matematica a relatiilor:
 Modele liniare;
 Modele neliniare.
Modelele particulare pot fi localizate dupa o caracteristica functionala, dupa structura
(modelul unei celule economice) sau dupa timp (modele statice, dinamice). Modelele
deterministe cuprind exclusiv functii matematice particularizate, in care nu intervin
variabile aleatoare. Cele probabilistice implica utilizarea variabilelor aleatoare.
Cand se analizeaza miscarea diferitelor elemente ale modelului intervin modelele de
risc si incertitudine. Daca o modificarea a unui element produce o consecinta precisa
suntem intr-o relatie certa. Probabilitatea producerii consecintei respective este egala
cu 1. Cand probabilitatea producerii consecintei este diferita de 1, dar se cunoaste, sau
poate fi estimata, suntem intr-o situatie de risc. Riscul provine din faptul ca desi stim
probabilitatea aparitiei consecintei modificarii, nu cunoastem momentul si locul
aparitiei. Exista riscul unor situatii nedorite. Este posibil ins sa nu cunoastem
probabilitatea aparitiei consecintei unei modificari si nici nu putem sa o estimam.
Aceasta este situatia de inceritudine.
Modelele statistice cuprind cel putin o relatie dedusa prin prelucrarea statistica a
datelor experimentale[15].
La al doilea nivel al tipologiei criteriile sunt:
1. Dupa conceptia de formalizare:
 Modele construite dupa principiul finalist;
 Modele construite dupa principiul mecanic;
 Modele construite dupa principiul sistemic.
2. Dupa raportul dintre parametri endogeni si exogeni:
 Modele deschise;
 Modele inchise.
3. Dupa tipul de variatie al variabilelor:
 Modele cu varibile continue;
Un model științific (caz ideal, caz teoretic) este o reprezentare prin alte mijloace a unei
situații reale, bazată pe conceptualizare, alcătuită în vederea obținerii unor rezultate
aproximative sau a unei clasificări valabile în majoritatea cazurilor posibile. Modelele
științifice pot avea diverse grade de fidelitate față de situația de la care se pornește,
studiul fiind unul neexhaustiv (nu se urmărește verificarea tuturor cazurilor posibile). În
opoziție, rezultatele obținute în situația reală poartă denumirea de caz real, caz practic.

66
Modelul științific se servește de legi formale, prin care sunt descrise caracteristicile
situației reale cu cea mai mare influență asupra rezultatelor. Astfel de modele sunt
realizate uneori și din imposibilitatea de a reproduce în laborator problema studiată[16].
Modelarea matematică este descrierea unui sistem utilizând concepte și termeni
matematici. Este folosită atât în domeniul științelor naturale cât și în ingineria industrială
și economică. Din procesul unei modelări matematice trebuie să rezulte
un model matematic al cazului (situației) studiat, model folosibil în luarea de decizii
tehnice sau economice.
Un model matematic cantitativ al unui fenomen constă de obicei din ecuații
matematice (algebrice, transcendente și diferențiale, uneori chiar integrale sau
integrodiferențiale) obținute pe baza unor ipoteze de lucru.

Modelarea este o metoda de cunoastere, de reflectare a realitatii. Esenta modelarii


consta in inlocuirea procesului real studiat printr-un model mai accesibil
studiului. Modelul este o reprezentare simplificata a procesului real, prin descrierea
comportamentului global al marimilor esentiale ce intervin in proces. Abstractia si
simplificarea sunt pasi necesari in rezolvarea oricarei probleme umane. Un model
matematic in inginerie va reprezenta fidel un anumit proces in masura in care se
sprijina pe teoria generala care formuleaza categoriile, conceptele si legile obiective ale
realitatii procesului considerat si are la baza o structura logica deductiva de la axiome
si ipoteze simplificatoare asupra marimilor ce descriu fenomenul studiat, pana la
determinarea unor legaturi si legitati intre aceste marimi.

MODELARE MATEMATICĂ

Încă de la începuturile dezvoltării sale, modelarea s-a impus ca una dintre cele mai
puternice şi cele mai flexibile instrumente suport pentru luarea deciziilor.
Aplicaţiile modelării sunt extrem de numeroase şi variate. Practic, nu există
domeniu de activitate în care să nu utilizeze tehnici de modelare sau modele. Astăzi
deciziile eficiente se bazează nu numai pe modelare şi simulare, ci pe o adevărată
analiză de sistem.
Matematica, ştiintă a structurilor abstracte ale fenomenelor şi sistemelor reale, poate
modela orice fenomen, cel puţin din punct de vedere conceptual. Este deja dovedit
faptul că studiul sistemelor reale (a celor complexe în special) cu ajutorul modelelor
este mult mai eficient, nu numai sub aspect calitativ, dar şi economic.
Creşterea complexităţii proceselor şi fenomenelor a impus perfecţionarea continuă a
metodelor şi tehnicilor de analiză şi investigaţie, cât şi a celor privind conducerea şi
luarea deciziilor. Deciziile bazate pe intuiţie sau experienţă nu-şi mai găsesc locul
în economia modernă. Astăzi se folosesc algoritmi şi tehnici moderne, susţinute
prin mijloace informatice performante.
Un management eficient impune asistarea deciziilor prin utilizarea unor metode
matematice moderne, combinate cu cele mai avansate tehnici de calcul
computerizat.
Termenul de model se foloseşte de obicei pentru o structură construită special
pentru descrierea trăsăturilor şi caracteristicilor unor obiecte. Uneori, astfel de
modele sunt concrete, alteori sunt modele abstracte. Analogiile model- realitate

67
constituie instrumente importante, uneori de neinlocuit, de cunoastere a
fenomenelor si proceselor lumii reale.
Cunoaşterea realităţii înconjurătoare se poate face, în general, deductiv sau
experimental.
Procesul deductiv de cunoaştere presupune următoarele faze:
 observarea şi analizarea sistemului real ;
 construirea unei teorii (sistem de axiome sau postulate) pe baza
procesului de abstractizare a fenomenului real;
 deducerea unor rezultate (teoreme) cu ajutorul regulilor logicii şi
obţinerea unor concluzii;
 interpretarea concluziilor asupra sistemului real .

Abordarea experimentală porneşte de la o teorie care permite obţinerea unor


concluzii. Prin experimente, anumite date astfel obţinute, sunt supuse interpretărilor
statistice, dând naştere la concluzii privind sistemul real studiat.
Rezultate mai bune se obţin atunci când procesul de cunoaştere se face combinat,
atât experimental, cât şi deductiv.
Unele sisteme reale nu permit efectuarea experimentelor, datorită unor
particularităţi sau datorită costurilor exagerate (de exemplu, anumite fenomene şi
procese economice). Acestea sunt modelate, iar cu ajutorul modelului construit se
obţin rezultate aplicabile sistemului real.
Modelul este o reprezentare (imagine) simplificată a realităţii. Pentru a fi util în
procesul de luare a deciziilor, modelul trebuie să fie bine înţeles şi uşor de folosit.
În acelaşi timp, el trebuie să conţină toate elementele caracteristice ale problemei
studiate. Aceasta se realizează prin procesul de abstractizare care creează o imagine
simplificată a sistemului real. Sarcina nu este una uşoară, dar dacă este bine
realizată, atunci modelul va fi un instrument extrem de util în procesul de luare a
deciziilor.
Deşi conceptul de „model” este relativ nou, metoda modelării a fost folosită de
oamenii de ştiinţă în cele mai diverse domenii ale cunoaşterii, fără a uza însă de
termenul respectiv. Conceptul de „model” se pare ca a fost folosit pentru prima data
de matematicianul Beltrami in 1868, provenind de la radacina latina “modus”, care,
printre altele, inseamna si “mijloc”. Definiţia cea mai generala considera modelul
ca o reprezentare simplificata (materiala sau simbolica) a realitatii obiective (uneori
a unei teorii abstracte), care se subordoneaza scopului cercetarii. Definitia cea mai
ingusta include in categoria de model numai reprezentarile prin relatii matematice.
Conceptual, modelarea admite o dublă abordare :

 construirea unui model al fenomenului studiat, în diverse grade de


abstractizare;
 instrument de cunoaştere a realităţii prin intermediul modelului.
Esenţa modelării constă în înlocuirea procesului real studiat cu un obiect mai
accesibil studiului. Modelarea şi modelul se justifică atunci când analiza modelului
(deductivă şi/sau experimentală) este mai accesibilă decât studierea nemijlocită a
fenomenului real.
În procesul de modelare, prin abstractizare (renunţare la caracteristici neesenţiale
ale sistemului în raport cu scopul), se obţine o imagine homomorfă simplificată a
sistemului real. Această imagine este izomorfă cu modelul, fiecărui element din
imaginea homomorfă corespunzându-i un element al modelului.

68
Reciproc, prin analiza corectă a modelului, se obţin informaţiile dorite privind
sistemul studiat.

Avantajele modelării ies în evidenţă, mai ales în cazul sistemelor complexe. În


primul rând, modelarea permite reprezentarea fenomenului studiat prin evidenţierea
numai a trăsăturilor caracteristice esenţiale. În al doilea rând, permite efectuarea
investigaţiilor asupra modelului în cazul în care experimentele reale nu sunt
posibile, fie datorită inabordabilităţii sistemului real, fie datorită costurilor
exagerate. Totodată, modelarea permite repetarea experimentului de câte ori este
nevoie. De asemenea, prin modificarea parametrilor, sistemul real poate fi studiat în
situaţii plauzibile.
Putem conchide ca studiul pe bază de modele este mult mai eficient atât sub aspect
calitativ, cât şi sub aspect economic (costuri mici, timp redus, etc).

CONDIŢII IMPUSE MODELELOR


Reuşita studierii unui sistem real prin intermediul modelării este dependentă de mai
multe condiţii impuse modelului.
În primul rând, modelul trebuie să satisfacă o condiţie de adecvare (analogie),
proprietatea sa de bază fiind reflectarea şi reproducerea aspectelor esenţiale ale
sistemului studiat, în ordinea şi structura lor.
O a doua restricţie este condiţia de eterogenitate a modelului faţă de sistemul real.
Această vizează diferenţa de natură sau de grad de complexitate dintre model şi
sistem, care trebuie să fie suficient de mare pentru a asigura aplicabilitatea unor
metode asupra modelului, dar nu şi asupra sistemului.
Analogia şi eterogenitatea conferă modelului o capacitate nelimitată de ameliorare,
putând astfel modela procesul de modelare sub forma unui şir de modele a cărui
limită este sistemul real. Prin modelare nu facem decât să actualizăm un număr mic
sau mare, dar finit, de termeni.
În al treilea rând, modelul trebuie să satisfacă, în mod evident, o condiţie de
eficacitate: printre metodele ce permit studiul modelului trebuie să existe cel puţin
una care să conducă la rezultate diferite faţă de datele de intrare (caracteristicile
sistemului real).
Finalitatea procesului de modelare presupune îndeplinirea unei condiţii de relevanţă
a modelului faţă de sistemul studiat. Cu alte cuvinte, rezultatele obţinute în studiul
modelului conduc la concluzii semnificative referitoare la comportamentul
obiectului real. De fapt, un model este apreciat în funcţie de relevanţa sa faţă de
real.
În sfârşit, modelului i se impune o condiţie de independenţă, în sensul că poate
abandona calitatea de model pentru sistemul S 1, pentru a deveni model pentru
sistemul S2.
În concluzie, calitatea de model nu e intrinsecă, ci dobândită. Ea este validată
aposteriori, deci după verificarea condiţiilor de adecvare, eterogenitate, eficacitate,
relevanţă si independenţă.

69
MODELARE ECONOMICO -
MATEMATICĂ TIPOLOGIA
MODELELOR
Complexitatea si diversitatea lumii reale au condus la elaborarea unor modele foarte
variate. O clasificare riguroasă a modelelor este greu de realizat. Sistematizarea
mulţimii tipurilor de modele elaborate se poate face pe baza mai multor criterii.
Astfel, dupa natura fizica a elementelor modelului (mijloacele prin care se reproduc
obiectele studiate), modelele se clasifică în:
a) modele fizice (materiale, tehnice);
b) modele abstracte (conceptuale, imaginate, ideale);
c) modele hibride.
Modelele fizice contin elemente de natura fizica, sunt create de om, dar exista
obiectiv, independent de vointa lui, fiind materializate. Acestea reproduc, in scop
cognitiv, obiectul studiat pentru a-i reda structura sau unele proprietati. Modelul
fizic poate pastra natura fizica a obiectului sau asemanarea geometrica cu acesta.
Cand proprietatile obiectului sunt exprimate prin ele insele, dar la alta scara, avem
de-a face cu modele imitative. Un model imitativ seamana cu obiectul pe care-l
reprezinta, dar difera ca marime. Sunt de obicei modele specifice, concrete si greu
de manipulat in scopuri experimentale (machete de avion, nave, scheme
electronice). Cand se folosesc anumite proprietati pentru a reprezenta alte
proprietati, modelele sunt analogice. De exemplu, inaltimile se reprezinta pe harta
prin linii orizontale, graficele sunt modele analogice care utilizand proprietati
geometrice (distanta, pozitie) exprima o varietate de elemente si relatii intre ele.
Modelele analogice sunt mai putin specifice, mai putin concrete si mai usor de
manuit decat cele imitative.
Modelele abstracte (conceptuale, imaginate, ideale) reprezinta imagini ale
obiectului real si descriu proprietatile esentiale intr-un limbaj simbolic (matematic).
Ele nu au nimic comun cu natura obiectului cercetat, ci reflecta realitatea in plan
gnoseologic, pe baza izomorfismului cu aceasta realitate. Reproducerea obiectului
studiat este simplificata, constituind o anumita idealizare a realitatii. Spre deosebire
de modelele fizice, modelele abstracte folosesc litere, numere, alte simboluri pentru
a reprezenta elemente variabile si legaturile dintre ele. Sunt cele mai generale, se
lucreaza experimental usor si, de obicei, iau forma unor relatii matematice.
Modelele abstracte se pot clasifica la randul lor in: modele abstracte cantitative si
modele abstracte calitative. Cele cantitative se mai numesc si numerice, fiind
descrise prin relatii matematice particularizate (parametrii au valori numerice
concrete). Asa sunt de exemplu modelele econometrice. Cele calitative (se numesc
si logice, grafice) includ numai specificarea formei relatiilor si sunt reprezentabile
prin scheme, diagrame, forme grafice.
Modelele hibride cuprind atat elemente fizice, cat si abstracte. Ele presupun
interactiunea dintre un sistem format din elemente fizice si un calculator electronic
programat corespunzator.
După modul de reflectare a caracteristicilor obiectului, modelele pot fi:
a) modele normative;
b) modele descriptive.
Modelele pot reflecta atat structura interna a obiectului, cat si relatiile dintre
elementele sale. Cand structura interna nu este accesibila cercetarii, modelul
reflecta numai comportamentul sau functionarea acestuia, determinand dependenta
dintre actiunile asupra obiectului si starile sale. Modelele la construirea carora se
70
urmareste determinarea unei asemenea stari a obiectului care sa fie cea mai buna,
intr-un anumit sens, sau cea mai acceptabila din punct de vedere al subiectului, se
numesc modele normative. Modelele destinate sa explice faptele observate sau sa
asigure prognoza comportamentului obiectului se numesc modele descriptive.
Modelele normative raspund la intrebarea “cum trebuie sa fie”, iar modelele
descriptive la intrebarile “cum este”, “cum va fi”.
Conform diagramei prezentate anterior, orice model trebuie sa fie izomorf cu
imaginea simplificata a obiectului cercetat, care la randul sau este homomorfa cu
obiectul. Din această perspectivă deosebim doua nivele ale tipologiei modelelor
economico-matematice.
La un prim nivel, criteriile de clasificare caracterizeaza gradul de simplificare
constienta a obiectului real in imaginea sa (homomorfismul), iar la al doilea nivel,
criteriile caracterizeaza deosebirile dintre modele cu scheme matematice care
asigura izomorfismul modelului cu imagine simplificata.
Astfel, la primul nivel, deosebim mai multe criterii, în raport cu care evidenţiem
următoarele tipuri de modele:
a) dupa profunzimea cuprinderii organizarii structurale si functiilor
obiectului:
- modele ale structurii tehnologice;
- modele ale structurii institutionale (organizatorice);
- modele ale structurii sociale si ale mediului.
b) dupa modul de formalizare:
- modele generale (agregate);
- modele particulare (detaliate).
c) dupa finetea redarii proprietatilor si relatiilor structurale ale
obiectului:
- modele deterministe;
- modele probabiliste (stochastice);
- modele de risc si incertitudine

- modele statistice.
d) dupa natura matematica a relatiilor:
- modele liniare;
- modele neliniare.
Modelele particulare pot fi localizate dupa o caracteristica functionala, dupa
structură (modelul unei celule economice) sau dupa timp (modele statice,
dinamice). Modelele deterministe cuprind exclusiv functii matematice
particularizate, in care nu intervin variabile aleatoare. Cele probabilistice
(stochastice) implica utilizarea variabilelor aleatoare. Un caz particular il reprezinta
modelele fuzzy (vagi) care reflecta imprecizia sistemului studiat si permit stabilirea
gradului de apartenenta la o anumita proprietate. Adesea se intalnesc si metode
mixte care includ atat variabile aleatoare, cât şi deterministe.
Cand se realizeaza “miscarea” diferitelor elemente (variabile) ale modelului intervin
modelele de risc si incertitudine. Daca o modificare a unui element produce o
consecinta precisa, suntem intr-o situatie certa. Probabilitatea producerii consecintei
respective este egala cu 1. Cand probabilitatea producerii consecintei este diferita
de 1, dar se cunoaste sau poate fi estimata, suntem intr-o situatie de risc. Riscul
provine din faptul ca desi stim probabilitatea aparitiei consecintei modificarii, nu
cunoastem momentul si locul aparitiei. Exista, deci riscul unor situatii nedorite. Este
posibil insa sa nu cunoastem probabilitatea aparitiei consecintei unei modificari si

71
nici nu putem sa o estimam. Aceasta este situatia de incertitudine.
Modelele statistice cuprind cel putin o relatie dedusa prin prelucrarea statistica a datelor
experimentale (relatii functionale empirice).
La al doilea nivel al tipologiei, putem clasifica modelele dupa:
a) dupa conceptia de formalizare:
- modele construite dupa principiul finalist;
- modele construite dupa principiul mecanic;
- modele construite dupa principiul sistemic.
b) dupa raportul dintre parametrii endogeni si exogeni:
- modele deschise;
- modele inchise.
c) dupa tipul de variatie al variabilelor:
- modele cu variabile continue;
- modele cu variabile discrete;
- modele de tip mixt.
d) dupa obiectul cercetarii:
- modele macroeconomice;
- modele microeconomice.

Modelele macroeconomice se referă la economia naţională, la o ramură (subramură)


sau la economia unui teritoriu mare (un judeţ, o anumită zonă industrială, agricolă
etc.), iar modelele microeconomice descriu realitatea economica la nivel de
întreprindere, trust, combinat etc.
Exemple importante de modele macroeconomice sunt modelele cibernetice si
modelele econometrice. Modelele cibernetico-economice urmăresc să studieze
relaţia dintre intrări şi ieşiri într-un organism economic, cu evidenţierea
fenomenelor de reglare care determină buna funcţionare a sistemului. Modelele
econometrice descriu comportamentul organismelor economice cu ajutorul unor
sisteme de ecuaţii în care elementele numerice sunt determinate statistic.
Varietatea modelelor se justifică prin diversitatea şi complexitatea sistemelor reale.
De aceea, există multiple criterii de clasificare a modelelor. Este important sa
subliniem inca o data, ca schemele si criteriile de clasificare anterior prezentate nu
sunt exclusive si riguroase. Mai mult, mutaţiile continue şi spectaculoase inter, intra
si transdisciplinare ”afecteaza” continuu aceste clasificari.
În cele ce urmează propunem o alta tipologie a modelelor, ţinând seama de gradul
lor de realism în reprezentarea unei probleme:
- exerciţiu operaţional
- simulare gaming
- simulare propriu-zisă
- model analitic.
În cazul exerciţiului operaţional, modelarea implică doar proiectarea unei mulţimi
de experimente în mediul real, urmată de măsurări şi interpretări ale rezultatelor
acestor experimente. În luarea deciziilor, trebuie să se ţină seama de erorile de
măsurare şi de numărul finit de observaţii făcute. De aceea, îndeplinirea sarcinilor
adeseori impune folosirea unor metode statistice şi de optimizare.
În esenţă, exerciţiul operaţional apare ca un proces inductiv, caracteristic cercetării
primare în ştiinţele naturii, în care generalizările se fac plecând de la observaţii
particulare.
Exerciţiile operaţionale, deşi au cel mai mare grad de realism dintre toate abordările
72
modelării, sunt rareori folosite exclusiv, fiind în plus şi destul de scumpe. Oricum,
prin observaţiile directe, ele furnizează o importantă sursă de date. Putem conchide
că exerciţiile operaţionale aduc contribuţii însemnate privind îmbunătăţirea
procesului decizional.
În cazul simulării gaming, modelul apare ca o reprezentare abstractă simplificată a
lumii reale. Acest model furnizează un mecanism sensibil de evaluare a eficienţei
alternativelor propuse. Practic, modelul este un plan ce permite decidentului să
testeze performanţele diverselor alternative. În plus toate interacţiunile umane care
afectează cadrul decizional pot participa activ prin furnizarea inputurilor (strategii
de marketing, planuri de producţie, etc).
Faţă de exerciţiul operaţional, operând cu un cadru abstract, am pierdut câteva
grade de realism, dar am păstrat unele interacţiuni umane ale procesului real.
Oricum, costul procesării fiecarei alternative se reduce, iar viteza măsurării
performanţei fiecărei alternative creşte.
Modelele de simulare se deosebesc de cele de tip gaming prin faptul că în procesul
de modelare nu mai apar deciziile umane. Modelul evaluează performanţele unui
număr de alternative (furnizate extern modelului de către factorii decizionali), fără a
permite interacţiuni umane în diverse etape intermediare. Modelele economice de
simulare încearcă să stabilească modul de funcţionare al unor organisme macro sau
microeconomice prin acordarea unor combinaţii de valori întâmplătoare variabilelor
independente care descriu procesele. Prin "citirea" valorilor pe care le capătă în
felul acesta variabilele dependente, se obţin mărimi semnificative în procesul
studiat.
Ca şi exerciţile operaţionale şi simulările gaming, modelele de simulare nici nu
generează alternative, nici nu dau răspuns optim. Practic, aceste modele sunt utile în
evaluarea performanţelor diverselor alternative identificate anterior de decidenţi.
Amintim faptul că multe modele de simulare se prezintă sub forma unor pachete de
programe.
Modelul analitic prezintă procesul real în termeni matematici, prin criterii sau
obiective şi printr-o mulţime de restricţii ce descriu condiţiile specifice problemei.
Modelul analitic furnizează soluţia optimă, adică acea soluţie care verifică toate
restricţiile şi care realizează cea mai bună valoare a funcţiei obiectiv. Modelele
analitice (numite si modele ale cercetării operaţionale) se bazează pe o mare
diversitate de procedee matematice şi au aplicaţii la nivel macro, dar în special la
nivel microeconomic. Ele reprezintă principalul instrument pentru optimizarea
deciziilor în analiza de sistem.
Modelele analitice sunt cele mai ieftine modele, introducând totodată şi cel mai
mare grad de simplificare în tipologia pe care o analizăm.
În concluzie, punând cele patru tipuri de modele în ordinea exerciţiu operaţional,
simulare gaming, simulare propriu-zisă, model analitic, remarcăm următoarele
aspecte:
- creşterea gradului de abstractizare şi a vitezei;
- descreşterea gradului de realism şi a costului;
- prezenţa interacţiunilor umane ca părţi ale procesului de modelare în cadrul
exerciţiilor operaţionale şi a simulărilor gaming, respectiv absenţa acestora în
cazul modelelor de simulare şi a celor analitice.
Si aceasta tipologie este relativa, între grupele de modele menţionate existând
frecvente asemănări şi întrepătrunderi. Astfel, simularea se utilizează în mai toate
tipurile de modele matematice, iar modelele cercetării operaţionale pot fi folosite în
descrierea sistemică a unui organism etc.
73
ELABORAREA MODELELOR ECONOMICO -
MATEMATICE
J. Forrester in ”Industrial Dynamics” construieşte un procedeu de descriere a
comportamentului unei întreprinderi, care utilizează metode cibernetice,
informatice, psihosociologice, precum şi procedee de modelare matematică. De
asemenea, simularea este utilizată ca un procedeu de bază în descrierea
comportamentului sistemelor. Practic, se utilizeaza concepte si metode din
principalele discipline ale organizarii si conducerii: cercetarea operationala,
cibernetica, informatica, teoria generala a sistemelor, psihologia organizarii.
Forrester urmăreşte înţelegerea stării unui sistem cu ajutorul unor ecuaţii care
descriu în timp intrările, transformările şi ieşirile din sistem, pentru şase tipuri de
fluxuri:
1) fluxuri materiale;
2) fluxuri de comenzi;
3) fluxuri băneşti;
4) fluxuri umane;
5) fluxuri de echipamente;
6) fluxuri informaţionale;
In esenta, este vorba de găsirea funcţiilor de reacţie ale sistemului. Pe baza acestei
descrieri matematice se pot face simulări pe calculator, cu ajutorul cărora se
prevede evoluţia sistemului.
Teoria lui Forrester se regaseste practic si-n metodologiile analizei sistemice, desi
procedeele acestei discipline sunt bazate mai mult pe descrieri calitative ale
proceselor informationale si de decizie. Prezentam in continuare ideile de baza din
teoria lui Forrester:
a) orice sistem este alcătuit din elemente (părţi) interdependente,
acţionând în comun în virtutea unui scop;
b) ansamblul legăturilor între elementele sistemului, precum şi al
legăturilor cu întregul, formează structura sistemului S;
c) complexitatea sistemelor depinde mai mult de structura sistemului decât
de natura părţilor sale;
d) două sisteme cu structuri parţial identice se numesc homomorfe
(sistemul mai simplu va constitui un model al sistemului homomorf mai
complex);
e) două sisteme homomorfe vor avea un comportament asemănător, de
unde rezultă posibilitatea de studiu a proprietăţilor sistemelor reale prin
simulare;

f) structura (statică) unui sistem preexistă comportamentului


său (dinamicii sistemului);
g) mişcările într-un sistem se realizează prin fluxuri presupuse concrete şi
continue;
h) fluxul informaţional are un rol central în funcţionarea sistemelor;
i) procesele decizionale sunt considerate şi ele ca având un rol central în
mecanismul sistemelor; ele sunt presupuse a fi discontinue;
j) reglarea este un element caracteristic al funcţionării sistemelor;
k) procesele care au loc în sistemele economice sunt, de regulă, neliniare.
În prezent, tot mai multe domenii folosesc matematica pentru propriile necesităţi.

74
Problemele lor specifice sunt transpuse într-o formă matematică şi studiate din punctul
de vedere al acestei discipline. Procesul se numeşte modelare matematică, iar produsul
matematic pe care îl creează, împreună cu interpretările sale, se numeşte model
matematic. Există modelare matematică în tehnică, economie, biologie, psihologie,
artă, practic peste tot.
Modelul, ca instrument al cunoaşterii ştiinţifice, este folosit în numeroase discipline
teoretice şi practice. În ştiinţele economice, în special în disciplinele organizării şi
conducerii, modelele sunt utilizate în toată diversitatea de tipuri care există. Se
conturează din ce în ce mai mult tendinţa utilizării cu precădere a modelelor de tip
matematic, datorită în special capacităţii acestora de a condensa riguros esenţialul,
cât şi posibilităţii lor de a fi programate cu ajutorul calculatoarelor electronice,
alcătuind împreună un instrument de investigaţie ştiinţifică de o putere necunoscută
până în prezent, o prodigioasă "prelungire" a inteligenţei umane.
În elaborarea modelelor economico-matematice, teoria economică are un rol
deosebit de important întrucât ea formulează categoriile, conceptele şi legile
obiective ale realităţii economice. Numai sprijinindu-se pe teoria economică
modelele matematice pot reprezenta fidel fenomenele economice.
Principalele avantaje ale modelării matematice sunt:
- scot în evidenţă relaţii care aparent nu există, obţinând astfel o mai bună
înţelegere a obiectului real studiat;
- prin analiza matematică a modelului construit, rezultă detalii privind
comportamentul sistemului real, detalii ce n-ar fi fost evidenţiate altfel;
- modelele matematice pot fi supuse experimentelor repetate.
Acest aspect constituie un avantaj important, mai ales în cazurile în care
experimentele efectuate asupra obiectelor reale fie nu sunt posibile, fie nu sunt
dorite.
Studiul unui sistem prezintă interes pentru înțelegerea relațiilor dintre componentele
acestuia sau pentru prezicerea modului cum va funcționa sistemul în condiții noi. Uneori
este posibil să se facă experiențe cu sistemul însuși, însă nu întotdeauna. Într-adevăr,
sistemul poate să nu existe încă, ci poate fi numai în formă ipotetică sau în fază de
proiectare. În consecință, studiul sistemelor se realizează deseori cu modelul sistemului.
Un sistem cuprinde multiple aspecte, de exemplu planificare, specificații, analiză,
proiectare, implementare, desfășurare, structură, comportare, date de intrare și date de
ieșire. Modelul unui sistem este necesar pentru a descrie și a reprezenta aceste aspecte
multiple. Modelarea sistemelor constituie un principiu de bază în inginerie și în științe
sociale.
Un model (în contextul studiului sistemelor) este definit ca o reprezentare conceptuală
(abstractă) a unui sistem care reproduce și descrie artificial sistemul original existent,
care permite studierea sistemului, servind astfel pentru cunoașterea proprietăților
sistemului original și predicția comportării acestuia. Un model este o descriere
schematică a unui sistem, a unei teorii sau a unui fenomen care explică proprietățile sale
cunoscute sau presupuse și care poate fi folosit pentru studiul ulterior al proprietăților
sale.Pentru multe studii este necesar să se ia în considerare numai acele aspecte (sau
variabile) ale sistemului care sunt relevante pentru problema cercetată. Aceste aspecte
(variabile) sunt reprezentate în modelul sistemului, iar modelul, prin definiție este o
reprezentare simplificată a sistemului. Pe de altă parte, modelul trebuie să fie suficient
de detaliat pentru a permite să se tragă concluzii valabile la efectuarea experiențelor
asupra modelului, pentru cunoașterea proprietăților sistemului real. Nici un model al
unui sistem nu va include toate caracteristicile sistemului real care prezintă interes și nici
75
un model al unui sistem nu trebuie să includă toate entitățile care aparțin sistemului real
de interes. Sistemele sunt deseori vizualizate sau modelate ca blocuri
componente (subsisteme) care au conexiuni între ele. Există alternativele de a reprezenta
un sistem ca o singură unitate pe un singur nivel, sau ca o colecție de subsisteme (de
exemplu, componente și subcomponente) care trebuie să fie coordonate la "nivelul
sistemului" general. Aceasta este o importantă decizie de modelare, atunci când
dimensiunea sistemului este mare[17].
Construirea unui model este subordonată unor cerințe contrare care trebuie satisfăcute în
mod echilibrat. Pe de o parte, modelul trebuie să fie destul de simplu, să fie o
reprezentare a sistemului real cu un anumit grad de abstractizare, iar pe de altă parte
trebuie să fie o reprezentare destul de fidelă a sistemului pe care îl modelează. Există
totdeauna o deosebire profundă (gap) între sistemul real și modelul acestuia. Amploarea
acestei deosebiri depinde de complexitatea modelului, fidelitatea, precizia, "realismul"
etc.
Scopurile construirii modelelor pot fi prezentate succint astfel:
‫٭‬relevarea fenomenelor sau proceselor ce se desfășoară în interiorul sistemului real;
‫٭‬prevederea consecințelor sau utilității diferitelor metode de decizie;
‫٭‬descrierea elementelor componente sau a subsistemelor sistemului real.
Modelele pot fi clasificate în două categorii principale:
‫٭‬modele fizice (naturale, materiale);
‫٭‬modele matematice.
Modelul fizic reprezintă o machetă, o instalație sau un dispozitiv fizic care reproduce, de
regulă la scară redusă, caracteristicile sistemului original, cu păstrarea legilor principale
de funcționare ale acestuia (de exemplu, macheta unei clădiri, a unui vehicul etc.).
Modelul fizic este o copie fizică a obiectului modelat, la scară mai mică, iar uneori la
scară mai mare.
Un model matematic utilizează notații simbolice și structuri matematice de tipul
ecuațiilor algebrice, ecuațiilor diferențiale etc. pentru a reprezenta un sistem. Pe scurt,
un model matematic este un model care reprezintă un sistem prin relații matematice.
Într-o definiție mai dezvoltată, un model matematic este o reprezentare matematică
abstractă (prin relații matematice) a unui obiect (o piesă, un produs, o mașină, o
organizație etc.), a unui proces (proces de fabricație specific sau proces de afaceri) sau a
unui concept, această reprezentare matematică fiind utilizată pentru analiză și
planificare. Modelele matematice se folosesc în științele naturii, în discipline inginerești,
în științe sociale etc.
Altă clasificare posibilă a modelelor propune trei categorii: modele iconice, modele
analogice, modele matematice.
Un model iconic (model la scară) este o reproducere (copie) fizică a unui lucru (obiect),
de exemplu sub forma unei machete sau a unui model redus la scară (un avion), sau
mărit la scară (modelul unui atom). Adjectivul "iconic" are semnificația "cu caracter de
reproducere figurativă". Modelele iconice pot apărea la scară în trei dimensiuni, de
exemplu un automobil, un pod sau o linie de producție. Fotografiile sunt alt tip de model
iconic, însă doar în două dimensiuni.
Un model analogic (engleză analogical model, analogue model) este un model care
explică un fenomen (deseori denumit "sistem-țintă") prin referire la alt fenomen,
76
considerat ca fiind analog , mai analizabil sau mai comprehensibil. Această metodă de
modelare este denumită și analogie dinamică. Analogiile dinamice stabilesc analogii
între sisteme electrice, mecanice, acustice, magnetice, electronice etc. Exemple de
modele analogice sunt: modelul hidraulic al unui sistem economic sau modele-circuite
electrice ale sistemelor neurale. Două lucruri/fenomene sunt analoage dacă există
similitudini relevante certe între ele.
Un model matematic utilizează simboluri și relații matematice pentru a evalua o situație.
Modelele matematice pot fi analitice sau deterministe,
respectiv stohastice(probabiliste). Un model matematic determinist este un model în
care fiecare set de stări ale variabilelor este determinat în mod unic de parametrii
modelului și de seturile de stări anterioare ale acestor variabile. Într-un
model stohastic este prezent caracterul aleatoriu, iar stările variabilelor nu sunt descrise
de valori unice, ci mai degrabă de distribuții de probabilitate.
După modul de reprezentare a proprietăților elementelor sistemului sau obiectului
sistemic care trebuie modelat, modelele matematice (MM) se împart în modele
funcționale și modele structurale.
Modelele funcționale reflectă procesele fizice sau informaționale ori funcționarea
obiectului sistemic considerat. De obicei, MM funcționale sunt constituite din sisteme de
ecuații care leagă paramatrii de intrare (input-uri), parametrii sistemului și parametrii de
ieșire (output-uri) ai sistemului.
Modelele structurale sunt destinate pentru descrierea structurii obiectului sistemic
modelat (considerat ca sistem cu construcția sa și mecanismul său de funcționare),
iar structura sistemului este determinată de natura elementelor și subsistemelor
componente, de proprietățile acestora și de relațiile dintre ele. Pentru reprezentarea
obiectului modelat ca sistem, acest obiect trebuie descompus în componente funcțional
finite, apoi trebuie să fie identificate relațiile dintre componente în schema generală a
obiectului, relațiile dintre obiect și mediul înconjurător, precum și funcția obiectului.
Se deosebesc MM structurale topologice și geometrice.
În MM topologice sunt reflectate componența și interacțiunile elementelor obiectului
sistemic. Aceste modele se utilizează, în special, pentru descrierea obiectelor care constă
dintr-un număr mare de elemente, la rezolvarea problemelor de atașare a elementelor
constructive la poziții spațiale determinate (de exemplu, probleme de compunere a
utilajelor considerate ca sisteme tehnice, de amplasare a pieselor etc.) sau de repartizare
în momente relative de timp (de exemplu, la elaborarea orarelor, elaborarea proceselor
tehnologice). Modelele topologice pot fi sub formă de grafuri, tabele (matrici), liste etc.
În modelele matematice geometrice sunt reflectate caracteristicile geometrice ale
obiectelor sistemice. În aceste modele, suplimentar față de informații asupra poziției
reciproce a elementelor sunt incluse informații asupra formei geometrice a pieselor. MM
geometrice pot fi exprimate printr-un ansamblu de ecuații ale liniilor și suprafețelor; prin
relații algebro-logice care descriu domeniile ce alcătuiesc corpul obiectului; prin grafuri
și liste care reflectă construcții din elemente constructive tipizate etc. MM geometrice se
utilizează pentru rezolvarea problemelor de proiectare în construcția de mașini, de
dispozitive, în radioelectronică, pentru elaborarea documentației tehnice etc.
Un tip particular de model matematic al unui sistem este modelul de simulare, cu
ajutorul căruia sunt simulate fenomenele ce caracterizează sistemul respectiv, păstrându-
se structura lor logică și succesiunea evoluției în timp, ceea ce permite ca prin variația
parametrilor de intrare să se obțină informații asupra stărilor procesului la momente de
77
timp determinate. Starea sistemului este definită ca fiind acel grup de variabile necesare
pentru a descrie sistemul în orice moment de timp, relativ la obiectivele studiului. Cu
ajutorul unui model de simulare se studiază comportarea sistemului, așa cum acesta
evoluează în timp. Acest model se prezintă sub forma unui set de ipoteze privind
funcționarea sistemului. Aceste ipoteze sunt exprimate prin relații matematice, logice și
simbolice, între entitățile sau obiectele care prezintă interes, ale sistemului.
Modelele de simulare pot fi clasificate în
modele statice sau dinamice, deterministe sau stohastic. Un model static de simulare ,
uneori denumit simulare prin metoda Monte Carlo, reprezintă un sistem într-un punct
particular în timp. Modelele dinamice de simulare reprezintă sistemele așa cum se
modifică acestea în timp.
Modelele de simulare care nu conțin variabile aleatoare sunt modele deterministe.
Modelele deterministe au un set cunoscut de input-uri care vor conduce la un set unic de
output-uri.
Un model stohastic de simulare are una sau mai multe variabile aleatoare ca variabile de
intrare. Intrările aleatoare conduc la ieșiri aleatoare. Deoarece ieșirile sunt aleatoare, ele
pot fi considerate doar ca estimații ale caracteristicilor adevărate ale sistemului. Un
model stohastic furnizează o relație între caracterizări de tip probabilisticale mărimilor
utilizate pentru descrierea matematică.
Sistemele pot fi categorisite și ca sisteme discrete sau continue. Un sistem discret este
cel în care variabilele de stare se modifică numai într-un set discret de puncte în timp.
Un sistem continuu este cel în care variabilele de stare se modifică continuu în timp.
Modelele discrete și continue sunt definite analog cu sistemele respective. Alegerea între
utilizarea unui model de simlare discret sau continuu este funcție de caracteristicile
sistemului și de obiectivele studiului. Astfel, un canal de comunicare ar putea fi modelat
în mod discret, dacă sunt considerate importante caracteristicile și deplasarea fiecărui
mesaj. Dimpotrivă, dacă fluxul de mesaje agregate pe canal este important, modelarea
sistemului utilizând simularea continuă ar putea fi mai adecvată.
La utilizarea simulării, schimbările potențiale (organizaționale și de mediu) în sistem pot
fi simulate pentru a prognoza impactul lor asupra performanțelor sistemului. Simularea
poate fi folosită, de asemenea, pentru studierea sistemelor în faza de proiectare, înainte
ca sistemele să fie construite. Așadar, modelarea sistemelor prin simulare poate fi
folosită atât ca un instrument de analiză pentru predicția efectului schimbărilor asupra
sistemului existent, cât și ca un instrument de proiectare pentru a prezice performanțele
noilor sisteme ce se proiectează, în diferite seturi de condiții.
Simularea constituie un demers științific care a adus deja rezultate notabile, mai ales în
domenii ca industria automobilelor, industria aeronautică și în general, pentru
comportarea sistemelor de fabricație în timp. Simularea numerică pe calculator permite
să se determine și să se cerceteze indicatori tehnico-economici ai funcționării sistemelor
de fabricație cum sunt : coeficientul de încărcare a utilajelor tehnologice, durata ciclului
de fabricație și optimizarea acestuia, volumul producției neterminate, dimensiunile
loturilor de piese ce vor fi lansate în fabricație, graficul de lansare a semifabricatelor,
graficul de livrare a produselor finite, graficul de deplasare a pieselor în sistem.
H.M.Paynter (1961) a propus metoda Bond-Graph pentru modelarea și simularea
sistemelor fizico-tehnice. Metoda Bond-Graph propune, ca principiu fundamental pentru
elaborarea modelelor, investigarea modului de procesare a energiei, ce se consideră
furnizată de una sau mai multe surse și transferată spre toate componentele participante
78
la funcționarea sistemului fizic real. Bond Graph este o modalitate de desenare grafică a
sistemelor dinamice[17].
Construirea unui model este o analiză sistematică prin care este elaborată o reprezentare
conceptuală (abstractă) a unui sistem sau este descrisă o reprezentare a unui răspuns
(output) așteptat al sistemului. Într-o altă formulare, construirea modelului este procesul
(de obicei iterativ) prin care cercetătorii încearcă să elaboreze un model adecvat al unui
sistem fizic sau biologic. O parte esențială a acestui proces constă în verificarea unui
model-candidat în comparație cu datele (care ajustează datele experimentale), pentru a
determina dacă există o inadecvanță serioasă. Modelele pot fi discutate, în special, dacă
sunt fie empirice (bazate pe date empirice), fie mecaniciste, sau un amestec al acestora.
Modelele mecaniciste se bazează pe fizica și chimia care guvernează procesul, pe
"mecanismul desfășurării procesului". Sunt utilizate pentru a proiecta procese, de
exemplu în industrii de proces. Modelarea mecanicistă utilizează legile fundamentale
ale sistemelor fizice pentru a construi o descriere a proceselor, adică ecuații de
continuitate. Acestea sunt ecuații de echilibru care descriu conservarea masei și
conservarea energiei în procese fizice. Sistemele fizice, menționate mai înainte,
reprezintă un ansamblu de elemente fizice concrete sau idealizate (obiect, punct
material, fluid, gaz perfect, câmp electromagnetic,...) pentru care se încearcă a se
cunoaște dinamica proprie.
Fazele construirii modelului unui sistem (cu aplicare la sisteme de producție) sunt
următoarele:
‫٭‬definirea problemei. Se stabilesc caracteristicile factorilor sau elementelor care
compun sistemul.
‫٭‬construirea modelului sistemului. Se elaborează un model care cuprinde elementele sau
subsistemele componente , stabilindu-se modul de interacțiune al
elementelor/subsistemelor între ele. În această fază se impune alegerea unui criteriu/unor
criterii de performanță al(e) sistemului modelat.
‫٭‬stabilirea soluției. Modelul este folosit într-un proces de proiectare a sistemului, urmat
de analize și încercări care conduc la proiecte îmbunătățite. Se obține o soluție atunci
când se consideră că răspunsul obținut la un moment dat este "cel mai bun" în raport cu
criteriile de performanță stabilite.
‫٭‬omologarea modelului sistemului. Omologarea modelului implică supunerea modelului
unor anumiți parametri de intrare (input-uri) și compararea mărimilor de ieșire (output-
uri) obținute pe baza modelului cu cele ale sistemului real. Ambele mărimi de ieșire
trebuie să aibă valori comparabile, printr-o diferență minim admisă, pentru ca modelul
să fie acceptat ca o reprezentare valabilă a sistemului.
‫٭‬realizarea sistemului. Cuprinde o fază preliminară de experimentare (prin funcționare,
instalație pilot, prototip, serie zero etc.), urmată de realizarea integrală când se trece la
construcția sistemului modelat[17].
Modelele matematice ale sistemelor trebuie să îndeplinească anumite cerințe după cum
urmează:
‫٭‬Realismul modelului. Sunt utile modele matematice care să reprezinte sistemul cât mai
realist posibil, cât mai complet și mai exact. Totuși, dacă un model este excesiv de
realist, acesta poate fi netratabil matematic, datorită complexității sale.

79
‫٭‬Ierarhia modelelor. Pentru orice situație de modelare se poate concepe o ierarhie de
modele, fiecare fiind mai realist decât precedentul și fiecare fiind urmat, probabil, de un
model mai bun.
‫٭‬Precizia relativă a modelului. Diferitele modele diferă în ceea ce privește precizia lor
și concordanța cu observațiile. Precizia modelului se estimează prin gradul de
concordanță al valorilor performanțelor sistemului calculate cu modelul matematic cu
valorile acelorași performanțe ale sistemului real.
‫٭‬Robustețea modelului. Un model matematic este robust dacă este puțin sensibil la
variațiile parametrilor perturbatori.
‫٭‬Self-consistența modelelor. Un model matematic implică ecuații și inecuații, iar acestea
trebuie să fie consistente (consecvente). Uneori, inconsistența rezultă din inconsistența
ipotezelor de bază.
‫٭‬Simplitatea sau complexitatea excesivă. Un model poate să nu reprezinte satisfăcător
modelul real, atunci când este prea simplu. Pe de altă parte, o complexitate excesivă
înseamnă un model capabil să furnizeze soluții cu precizie ridicată; totuși, complexitatea
modelului nu trebuie să depășească pe cea necesară pentru a realiza scopurile pentru
care modelul este destinat. Este necesar să se păstreze numai caracteristicile esențiale ale
sistemului real.
‫٭‬Adecvanța modelului cu sistemul real depinde de scopul modelării. Verificarea
adecvanței constă în compararea unui set de performanțe obținute cu ajutorul modelului,
cu performanțele colectate experimental.
‫٭‬Modelarea parțială pentru subsisteme. Înainte de a elabora un model pentru întregul
sistem, poate fi convenabil să se conceapă modele parțiale pentru subsisteme, să se
testeze valabilitatea lor, apoi să se integreze aceste modele parțiale într-un model
complet.
‫٭‬Perfectibilitatea modelului. Nici un model matematic nu este perfect și orice model
este perfectibil, pentru a se obține o aproximare utilă. Totuși, orice perfecționare poate
necesita consumuri suplimentare de timp și bani, de aceea trebuie să fie justificată.
‫٭‬Posibilitatea estimării parametrilor. Orice model matematic poate conține parametri
ale căror valori trebuie estimate. Estimarea necesită experimente sau observații precum
și metode de prelucrare a datelor experimentale.
Pentru detalii asupra modelării matematice, vezi [17].
Se pot identifica următoarele elemente ale modelelor matematice:
Variabilele sistemului. Acestea sunt mărimi care caracterizează diferite stări ale
sistemului, luând diferite valori (dintr-un domeniu de valori tehnic posibile).
Parametrii sistemului. Acestea sunt mărimi care au o valoare specifică dată, pentru o
formulare particulară a modelului. Pentru modele de simulare, parametrii rămân ficși în
timpul unei rulări unice pe calculator a simulării.
Constantele sistemului. Sunt mărimi invariabile, dependente de fenomenul studiat (de
exemplu, constanta gazelor).
Relații matematice. Sunt ecuații sau inecuații care descriu interacțiunea dintre variabile,
parametri și constante. Relațiile matematice încearcă să descrie funcționarea sistemului
în condițiile impuse de mediul său înconjurător, adică în condițiile variabilelor
perturbatoare care descriu factorii exteriori sistemului.
80
În etapa de modelare este foarte importantă distincția dintre variabile și parametri, ceea
ce constituie o decizie subiectivă, dictată de opțiunile în nivelul ierarhic al definirii
sistemului și de utilizarea intenționată a modelului sistemului[17].
Modelarea matematică constă,în esență, în reprezentarea problemelor lumii reale prin
probleme matematice, rezolvarea problemelor matematice și interpretarea acestor soluții
prin limbajul natural, verbal.
Există două moduri de abordare a construirii unui model matematic pentru un sistem
fizic:
‫٭‬modelarea bazată pe principii fizice, care face apel la legile cunoscute din fizică, ce
sunt aplicate subsistemelor ce compun sistemul considerat;
‫٭‬identificarea sau modelarea bazată pe date experimentale, obținute prin teste, care
constă în alegerea unui model ce ajustează cât mai bine datele experimentale, conform
unui anumit criteriu impus pentru sistemul considerat.
Întocmirea modelelor matematice ale sistemelor include următoarele etape:
‫٭‬formularea problemei în limbajul problemei;
‫٭‬stabilirea variabilelor și parametrilor implicați;
‫٭‬construirea modelului matematic al sistemului prin traducerea problemei în limbaj
matematic;
‫٭‬stabilirea algoritmului de rezolvare a modelului matematic, adică de rezolvare a
ecuațiilor modelului. Metodele de rezolvare pot fi analitice, numerice sau prin simulare;
‫٭‬rezolvarea problemei;
‫٭‬verificarea experimentală a modelului prin compararea predicțiilor cu observațiile sau
datele disponibile și îmbunătățirea modelului și a metodelor de rezolvare;
‫٭‬deducerea concluziilor pe baza modelului și testarea concluziilor în comparație cu
datele anterioare sau cu datele suplimentare care pot fi colectate[17].
Modelarea și simularea (M&S) sunt tehnologii moderne pentru suportul fabricației în
secolul 21. M&S prezintă oportunități remarcabile pentru îmbunătățirea produselor,
perfecționarea proceselor de fabricație, reducerea timpului pe ciclul concepție-fabricație
și reducerea cheltuielilor de fabricație. Prin definiție, simularea este un proces de
utilizare a modelelor matematice prin timpi simulați, în care unul sau mai multe modele
pot fi rulate cu diferite valori ale parametrilor de intrare pentru a evalua efectele
interacțiunii dintre variabile. Simularea funcționării unui sistem permite aprecierea
modului în care acesta va evolua în diferite condiții sau în urma conducerii acestuia
după un anumit set de reguli. Modelarea și simularea sistemelor și proceselor de
producție a fost dezvoltată pe larg în lucrarea elaborată de conferențiar Tom Savu de la
Universitatea POLITEHNICA din București.
Dezvoltarea produselor și proceselor s-a realizat, pe plan istoric, prin testarea proiectelor
pentru a constata cum vor funcționa produsele, apoi modificarea proiectului (construcției
proiectate) și o nouă testare. Această succesiune testare/evaluare/modificare consumă
cantități disproporționate de timpi și costuri, necesare pentru a promova produsul de la
concepție până la livrare. Aceste costuri pot fi reduse semnificativ prin utilizarea
instrumentelor M&S în proiectare, pentru optimizarea produselor și proceselor în
domeniul virtual, înainte de angajarea resurselor pentru producția fizică. În industria
electronică, modelele precise ale procesului de creștere epitaxială ajută la maximizarea
81
productivității producției de fabricare a plăcuțelor semiconductoare (wafers) pentru
microcipuri.
Avionul Boeing 777 și automobilul de sport Dodge Viper sunt exemple remarcabile ale
modului în care instrumentele M&S pot reduce considerabil costurile și timpul necesare
pentru aducerea produselor pe piață. Primul avion de linie cu reacție Boeing 777 a fost
proiectat în întregime prin modelare 3D, a utilizat preasamblarea digitală și ingineria
concurentă pentru a elimina necesitatea unor prototipuri la scara 1:1, a îmbunătăți
calitatea și a reduce modificările și erorile de proiectare. Programul U.S. Air Force's
Joint Strike Fighter aplică tehnologii avansate M&S pentru reducerea costurilor de
dezvoltare a forțelor aeriene cu 50%.
Simularea are multe avantaje, după cum urmează:
‫٭‬Noi proceduri de operare, reguli de decizie, fluxuri de informații, proceduri
organizaționale etc. pot fi explorate, fără perturbarea operațiilor în curs de desfășurare
ale sistemului real.
‫٭‬Pot fi testate noi construcții hardware, amplasări fizice, sisteme de transport etc., fără
angajarea de resurse pentru achiziția acestora.
‫٭‬Se pot obține cunoștințe asupra interacțiunii variabilelor și importanței acestora în
privința performanțelor sistemului.
‫٭‬Poate fi efectuată analiza "locurilor înguste" pentru a indica punctele în care producția
neterminată, materialele etc. sunt excesiv de mult întârziate.
‫٭‬Pot fi obținute răspunsuri la întrebări de tipul "ce s-ar întâmpla dacă" (engleză what-if),
fapt deosebit de util la proiectarea noilor sisteme.
Ca dezavantaje se pot menționa:
‫٭‬Rezultatele simulării pot fi dificil de interpretat. Deoarece multe output-uri ale
simulării sunt variabile aleatoare, poate fi dificil să se determine dacă o observație este
rezultatul relațiilor din sistem sau al caracterului aleatoriu.
‫٭‬Modelarea și analiza simulării pot fi scumpe și consumatoare de timp. Limitarea
resurselor pentru modelare și analiză poate conduce la un model de simulare sau analiză
care nu este suficient pentru sarcina dată[17].

Elaborarea unui model este primul demers în încercarea de abstractizare legată de un


fenomen real observabil, de elaborare a unei teorii care să-l explice şi să-i anticipeze
evoluŃia[18].
Modelele utilizate în ştiinŃă şi în tehnică sunt sisteme teoretice (logic –
matematice) sau materiale cu ajutorul cărora pot fi studiate indirect
proprietăŃile, comportarea în anumite condiŃii date şi transformările unor alte
sisteme mai complexe, denumite sisteme originale, cu care modelele au anumite
asemănări, analogii sau similitudini. Modelul reprezintă o simplificare, o reflectare
numai parŃială a fenomenului sau obiectului original, neglijâdu-se anumite laturi
neesenŃiale pentru studiul căruia îi este destinat, cu scopul de a oferi un
instrument mai accesibil investigaŃiei teoretice şi (sau) experimentale.
Modelele pot fi teoretice (ideale) când sunt construcŃii sau reprezentări logic –
matematice, ca de exemplu modelele atomului, modelele cosmologice, modele de
calcul etc, sau materiale, ca de exemplu macheta unei nave, un calculator analogic
sau numeric etc.[18]
Modelele teoretice sunt o verigă intermediară între experienŃă şi teoria propriu-zisă,
82
cuprinzătoare şi exactă a sistemului studiat, reprezentând un mijloc de verificare
a ipotezelor enunŃate la elaborarea teoriei. Modelele teoretice sunt adesea
ansambluri de ipoteze formulate pe baza analogiei, presupuse, cu un sistem a cărui
teorie este, în esenŃă, cunoscută; din aceste ipoteze pot fi deduse consecinŃe
verificabile experimental. Adesea sunt utilizate modele intuitive, care facilitează
interpretarea teoriei şi raportarea ei la obiectul real.
Modelele materiale permit abordarea pe cale experimentală a unor probleme care nu
pot fi rezolvate pe cale analitică, fie pentru că nu există metode de calcul adecvate, fie
că metodele existente sunt prea laborioase şi costisitoare. Ele pot fi de aceeaşi natură
fizică cu sistemele originale – modele prin similitudine – fiind diferite de acestea prin
ordinul de mărime al dimensiunilor şi al valorilor caracteristice (de exemplu,
constantele fizice ale materialeleor folosite). Modelele pot fi şi de altă natură fizică
decât sistemele originale – modele prin analogie - caracterizate prin ecuaŃii
matematice de aceeşi formă cu cele ale sistemelor pe care le modelează.
Utilizarea modelării în cele mai variate domenii ale ştiinŃei şi tehnicii s-a
dovedit deosebit de fructuoasă şi eficientă, căpătând o extindere spectaculoasă în
ultimele decenii, ca urmare a aportului adus de electronică în toate tipurile de procese
de modelare. Mai mult decât atât, apariŃia şi dezvoltarea ciberneticii, informaticii şi
calculatoarelor electronice au dus la un proces de unificare a modelării, analogiei,
similitudinii şi simulării într-un sistem integrat, cu performanŃe remarcabile şi
eficienŃă ridicată.
Calculatoarele sunt de fapt modele: cele analogice sunt modele ale unor relaŃii
matematice, iar cele numerice ale unor algoritmi. În urmă cu câteva decenii,
calculatorele analogice şi cele numerice se dezvoltau în paralel, oarecum
independent. Modelarea pe calculatoare analogice avea însă un neajuns: pentru
fiecare tip de problemă era necesară realizarea unui alt model. În prezent acest
neajuns s-a înlăturat ca urmare a utilizării unor algoritmi adecvaŃi, care permit
simularea pe calculatorul numeric a modelelor analogice, în acest fel calculatorul
numeric devenind universal.
În numeroase domenii ale ştiinŃei şi ingineriei se utilizează tot mai mult
sisteme complexe, interactive de modelare experimentală şi prin calcul. De exemplu,
un model (sau un ansamblu de mai multe modele) al unei structuri este investigat prin
una din metodele cunoscute: tensometrie electrică rezistivă, fotoelasticitate,
interferometrie holografică. InformaŃiile furnizate de determinările
experimentale sunt convertite – de către un convertor analog numeric – în informaŃii
numerice, care se introduc într-un calculator, pe care, simultan cu investigaŃia
experimentală, se execută calculele corespunzătore unui model de calcul al
aceleaşi structuri. Din confruntarea informaŃiilor obŃinute prin cele două căi de
investigare se formuleză decizii, care duc la perfecŃionarea modelului experimental,
al celui de calcul şi al structurii care se studiază. Procesul continuă până când se
elaborează configuraŃia optimă a structurii respective.
Elaborarea unui model corect şi eficient al unui sistem original reprezintă o
sinteză a tot ceea ce se ştie despre acel sistem. Paradoxal este faptul că, pentru a
modela corec un fenomen, este necesară cunoaşterea cât mai cuprinzătoare a sa,
ceea ce este în opoziŃie cu nevoia de a-l cerceta. De asemenea modelul trebuie să
fie adecvat scopului urmărit. Un model excesiv de complicat – care îşi propune să
aibă în vedere toate aspectele şi detaliile posibile ale fenomenului original – poate
deveni costisitor, greoi sau chiar inoperant. Un model simplist, prea sumar, poate
fi incorect, ca urmare a neglijării unor aspecte importante ale sistemului investigat.
83
În concluzie, un model M al unui sistem original S este un alt sistem S’, care este
echvalent cu S din anumite puncte de vedere şi care pote fi studiat mai uşor ca S .
Din determinarea pe S’ (adică pe M ) a unor informaŃii se deduc
informaŃiicorespunzătoare pentru S . Echivalarea sau înlocuirea lui S’ cu S pote fi
exactă sau aproximativă. În domeniul teoriilor formale se pot construi sisteme S’
care sunt riguros echivalente cu S, din anumite puncte de vedere, ca, de exemplu,
modelele din geometrie. În alte cazuri, modelul este o construcŃie teoretică
care aproximează realitatea. Dacă această construcŃie teoretică este redată prin
relaŃii matematice, aceste relaŃii împreună cu interpretarea lor constitue modelul
matematic al sistemului care se studiază[18].

Modelele pentru calculele inginereşti în general şi deci şi cele cu elemente finite


sunt modele matematice aproximative ale structurilor care se studiază.
Pentru trecerea de la structura reală la modelul ei de calcul nu există algoritmi şi
metode generale care să asigure elaborarea unui model unic, care să aproximeze, cu o
eroare prestabilită, cunoscută, structura care urmează să se calculeze. În general este
posibil ca pentru o structură să se elaboreze mai multe modele, toate corecte dar cu
performanŃe diferite. Modelul pentru analiza cu elemente finite a unei structuri se
elaborează pe baza intuiŃiei, imaginaŃiei şi experienŃei anterioare a celui care

face modelarea şi modelul trebuie să sintetizeze eficient toate informaŃiile


disponibile referitoare la structura respectivă[18].
Trebuie remarcat faptul că utilizarea calculatoarelor în analiza structurilor a devenit
indispensabilă, dar aceasta prezintă pericolul că, “seduşi” de facilităŃile şi
automatismul sistemului de calcul, adesea pierdem din vedere că rezultatele obŃinute
nu sunt altceva decât consecinŃele ipotezelor care au stat la baza modelului de
calcul, a configuraŃiei modelului şi a algoritmilor utilizaŃi pentru analiza FEA. Din
acest impas nu se poate ieşi decât pe seama intuiŃiei, imaginaŃiei şi experienŃei.
Elaborarea modelului cu elemente finite (FEM) şi analiza efectuată cu acesta (FEA)
sunt etape componente ale unui proces relativ complex, de concepŃie şi
fabricaŃie şi trebuie să servească la realizarea, în condiŃii riguros definite, a unui
anumit produs. În acest context, modelul MEF nu poate fi conceput decât după ce a
fost proiectată într-o primă formă – în cadrul unui proces preliminar CAD - structura
care trebuie să fie analizată. Urmează ca în etape succesive, având în vedere
rezultatele obŃinute, să se modifice – în vederea ameliorării performanŃelor
84
realizate – atât proiectul produsului cât şi modelul MEF. În acest scop se efectuează
numeroase testări, adaptări, optimizări şi validări, aşa cum rezultă din schema din
figura precedenta[18].

Modelul conceptual in general

Prima şi cea mai importantă etapă a elaborării unui model performant este cea de
realizare a modelului conceptual, primar sau fundamental. Pornind de la desenul
structurii care urmează să fie analizată şi având în vedere cerinŃele impuse FEA, se
fac următorele “operaŃii”:
- se decide care sunt elementele constructive ale structurii, care vor deveni
componente ale modelului cu elemente finite (EF);
- se stabilesc elementele structurii care nu vor fi avute în vedere la elaborarea
modelului, fiind apreciate ca accesorii sau detalii lipsite de importanŃă, din puncul
de vedere al scopului FEA;
- se aleg formele geometrice sub care se vor defini componentele modelului,
adică: linii, suprafeŃe sau volume, avându-se în vedere şi tipurile de EF care se vor
utiliza pentru fiecare componentă;
- se hotărăsc modalităŃile de aplicare a sarcinilor (forŃe şi momente
concentrate şi (sau) distribuite, acceleraŃii, presiuni, temperaturi etc) şi care sunt
componentele modelului care le vor prelua. Această operaŃie implică şi
determinarea riguroasă a valorilor, direcŃiilor şi coordonatelor punctelor de
aplicaŃie ale sarcinilor. Se vor stabili cazurile de încărcare ale modelului;
- se identifică condiŃiile de rezemare ale structurii şi se decide modul în care
aceste condiŃii vor fi “modelate” şi anume: blocarea gradelor de libertate
geometrică ale unor noduri, introducerea unor EF speciale pentru modelarea
contactului sau a frecării, definirea în reazeme a unor deplasări sau reacŃiuni
cunoscute etc. Dacă este cazul, se vor stabili mai multe variante ale condiŃiilor de
rezemare;
- se decid condiŃiile generale de elaborare ale modelului: tipurile elementelor
finite pentru diversele componente ale acestuia, tipurile de materiale şi
proprietăŃile lor, numerele maxime, aproximative, ale nodurilor şi elementelor
finite ale modelului, zonele de interes deosebit (de exemplu, unde se presupune că
tensiunile au gradienŃi mari) şi varintele FEA.
Modelul conceptual trebuie să aibă în vedere valorificarea tuturor informaŃiilor
disponibile privind structura (condiŃii şi regimuri de funcŃionare, de montaj , de
avarie etc) şi modalităŃile de utilizare ale rezultatelor obŃinute prin FEA. Modelul
trebuie să asigure, de fapt, o simulare satisfăcătoare - din anumite puncte de
vedere, bine precizate - a comportării structurii, pe calculator, folosind metoda
elementelor finite şi un program corespunzător[18].

Factori care determină elaborarea modelului de calcul


La elaborarea modelelor cu EF trebuie să se aibă în vedere o multitudine de aspecte şi
factori, dintre care cei mai importanŃi se prezintă în cele ce urmează.

85
Scopul calculului. Beneficiarii FEA pot solicita informaŃii diverse în legătură cu
modul cum se va comporta structura în anumite situaŃii, adică rezultatele
calculului trebuie să dea – pe cât posibil - răspunsuri neechivoce la întrebări
precis formulate (adesea beneficiarii trebuie informaŃi ce poate oferi FEA).
ConsecinŃa acestei situaŃii este că trebuie efectuate una sau mai multe tipuri de
analize, care să ofere informaŃiile dorite. În principiu, este posibil ca pe acelaşi
model, care are aceeaşi reŃea de discretizare şi aceleaşi tipuri de elemente finite,
să se efectueze mai multe tipuri de analize, ca, de exemplu, analiză statică, de
stabilitate, de vibraŃii etc. Dar într-o astfel de situaŃie este foarte posibil ca
performanŃele modelului şi calitatea informaŃiilor obŃinute să nu fie
satisfăcătore pentru toate variantele de analiză. Se ajunge astfel la cerinŃa ca
modelul să fie elaborat având în vedere scopul calculului. În general foarte rar
este necesar să se creeze un model complet nou pentru fiecare tip de FEA. Adesea
se foloseşte un model de bază, destinat uneia din variantele de calcul şi acestuia i se
aduc modificările cerute de celelalte tipuri de analize.
Pentru clarificarea şi fixarea ideilor se dau, pe scurt, câteva exemple:
- pentru determinarea valorilor maxime ale tensiunilor, trebuie efectuate
“discretizări locale foarte fine, în zonele cu concentratori;
- pentru analizele dinamice, sunt extrem de importante aspectele modelării
maselor şi amortizărilor;
- pentru analizele termice trebuie definite foarte precis sursele de căldură,
inclusiv parametrii lor,
şi valorile constantelor fizice ale transmiterii căldurii prin conducŃie, convecŃie şi
radiaŃie;
- pentru structurile cu deplasări mari trebuie precizate variaŃiile mărimilor şi
direcŃiilor sarcinilor în timpul procesului de deformaŃie.

Simplitatea modelului. Marea majoritate a structurilor inginereşti sunt de o mare


complexitate în ceea ce priveşte formele geometrice, sarcinile, reazemele şi
caracteristicile mecanice ale materialelor din care sunt realizate. Este cazul
carcaselor, batiurilor, instalaŃiilor, utilajelor de proces, maşinilor de toate tipurile
etc. Elaborarea unui model care să aibă în vedere cele mai mici detalii ale structurii
reale ar deveni foarte costisitor sau chiar imposibil de realizat, în condiŃii
rezonabile, în ceea ce priveşte costul şi durata de timp necesară. Se impune astfel
considerarea unei structuri “ipotetice” simplificate, adică a unui model de calcul
raŃional. Trebuie analizat cu discernământ dacă, într-un anumit context, elaborarea
unui model mai complicat, care are costuri mai mari (în timp şi bani), se justifică prin
câştigul de informaŃii suplimentare comparativ cu o variantă mai simplă.

Rezultatele să fie acoperitoare. Modelul trebuie elaborat astfel încât rezultatele FEA
trebuie să fie într-o măsură raŃională şi rezonabilă acoperitoare, adică să ofere o
marjă suplimentară de siguranŃă care să compenseze faptul că MEF este
aproximativă. În ceea ce priveşte procesele de calcul, utilizarea calculatoarelor oferă
garanŃia unei fiabilităŃi foarte mari a acestora şi a unui nivel de încredere ridicat al
rezultatelor.

Corelarea modelului cu condiŃiile existente. Modelul este o componentă a unui


ansamblu foarte complex, care include un mare număr de condiŃii şi restricŃii,
adesea contradictorii. Deci elaborarea modelului se face totdeauna într-un anumit
context, pentru un set de condiŃii impuse, riguros definite. Structura reală, realizată
86
fizic, are abateri efective în ceea ce priveşte dimensiunile, formele geometrice,
sarcinile efective (nominale, de calcul, maxime, accidentale, de avarie, de montaj, de
transport, de exploatare etc), condiŃiile de rezemare, caracteristicile fizice şi
mecanice ale materialelor, faŃă de cele considerate în proiect şi deci şi la elaborarea
modelului. Prin urmare este neraŃional să se elaboreze un model foarte performant,
costisitor şi laborios, dacă valorile numerice ale datelor “de intrare” – pentru care se
face FEA – sunt afectate de incertitudini sau de erori mari. Prin urmare, modelarea şi
analiza trebuie făcute cu o precizie limitată, bine definită, în cadrul acesteia
structura reală putând fi simplificată şi “idealizată” printr-un model corespunzător.
De asemenea, pe parcursul diverselor faze ale elaborării unui proiect, sau ale
realizării unui produs, sunt necesare modele diferite, determinate de informaŃiile
disponibile în etapa respectivă. Frecvent, pentru calcule preliminare, se utilizează
modele mult simplificate, comparativ cu modelele destinate unor calcule de
verificare în faze finale ale proiectării. De exemplu, pe modele simple se fac
analize la solicitări statice în fazele de proiect preliminar şi apoi se au în vedere
analize de stabilitate, dinamice, de oboseală, de durabilitate etc, pe modele mai
sofisticate, elaborate pe baza formei finale a proiectului.
Pentru numerose domenii inginereşi – ca, de exemplu, utilajele energetice, vehiculele
de toate categoriile, construcŃiile civile şi industriale etc - s-au elaborat diverse
prescripŃii, norme şi standarde privind modelele de calcul, evaluarea sarcinilor,
variantele analizelor obligatorii etc. Aceste normative pot avea caracterul unor
recomandări sau pot fi obligatorii, ele putând fi aplicabile unor ramuri industriale, la
nivel naŃional sau pot fi internaŃionale. În aceste condiŃii trebuie ca elaborarea
modelului să fie astfel făcută încât el să realizeze încadrarea corectă a situaŃiei reale
în ipotezele şi prevederile de detaliu ale normelor respective. Unele programe MEF
au implementate proceduri care conŃin astfel de condiŃii speciale. În ultimii ani au
apărut şi norme cu recomandări privind modul cum să se elaboreze modelul cu
elemente finite. De exemplu, pentru industria de automobile se recomandă care să
fie tipurile elementelor finite ale modelului, care să fie dimensiunile minime ale
elementelor etc, pentru diversele componente, cum ar fi blocul motor, caroseria, cutia
de viteze etc.[18]
Evoluţia ştiinţei şi tehnicii implică pătrunderea din ce în ce mai adânc în esenţa
fenomenelor naturii. Aceste fenomene se prezintă simţurilor noastre sub forme extrem
de variate, rezultând la rândul lor din interacţiunea unui număr mare de factori. O parte
din aceşti factori au un rol deosebit în fenomenele pe care le avem sub observaţie, în
timp ce alţii sunt auxiliari şi lipsiţi de importanţă. Aceştia din urmă umbresc
fenomenele în cauză, de aceea trebuie, dacă nu eliminaţi definitiv, cel puţin neglijaţi
într-o primă aproximaţie. Pentru eliminarea informaţiilor secundare şi punerea în
valoare a elementelor fundamentale şi esenţiale sunt însă necesare cunoştinţe
profunde, atât teoretice cât şi practice. Modelarea este una dintre metodele importante
folosite astăzi în ştiinţă şi tehnică pentru obţinerea unor astfel de rezultate.
Folosirea modelelor a devenit o necesitate imperioasă pe măsură ce fizica a început să
abordeze studiul sistemelor complexe, a sistemelor ce depind din ce în ce de mai mulţi
parametri.
Astfel, metoda modelării, folosită în procesul de cunoaştere, prezintă atat un interes
aplicativ, cât şi unul conceptual. De asemenea, metoda are şi o latură didactică,
permiţând generalizarea, abstractizarea şi sistematizarea informaţiilor din diverse
87
domenii ale cunoaşterii umane.
Crearea succesivă a tehnicilor capabile să uşureze activităţile practice s-a fãcut pe
modele, unele simulând înfăţişarea sau comportarea sistemelor vii[19].
În prezent, ştiinţa operează din ce în ce mai puţin cu entităţi simple, impunându-se
introducerea categoriei de sistem-ansamblu de elemente în interdependenţă, constituind
un întreg organizat.
În studiile ştiinţifice şi practice un rol important revine simulării sistemelor reale. Prin
simulare înţelegem stabilirea unei relaţii de corespondenţă între două sisteme, fiecare
dintre ele putând corespunde unei realităţi obiective sau unei abstracţiuni.
Sistemul model se pretează mai bine studiului decât sistemului real, iar prin
corespondenţă stabilirea proprietăţilor sistemului real, devine accesibilă observând
comportamentul sistemului model.
Deci în procesul de modelare există un sistem ale cărui proprietăţi urmează a fi
modelate - sistem modelat sau sistem original S0 şi un al doilea sistem care constituie
un model al originalului S M. Modelul SM este înzestrat numai cu proprietăţile esenţiale,
de aceea este mai sărac decât originalul.
Modelarea este o necesitate, în anumite situaţii, deoarece sistemele reale sunt practic
imposibil de abordat în forma lor complexă sub care se prezintă.
Modelele pot fi grupate în două categorii:
 izomorfe - dacă sistemul real (original) şi modelul coincid într-o manieră
completă, element cu element, de exemplu negativul cu fotografia, desenul
cu piesa executată după el;
 omomorfe - dacă diferite elemente nu corespund decât în parte elementelor
sistemului real (original), fără ca să existe o corespondenţă perfectă de la
element la element. De exemplu: harta geografică cu terenul real ce-i
corespunde.
Izomorfismul şi omomorfismul se pot defini matematic riguros în cadrul teoriei
algebrice a grupurilor. Considerând două grupuri X şi Y se pot defini:
 grupurile X şi Y sunt grupuri izomorfe dacă elementele lor sunt legate
printr-o corespondenţă biunivocă, astfel încât pentru
orice elemente a, b ∈ X şi elementele ce le corespund a', b' ∈
Y, elementului c = ab îi va corespunde elementul c' = a'b';
 grupurile X şi Y sunt omomorfe dacă fiecărui element din grupul X îi
corespunde univoc un element determinat din grupul Y, în aşa fel încât
elementelor a, b ∈ X le corespund elementele a', b' ∈ Y, iar elementului ab
= c îi corespunde elementul c' = a'b'.
În desfăşurarea procesului modelării apar trei faze distincte:
 trecerea de la original la model
 cercetarea pe model
 transferul pe original al rezultatelor obţinute pe model
Faţă de cercetarea directă pe original, cercetarea pe model prezintă avantajul că
proprietăţile sistemului ce constituie modelul sunt mai bine cunoscute şi mai uşor de
studiat.
Dezavantajul metodei îl constituie valabilitatea mai restrânsă a rezultatelor, modelul
88
nefiind identic cu originalul. Acest lucru implică cercetări ulterioare, pe un model
îmbogăţit, care să acopere mai multe din proprietăţile originalului. Modelul îmbogăţit
se constituie de regulă, pe baza concluziilor stabilite la modelul anterior. Astfel, pot
apărea lanţuri de modele în care informaţia este păstrată şi amplificată cu fiecare
verigă.
Sub acest aspect, metoda modelării se aseamănă oarecum cu însăşi evoluţia lumii vii.
Limitele metodei se datorează următorilor factori:
 neglijarea fenomenelor considerate ca secundare care, în anumite condiţii pot
deveni la fel de importante ca şi cele studiate;
 apariţia unor fenomene parazite, determinate de modificarea condiţiilor de
producere a fenomenului sau de neglijarea structurii microscopice a
componentelor ce fac parte din model.
Din punct de vedere metodic, modelele se pot clasifica în:
 modelul similar - modelarea prin similitudine constă în reproducerea
simplificată şi la alte dimensiuni a unui mecanism sau fenomen, păstrând
caracteristicile originalului, exemplu: macheta care reproduce aproape toate
elementele originalului, acest tip de modelare fiind o modelare izomorfă.
 modelul analogic - este un model abstract sau concret ce se deosebeşte ca
formă geometrică de original, dar care are aceleaşi proprietăţi ca ale lui, se
îndepărtează de modelul izomorf, fiind mai apropiat de modelul omomorf.
 modelul ideal - are un loc intermediar între teorie şi experiment. Modelele de
acest tip pot fi construite din diferite imagini grafice, formule matematice, ce
prezintă o anumită asemănare cu originalul, de exemplu: schemele unor
circuite electrice. Modelele ideale sunt în general omomorfe.
O altă clasificare a modelelor se poate face după clasa de obiecte alese drept model.
Din acest punct de vedere se pot utiliza următoarele tipuri de modele:
 modelul fizic - include noţiuni relativ concrete preluate din fizică şi tehnică;
descriind originalul din punct de vedere calitativ este reprezentat de machete şi
scheme de funcţionare.
 modelul matematic - reprezintă echivalentul conceptual al modelului fizic,
permiţând studiul cantitativ al fenomenelor. Modelul matematic este destinat
de obicei analizei, sistematizării şi explicării relaţiilor cauzale ale unui
fenomen.
Ca orice metodă de cunoaştere umană, metoda modelării îndeplineşte câteva funcţii. În
încheierea acestei scurte prezentări a metodei modelării precizăm câteva dintre aceste
funcţii.
Modelarea are în primul rând o funcţie descriptivă, fiind capabilă să descrie riguros
unele fenomene în scopul unei mai bune înţelegeri a desfăşurării lor. În acelaşi timp se
poate distinge şi o funcţie operativă, deoarece aplicarea metodei deschide noi căi de
cercetare, permiţând elaborarea unor noi tehnici experimentale. De asemenea,
modelarea are şi un caracter predictiv, permiţând în multe cazuri imaginarea evoluţiei
ulterioare a sistemului[19].
Modelarea matematică a început cu lucrările lui Galileo Galilei (1564-1642) şi s-a
consolidat după apariţia calculului diferenţial elaborat de Isaac Newton (1642-
89
1727) şi Gottfried Leibniz (1646-1716). Această cale de reprezentare a naturii în
simboluri matematice, deschisă de aceşti adevăraţi oameni de ştiinţă şi consolidată
de-a lungul timpului de Johann Bernoulli (1667-1748), Leonhard Euler (1707-
1783), Joseph-Louis Lagrange (1736-1813), Jean Baptiste Say (1767-1832), Jean
Baptiste Fourier (1768-1830), Carl Fredrich Gauss (1777-1855), Claude Navier
(1785-1836), Antoine Cournot (1801-1877), James-Clarck Maxwell (1831-1879),
Stanley Jevons (1835-1882), Vilfredo Pareto (1848-1923), Heinrich Hertz (1857-
1894) s-a manifestat cu o amploare şi acurateţe deosebită atât în domeniul tehnico-
ingineresc cât şi în domeniul economic şi social.

Problema pe care o considerăm în această sectiune este de a preciza câteva aspecte


privind procesul de modelare matematică. Suntem interesaţi în a vedea modul în
care se scriu modelele matematice, cum apar acestea, pe ce se bazează procesul de
elaborare a acestor entităţi matematice. Ideea este de a vedea care este
fundamentul pe baza căruia se scriu modelele matematice, şi apoi interpretarea
filosofică a acestui fundament. Pentru aceasta, în prima parte a lucrării, vom
prezenta o discuţie asupra modelelor lingvistice şi a celor matematice. În acest
context arătăm că modelele lingvistice, ca formă de reprezentare în limbajul
natural a fenomenului analizat, sunt extrem de limitate, autoritatea lor fiind ruinată
de absenţa completitudinii, minimalităţii şi a noncontradicţiei aserţiunilor care le
definesc În plus acestea sunt afectate de lipsa rectificării cuvintelor care le
definesc, precum şi de pericolul circularităţii. Având în vedere aceste limitări
intrinseci a modelelor lingvistice nu ne rămâne nimic altceva decât să apelăm la
reprezentarea în simboluri matematice a realităţii, adică la modelele matematice
ale Naturii. Diferenţa capitală dintre modelele lingvistice şi cele matematice
constă în faptul că modelele matematice au o bază foarte solidă dată de legile de
conservare. Mai mult acestea nu suferă de defectele menţionate în cazul celor
lingvistice. Utilizând limbajul matematic, care este limbajul ştiinţei, în acestea
cuvintele sunt rectificate şi nu există pericolul circularităţii[20].
În acest scop vom prezenta teorema Noether ca un instrument fundamental de
modelare matematică, teoremă care pe lângă valoarea ei intrinsecă de a introduce
şi consolida legile de conservare are o conotaţie filosofică uluitoare, care ne
conduce direct la o interpretare raţională excepţională a Divinităţii. Arătăm că
legile de conservare vin din simetrii. Notăm imediat că în Natură sunt un număr
foarte mic de legi de conservare, ceea ce arată caracterul economicos al Naturii.
Ca atare, în orice domeniu de activitate în care este valabil principiul cauzalităţii,
modelele matematice se scriu pe baza legilor de conservare. Cum acestea vin din
simetrii, rezultă că la baza universului nostru cognoscibil, la baza universului
nostru măsurabil, repetat măsurabil, în care putem face experimente controlate, se
află conceptul de simetrie.
În acest sens, în acest eseu, completăm concepţia creaţiei continue a lui Descartes
arătând că raportul liber al lui Dumnezeu cu creaţia sa este acelaşi de la început
până la sfârşit, adică un raport de creaţie în fiecare moment în care conceptele
sunt create în perechi dual simetrice. În această interpretare a Divinităţii,
conceptul de nesimetrie (sau cel de antisimetrie) se instituie ca dualul celui de
simetrie[20].

În aceast moment vom prezenta diferenţele dintre modelele matematice şi cele


lingvistice, ca reprezentări ale naturii. Într-un fel sau altul, toţi oamenii, ca fiinţe
90
raţionale, sunt familiari cu modele ale lumii înconjurătoare, aşa numitele modele
mentale, pe care le utilizează în fiecare moment al existenţei lor. Deciziile pe care
le luăm nu sunt bazate pe lumea reală, ci pe imaginea mentală pe care o avem
asupra lumii, pe imaginea mentală asupra relaţiilor dintre componentele lumii
reale şi pe influenţa acţiunilor noastre asupra ei. Modelele mentale constituie deci
reprezentarea înţelegerii noastre a unei porţiuni a creaţiei pe care am
conştientizat-o. Deoarece suportul gândurilor noastre este cuvântul, şi aşa cum
foarte frumos o spune Miron Costin (1663-1691) că „limba noastră este
iscusită oglindă a minţii omeneşti“, modelele mentale sunt de fapt modele
lingvistice. Cu alte cuvinte, oamenii într-un fel sau altul reprezintă înţelegerea lor
asupra lumii, adică asupra porţiunii de univers în care sunt interesaţi, sub forma
unei descrieri lingvistice, de cele mai multe ori exprimată sub forma uni corp de
aserţiuni (teoreme) de tipul: dacă … atunci ….
Modelele mentale au anumite avantaje care le fac foarte utile. Un model mental
este flexibil în sensul că poate lua în consideraţie un domeniu de informaţii mult
mai mare decât cel numeric. Acesta se poate adapta rapid la noi situaţii şi se poate
modifica de îndată ce noi informaţii au devenit disponibile. Modelele mentale sunt
filtre prin care noi interpretăm experienţele noastre, evaluăm planuri de acţiune şi
alegem diferite variante de acţiune. Într-un anumit sens, marile sisteme filosofice,
politice, doctrinele economice, teoriile fizice, literatura sunt modele mentale.
Dar, modelele mentale au în acelaşi timp anumite dezavantaje care lasă o umbră
de regret în utilizarea lor. În primul rând acestea nu sunt uşor de înţeles de către
alţii. Interpretarea lor este foarte dependentă de analist. Apoi, ipotezele pe care
acestea sunt construite, de obicei, sunt foarte dificil de examinat şi poate chiar de
acceptat. Ambiguităţile şi contradicţiile conţinute în aceste modele pot rămâne
nedetectate, neexplicate şi chiar nerezolvate. Faptul că avem dificultăţi în
înţelegerea modelelor mentale propuse de alţii pare ceva foarte natural. Mai
surprinzător este faptul că noi (ca fiinţe raţionale) nu suntem foarte buni în
construcţia şi înţelegerea propriilor noastre modele mentale sau în utilizarea lor în
procesul de luare a deciziilor. Psihologii au arătat că nu suntem capabili decât în a
considera un număr foarte mic de factori în luarea deciziilor. Cu alte cuvinte,
modelele mentale pe care le utilizăm în procesul de luare a deciziilor sunt extrem
de simple. Deseori acestea sunt imperfecte, deoarece în mod frecvent persistăm în
eroare în deducerea consecinţelor din presupunerile pe care acestea se bazează şi
adesea aceste modele exprimă ceea ce ne-ar place nouă să se întâmple şi nu ce se
întâmplă în mod real. Cel mai mare defect al acestor modele este faptul că acestea
ca şi construcţii intelectuale nu satisfac criteriile de completitudine, minimalitate
şi noncontradicţie a aserţiunilor care compun acest model. Este foarte posibil ca
într- un model lingvistic să omitem anumite teoreme foarte importante care
schimbă complet semnificaţia acestuia. Evident că se pot introduce anumite
aserţiuni care contrazic alte aserţiuni pe care le-am considerat în raţionamentul
nostru. Mai mult decât atât, în utilizarea acestor modele apare problema foarte
spinoasă a rectificării cuvintelor folosite în descrierea aserţiunilor modelului.
Problema corectitudinii numelor este foarte veche. Epopeile homerice1 conţin
foarte multe informaţii asupra numelor zeilor sau a unor personaje care sunt
definite conform atributelor şi caracteristicilor lor. Poeţii, scriitorii şi înţelepţii
antici au relevat întotdeauna această preocupare de a scoate în evidenţă faptul că
numele corespunde unei anumite trăsături definitorii a lucrului sau personajului
respectiv.[20]
În acest sens se poate face o listă foarte lungă de interpretări ale numelor zeilor sau
91
eroilor din Grecia antică. Socrate ne informează că, în timpul lui, sofistul Prodicos
ţinea prelegeri despre aceste probleme. În acelaşi timp Protagoras a scris o lucrare
despre corectitudinea numelor, iar Platon a precizat-o în dialogul Kratylos. După cum
este cunoscut, Socrate susţinea că lucrurile au fiecare esenţa lor şi că aceasta se poate
preciza într-o definiţie care-i conţinută în numele lucrului respectiv. Pentru el
corectitudinea numelor înseamnă că „numele corect arată însăşi natura lucrului“. În
Kratylos el arată că numele sunt date de un onomatourgós
(creatorul de nume), „o specie de creator care se iveşte cel mai rar printre
oameni“.[20]
Cu alte cuvinte, nu oricine este îndreptăţit să stabilească numele unui lucru, ci
numai cel care cunoaşte natura lucrului, deoarece numele sunt instrumente de
cunoaştere a esenţei permanente şi invariabile a lucrurilor [Dumitriu, 1986, vezi şi
1993, 1995, 1997]. Această problemă a rectificării cuvintelor limitează foarte mult
utilitatea unui model lingvistic într-un grup de oameni.
În finalul acestei caracterizări a modelelor lingvistice, pe lângă defectele
menţionate mai sus trebuie să remarcăm faptul că în procesul de analiză
(rezolvare) a acestora este foarte posibil să apară pericolul circularităţii. Această
problemă a circularităţii sistemelor formale a fost precizată de Gödel (1906-1978),
care a arătat că speranţa de a exprima cunoaşterea într-un mod formal este iluzorie
şi că există în sistemele logice formale principale (ca acela al lui Russel (1872-
1970) şi acela al lui Zermelo (1871-1953) – Fraenkel (1891-1965) dezvoltat de
von Neumann (1903-1957) ) sau în sisteme înrudite, probleme (aserţiuni, teoreme)
relativ simple care nu se pot rezolva în acel sistem. Cu alte cuvinte, Gödel a arătat
că în sisteme logico-formale (lingvistice), utilizând semnele sistemului şi regulile
de inferenţă ale acestuia este posibil ca o expresie corect formulată în sistem să fie
nedecidabilă. Astfel Gödel a relevat divorţul care există între adevăr şi
demonstrabil în cadrul sistemelor formale (modelelor lingvistice). Înţelesul
termenului de nedecidabil este că aserţiunea respectivă din modelul lingvistic
considerat nu este nici demonstrabilă şi nici nedemonstrabilă în sistemul în care a
fost formulată conform regulilor acelui sistem [Dumitriu, 1998, vol. 4, pg. 226].
Vedem deci că modelele lingvistice au limitări foarte serioase care ne plasează
într-o stare de interogaţie foarte profundă în ceea ce priveşte utilizarea lor.
Eşecul utilizării în mod raţional a modelelor lingvistice în luarea deciziilor a fost
foarte bine explicat de cercetătorii comportării grupurilor de oameni în organizaţii.
Aceştia au arătat că deciziile nu sunt luate prin considerarea raţională a
obiectivelor, opţiunilor şi a consecinţelor, ci acestea sunt făcute în baza unor
prejudecăţi, utilizând proceduri standard care se bazează pe tradiţii, precum şi pe o
foarte mică adaptare a concepţiilor la noile condiţii. Perspectivele luării
individuale a deciziilor pot fi foarte parohiale în sensul că acestea pot fi puternic
influenţate de contextul organizaţional, relaţiile cu autoritatea, presiuni externe sau
interne, perspective culturale, precum şi o anumită motivaţie personală. Ca atare,
multe decizii bazate pe modele mentale sunt total incorecte. Totuşi acestea au o
anumită importanţă care nu trebuie ignorată. Modelele mentale constituie o primă
reprezentare a porţiunii creaţiei în care suntem interesaţi ce constituie fundamentul
elaborării modelelor matematice asociate acelei porţiuni.
Prin model matematic înţelegem o exprimare în simboluri matematice, utilizând
concepte matematice, a relaţiilor care se instituie între variabilele şi parametrii
proprii unei porţiuni a creaţiei în care suntem interesaţi. De cele mai multe ori
în relaţiile (deseori vectoriale) care descriu modelul matematic intervin variabilele

92
şi derivatele lor, ceea ce exprimă, pe de-o parte caracterul local al modelului,
precum şi pe cel de predictibilitate, pe de altă parte. Modelele matematice oferă o
serie de avantaje faţă de cele lingvistice. În primul rând aceste nu suferă de nici
unul dintre defectele modelelor lingvistice pe care le-am discutat mai sus. Acestea
sunt explicite în sensul că ipotezele şi presupunerile pe care se bazează sunt
publice şi la îndemâna oricărei critici. În al doilea rând consecinţele (logice) care
rezultă din rezolvarea acestora sunt bine justificate matematic. În final acestea sunt
mult mai comprehensive fiind capabile să gestioneze simultan o multitudine
apreciabilă de factori.

Dar, cea mai importantă caracteristică a modelelor matematice este că acestea se


scriu pe baza legilor de conservare. Esenţa unui model matematic este dată de
legile de conservare invocate în scrierea acestuia. O lege, sau o lege a naturii,
este o generalizare ştiinţifică bazată pe observaţii empirice repetate de-a lungul
anilor şi care este acceptată de comunitatea ştiinţifică. Scopul fundamental al
ştiinţei este descoperirea legilor. Trebuie să facem o distincţie clară între legile
naturii şi alte legi cum ar fi cele civice, morale, religioase etc. Legile naturii sunt
concluzii bazate pe experimente ştiinţifice controlate, care pot fi repetate de-a
lungul timpului. Formularea legilor a constituit o preocupare încă din timpurile
antice. Ilustrele figuri ale Babilonului, ale Egiptului antic, ale Greciei, inclusiv
Aristotel, au încercat formularea legilor precizând condiţia şi dorinţa fundamentală
a omului de a face predicţii, de a cunoaşte viitorul. Totuşi, cu foarte mici excepţii,
încercările anticilor în formularea legilor au eşuat, datorită mai ales lipsei unor
definiţii corecte, operarea cu observaţii experimentale lipsite de acurateţe, precum
şi de prezenţa unor prejudecăţi de cele mai multe ori de natură religioasă. De
obicei, legile exprimă conservarea unei cantităţi, precum şi a simetriilor sau a
omogenităţii spaţiului şi timpului. Este important de notat că aceste proprietăţi ale
legilor şi mai ales exprimarea simetriilor ne face să spunem că legile naturii au o
anumită frumuseţe intelectuală, o anumită estetică, care deseori se vede şi în
expresia matematică a acestora, laconică, simplă.
Legile naturii sunt consecinţe ale diferitelor simetrii matematice. În acest sens
teorema lui Noether este reprezentativă aici deoarece aceasta, după cum vom
vedea, leagă legile de simetrii. De exemplu, conservarea energiei este o consecinţă
a simetriei temporale (nici un moment de timp nu este diferit de altul, nici un
moment de timp nu este privilegiat), în timp ce conservarea momentului este o
consecinţă directă a simetriei (omogenităţii) spaţiului (nici un loc în spaţiu nu este
special sau diferit de altul). Simetria parţială dintre timp şi spaţiu conduce la
transformările Lorentziene, care la rândul loc conduc la teoria specială a
relativităţii. Simetria dintre masa inerţială şi cea gravitaţională conduce la teoria
generală a relativităţii. În esenţă putem spune că legile naturii sunt expresii
matematice ale anumitor simetrii sau a omogenităţi timpului, spaţiului etc. Cu alte
cuvinte, sunt anumite cantităţi (de exemplu originea coordonatelor pentru timp sau
spaţiu) care nu depind de nimic. Căutarea legilor şi ale obiectelor fundamentale ale
naturii este sinonimă cu căutarea celui mai general grup de simetrii care se poate
aplica interacţiunilor fundamentale. Şi aceasta este contribuţia esenţială a lui
Noether care a relevat tocmai acest mariaj dintre legi (legile de conservare) şi
simetrii, sau mai profund dintre legi şi dualitate.
93
Esenţa modelelor matematice constă în faptul că prin reprezentarea simbolică a
fenomenelor care se desfăşoară în porţiunea de creaţie considerată este posibilă
scufundarea acestei reprezentări în domenii matematice abstracte în care
funcţionează raţionamentele logice fără nici o influenţă a semnificaţiei fizice a
variabilelor şi parametrilor proprii acestei reprezentări. Totuşi, trebuie să
remarcăm faptul că în practică apar o serie de probleme cu modelele matematice.
Deseori acestea sunt foarte puţin documentate astfel încât examinarea ipotezelor
lor este dificilă. Documentarea este cu atât mai deficitară cu cât înţelesul comun al
descrierii mentale este mai dispersat. Modelele matematice suferă în condiţiile în
care apar relaţii între factori greu de cuantificat, pentru care nu se dispune de date
numerice, sau care se află în afara domeniului de expertiză a analistului. Mai mult
decât atât, deseori acestea sunt foarte complicate aşa încât utilizatorul îşi pierde
încrederea în consistenţa sau corectitudinea relaţiilor care caracterizează modelul
matematic respectiv. Cu toate acestea modelarea matematică în industrie,
economie sau societate reprezintă una dintre cele mai importante activităţi.
Trecerea de la modelul lingvistic (mental) la modelul matematic este efortul
intelectual maxim pe care-l face un analist. Aceasta presupune o foarte bună
cunoaştere a porţiunii creaţiei analizate, a relaţiilor dintre diferitele elemente
proprii acestei creaţii. Este vorba aici de apariţia unui model intern în sensul
identificării unei porţiuni a analistului cu creaţia considerată. O dată construit
modelul intern, exprimarea lui în simboluri matematice este o procedură de
rutină.[20]

94
II. Elemente de teoria grafurilor

1. Noţiuni generale[21]

În general, pentru situaţiile care necesită la rezolvare un oarecare efort mintal (şi un
caz tipic este cel al celor din economie), se caută, în primul rând, o metodă de reprezentare
a lor care să permită receptarea întregii probleme dintr-o privire (pe cât posibil) şi prin care
să se evidenţieze cât mai clar toate aspectele acesteia.

În acest scop se folosesc imagini grafice gen diagrame, schiţe, grafice etc. O
reprezentare dintre cele mai utilizate este cea prin grafuri. Acestea sunt utilizate în special
pentru vizualizarea sistemelor şi situaţiilor complexe. În general, vom reprezenta
componentele acestora prin puncte în plan iar relaţiile (legăturile, dependenţele, influenţele
etc) dintre componente prin arce de curbă cu extremităţile în punctele corespunzătoare.
Între două puncte pot exista unul sau mai multe segmente (în funcţie de câte relaţii dintre
acestea, care ne interesează, există) iar segmentelor li se pot asocia sau nu orientări (după
cum se influenţează cele două componente între ele), numere care să exprime intensitatea
relaţiilor dintre componente etc.

Este evident, totuşi, că această metodă are limite, atât din punct de vedere uman
(prea multe puncte şi segmente vor face desenul atât de complicat încât se va pierde chiar
scopul pentru care a fost creat – claritatea şi simplitatea reprezentării, aceasta devenind
neinteligibilă) cât şi din punct de vedere al tehnicii de calcul (un calculator nu poate "privi"
un desen ca un om).

Din acest motiv, alături de expunerea naiv-intuitivă a ceea ce este un graf, dată mai
sus, se impune atât o definiţie riguroasă cât şi alte modalităţi de reprezentare a acestora,
adecvate în general rezolvărilor matematice.

Definiţia 1 Se numeşte multigraf un triplet G = (X, A, f) în care X şi A sunt două


mulţimi iar f este o funcţie, definită pe produsul vectorial al lui X cu el însuşi (X 2 = XX),
care ia valori în mulţimea părţilor mulţimii A (notată P(A))

Mulţimea X se numeşte mulţimea nodurilor multigrafului şi elementele sale se


numesc noduri (sau vârfuri) ale multigrafului, iar A reprezintă mulţimea relaţiilor
(legăturilor) posibile între două noduri ale multigrafului.

Definiţia 2 Se numeşte graf orientat un multigraf în care mulţimea A are un


singur element: A = {a}.

În acest caz mulţimea părţilor mulţimii A are doar două elemente: mulţimea vidă 
şi întreaga mulţime A. Dacă unei perechi orientate (xi, xj) din X2 i se asociază prin funcţia f
mulţimea A atunci spunem ca există arc de la nodul x i la nodul xj iar perechea (xi,xj) se va
numi arcul (xi,xj). Nodul xi se numeşte nod iniţial sau extremitate iniţială a arcului (xi,xj)

95
iar nodul xj se numeşte nod final sau extremitate finală a arcului (xi,xj). Arcul (xi,xj) este
incident spre interior vârfului xj şi incident spre exterior vârfului xi. Dacă pentru un arc
nodul iniţial coincide cu nodul final atunci acesta se numeşte buclă. Nodurile xi şi xj se vor
numi adiacente dacă există cel puţin unul din arcele (xi,xj) şi (xj,xi).

Dacă unei perechi orientate (xi, xj) din X2 i se asociază prin funcţia f mulţimea vidă
 atunci spunem că nu există arc de la nodul xi la nodul xj.

Este evident că a cunoaşte un graf orientat este echivalent cu a cunoaşte vârfurile şi arcele
sale. Din acest motiv putem defini un graf orientat prin perechea (X,U), unde X este
mulţimea vârfurilor sale iar U mulţimea arcelor sale.
De asemenea, putem cunoaşte un graf orientat cunoscând mulţimea nodurilor şi,
pentru fiecare nod, mulţimea arcelor incidente spre exterior. Din acest motiv putem defini
un graf orientat ca o pereche (X,) unde X este perechea nodurilor iar  este o funcţie
definită pe X cu valori în mulţimea părţilor lui X, valoarea acesteia într-un nod xi, (xi) 
X fiind mulţimea nodurilor adiacente nodului xi, prin arce pentru care xi este extremitatea
iniţială.

Definiţia 3 Se numeşte graf neorientat un multigraf în care mulţimea A are un


singur element iar funcţia f are proprietatea:

f[(xi,xj)] = f[(xj,xi)] , oricare ar fi nodurile xi şi xj din X


În aceste condiţii, dacă f[(xi,xj)] = f[(xj,xi)] = A atunci perechea neorientată {xi,xj}
este o muchie iar dacă f[(xi,xj)] = f[(xj,xi)] =  spunem că nu există muchie între
vârfurile xi şi xj.

Deoarece, în cele mai multe din cazurile practice care vor fi analizate în acest
capitol, situaţia este modelată matematic printr-un graf orientat, vom folosi, pentru
simplificarea expunerii, denumirea de graf în locul celei de graf orientat iar în cazul în care
graful este neorientat vom specifica acest fapt la momentul respectiv[21].

2. Moduri de reprezentare ale unui graf[21]

A. O primă modalitate de reprezentare este listarea efectivă a tuturor nodurilor şi a


arcelor sale.
B. Putem reprezenta graful dând pentru fiecare nod mulţimea nodurilor cu care
formează arce în care el este pe prima poziţie.
C. Putem reprezenta geometric graful, printr-un desen în plan, reprezentând fiecare
nod printr-un punct(cerculeţ) şi fiecare arc printr-un segment de curbă care are
ca extremităţi nodurile arcului şi pe care este trecută o săgeată orientată de la
nodul iniţial spre cel final.
D. Putem folosi o reprezentare geometrică în care nodurile sunt reprezentate de
două ori, în două şiruri paralele, de la fiecare nod din unul din şiruri plecând
săgeţi spre nodurile cu care formează arce în care el este pe prima poziţie, de pe
al doilea şir (reprezentarea prin corespondenţă).

96
E. Un graf poate fi reprezentat printr-o matrice pătratică booleană, de dimensiune
egală cu numărul de noduri, în care o poziţie aij va fi 1 dacă există arcul (xi,xj) şi
0 în caz contrar, numită matricea adiacenţelor directe.
F. Un graf poate fi reprezentat printr-o matrice pătratică latină, de dimensiune
egală cu numărul de noduri, în care pe o poziţie aij va fi xixj dacă există arcul
(xi,xj) şi 0 în caz contrar.
Exemplu: Dacă în reprezentarea A avem graful G = (X,U), unde X = {x1, x2, x3, x4, x5, x6}
şi U = {(x1,x1), (x1,x2), (x1,x4), (x1,x5), (x2,x3), (x2,x4), (x2,x6), (x3,x1), (x3,x2), (x4,x5),
(x5,x2), (x6,x4)}, atunci în celelalte reprezentări vom avea:

B x1  {x1, x2, x4, x5} C

x2  {x3, x4, x6} x1 x2


x3  {x1, x2}
x6 x3
x4  {x5}

x5  {x2} x5 x4

x6  {x4}

D (reprezentarea prin corespondenţă)

x1 x2 x3 x4 x5 x6

x1 x2 x3 x4 x5 x6

x1 x2 x3 x4 x5 x6

x1 1 1 0 1 1 0

x2 0 0 1 1 0 1

x3 1 1 0 0 0 0

x4 0 0 0 0 1 0

x5 0 1 0 0 0 0

x6 0 0 0 1 0 0

97
F

x1 x2 x3 x4 x5 x6

x1 x1x1 x1x2 0 x1x4 x1x5 0

x2 0 0 x2x3 x2x4 0 x2x6

x3 x3x1 x3x2 0 0 0 0

x4 0 0 0 0 x4x5 0

x5 0 x5x2 0 0 0 0

x6 0 0 0 x6x4 0 0

3. Concepte de bază în teoria grafurilor[21]

1. semigraf interior al unui nod xk: este mulţimea arcelor U x k = {(xj,xk)/ (xj,xk) 
U} care sunt incidente spre interior nodului xk;
2. semigraf exterior al unui nod xk: este mulţimea arcelor U x k = {(xk,xi)/ (xk,xi)
 U} care sunt incidente spre exterior nodului xk ;
3. semigradul interior al unui nod xk: este numărul arcelor care sunt incidente
spre interior nodului xk = cardinalul lui U x k şi se notează cu  xk ;
4. semigradul exterior al unui nod xk: este numărul arcelor care sunt incidente
spre exterior nodului xk = cardinalul lui U x k şi se notează cu  xk ;
5. gradul unui nod xk: este suma semigradelor nodului xk:  x k =  xk +  xk ;
6. nod izolat: este un nod cu gradul 0;
7. nod suspendat: este un nod cu gradul 1;
8. arce adiacente: arce care au o extremitate comună;
9. drum într-un graf: o mulţime ordonată de noduri ale grafului: (x1, x2, ..., xk), cu
proprietatea că există în graf toate arcele de forma (xi,xi+1) i = 1,...,k-1;
10. lungimea unui drum: este numărul arcelor care îl formează;
11. drum elementar: un drum în care fiecare nod apare o singură dată;
12. drum simplu: un drum în care fiecare arc apare o singură dată;
13. putere de atingere a unui nod xi  X în graful G: numărul de noduri la care se
poate ajunge din xi. Puterea de atingere se notează cu p(xi), 1  i  n şi evident
p(xi)   xi .
14. drum hamiltonian: un drum elementar care trece prin toate nodurile grafului;
98
15. drum eulerian: un drum simplu care conţine toate arcele grafului;
16. lanţ: un drum în care arcele nu au neapărat acelaşi sens de parcurgere;
17. circuit: un drum în care nodul iniţial coincide cu cel final;
18. circuit elementar: un drum în care fiecare nod apare o singură dată, cu excepţia
celui final, care coincide cu cel iniţial;
19. circuit simplu: un drum în care fiecare arc apare o singură dată;
20. circuit hamiltonian: un circuit care trece prin toate nodurile grafului;
21. ciclu: este un circuit în care arcele nu au neapărat acelaşi sens de parcurgere;
22. ciclu elementar: un ciclu în care fiecare nod apare o singură dată, cu excepţia
celui final, care coincide cu cel iniţial;
23. ciclu simplu: un ciclu în care fiecare arc apare o singură dată;
Observaţie: Într-un graf neorientat noţiunile de drum şi lanţ sunt echivalente şi
de asemenea cele de circuit şi ciclu.

24. graf parţial al unui graf G = (X,U): este un graf G'(X,U') cu U'  U;
25. subgraf al unui graf G = (X,): este un graf G'(X',') unde X'  X şi
'(xi) = (xi)  X' pentru orice xi  X';
26. graf redus al unui graf G = (X,U): este un graf G *(X*,U*) unde X* este formată
din mulţimile unei partiţii de mulţimi nevide ale lui X, iar ( X *i , X *j ) există doar
dacă i  j şi există cel puţin un arc în U, de la un nod din X *i la un nod din X *j .
27. graf tare conex: este un graf în care între oricare două noduri există cel puţin
un drum;
28. graf simplu conex: este un graf în care între oricare două noduri există cel puţin
un lanţ;
Observaţie: Pentru grafuri neorientat noţiunile de tare conex şi simplu conex sunt
echivalente, graful numindu-se doar conex;

29. componentă tare conexă a unui graf G = (X,U): este un subgraf al lui G care
este tare conex şi nu este subgraful nici unui alt subgraf tare conex al lui G
(altfel spus, între oricare două noduri din componentă există cel puţin un drum
şi nu mai există nici un nod în afara componentei legat printr-un drum de un
nod al componentei).[21]

Găsirea drumurilor într-un graf orientat[21]

Dacă privim graful ca imagine a unui sistem, nodurile reprezentând componentele sistemu-
lui, atunci o interpretare imediată a unui arc (xi,xj) este că, componenta xi influenţează
direct componenta xj. Dacă nodurile au semnificaţia de stări posibile ale unui sistem atunci
un arc (xi,xj) semnifică faptul că sistemul poate trece direct din starea xi în starea xj. În
ambele cazuri se vede că avem de-a face doar cu informaţii despre legături directe; totuşi,
chiar dacă o componentă xi nu influenţează direct componenta xj ea o poate influenţa prin
intermediul altor componente, existând un şir de componente intermediare: x1 x2 ,..., xk,
fiecare influenţând-o direct pe următoarea şi xi direct pe x1 iar xk direct pe xj. Astfel, dacă
dintr-o stare xi nu se poate trece direct într-o stare xj s-ar putea totuşi în mai multe etape,
prin alte stări intermediare. Deoarece găsirea acestor influenţe sau treceri posibile este de
obicei foarte importantă iar pentru un sistem cu mii sau zeci de mii de componente acest
lucru nu mai poate fi făcut "din ochi", este necesară formalizarea noţiunii de "influenţe" şi
"treceri" posibile, nu neapărat directe. Acest lucru a şi fost făcut mai sus, deoarece este
99
evident că "xi influenţează xj" sau "din starea xi se poate trece în starea xj" este echivalent
cu existenţa în graf a unui drum de la nodul xi la nodul xj.

În continuare vom da un algoritm prin care putem găsi toate drumurile dintr-un graf
orientat cu un număr finit de noduri.
Pasul 1. Se construieşte matricea booleană a adiacenţelor directe corespunzătoare grafului,
notată cu A. În aceasta se află, evident, toate drumurile de lungime 1.

Este interesant de văzut ce legătură există între această matrice şi drumurile de lungime 2.
Fie două noduri xi şi xj oarecare din graf. Existenţa unui drum de lungime 2 între ele
presupune existenţa unui nod xk, din graf, cu proprietatea că există atât arcul (xi,xk) cât şi
arcul (xi,xk). Pentru a vedea dacă acesta există, luăm pe rând fiecare nod al grafului şi
verificăm dacă există sau nu ambele arce ((xi,xk) şi (xi,xk)). Aceasta este echivalent cu a
verifica dacă, în matricea booleană a adiacenţelor directe, există vreun indice k astfel încât
elementul k al liniei i şi elementul k al coloanei j să fie ambele egale cu 1. Dacă folosim
operaţiile algebrei booleene de adunare şi înmulţire:

 0 1  0 1

0 0 1 0 0 0
1 1 1 1 0 1

atunci verificările de mai sus sunt echivalente cu a verifica dacă elementul de pe poziţia
(i,j) din A2 este egal cu 1. Valoarea 1 spune doar că există cel puţin un drum de lungime 2
de la xi la xj. Dacă dorim să vedem şi câte sunt, vom folosi regulile de înmulţire şi adunare
obişnuită.

De asemenea, se poate observa că existenţa unui drum de lungime 3 de la xi la xj


presupune existenţa unui nod xk astfel încât să existe un drum de lungime 2 de la xi la xk şi
un arc de la xk la xj, care este echivalent cu a verifica dacă există vreun indice k astfel încât
elementul k al liniei i din matricea A2 şi elementul k al coloanei j din A sunt ambele egale
cu 1 sau, mai simplu, dacă elementul (i,j) din A3 este 1.

Din cele de mai sus se observă că existenţa drumurilor de lungime k este dată de
valorile matricei Ak, dacă s-au folosit regulile algebrei booleene şi numărul lor este dat de
Ak, dacă s-au folosit regulile obişnuite.[21]

Pasul 2. Vom calcula succesiv puterile lui A până la puterea An-1


Dacă între nodurile xi şi xj există un drum de lungime  n atunci el va conţine un
număr de noduri mai mare sau egal nu n+1 şi, cum în graf sunt doar n vârfuri, este clar că
cel puţin unul, să zicem xk, va apărea de două ori. Vom avea în acest caz un drum de la xi
până la prima apariţie a lui xk, şi un drum de la ultima apariţie a lui xk la xj. Eliminând toate
nodurile dintre prima apariţie a lui xk şi ultima apariţie a sa vom obţine un drum de la xi la
100
xj, în care xk apare o singură dată. Aplicând acest procedeu pentru toate nodurile care apar
de mai multe ori pe drum, vom obţine un drum de la x i la xj, în care fiecare nod apare o
singură dată (deci un drum elementar), care are evident cel mult n-1 arce. În concluzie,
dacă există vreun drum de la xi la xj atunci există şi un drum elementar şi, deci, va exista o
putere a lui A, între A1 şi An-1, în care poziţia (i,j) este diferită de 0. Pentru deciderea
existenţei unui drum între oricare două noduri este suficientă, deci, calcularea doar a
primelor n-1 puteri ale lui A.

Pasul 3. Se calculează matricea D = A + A2 + ... + An-1


Dacă ne interesează doar existenţa drumurilor dintre noduri, nu şi numărul lor, vom
folosi înmulţirea şi adunarea booleană şi conform observaţiei de mai sus:
 
1 daca exist a cel putin un drum de x i la x j
dij =   
0 daca nu exist a nici un drum de x i la x j

În acest caz, observând că:

A(A + I)n–2 = C 0n  2 A + C 1n  2 A2 + C 2n  2 A3 + ... + C nn  22 An–1 = A + A2 + A3 + ... + An-1 =


D

rezultă că e suficient să calculăm doar puterea n-2 a matricei A + I şi apoi s-o înmulţim cu
A. Avantajul acestei metode, în ceea ce priveşte economia de timp, este susţinut şi de
următoarea observaţie: dacă D conţine toate perechile de arce între care există drum atunci:

D = (A + A2 + ... + An-1) + An + An+1 + ... + An+k = D oricare ar fi k  0 


 A(A + I)n–2+k = (A + A2 + ... + An-1) + An + An+1 + ... + An+k-1 = D = A(A + I)n–2 
A(A + I)n–2+k = A(A + I)n–2 oricare ar fi k  0

deci de la puterea k = n-2 toate matricile Ak sunt egale. Putem, deci, calcula direct orice
putere a lui A+I mai mare sau egală cu n-1 (de exemplu calculând (A+I)2, (A+I)4, (A+I)8,
r
..., (A  I) 2 , r fiind prima putere a lui 2 pentru care 2r  n-2).
Procedeul de mai sus nu asigură decât aflarea faptului dacă există sau nu drum între
două noduri, eventual ce lungime are şi câte sunt de această lungime. Totuşi, în problemele
practice cel mai important este să ştim care sunt efectiv aceste drumuri. Deoarece toate
drumurile pot fi descompuse în drumuri elementare şi în problemele practice în general
acestea sunt cele care interesează, paşii următori ai algoritmului vor fi dedicaţi găsirii lor.
Pentru găsirea acestora se foloseşte reprezentarea grafului prin matricea latină de la cazul
F.[21]
Pasul 4. Construim matricea latină L asociată grafului, unde:
x i x j daca exist a arcul x i , x j 
 
daca nu exist a arcul x i , x j 
lij =   
0
~
şi matricea L , definită prin:

daca exist a arcul x i , x j 


 
~ x j
daca nu exist a arcul x i , x j 
lij =   
0

101
numită matricea latină redusă.
Găsirea unui drum de lungime 2 de la xi la xj presupune găsirea unui nod cu proprietatea că
există arcele (xi,xk) şi (xk,xj) şi memorarea vectorului (xi, xk, xj). Aceasta este echivalent cu
a găsi un indice k astfel încât elementul de pe poziţia k a liniei i, din matricea L, să fie x i,xk
~
şi elementul de pe poziţia k al coloanei j, din matricea L , să fie xj. Vom înmulţi deci
~
matricea L cu matricea L , folosind însă nişte reguli de calcul speciale, numite înmulţire şi
adunare latină[21].

Definiţia 1: Se numeşte alfabet o mulţime de semne numite simboluri sau litere {si/iI}
unde I este o mulţime oarecare de indici, finită sau nu.

Definiţia 2: Se numeşte cuvânt un şir finit de simboluri notat s i1 s i 2 ...s i n .

Definiţia 3: Se numeşte înmulţire latină o operaţie definită pe mulţimea cuvintelor unui


alfabet, notată "  L ", astfel:

s i1 s i 2 ...s i n  L s j1 s j2 ...s jm = s i1 s i 2 ...s i n s j1 s j2 ...s jm

(produsul a două cuvinte se obţine prin concatenarea lor)

Înmulţirea latină este asociativă, are ca element neutru cuvântul vid, nu e comutativă şi un
element este inversabil doar dacă este cuvântul vid.

Definiţia 3: Se numeşte adunare latină o funcţie definită pe mulţimea cuvintelor unui


alfabet cu valori în mulţimea parţilor mulţimi cuvintelor, notată "  L " astfel:

 s s ...s 
s i1 s i 2 ...s i n  L s j1 s j2 ...s jm =  i1 i 2 i n 
s j1 s j2 ...s jm 

(suma a două cuvinte este mulţimea formată din cele două cuvinte)

Pasul 5. Se calculează succesiv matricile:

~ ~ ~
L2 = L  L L , L3 = L2  L L , ... ,Lk+1 = Lk  L L

folosind operaţiile de înmulţire şi adunare latină, alfabetul fiind mulţimea nodurilor


grafului, unde operaţia de înmulţire este uşor modificată, produsul dintre două elemente ale
matricilor fiind 0, dacă unul dintre ele este 0 sau au un nod comun şi este produsul latin al
lor, în caz contrar.

Din felul cum a fost construită, matricea Lk va conţine toate drumurile elementare
de lungime k. Cum un drum elementar poate avea cel mult n noduri (câte are graful cu
totul) rezultă că:

 primele n-1 puteri ale lui L conţin toate drumurile elementare din graf;
102
 puterile lui L mai mari sau egale cu n au toate elementele egale cu 0;
 matricea Ln-1 conţine toate drumurile hamiltoniene din graf (dacă există).
Observaţie:Deoarece obţinerea matricii D prin metoda de mai sus presupune un volum
foarte mare de calcule (de exemplu, dacă graful are 100 de noduri, ridicarea unei matrici de
100×100 la puterea 100) pentru obţinerea acesteia se poate aplica şi următorul algoritm:

 Pas 1. Se construieşte matricea de adiacenţă A;
 Pas 2. Pentru fiecare linie i se adună boolean la aceasta toate liniile j pentru care a ij = 1.
 Pas 3. Se reia pasul 2 până când, după o aplicare a acestuia, matricea rămâne aceeaşi
(nu mai apare nici un 1)
 Ultima matrice obţinută este matricea drumurilor D numită şi matricea conexiunilor
totale.
 Această metodă, deşi mai simplă nu spune însă şi care sunt aceste drumuri, pentru
găsirea lor aplicându-se, de exemplu, înmulţirea latină
În acest subcapitol grafurile vor fi considerate neorientate[21].

Noţiunea de arbore

Un arbore este un graf neorientat, finit, conex şi fără cicluri. Grafurile din figura
urmatoare sunt arbori.

x1 x1 x1 x1 x1

x1
x1

x1 x1 x1 x1

a) c)
b)

Studiul arborilor este justificat de existenţa în practică a unui număr mare de probleme care
pot fi modelate prin arbori. Dintre acestea amintim:

1. construirea unor reţele de aprovizionare cu apă potabilă (sau cu energie electrică


sau termică etc) a unor puncte de consum, de la un punct central;
2. construirea unor căi de acces între mai multe puncte izolate;
3. desfăşurarea unui joc strategic;
4. luarea deciziilor în mai multe etape (arbori decizionali);
5. evoluţii posibile ale unui sistem pornind de la o stare iniţială;
6. construirea unei reţele telefonice radiale, a unei reţele de relee electrice;
7. legarea într-o reţea a unui număr mare de calculatoare;
8. organigramele întreprinderilor;
103
9. studiul circuitelor electrice în electrotehnică (grafe de fluenţă etc);
10. schemele bloc ale programelor pentru calculatoare etc.
În toate problemele de mai sus se doreşte ca, dintre muchiile unui graf neorientat, să se
extragă arborele optim din mulţimea tuturor arborilor care pot fi extraşi din graful dat.
Deoarece definiţia arborelui este dificil de aplicat pentru deciderea faptului că un graf este
arbore sau nu (şi în special sunt greu de verificat conexitatea şi mai ales existenţa
ciclurilor) există mai multe caracterizări posibile ale unui arbore, acestea fiind date de
teorema de mai jos:
Teoremă. Dacă H este un graf neorientat finit, atunci următoarele afirmaţii sunt
echivalente:

1) H este arbore;
2) H nu conţine cicluri şi, dacă se unesc printr-o muchie două noduri neadiacente,
se formează un ciclu (şi numai unul). Arborele este, deci, pentru o mulţime de
noduri dată, graful cu numărul maxim de arce astfel încât să se păstreze
proprietatea că nu are cicluri);
3) H este conex şi dacă i se suprimă o muchie se creează două componente conexe
(arborele este graful conex cu numărul minim de arce);
4) H este conex şi are n-1 muchii;
5) H este fără cicluri şi are n-1 muchii;
6) Orice pereche de noduri este legată printr-un lanţ şi numai unul.

Presupunem că avem un graf pentru care am verificat deja dacă este conex. Dacă nu este
atunci acesta, evident, nu are nici un graf parţial care să fie arbore.
Presupunem de asemenea că fiecărei muchii îi este asociată o valoare reală.

Algoritmi pentru găsirea arborelui de valoare optimă[21]

Algoritmul lui Kruskal

Pasul 1. Dintre toate muchiile grafului se alege muchia de valoare minimă (maximă).
Dacă minimul este multiplu se alege la întâmplare una din muchiile respective.
Deoarece acest "la întâmplare" trebuie cumva tradus în limbajul calculatorului, în
cazul implementării unui program bazat pe acest algoritm, vom perturba din start
valorile muchiilor, la k muchii cu aceiaşi valoare V adunând respectiv valorile ,
2, ... , k, unde  este foarte mic (în orice caz, k mai mic decât diferenţa dintre
valoarea acestor arce si valoarea imediat superioară a unui arc), pozitiv.
Pasul 2. Dintre toate muchiile rămase, se alege cea de valoare minimă (maximă);
Pasul 3. Dintre toate muchiile rămase, se alege cea de valoare minimă (maximă), astfel
încât să nu se formeze cicluri cu cele deja alese;
Pasul 4. Se reia algoritmul de la pasul 3 până se colectează n-1 muchii.

104
Deşi s-a demonstrat că algoritmul găseşte întotdeauna arborele optim, el are dezavantajul
că este foarte laborios (de fiecare dată trebuie calculat minimul unei mulţimi mari sau
foarte mari – există situaţii în practică în care graful are sute de mii de arce) şi, în plus,
trebuie aplicat un algoritm special ca să respectăm condiţia de a nu se forma cicluri, la
alegerea unui nou arc.
O metodă posibilă este ca, după adăugarea fiecărui arc, să se împartă graful în
componente conexe şi să alegem apoi un arc care nu are ambele extremităţile în aceeaşi
componentă conexă[21].

De asemenea este clar că, în cazul existenţei arcelor de valori egale, deoarece se
alege la întâmplare, există mai multe variante de evoluţie a alegerii arcelor. Totuşi, cu toate
că pot fi mai multe grafuri la care se poate ajunge prin acest algoritm, ele vor avea toate
aceeaşi valoare (minima (sau maxima) posibilă)[21].

Algoritmul lui Sollin

Pasul 1. Pentru fiecare nod se alege muchia adiacentă de valoare minimă (maximă).
Pasul 2. Se evidenţiază componentele conexe, existente în graful parţial format din arcele
alese până în acest moment.
Pasul 3. Pentru fiecare componentă conexă se alege muchia adiacentă de valoare minimă
(maximă). Prin muchie adiacentă unei componente conexe înţelegem o muchie
care are o singură extremitate printre nodurile componentei respective.
Pasul 4. Se reia algoritmul de la pasul 2 până rămâne o singură componentă conexă.
Aceasta este arborele optim căutat.
Acest algoritm asigură de asemenea găsirea arborelui optim, necesită mult mai puţine
calcule (la fiecare alegere se calculează minimul doar pentru muchiile adiacente unui
singur nod), evită automat formarea ciclurilor, dar, pentru grafuri foarte mari, la un
moment dat pot exista atât de multe componente conexe care trebuie memorate succesiv,
încât calculul devine greoi sau, pe calculator, depăşeşte posibilităţile de memorare ale
calculatorului[21].

O variantă a algoritmului lui Kruskal[21]

Pasul 1. Dintre toate muchiile grafului se alege cea de valoare minimă (maximă);
Pasul 2. Dintre toate muchiile adiacente componentei conexe formată din arcele alese
până în acest moment, se alege cea de valoare minimă (maximă);
Pasul 3. Se reia pasul 2 până se colecţionează n-1 muchii.
Algoritmul are toate avantajele algoritmului lui Sollin şi, în plus, lucrează cu o singură
componentă conexă, fiind mult mai uşor de implementat pe calculator şi mult mai rapid în
execuţie.
Exemplu[21]: Administraţia unei localităţi montane a hotărât construirea unor linii
de teleferic care să lege oraşul de cele 8 puncte turistice importante din jurul acestuia. În
105
urma unui studiu au fost puse în evidenţa toate posibilităţile şi costurile de conectare a
obiectivele turistice între ele şi cu oraşul, acestea fiind prezentate în figura de mai jos.

Se cere găsirea variantei de construcţie de cost minim, care să asigure accesul din oraş la
oricare din obiectivele turistice.

P2

4 9
7
P1 8 8 P3
8 P4
2
5 7
3 9 4
O
3 3 8
P6 P5
2 7
5 6
8 P8
P7

Rezolvare
Condiţia de cost minim implică două obiective:

1. Să se construiască minimul de arce necesare;


2. Să se construiască cele mai ieftine legături.
Referitor la numărul de arce necesar, facem observaţia că, dacă din oraş se va putea ajunge
la orice obiectiv turistic, atunci se va putea ajunge şi de la orice staţiune la oricare alta
(trecând prin oraş), deci trebuie ca arcele alese pentru construcţie să formeze la un loc un
graf conex.
În concluzie, căutăm un graf parţial conex cu un număr minim de arce, adică un arbore. În
plus, suma costurilor arcelor sale trebuie să fie minimă. Vom aplica pe rând cei trei
algoritmi pentru găsirea acestuia:
A. Kruskal
La primul pas poate fi ales unul din arcele OP3 sau OP7, ele având valoarea minimă 2.
Putem alege oricum primul arc dintre cele două pentru că la al doilea pas va fi ales celălalt.
La pasul trei poate fi ales unul din arcele OP 5, OP6 sau P1P6 care au valoarea minimă 3.
Nici în acest caz nu are vre-o importanţă ordinea alegerii, deoarece pot fi alese succesiv
toate trei fără a se forma nici un ciclu.
Al şaselea arc poate fi ales dintre arcele P4P5 şi P1P2, care au valoarea minimă 4. Nici în
acest caz nu are vre-o importanţă ordinea alegerii, deoarece pot fi alese succesiv ambele,
fără a se forma nici un ciclu.

106
Următoarea valoare disponibilă a unui arc este 5, dar arcul opt nu poate fi ales dintre arcele
OP1, P6P7, deşi au valoarea minimă 5. Arcul OP1 nu poate fi ales deoarece s-ar forma ciclul
OP1P6, iar P6P7 ar duce la ciclul OP6P7. Următoarea valoare minimă este 6, pentru arcul
P5P7 dar nu poate fi ales deoarece se formează ciclul OP 5P7.
Valoarea următoare, 7, o au arcele OP4, P2P3 şi P5P8. OP4 nu poate fi ales deoarece s-ar
forma ciclul OP5P4. Arcul P2P3 nu poate fi ales deoarece s-ar forma ciclul OP6P1P2P3.
Arcul P5P8 nu formează nici un ciclu şi el va fi al optulea arc ales. În acest caz, deoarece s-
au adunat 8 arce într-un graf cu 9 noduri, am obţinut graful căutat.
Acest arbore este reprezentat în figura urmatoare.

P2

P1 P3
2 P4
3 4
O
3 3
P6 P5
2 7
P8
P7

B. Sollin

Vom alege: pentru nodul O  arcul OP3

pentru nodul P1  arcul P1P6

pentru nodul P2  arcul P1P2

pentru nodul P3  arcul OP3

pentru nodul P4  arcul P4P5

pentru nodul P5  arcul OP5

pentru nodul P6  arcul P1P6

pentru nodul P7  arcul OP7

pentru nodul P8  arcul P5P8

Rezultă graful parţial:

107
P2

P1 P3
2 P4
3 4
O
3
P6 P5 7
2
P8
P7

După cum se vede, s-au format două componente conexe: C1 = {P1,P2,P6} si


C2={O,P3,P4,P5,P7,P8}.
Vom alege: pentru C1  arcul OP6
pentru C2  arcul OP6
şi obţinem o singură componentă conexă, care este arborele căutat[21].

Varianta algoritmului lui Kruskal


Succesiunea alegerii arcelor va fi:

1  OP3

2  OP7

3  OP6

4  OP5

5  P1P6

6  P1P2

7  P4P5

8  P5P8

Cuplajul a două mulţimi disjuncte. Probleme de afectare (de


repartiţie)[21]

În practica economică sunt foarte des întâlnite probleme în care se doreşte asocierea optimă
a elementelor unei mulţimi X = {x1, x2, ... , xn} cu elementele unei alte mulţimi Y = {y1,
y2, ... , ym} în condiţiile unor limitări existente (şi cunoscute) ale posibilităţilor de asociere.

108
În general, fiecare asociere posibilă xi  yj aduce un anumit efect aij (profit, cost etc) care
poate fi calculat şi vom presupune că este cunoscut.
Limitările asupra asocierilor se traduc de obicei prin faptul că:
1. Un element xi poate fi asociat doar cu anumite elemente din Y şi reciproc;
2. La sfârşit, fiecărui element din X i s-a asociat cel mult un element din Y şi
reciproc.
Asocierea optimă presupune, de obicei, două obiective:
1. Să se facă maximul de asocieri;
2. Suma efectelor asocierilor să fie maximă (sau minimă, în funcţie de
semnificaţia acestora).
Reprezentarea geometrică a situaţiei de mai sus este un graf de forma:

x1
y1

x2
y2

ym
xn
numit graf bipartit.
Definiţia 1: Se numeşte graf bipartit un graf G = (X, U) în care mulţimea nodurilor poate
fi împărţită în două mulţimi disjuncte A şi B astfel încât orice arc are extremitatea iniţială
în A şi cea finală în B.
Definiţia 2: Se numeşte cuplaj al unui graf bipartit o submulţime de arce W  U cu
proprietatea că nu există două arce adiacente (sau altfel spus, pentru orice nod există cel
mult un arc incident acestuia).
Definiţia 3: Se numeşte cuplaj maxim un cuplaj cu proprietatea că orice arc care nu face
parte din cuplaj este adiacent cu un arc din cuplaj (  orice arc am adăuga, nu mai rămâne
cuplaj  nu există nici un cuplaj în care să se includă strict  conţine numărul maxim de
arce neadiacente)
Este evident că numărul de arce ale unui cuplaj este mai mic sau egal cu numărul de
elemente din fiecare din mulţimile A şi B ( min (A,B). Este interesant de văzut însă
cât de mare este el efectiv şi în ce condiţii este egal chiar cu min (A,B).
Referitor la prima întrebare, în 1931 König a demonstrat o teoremă care permite stabilirea
numărului de arce ale unui cuplaj maxim:
Teoremă: Numărul maxim de arce ale unui cuplaj într-un graf bipartit G = (AB, ) este
egal cu min  A  C  C 
C A

109
În ceea ce priveşte a doua problemă, observăm mai întâi că putem presupune că
întotdeauna AB, în caz contrar inversând sensul tuturor arcelor grafului, problema
rămânând aceeaşi.
În acest caz:

min  A  C  C  = A  min  A  C  C  – A = 0  min  C  C  =


C A C A C A

0

 max  C  C  = 0  C  C oricare ar fi C  A


C A

sau altfel spus, pentru orice submulţime C a lui A, mulţimea nodurilor atinse de arce care
pleacă din nodurile sale, adică (C), are cel puţin atâtea elemente cât C.
De exemplu, la repartizarea angajaţilor pe posturi, fiecare angajat poate obţine un post dorit
dacă şi numai dacă oricare ar fi mulţimea de r angajaţi există cel puţin r posturi diferite din
care pot alege.
Presupunem, în continuare, că s-a asociat fiecărui arc (xi,xj) o valoare vij.
Definiţia 4: Se numeşte valoare a unui cuplaj suma valorilor arcelor care îl formează.

În acest moment putem spune că determinarea unei asocieri optime a mulţimilor X şi Y de


la început este echivalentă matematic cu determinarea unui cuplaj maxim de valoare
optimă (minimă sau maximă) în graful bipartit asociat.
Dintre problemele întâlnite în practica economică, ce se reduc matematic la găsirea unui
cuplaj maxim de valoare optimă, amintim:
1. Problema repartizării muncitorilor unei secţii la utilajele acesteia în funcţie de
pregătirea şi preferinţele muncitorilor, complexitatea maşinilor etc;
2. transferarea unor informaţii într-un grup;
3. Repartizarea angajaţilor pe posturi;
4. Formarea grupelor de lucru după afinităţile dintre membrii colectivului.
În 1955, bazându-se pe teorema lui König, H.W. Kuhn a elaborat un algoritm, cunoscut în
literatura de specialitate sub denumirea de algoritmul ungar, cu ajutorul căruia se poate
determina un cuplaj maxim de valoare minimă într-un graf bipartit pentru care A=B=
n.
El se bazează pe observaţia că, dacă se adună (sau scade) aceeaşi număr la toate valorile
arcelor, nu se modifică ierarhia cuplajelor maxime, în ceea ce priveşte valoarea lor.
Vom prezenta algoritmul concomitent cu rezolvarea unui caz particular, pentru o mai bună
receptare a acestuia:
"Într-o secţie produsele finite se obţin în urma efectuării succesive a 6 operaţii pe 6 maşini.
În această secţie sunt angajaţi 6 muncitori, fiecare fiind calificat pentru efectuarea oricărei
din cele 6 operaţii. Pentru a optimiza activitatea în secţie cei 6 muncitori au fost supuşi la
un test în care fiecare a prelucrat un număr de piese, pe toate cele şase maşini. În final,
110
calculându-se timpul mediu în care muncitorul Mi efectuează operaţia Oj s-au obţinut
valorile (în ore) date în tabelul de mai jos:

M1 M2 M3 M4 M5 M6

O1 4 3 6 2 6 8
O2 5 4 8 3 8 9
O3 5 6 8 2 8 7
O4 4 5 7 2 7 8
O5 4 6 6 3 6 7

O6 6 6 8 3 8 9

Să se găsească acea repartiţie a muncitorilor la maşini astfel încât timpul în care o piesă se
prelucrează succesiv pe cele 6 maşini să fie minim."
Pasul 1. Se construieşte matricea pătratică M care are elementele:

valoarea arcului x i , x j  daca exista arcul x i , x j 


 daca nu exista arcul x i , x j 
mij =
 

4 3 6 2 6 8
5 4 8 3 8 9
5 6 8 2 8 7
Pentru exemplul ales vom avea: M=
4 5 7 2 7 8
4 6 6 3 6 7
6 9 
 6 8 3 8

Pasul 2. Se scade din fiecare linie minimul acesteia apoi, în matricea obţinută, din fiecare
coloană minimul acesteia (se poate face şi invers, rezultatul final va fi acelaşi).
Pentru exemplul dat vom obţine succesiv matricile:
2 1 4 0 4 6 1 0 1 0 1 2
2 1 5 0 5 6 1 0 2 0 2 2
 3 4 6 0 6 5 2 3 3 0 3 1
M1 =
 2 3 5 0 5 6  şi apoi M2 =  1 2 2 0 2 2 
1 3 3 0 3 4 0 2 0 0 0 0
 3 3 5 0 5 6 2 2 2 0 2 2
   
Ultima matrice este cea asupra căreia se aplică următoarele calcule. În acest moment pe
fiecare linie şi pe fiecare coloană se află cel puţin un 0, care corespunde celui mai mic
timp. Se încearcă în continuare folosirea doar a acestor repartizări:
Pasul 3. În ordinea crescătoare a numărului de zerouri şi de sus în jos (în cazul existenţei
mai multor linii cu acelaşi număr de zerouri ) se încadrează pentru fiecare linie

111
zeroul a cărui coloană conţine cele mai puţine zerouri (primul de la stânga dintre
acestea, în caz de egaliate) şi se barează celelalte zerouri de pe linia şi coloana
acestuia. Pe parcursul algoritmului sunt luate în considerare la numărare doar
zerourile neîncadrate şi nebarate încă. În final, pe fiecare linie şi pe fiecare
coloană va fi cel mult un zero încadrat. Dacă în final sunt n (= dimensiunea
matricei) zerouri, atunci arcele corespunzătoare formează cuplajul căutat. Dacă
sunt mai puţine se trece la pasul 4.
În exemplul nostru avem trei linii cu câte un zero (a 3-a, a 4-a şi a 5-a) .Îl încadrăm pe cel
de pe linia 3 (prima dintre ele) şi barăm restul zerourilor de pe linia 3 şi coloana 3,
obţinând:

1 0 1 0 1 2
1 0 2 0 2 2
2 3 3 0 3 1
1 2 2 0 2 2
0 2 0 0 0 0
2 2 
 2 2 0 2

În acest moment pe liniile 1 şi 2 se află un zero. Se încadrează cel de pe linia 1 şi se


barează celelalte de pe linia 1 şi coloana 2, obţinând:

1 0 1 0 1 2
1 0 2 0 2 2
2 3 3 0 3 1
1 2 2 0 2 2
0 2 0 0 0 0
2 2 
 2 2 0 2
Ultima linie cu zerouri este linia 5 din care îl încadrăm pe primul şi le barăm pe celelalte:

1 0 1 0 1 2
1 0 2 0 2 2
2 3 3 0 3 1
1 2 2 0 2 2
0 2 0 0 0 0
2 2 
 2 2 0 2
În total nu sunt 6 zerouri încadrate (sunt doar trei) şi deci trecem la pasul 4 .
Pasul 4. La acest pas se va stabili numărul minim posibil de linii şi coloane care să conţină
toate zerourile matricii. În acest sens vom proceda astfel:
a) se marchează liniile care nu au nici un zero încadrat;
b) se marchează coloanele care au un zero barat pe o linie marcată;
c) se marchează liniile care au un zero încadrat pe o linie marcată (dacă
există);
Se repetă operaţiile b) şi c) până nu mai poate fi marcată nici o linie şi nici o
coloană.
În cazul nostru vom avea: a)  se marchează liniile 2, 4 şi 6;
b)  se marchează coloanele 2 şi 4;
c)  se marchează liniile 1 şi 3;

112
b)  nu mai marcăm nici o coloană deoarece nu mai există nici un zero barat pe liniile
1 şi 3, care să corespundă unei coloane nemarcate;
c)  nu mai marcăm nici o linie, deoarece nu a mai apărut nici o coloană marcată.
Rezultă:

1 0 1 0 1 2
1 0 2 0 2 2
2 3 3 0 3 1
1 2 2 0 2 2
0 2 0 0 0 0
2 2 
 2 2 0 2

Pasul 5. Se taie liniile nemarcate şi coloanele marcate:

1 0 1 0 1 2
1 0 2 0 2 2
2 3 3 0 3 1
1 2 2 0 2 2
0 2 0 0 0 0
2 2 
 2 2 0 2

Pasul 6. Se împart elementele matricei în trei grupe:


G1 = elemente aflate la intersecţii de linii netăiate cu coloane netăiate;
G2 = elemente situate la intersecţii de linii tăiate cu coloane netăiate sau de linii netăiate cu
coloane tăiate;
G3 = elemente situate la intersecţii de coloane tăiate cu linii tăiate
Pasul 7. Se găseşte minimul grupei G1, care se scade din fiecare element al lui G1 şi se
adună la fiecare element al grupei G3. Elementele grupei G2 rămân neschimbate.
Pentru exemplul dat, minimul lui G1 este 1 şi obţinem noua matrice:

0 0 0 0 0 1
0 0 1 0 1 1
1 3 2 0 2 0
0 2 1 0 1 1
0 3 0 1 0 0
1 1 
 2 1 0 1

Pasul 8. Se reia algoritmul de la pasul 3.


Vom avea după marcare:

0 0 0 0 0 1
0 0 1 0 1 1
1 3 2 0 2 0
0 2 1 0 1 1
0 3 0 1 0 0
1 1 
 2 1 0 1

Deoarece avem 6 zerouri încadrate, am obţinut cuplajul maxim de valoare minimă căutat,
căruia îi va corespunde repartizarea muncitorilor pe operaţii de mai jos:

113
M1 O1
6
M2 4 O2

4
M3 O3

M4 7 O4
3
M5 6 O5

M6 O6

care duce la o durată totală a prelucrării unei piese de 6 + 4 + 7 + 6 + 3 = 26 ore[21].


Observaţie: Deoarece regula de a alege de sus în jos la linii cu acelaşi număr de zerouri
este arbitrară şi de asemenea alegerea primului zero de la stânga, putem ajunge şi la alte
cuplaje maxime, dar toate vor avea aceeaşi valoare, cea minimă. De exemplu, un alt cuplaj
optim este: M1 O 1

M2 4 O2

M3 4 O3
6
0 0 0 0 0 1
0 0 1 0 1 1 M4 7 O4
1 3 2 0 2 0
0 2 1 0 1 1 adică 6
0 3 0 1 0 0 M5 O5
1 1  3
 2 1 0 1
M6 O6
care are de asemenea valoarea 26.
Observaţia 1. Dacă dorim un cuplaj de valoare maximă atunci vom calcula la pasul 1
matricea M astfel:
1. Construind matricea A de elemente:
valoarea arcului x i , x j  daca exista arcul x i , x j 
daca nu exista arcul x i , x j 
aij = 
 

2. Matricea M va avea componentele: mij = max a ij   a ij


1 i, j n
apoi aplicăm în continuare algoritmul.
Observaţia 2. Dacă AB atunci aplicăm acelaşi algoritm cu singura diferenţă că ne
vom opri când vom obţine un număr de zerouri egal cu min (A,B) [21].

Drumuri şi circuite hamiltoniene[21]


Una dintre cele mai cunoscute probleme economice este problema comis voiajorului.
Comis voiajorul este un individ care trebuie să prezinte s-au să distribuie marfa comandată

114
la o serie de centre distribuite în general neliniar pe o anumită zonă teritorială (localităţile
dintr-un judeţ, magazinele dintr-un cartier, persoanele dintr-un sat etc). Dacă numărul de
obiective care trebuie vizitate este mare sau foarte mare iar timpul disponibil foarte limitat
atunci devine vitală o asemenea organizare a trecerii pe la fiecare obiectiv încât să se
efectueze în timpul minim posibil. Acest timp minim se traduce prin drumul cel mai scurt,
iar cel mai scurt drum este evident cel în care se trece pe la fiecare obiectiv o singură dată.
În plus, la sfârşit trebuie să se afle în punctul iniţial, adică sediul firmei la care lucrează.
O reprezentare a regiunii aprovizionate, în care centrele pe la care se trece sunt vizualizate
prin puncte iar căile de acces la acestea prin segmente de curbe, va fi evident un graf,
problema reducându-se la a găsi circuitul hamiltonian de lungime minimă.
În timp, s-au evidenţiat o multitudine de probleme reductibile la găsirea unui drum (sau
circuit) hamiltonian într-un graf, cum ar fi:
1. Problema poştaşului (găsirea traseului cel mai scurt care trece pe la toate
locuinţele ce aparţin de oficiul poştal la care lucrează acesta);
2. Problema adunării deşeurilor (cel mai scurt drum care trece pe la toate punctele
de depozitate a deşeurilor);
3. Problema succesiunii operaţiilor (executarea mai multor operaţii pe o maşină în
acea ordine în care suma timpilor consumaţi cu pregătirea maşinii pentru
trecerea de la o operaţie la următoarea să fie minim)
4. Ordinea lipirii unor componente electronice pe o placă, etc;

Determinarea drumurilor hamiltoniene[21]


Problema determinării drumului (circuitului) hamiltonian de valoare optimă s-a dovedit
deosebit de dificilă, neexistând nici acum un algoritm care să rezolve problema în timp
polinomial şi nici măcar o metodă simplă prin care să se decidă dacă într-un graf dat există
sau nu drumuri hamiltoniene.
Există însă mai mulţi algoritmi, unii exacţi alţii heuristici, care reuşesc, într-un caz sau
altul, să rezolve problema satisfăcător şi în timp util.

A. Algoritmul lui Foulkes[21]


Pasul 1. Se scrie matricea booleană A asociată grafului G.

Pasul 2. Se determină matricea D a drumurilor grafului G prin procedeul expus la


începutul capitolului şi apoi matricea M = I + D.

Pasul 3. Se împarte mulţimea nodurilor grafului în submulţimi disjuncte astfel:

1. Se consideră în matricea M liniile pline (cu toate elementele 1). Nodurile ce corespund
liniilor pline cu 1 formează submulţimea C1.
2. Se elimină liniile şi coloanele care corespund nodurilor din submulţimea stabilită.
3. Se reia raţionamentul de la punctul 1 pe matricea redusă obţinută la punctul 2
obţinându-se următoarea submulţime şi în continuare toate celelalte până se epuizează
toate liniile matricei.

115
Pasul 4. Se construieşte graful G' în care:

1. Nodurile care formează o submulţime sunt reprezentate prin puncte în


interiorul unui dreptunghi şi între acestea se trasează arcele existente în graful
iniţial G.
2. Se trasează legăturile dintre submulţimi. Ele sunt reprezentate prin arcele
existente în graful iniţial G între nodurile submulţimii C1 şi cele ale
submulţimii C2, între nodurile submulţimii C2 şi cele ale submulţimii C3 etc.

Pasul 5. Se găsesc drumurile hamiltoniene

Un drum hamiltonian se găseşte plecând de la un vârf din submulţimea C 1, trecând prin


toate vârfurile acesteia cu un drum hamiltonian, din ultimul vârf la care se ajunge în C1
trecând la un vârf din C2, parcurgând în continuare un drum hamiltonian în a doua
submulţime şi tot aşa, trecând prin toate submulţimile şi parcurgând, deci, toate nodurile
grafului iniţial, o singură dată. Aplicând acest procedeu în toate modurile posibile se obţin
toate drumurile hamiltoniene din graful iniţial G. (Observaţie: poate să nu existe nici un
drum hamiltonian în graful G, caz în care algoritmul se opreşte deoarece la un anumit pas
nu mai exista nici o linie plina cu 1).

Observaţie. Algoritmul lui Foulkes reduce găsirea drumurilor hamiltoniene în graful iniţial
G (care în problemele practice este foarte mare) la găsirea mai multor drumuri
hamiltoniene mai mici în componente tare conexe ale grafului. Dacă un graf are o singură
componentă tare conexă, algoritmul lui Foulkes nu este eficient, în acest caz trebuind
aplicaţi alţi algoritmi cum ar fi cel bazat pe înmulţirea latină.

B.Algoritmul lui Chen pentru determinarea drumurilor hamiltoniene în


grafuri fără circuite

Fie G = (X,U) un graf orientat fără circuite, cu n noduri: X = {x1, x2, … , xn}. Vom
considera că am calculat matricea drumurilor D şi puterile de atingere ale tuturor nodurilor.
Dacă în graful G există un drum de la nodul xi la nodul xj atunci evident p(xi) > p(xj),
deoarece în orice vârf în care se poate ajunge din xj se poate ajunge şi din xi dar din xj nu se
poate ajunge în xj pentru că nu există circuite.
Teorema (Chen) Un graf cu n noduri, fără circuite conţine un drum hamiltonian dacă şi
numai dacă există relaţia:
n
n n  1
 px i  
2
i 1
Demonstraţie
“” Fie H un drum hamiltonian şi presupunem că nodurile grafului au fost notate
în ordinea în care apar în acest drum. Atunci din orice nod xi se poate ajunge în toate
nodurile cu indice mai mare şi numai în acestea (altfel ar exista circuite) şi deci puterea
unui nod xi este n – i, de unde:
n
n n  1
 p  x i  = (n – 1) + (n – 2) + … + 1 + 0 =
2
i 1
“” Ordonând vârfurile în ordinea descrescătoare a puterii lor de atingere (i > j 
p(xi) < p(xj)) şi cum graful nu are circuite, vom obţine o matrice D cu toate zerourile
116
deasupra diagonalei (evident pe o poziţie (i,i) nu se află nici un 1 iar dacă ar fi un 1 pe
poziţia (i,j) cu i > j ar însemna că din xi se poate ajunge în xj, deci în toate nodurile în care
se poate ajunge din xj, iar din xj nu se poate ajunge în xi, deci p(xi) > p(xj) în contradicţie cu
n n  1
ipoteza de ordonare a nodurilor). Cum deasupra diagonalei sunt poziţii iar suma
n
n n  1
puterilor vârfurilor este chiar rezultă că toate poziţiile de deasupra diagonalei sunt
n
1. Aceasta înseamnă că există toate arcele de forma (xi,xi+1) (altfel n-ar exista drum de la xi
la xi+1, deoarece toate drumurile au indicii nodurilor în ordine descrescătoare) şi deci
drumul hamiltonian (x1, x2, … , xn) q.e.d.
Teorema Dacă într-un graf orientat fără circuite există un drum hamiltonian atunci acesta
este unic.
Demonstraţie Deoarece un drum hamiltonian se identifică cu o permutare a nodurilor
grafului, existenţa a două drumuri hamiltoniene implică existenţa a două permutări
distincte a nodurilor grafului şi cum două permutări distincte diferă prin cel puţin o
inversiune vor exista două noduri xi şi xj în ordinea xi  xj pe un drum şi invers pe celălalt,
existând deci un drum atât de la xi la xj cât şi de la xj la xi, cele două formând împreună un
circuit, în contradicţie cu ipoteza.
Pe aceste teoreme se bazează algoritmul lui Chen de determinare a drumului hamiltonian
într-un graf orientat fără circuite:
Pasul1. Se scrie matricea de adiacenţă A
Pasul2. Se calculează matricea drumurilor D
Pasul3. Dacă există un indice i cu dii = 1 atunci graful are circuite, nu se poate aplica
algoritmul lui Chen şi algoritmul se opreşte. Dacă nu, se trece la pasul 4.
Pasul4. Se calculează puterile de atingere pentru fiecare nod.
n
n n  1
Pasul5. Dacă nu se verifică relaţia  px i  
2
atunci graful nu are drumuri
i 1
hamiltoniene şi algoritmul se opreşte, altfel se trece la pasul 6.
Pasul6. Se ordonează nodurile în ordinea descrescătoare a puterilor lor de atingere şi
obţinem drumul hamiltonian căutat.

C. Algoritmul lui Kaufmann

Pasul 1. Construim matricea latină L asociată grafului, unde:

daca exist a arcul x i , x j 


 
x i x j
daca nu exist a arcul x i , x j 
lij =   
0
~
Pasul 2. Construim matricea L , definită prin:
~ x j daca exist a arcul x i , x j 
 

0 daca nu exist a arcul x i , x j 


lij =   

numită matricea latină redusă.


Pasul 3. Se calculează succesiv matricile:
~ ~ ~
L2 = L  L L , L3 = L2  L L , ..., Lk+1 = Lk  L L , ...

117
folosind operaţiile de înmulţire şi adunare latină, alfabetul fiind mulţimea nodurilor
grafului, unde operaţia de înmulţire este uşor modificată, produsul dintre două elemente ale
matricilor fiind 0, dacă unul dintre ele este 0 sau au un nod comun, şi este produsul latin al
lor, în caz contrar.

Din felul cum a fost construită, matricea Lk va conţine toate drumurile elementare de
lungime k. Cum un drum elementar poate avea cel mult n noduri (câte are graful cu totul)
rezultă că:

 primele n-1 puteri ale L conţin toate drumurile elementare din graf;
 puterile lui L mai mari sau egale cu n au toate elementele egale cu 0;
 matricea Ln-1 conţine toate drumurile hamiltoniene din graf.

Pasul 4. Dacă se doresc şi circuitele atunci se verifică pentru fiecare drum hamiltonian
dacă poate fi completat până la un circuit (adică dacă există în graf arcul care
uneşte nodul final cu cel iniţial);
Pasul 5. Dacă se doreşte şi drumul (sau circuitul) de valoare optimă (maximă sau minimă)
se calculează suma valorilor pentru fiecare drum şi/sau circuit şi se alege cel cu
valoarea optimă.
În concluzie, metoda înmulţirii latine (A. Kaufmann – J. Melgrange) determină toate
drumurile elementare din graf, prin calcularea matricelor M(1), M(2), M(3), …, M(n-1).
În matricea M(n-1) se citesc drumurile hamiltoniene.
Această metodă a înmulţirii latine (algoritmul lui Kaufmann) este utilă, mai ales, în cazul
grafurilor tare conexe, unde algoritmul lui Foulkes nu este eficient. Totuşi, metoda este
greu de aplicat în grafuri cu un număr mare de noduri. În acest caz este preferabil să se
construiască graful condensat, să se determine drumurile hamiltoniene în fiecare în parte cu
algoritmul lui Kaufmann şi apoi, ca la algoritmul lui Foulkes, să se caute drumurile
hamiltoniene în graful iniţial.

D. Un algoritm bazat pe algoritmul ungar


Fie G = (X,U) un graf orientat cu n noduri X = {x1, x2, … , xn}.
Pasul 1. Se construieşte graful bipartit H = (AB,V) în care A = B = X şi V = U (adică
am folosit pentru G reprezentarea prin corespondenţă).
Pasul 2. Se găseşte pentru graful H cuplajul maxim de valoare minimă.
Pasul 3. Se construieşte graful parţial al lui G format doar cu arcele cuplajului găsit. Este
uşor de demonstrat că, componentele tare conexe ale acestuia sunt toate nişte
circuite. Dacă s-a format un singur circuit acesta este circuitul hamiltonian de
valoare minimă. Dacă s-au format mai multe se trece la pasul 4.
Pasul 4. Pentru fiecare arc aflat pe circuitul de lungime minimă (dacă sunt mai multe se
iau în considerare arcele tuturor) se reia algoritmul de la pasul 1 pentru graful
parţial rezultat din G prin eliminarea acestui arc.
Pasul 5. Pentru fiecare graf parţial se continuă procedeul până se ajunge la unul din
cazurile:

Cazul1. Cuplajului maxim găsit îi corespunde un singur circuit. Dacă acest


circuit este primul obţinut atunci valoarea sa i se atribuie unei
variabile Z şi circuitul este păstrat. Dacă nu este primul atunci
valoarea sa se compară cu Z şi, dacă este mai mică, ea devine noua
118
valoare a lui Z şi circuitul se păstrează, eliminându-l pe cel
corespunzător fostei valori a lui Z. În caz contrar se trece la alt graf
parţial neanalizat încă.
Cazul2. Cuplajul maxim are o valoare mai mare decât Z. Pentru acest graf
parţial se abandonează ramificarea.
Pasul 6. Se continuă analiza grafurilor parţiale până sunt analizate toate ramificaţiile.
Valoarea Z finală este valoarea circuitului de valoare minimă iar circuitul
corespunzător este cel optim.
Analiza de mai sus poate fi schematizată printr-un arbore de tipul:

în care fiecare nod este un graf parţial de analizat, iar pentru fiecare arc, nodul inferior este
un graf parţial care provine din graful corespunzător nodului superior, prin suprimarea unui
arc de pe circuitele de lungime minimă corespunzătoare cuplajului maxim de valoare
minimă al acestuia.
Observaţie: Algoritmul asigură găsirea circuitului de valoare minimă iar în cazul în care
algoritmul lui Foulkes nu funcţionează este o alternativă mai bună decât algoritmul lui
Kaufmann. Totuşi el nu lucrează în timp polinomial şi în unele cazuri (de exemplu cazuri
în care se formează foarte multe cicluri cu lungime minimă) necesită un număr imens de
calcule.
În aceste cazuri se pot folosi metode euristice prin care se elimină din start o serie de arce,
considerate a avea valori prea mari pentru a se putea afla pe circuitul hamiltonian de
valoare minimă, apoi se aplică în graful parţial rămas unul din algoritmii de mai sus.

Drumuri optime într-un graf[21]


În marea majoritate a problemelor care pot fi modelate prin grafuri nu ne interesează numai
dacă există sau nu legături între componentele reprezentate prin nodurile grafului ci şi
intensitatea acestora. Această intensitate are semnificaţia unei valori numerice (pozitive sau
negative) asociate arcului corespunzător legăturii a cărei intensitate o măsoară.
În aplicaţiile economice această valoare poate fi:
 lungimea drumului dintre două localităţi;
 costul parcurgerii rutei reprezentate prin arcul corespunzător;
 durata parcurgerii rutei respective;
 cantitatea transportată pe ruta respectivă;
 capacitatea maximă a rutei respective;
 câştigul realizat prin trecerea de la o stare la alta a sistemului;
 consum de energie pentru efectuarea trecerii respective;
 punctaj realizat etc.
Una din problemele care poate apărea în aceste situaţii este găsirea, pentru o anumită
pereche de noduri (sau mai multe perechi), a drumului optim între acestea.
119
Pentru formalizarea problemei vom introduce noţiunea de valoare a unui drum, care este
egală cu suma valorilor arcelor care îl compun. Vom nota în continuare valoarea unui arc
(xi,xj) cu v(xi,xj) sau cu vij. În aceste condiţii putem enunţa problema drumului optim astfel:
"Dat un graf G = (X,U) şi o funcţie care asociază fiecărui arc o valoare reală, să
se găsească, pentru o pereche dată de noduri, drumul (drumurile) de valoare optimă
(minimă sau/şi maximă) între cele două noduri şi valoarea acestuia (acestora)"
Deoarece este vorba de găsirea minimului unei mulţimi de numere reale, prima întrebare
care se pune este dacă aceasta admite minim. Dacă mulţimea nodurilor grafului este
infinită atunci pot exista o infinitate de drumuri elementare distincte între cele două noduri
şi mulţimea valorilor acestora poate avea orice formă (închisă sau nu, mărginită sau nu)
devenind foarte greu de caracterizat cazurile când minimul dorit există. Deoarece totuşi
majoritatea covârşitoare a problemelor economice se modelează prin grafuri cu număr finit
de noduri, ne vom limita în continuare doar la acestea.
Un număr finit de noduri n atrage după sine existenţa unui număr finit de arce (cel mult n2)
n -1

 k! ). Deoarece oricărui drum


1
şi a unui număr finit de drumuri elementare ( cel mult nn!
k 1
d îi corespunde un drum elementar de (obţinut prin eliminarea tuturor subcircuitelor lui d)
putem calcula valoarea oricărui drum ca sumă între valoarea drumului elementar
corespunzător şi valorile unor subcircuite ale sale, fiecare înmulţită cu numărul de
parcurgeri ale circuitului respectiv.
În concluzie, dacă există un circuit de valoare negativă înseamnă că există drumuri de
valoare oricât de mică (cele care conţin acest circuit), obţinută prin parcurgerea acestuia de
oricâte ori dorim) şi, deci, mulţimea valorilor drumurilor este nemărginită inferior,
neexistând drum de valoare minimă. Dacă există un circuit de valoare pozitivă atunci există
drumuri de valoare oricât de mare şi mulţimea valorilor drumurilor este nemărginită
superior, neexistând drum de valoare maximă.
Dacă nu există circuite de valoare negativă atunci valoarea oricărui drum este mai
mare sau egală cu a drumului elementar corespunzător, deci drumul de valoare minimă
(dacă există) va fi un drum elementar. Cum mulţimea drumurilor elementare este finită (şi
deci şi mulţimea valorilor lor) va avea minorant şi am lămurit problema compatibilităţii
problemei. Analog, dacă nu există circuite de valoare pozitivă atunci valoarea oricărui
drum este mai mică sau egală cu a drumului elementar corespunzător, deci drumul de
valoare maximă (dacă există) va fi un drum elementar. Cum mulţimea drumurilor
elementare este finită (şi deci şi mulţimea valorilor lor), va avea majorant.
Obs. 1. Dacă în graf nu există decât arce de valoare pozitivă atunci există drum de
valoare minimă.
Obs. 1. Dacă în graf nu există decât arce de valoare negativă atunci există drum de
valoare maximă.
Obs. 1. Dacă în graf nu există circuite atunci există şi drum de valoare minimă şi
drum de valoare maximă.
Deoarece din cele de mai sus se sesizează importanţa existenţei circuitelor într-un graf vom
da în continuare un algoritm de depistare a existenţei circuitelor într-un graf:
Pasul 1. Se construieşte mulţimea A formată din nodurile pentru care toate arcele
incidente sunt incidente spre interior ( noduri în care toate arcele "intră" sau, altfel
spus, noduri din care nu "pleacă" nici un arc).
Pasul 2. Se găsesc toate nodurile care nu sunt din A pentru care toate arcele incidente au
cealaltă extremitate în A (noduri din care se poate "ajunge" doar in A). Dacă nu
există nici un astfel de arc se trece la pasul 4.
120
Pasul 3. Se adaugă arcele găsite la pasul 2 la mulţimea A apoi se reia algoritmul de la
pasul 2, pentru noua mulţime A.
Pasul 4. Dacă A conţine mulţimea tuturor nodurilor atunci graful nu conţine circuite. Dacă
au rămas noduri în afara lui A atunci graful conţine circuite.

Algoritmi de găsire a drumului optim[21]

Din cauza varietăţii nelimitate a grafurilor posibile, nu există un algoritm care să rezolve
orice problemă în timp util, dar s-au elaborat o mulţime de algoritmi, fiecare fiind cel mai
eficace în anumite cazuri. Aceşti algoritmi pot fi grupaţi în cinci categorii:
1. Algoritmi prin calcul matricial (Bellman-Kalaba, I. Tomescu, Bellman-
Schimbell);
2. Algoritmi prin ajustări succesive: (Ford);
3. Algoritmi prin inducţie (Dantzig);
4. Algoritmi prin ordonare prealabilă a vârfurilor grafului;
5. Algoritmi prin extindere selectivă (Dijkstra).
În continuare vom prezenta trei dintre aceşti algoritmi.

A. Algoritmul lui Bellman - Kalaba

Algoritmul se aplică în grafuri finite care nu au circuite de valoare negativă (pentru o


problemă de minim) sau care nu au circuite de valoare pozitivă (într-o problemă de maxim)
şi găseşte drumurile de valoare minimă (maximă) de la toate nodurile grafului la un nod
oarecare, fixat. Dacă dorim să cunoaştem drumurile de valoare minimă (maximă) între
oricare două noduri vom aplica algoritmul, pe rând, pentru fiecare nod al grafului.
Fie G = {x1, x2, ... ,xn} un graf orientat finit. Presupunem (fără a restrânge generalitatea, că
am numerotat nodurile astfel încât nodul spre care căutăm drumurile de valoare minimă
(maximă) de la celelalte noduri să fie xn.
Pasul 1. Se construieşte matricea pătratică M cu dimensiunea egală cu numărul de noduri
ale grafului ale cărei elemente sunt:

 valoarea arcului (x i , x j ) daca exista arcul (x i , x j ) si i  j

mij = 0 daca i  j

   (într - o problema de minim)  daca nu exista arcul (x , x )
  (într - o problema de maxim)  i j

Pasul 2. Se adaugă succesiv liniile Li la matricea M, elementele acestora calculându-se


prin relaţiile de recurenţă:
1. L1j = mjn j = 1,...,n (prima linie este ultima coloană, transpusă, a matricii
M)
2. Lij = min (Li-1,j , min (mjk + Li-1,k)) într-o problemă de minim
k 1,n

sau Lij = max (Li-1,j , max (mjk + Li-1,k)) într-o problemă de maxim
k 1,n
Pasul 3. După calcularea fiecărei linii noi se compară elementele ei cu cele ale
precedentei:

121
 Dacă Lij = Li-1,j pentru orice j = 1,...,n atunci se opreşte recurenţa şi ultima
linie calculată conţine valorile minime ale drumurilor de la celelalte
noduri la nodul xn.
 Dacă există cel puţin un indice j cu Lij  Li-1,j se trece la calcularea noii
linii Li+1
Pasul 4. Pentru găsirea drumului care dă valoarea minimă de la un nod xj la nodul xn se
găsesc, începând înapoi de la ultima linie, pe care s-au obţinut valorile finale,
notată Lf, nodurile x k1 , x k 2 , ..., x k r care formează drumul căutat, unde x k1 = xj,
x k r = xn şi fiecare alt indice ki+1 este cel pentru care s-a obţinut
minimul(maximul) de pe poziţia ki al liniei Li.
Observaţie: Pentru grafuri foarte mari, algoritmul necesită un volum mare de memorie,
prin necesitatea memorării matricei M, care este greu de manipulat. Chiar dacă din cele n2
arce posibile graful ar avea doar un procent foarte mic matricea grafului va avea tot n 2
poziţii de memorat şi analizat.
Exemplu: Presupunem dat graful orientat de mai jos, în care se doreşte găsirea drumului de
valoare minimă de la nodul x1 la nodul x9.

x2

4 9
7
x1 8 8 x3
3 x4
2
5 7
3 9 4
x5 3
3 9
x6 x8
2 7
5 6
8 x9
x7

0 4   5    
 0 7 9     
  0 3     9
   0     3
Matricea M va fi:   8 2 7 0 3 2 9 
 8    0 5  
      0 6 8
    4    0 7
        0 

iar după calcularea liniilor Li obţinem:

122
x1 x2 x3 x4 x5 x6 x7 x8 x9
x1 0 4   5    
x2  0 7 9     
x3   0 3     9
x4    0     3
x5  8 2 7 0 3 2 9 
x6  8    0 5  
x7       0 6 8
x8    4    0 7
x9         0
L1   9 3   8 7 0
L2  12 6 3 10 13 8 7 0
L3 15 12 6 3 8 13 8 7 0
L4 13 12 6 3 8 13 8 7 0
L5 13 12 6 3 8 13 8 7 0

Deoarece L4 = L5 oprim calcularea liniilor după calcularea liniei 5. În această linie se află
valorile celor mai scurte de la toate nodurile la nodul x9. Drumul dorit de noi (x1  x9) are
valoarea dată de prima poziţie a liniei 5, fiind egal cu 13.
Pentru a găsi acest drum, plecăm înapoi de la linia 4 şi avem:

x1 x5
 
13 = 8 + 5 x3
 
8 = 6 + 2 x4
 
6 = 3 + 3

3  x9

B. Algoritmul lui Ford simplificat

Algoritmul lui Ford simplificat se aplică doar în grafuri care nu admit circuite. Cu
ajutorul lui se găseşte drumul de valoare optimă între două noduri fixate xi şi xj. Printr-o
eventuală renumerotare a nodurilor putem presupune că nodul de la care porneşte drumul
este x1, care va fi numit nod iniţial, iar nodul la care se termină este xn, numit nod final.
Algoritmul este:
Pasul 1. I se dă vârfului iniţial valoarea 0 (zero): w(x0) = 0
Pasul 2. Se construieşte mulţimea A formată din nodul iniţial: A = {x1}

123
Pasul 3. Se analizează nodurile din afara mulţimii A.
 Dacă există noduri în care se poate ajunge prin arce directe doar de la
nodurile mulţimii A, acestea se adaugă la mulţimea A, cu valoarea:
w(xi) = min wx j   v x j , x i  , în problemele de minim
xj

 x j ,x i 
sau w(xi) = max wx j   v x j , x i  , în problemele de maxim
xj

 x j ,x i 
apoi se trece la pasul 4
 Dacă nu există nici un nod de acest tip atunci nu există nici un drum de la
x1 la xn. STOP
Pasul 4. Se analizează mulţimea A:
 Dacă xn  A atunci valoarea sa reprezintă valoarea drumului de valoare
optimă de la x1 la xn. Pentru găsirea acestui drum se porneşte înapoi de la
nodul final xn şi se găsesc nodurile x k1 , x k 2 , ..., x k r care formează drumul
căutat, unde x k1 = xn, x k r = x1 şi fiecare alt indice ki+1 este cel pentru care:
w( x k i 1 ) + v( x k i 1 , x k i ) = w( x k i ) STOP
 Dacă xn  A se reia algoritmul de la pasul 3.
Exemplu: Pentru acelaşi graf şi aceeaşi pereche de noduri din exemplul rezolvat cu
algoritmul lui Bellman-Kalaba vom avea succesiv:
pas1: w(x1) = 0
pas2: A = {x1}
pas3: Nodurile în care se poate ajunge doar din x1: {x5}  
w{x5) = min( w(x1) + v(x1,x5)) = 0 + 5 = 5
pas4: x9  A
pas3: A = {x1,x5} şi nodurile în care se poate ajunge prin arce directe doar din x1 şi x5 sunt:
{x6} 
w{x6) = min( w(x1) + v(x1,x6), w(x5) + v(x5,x6)) = min(0 + 3 , 5 + 3) = 3
pas4: x9  A
pas3: A = {x1,x5,x6} şi nodurile în care se poate ajunge prin arce directe doar din x1, x5 şi
x6 sunt: {x2,x7}  
w{x2) = min( w(x1) + v(x1,x2), w(x5) + v(x5,x2), w(x6) + v(x6,x2)) = min(0 + 4,5 + 8,3
+ 8) = 4
w{x7) = min( w(x5) + v(x5,x7), w(x6) + v(x6,x7)) = min(5 + 2,3 + 5) = 7
pas4: x9  A
pas3: A = {x1,x2,x5,x6,x7} şi nodurile în care se poate ajunge prin arce directe doar din x1,
x2, x5, x6 şi x7 sunt: {x3,x8}  
w{x3) = min( w(x2) + v(x2,x3), w(x5) + v(x5,x3)) = min(4 + 7,5 + 2) = 7
w{x8) = min( w(x5) + v(x5,x8), w(x7) + v(x7,x8)) = min(5 + 9,7 + 6) = 13
pas4: x9  A
pas3: A = {x1,x2,x3,x5,x6,x7,x8} şi nodurile în care se poate ajunge prin arce directe doar din
x1, x2,x3,x5, x6, x7 şi x8 sunt: {x4}  
w{x4) = min( w(x2) + v(x2,x4), w(x3) + v(x3,x4),w(x5) + v(x5,x4), w(x8) + v(x8,x4)) =
min(4 + 9,7 + 3,5 + 7,13 + 4) = 10
pas4: x9  A
pas3: A = {x1,x2,x3,x4,x5,x6,x7,x8} şi nodurile în care se poate ajunge prin arce directe doar
din x1, x2, x3, x4, x5, x6, x7 şi x8 sunt: {x9}  

124
w{x9) = min( w(x3) + v(x3,x9), w(x4) + v(x4,x9), w(x7) + v(x7,x9), w(x8) + v(x8,x9)) =
min(7 + 9, 10 + 3, 7 + 8, 13 + 7) = 13
pas4: x9  A şi urmează să găsim drumul care are lungimea 13.
Avem succesiv:
w(x9) = w(x4) + v(x4,x9)
w(x4) = w(x3) + v(x3,x4)
w(x3) = w(x5) + v(x5,x3)
w(x5) = w(x1) + v(x1,x5)
deci drumul căutat este: x1  x5  x3  x4  x9

Observaţia 1. Dacă graful are un circuit atunci se poate demonstra uşor că nu vom putea da
valoare nici unui nod al acestuia şi dacă există vreun drum de la x1 la xn care trece prin
unul din nodurile circuitului nu vom putea da valoare nici lui xn, cu toate că există drum de
la x1 la xn.
Observaţia 2: Algoritmul necesită pentru memorare şi manipulare doar cunoaşterea, pentru
fiecare nod, a nodurilor spre care "pleacă" arce din acesta şi valorile acestor arce, fiind mult
mai uşor de aplicat sau implementat pe calculator. El are însă dezavantajul că se poate
aplica doar în grafuri fără circuite[21].

C. Algoritmul Ford generalizat

Algoritmul lui Ford generalizat a fost creat cu scopul de a putea găsi drumul optim şi în
grafurile care au circuite. Cu ajutorul lui se găseşte drumul de valoare optimă între două
noduri fixate xi şi xj. Printr-o eventuală renumerotare a nodurilor putem presupune că nodul
de la care porneşte drumul este x1, care va fi numit nod iniţial, iar nodul la care se termină
este xn, numit nod final.
Algoritmul este:
Pasul 1. I se dă vârfului iniţial valoarea 0 (zero): w(x0) = 0 şi tuturor celelalte valoarea +
(într-o problemă de minim) sau - (într-o problemă de maxim).
Pasul 2. În ordinea crescătoare a indicilor nodurilor se calculează pentru fiecare nod, pe
bază fostelor valori, noile valori cu formula:
 
 
    
w (xi) = min  wx i , min w x j  v x j , x i  în problemele de minim
*

 
xj
 x j ,x i  
 
 
sau w (xi) = max  wx i , max wx j   v x j , x i  în problemele de maxim
*


xj
 
  x j ,x i  
Pasul 3. Se compară noile valori w *(xi) cu fostele valori w(xi):
 Dacă w*(xi) = w(xi) pentru orice nod xi atunci:
 dacă w(xn) <  (la problema de minim) sau w(xn) > - (la problema de
maxim), valoarea nodului xn reprezintă valoarea drumului de valoare
minimă(maximă) de la x1 la xn. Pentru găsirea acestui drum se porneşte
înapoi de la nodul final xn şi se găsesc nodurile x k1 , x k 2 , ..., x k r care
formează drumul căutat, unde x k1 = xn, x k r = x1 şi fiecare alt indice ki+1
este cel pentru care:

125
w( x k i 1 ) + v( x k i 1 , x k i ) = w( x k i ) STOP
 dacă w(xn) = + (-) atunci nu există nici un drum de la x1 la xn. STOP
 Dacă există cel puţin un nod pentru care w*(xi) < w(xi) se reia algoritmul
de la pasul 2 pentru noile valori ale vârfurilor.
Observaţie: Algoritmul poate găsi drumul şi în grafuri cu circuite dar este evident mult mai
lent decât cel simplificat. Pentru scurtarea duratei de execuţie se poate modifica algoritmul
în sensul că o valoare nou calculată a unui vârf va fi folosită imediat ca atare la calculul
noilor valori ale celorlalte, nu doar după ce se calculează noile valori ale tuturor vârfurilor.

D. Algoritmul lui Dijkstra

În algoritmul Ford simplificat, pentru a găsi valoarea nodului final, deci a drumului minim,
plecăm de la nodul iniţial în toate direcţiile posibile, păstrând de fiecare dată toate nodurile
analizate. Acest fapt duce la un consum inutil de timp, deoarece foarte multe din aceste
noduri nu vor face parte din drumul optim. Pentru a elimina acest neajuns, algoritmul lui
Dijkstra încearcă să păstreze, la fiecare iteraţie, mulţimea minimă de noduri care să le
conţină pe toate cele care vor forma efectiv drumul optim. În plus, algoritmul se poate
aplica şi în drumuri cu circuite. Ca un minus este faptul că se aplică doar la probleme de
minim. Algoritmul are următorii paşi:
Pasul 1. I se dă vârfului iniţial valoarea 0 (zero): w(x0) = 0
Pasul 2. Se construieşte mulţimea A formată din nodul iniţial: A = {x1}
Pasul 3. Se analizează nodurile din afara mulţimii A.
 Dacă există noduri în care se poate ajunge prin arce directe de la noduri
din A (nu doar de la nodurile mulţimii A, ca la algoritmul lui Ford
simplificat) se calculează pentru toate acestea:
w(xi) = min wx j   v x j , x i  în problemele de minim
x jA

 x j ,x i 
dar, spre deosebire de algoritmul lui Ford simplificat, se adaugă la mulţimea
A doar cel pentru care se obţine valoarea minimă, apoi se trece la pasul 4.
 Dacă nu există nici un nod de acest tip atunci nu există nici un drum de la
x1 la xn. STOP
Pasul 4. Se analizează mulţimea A:
 Dacă xn  A atunci valoarea sa reprezintă valoarea drumului de valoare
optimă de la x1 la xn. Pentru găsirea acestui drum se porneşte înapoi de la
nodul final xn şi se găsesc nodurile x k1 , x k 2 , ..., x k r care formează drumul
căutat, unde x k1 = xn, x k r = x1 şi fiecare alt indice ki+1 este cel pentru care:
w( x k i 1 ) + v( x k i 1 , x k i ) = w( x k i ) STOP
 Dacă xn  A se reia algoritmul de la pasul 3.
Exemplu Vom aplica algoritmul la acelaşi graf folosit la ceilalţi algoritmi, pentru a putea
face comparaţii:
pas1: w(x1) = 0
pas2: A = {x1}
pas3: Nodurile în care se poate ajunge şi din x1: {x2, x5, x6}  
w{x2) = min( w(x1) + v(x1,x2)) = 0 + 4 = 4
w{x5) = min( w(x1) + v(x1,x5)) = 0 + 5 = 5
w{x6) = min( w(x1) + v(x1,x6)) = 0 + 3 = 3
126
min(w{x2),w{x5),w{x6)) = w{x6) = 3
pas4: x9  A
pas3: A = {x1,x6} şi nodurile în care se poate ajunge prin arce directe din x1 sau x6 sunt:
{x2,x5,x7}
w{x2) = min( w(x1) + v(x1,x2), w(x6) + v(x6,x2)) = min(0 + 4 , 3 + 8) = 4
w{x5) = min( w(x1) + v(x1,x5)) = min(0 + 5) = 5
w{x7) = min( w(x6) + v(x6,x7)) = min(3 + 5) = 8
min(w{x2),w{x5),w{x7)) = w{x2) = 4
pas4: x9  A
pas3: A = {x1,x2,x6} şi nodurile în care se poate ajunge prin arce directe din x1, x2 sau x6
sunt: {x3,x4,x5,x7}  
w{x3) = min( w(x2) + v(x2,x3)) = min(4 + 7) = 11
w{x4) = min( w(x2) + v(x2,x4)) = min(2 + 9) = 11
w{x5) = min( w(x1) + v(x1,x5)) = min(0 + 5) = 5
w{x7) = min( w(x6) + v(x6,x7)) = min(3 + 5) = 0
min(w{x3),w{x4),w{x5),w{x7)) = w{x5) = 5
pas4: x9  A
pas3: A = {x1,x2,x5,x6} şi nodurile în care se poate ajunge prin arce directe din x1, x2, x5, x6
şi x7 sunt: {x3,x4,x7,x8}  
w{x3) = min( w(x2) + v(x2,x3), w(x5) + v(x5,x3)) = min(4 + 7,5 + 2) = 7
w{x4) = min( w(x2) + v(x2,x4), w(x5) + v(x5,x4)) = min(4 + 9,5 + 7) = 12
w{x7) = min( w(x5) + v(x5,x7), w(x6) + v(x6,x7)) = min(5 + 2,3 + 5) = 7
w{x8) = min( w(x5) + v(x5,x8)) = min(5 + 9) = 14
min(w{x3),w{x4),w{x7),w{x8)) = w{x3) = w{x7) = 7
pas4: x9  A
pas3: A = {x1,x2,x3,x5,x6,x7} şi nodurile în care se poate ajunge prin arce directe din x1, x2,
x3, x5, x6, şi x7 sunt: {x4,x8,x9}  
w{x4) = min( w(x2) + v(x2,x4), w(x3) + v(x3,x4),w(x5) + v(x5,x4)) = min(4 + 9,7 + 3,5
+ 7) =10
w{x8) = min( w(x5) + v(x5,x8), w(x7) + v(x7,x8)) = min(5 + 9,7 + 6) = 13
w{x9) = min( w(x3) + v(x3,x9), w(x7) + v(x7,x9)) = min(7 + 9,7 + 8) = 15
min(w{x4),w{x8),w{x9)) = w{x4) = 10
pas4: x9  A
pas3: A = {x1,x2,x3,x4,x5,x6,x7} şi nodurile în care se poate ajunge prin arce directe din x1,
x2, x3, x4, x5, x6, şi x7 sunt: {x8,x9}  
w{x9) = min( w(x3) + v(x3,x9), w(x4) + v(x4,x9), w(x7) + v(x7,x9)) = min(7 + 9,10 +
3,7+8)=13
w{x8) = min( w(x5) + v(x5,x8), w(x7) + v(x7,x8)) = min(5 + 9,7 + 6) = 13
min(w{x8),w{x9)) = w{x8) = w{x9) = 13
pas4: x9  A şi urmează să găsim drumul care are lungimea 13.
Avem succesiv:
w(x9) = w(x4) + v(x4,x9)
w(x4) = w(x3) + v(x3,x4)
w(x3) = w(x5) + v(x5,x3)
w(x5) = w(x1) + v(x1,x5)
deci drumul căutat este: x1  x5  x3  x4  x9.

127
Reţele de transport[21]

Într-o mare varietate de situaţii concrete din practica economică se pune problema
deplasării unei cantităţi de materie, energie, informaţie etc, din anumite locuri, numite
surse, în alte locuri, numite destinaţii. Pentru realizarea acestui transport se folosesc o
serie de trasee, numite rute de legătură. Unităţile indivizibile ale cantităţii Q, care se
deplasează de-a lungul rutelor între surse şi destinaţii, se numesc unităţi de flux, iar
ansamblul rutelor, surselor, destinaţiilor şi, eventual, a altor puncte intermediare se
numeşte reţea de transport. Situaţia de mai sus poate fi reprezentată geometric printr-un
graf finit, conex şi fără bucle. Pentru ca o astfel de problemă să fie suficient de complexă
pentru a necesita un studiu matematic riguros, trebuie ca fiecare sursă să poată aproviziona
mai multe destinaţii şi orice destinaţie să poată fi aprovizionată de mai multe surse.
Aprovizionarea destinaţiilor se poate face direct de la surse sau prin intermediul altor
puncte, numite puncte intermediare. În cazul cel mai general pot exista de asemenea
legături între surse şi/sau legături între destinaţii.
Aşa cum s-a văzut şi la problema de transport, situaţia de mai sus este un cadru extrem de
larg, care permite existenţa unui număr foarte mare de tipuri de probleme posibile, diferite
între ele prin informaţiile suplimentare pe care le avem despre reţea şi prin obiectivele
urmărite.

Una dintre acestea este problema determinării cantităţii maxime (minime) care poate fi
transportată de la surse la destinaţii, în situaţia în care sursele dispun de cantităţi limitate
(inferior sau superior), destinaţiile au un necesar sau o putere de absorbţie limitată inferior
sau superior iar pe fiecare rută se poate transporta doar o cantitate cuprinsă între anumite
limite.

Pentru studiul matematic al acestei situaţii vom da definiţiile matematice ale obiectelor

implicate în problemă şi ipotezele modelului.

Definiţia 1: Se numeşte reţea de transport standard un graf finit, simplu, conex, fără
bucle G = (X,U) care are următoarele proprietăţi:


1. Există şi este unic s  X a.î. U s  , U s   (din care doar "ies"
arce), numit intrarea reţelei de transport;
 
2. Există şi este unic t  X a.î. U t = , U t   (în care doar "intră" arce)
numit ieşirea reţelei de transport;
3. S-a definit o funcţie c: U  R+ care asociază fiecărui arc u un număr
strict pozitiv cu numit capacitatea arcului.
Observaţie: Este clar că exemplele obişnuite au doar rareori o singură sursă şi o singură
destinaţie. Totuşi, printr-o tehnică foarte simplă, orice reţea de transport se poate aduce la
forma standard:

1. Dacă sunt mai multe surse se introduce un nod suplimentar din care
"pleacă" câte un arc spre fiecare sursă (şi numai spre acestea), iar
capacităţile acestor arce vor fi egale cu disponibilurile surselor
corespunzătoare;
128
2. Dacă sunt mai multe destinaţii se introduce un nod suplimentar spre care
"pleacă" câte un arc din fiecare destinaţie (şi numai din acestea), iar
capacităţile acestor arce vor fi egale cu necesarurile destinaţiilor
corespunzătoare;
Definiţia 2: Se numeşte flux într-o reţea de transport R = (X,U) o funcţie : U  R+
care are următoarele proprietăţile:

P1. 0  u  cu oricare ar fi u din U; valoarea u se numeşte flux al arcului u


P2.  u   u oricare ar fi i  s,t (suma fluxurilor arcelor care
uU i uU i

"intră" într-un nod i este egală cu suma fluxurilor arcelor care "ies" din acest
nod, cu excepţia nodului iniţial şi al celui final.
Definiţia 3: Se numeşte valoare a fluxului suma fluxurilor arcelor care "pleacă" din nodul
iniţial s şi se notează cu .

Observaţie: Se poate demonstra uşor că această valoare este egală şi cu suma fluxurilor
arcelor care "intră" în nodul final t. În concluzie avem:

=  u   u
uU s uU 
t

Valoarea fluxului reprezintă cantitatea care se transportă efectiv pe reţea de la surse la


destinaţii.
Definiţia 4: Se numeşte flux de valoare maximă într-o reţea un flux  în această reţea,
cu proprietatea că, pentru orice alt flux ' pe această reţea, avem   '.

Valoarea fluxului de valoare maximă reprezintă cea mai mare cantitate care se poate
transporta efectiv pe reţea, de la surse la destinaţii.
Economic vorbind, ne interesează, referitor la o reţea, răspunsurile la următoarele întrebări:
1. Putem transporta întreaga cantitate necesară la destinaţii?
2. Dacă da, cum transportăm efectiv această cantitate de la surse la destinaţii?
3. Dacă nu, din ce motiv nu putem realiza acest transport?
4. Cum putem înlătura cu eforturi minime acest motiv?
Răspunsul la primele două întrebări se poate afla prin găsirea fluxului de valoare maximă şi
compararea valorii lui cu suma necesarurilor destinaţiilor. În plus, valoarea acestuia pe un
arc reprezintă cantitatea care trebuie transportată pe ruta respectivă, pentru a obţine această
valoare a fluxului.
Răspunsul la ultimele două întrebări porneşte de la observaţia că cea mai mare cantitate
care poate traversa reţeaua de la un cap la altul este egală cu dimensiunea celui mai îngust
loc de trecere prin reţea. Dacă vrem, deci, să mărim fluxul va trebui să lărgim tocmai acest
cel mai îngust loc de traversare al reţelei.
Pentru formalizarea consideraţiilor de mai sus vom introduce noţiunea de tăietură într-o
reţea:

129
Definiţia 5: Dată o reţea de transport G(X,U) cu s = nodul iniţial şi t = nodul final, se
numeşte tăietură în reţea o partiţie a mulţimii vârfurilor reţelei de transport, formată din
două submulţimi V şi W (VW = , VW = X) astfel încât s  V şi t  W.

O tăietură poate fi privită, intuitiv, ca o secţiune a reţelei, care lasă nodul iniţial cu o
submulţime din noduri într-o parte, nodul final cu restul nodurilor în cealaltă parte şi
retează toate arcele care trec dintr-o parte în cealaltă.
A cunoaşte o tăietură este echivalent cu a cunoaşte care sunt elementele celor două
mulţimi, V şi W, care formează partiţia.
Vom nota o tăietură prin T = (V,W), convenind ca mulţimea scrisă pe prima poziţie să
conţină nodul iniţial s al reţelei iar cea scrisă pe a doua, nodul final t.

Definiţia 6: Se numeşte capacitate a unei tăieturi T = (V,W) într-o reţea de transport


G(X,U), notată C(T), suma capacităţilor tuturor arcelor care au extremitatea iniţială în V şi
cea finală în W.

C(T) =  c
 
u  x i ,x j
u

x i V
x jW

Pentru a nu exista nici o ambiguitate, insistăm asupra faptului că se vor lua în considerare
doar arcele care trec de la mulţimea ce conţine nodul iniţial spre mulţimea care conţine
nodul final, adică în sensul normal de transport (surse  destinaţie).
Definiţia: Se numeşte tăietură de valoare minimă într-o reţea o tăietură T în această
reţea, cu proprietatea că, pentru orice altă tăietură T' în această reţea, avem C(T)  C(T').

Următoarele teoreme fac legătura matematică dintre fluxurile unei reţele şi tăieturile sale:
Teorema 1. Dată o tăietură T = (V,W) şi un flux  într-o reţea de transport avem:

=  
 
u  x i ,x j
u –  
 
u  x i ,x j
u

x i V x i W
x jW x jV

sau, altfel spus, valoarea unui flux oarecare este egală cu suma fluxurilor arcelor care trec
de la V la W din care se scade suma fluxurilor arcelor care trec invers, de la W la V,
oricare ar fi tăietura T = (V,W).
Demonstraţie: Avem succesiv:

 
 
=  u =
u  s, x j 
 u +
u  s, x j 
  
x i V  uU 
u  
u  =

uU x i
x jX x jX x i s  xi 

130
=  
 
u  x i ,x j
u  u  +  
 
u  x i ,x j
u -  
 
u  x i ,x j
u =  
 
u  x i ,x j
u –  
 
u  x i ,x j
u

x i V x i V x i W x i V x i W
x jV x jW x jV x jW x jV

Corolar: Într-o reţea de transport valoarea oricărui flux este mai mică sau egală decât
valoa-rea oricărei tăieturi.
Demonstraţie: Fie T o tăietură oarecare şi  un flux oarecare. Avem succesiv:

=  
 
u  x i ,x j
u –  
 
u  x i ,x j
u   
 
u  x i ,x j
u   c
 
u  x i ,x j
u = C(T)

x i V x i W x i V x i V
x jW x jV x jW x jW

Corolar: Într-o reţea de transport valoarea fluxului maxim este mai mică sau egală decât
valoarea tăieturii minime.
Demonstraţia e evidentă. În plus, din cele de mai sus se vede că egalitatea are loc numai
dacă, pentru tăietura minimă, există un flux pentru care toate arcele de la V la W sunt
folosite la maxim (fluxul e egal cu capacitatea arcelor) iar pe toate arcele de la W la V nu
se transportă nimic.
Teorema lui Ford-Fulkerson Dacă fluxul  este maximal atunci există o tăietură de
capacitate egală cu valoarea fluxului.
Demonstraţie: Fie  un flux maximal. Introducem următorul procedeu de marcare a
vârfurilor:
Pasul 1. Se marchează nodul iniţial s cu 0(zero);
Pasul 2. Pentru fiecare vârf marcat xi se marchează cu:
 [+xi] toate vârfurile nemarcate xj pentru care există arcul (xi,xj) şi (xi,xj)
< c(xi,xj) (adica nodurile spre care mai e loc pentru a se transporta ceva
din xi);
 [–xi] toate vârfurile nemarcate xj pentru care există arcul (xj,xi) şi (xj,xi)
> 0 (adică toate nodurile spre care pleacă deja ceva din xi);
Pasul 3. Se repetă pasul 2 până nu mai poate fi marcat nici un vârf.
Dacă vârful final t ar fi marcat, atunci începând de la acesta, am putea construi lanţul x k1 ,
x k 2 , ..., x k r unde x k1 = s, x k r = t şi marcajul oricărui vârf x k i 1 este + x k i sau – x k i .
Adăugând la fluxul fiecărui arc al lanţului de tipul ( x k i , x k i 1 ) valoarea:

 = min( min
x ki ,x ki 1 
cx k , x k   x k , x k  , x min,x
i i 1 i i 1 
 x ki , x ki 1  )
k i 1 ki

şi scăzând din fluxul fiecărui arc de tipul ( x k i 1 , x k i ) aceeaşi valoare , obţinem un flux de
valoare  + , deci fluxul  nu ar fi maximal.

131
În concluzie vârful t nu va fi marcat. Fie tăietura T = (V,W), unde V este formată din
mulţimea nodurilor marcate iar W din cele nemarcate. În acest caz, pentru fiecare arc (x i,xj)
care "traversează" tăietura avem:

 dacă xi  V atunci (xi,xj) = c(xi,xj) deoarece nodul xj nu e marcat


 dacă xi  W atunci (xi,xj) = 0 deoarece nodul xi nu e marcat

În acest caz avem:

C(T) =  c
 
u  x i ,x j
u =  
 
u  x i ,x j
u –  
 
u  x i ,x j
u =

x i V x i V x i W
x jW x jW x jV

şi teorema e demonstrată.
Teorema lui Ford-Fulkerson poate stabili doar valoarea fluxului maxim dar nu dă o metodă
de găsire a acestuia. Pentru a rezolva problema găsirii fluxului de valoare maximă se poate
folosi algoritmul lui Ford-Fulkerson.
Pentru expunerea acestuia vom introduce şi noţiunile de:
arc saturat = un arc pe care fluxul este egal cu capacitatea;
drum complet = un drum de la nodul iniţial s la nodul final t care conţine cel puţin un arc
saturat;
flux complet = un flux pentru care orice drum de la nodul iniţial s la nodul final t este
complet.

Algoritmul lui Ford-Fulkerson[21]

ETAPA I Se determină un flux complet.


Pasul 1. Se numerotează nodurile reţelei de transport astfel încât x1 = s şi xn = t;
Pasul 2. Se asociază grafului fluxul nul (u = 0 pentru orice arc u din graf);
Pasul 3. În ordine lexicografică, se ia pe rând fiecare drum D de la nodul iniţial la cel
final, se calculează valoarea D = min c u   u  şi se adaugă la fluxul de pe
uD
fiecare arc al drumului. Arcul(arcele) unui drum D pentru care s-a obţinut
valoarea minimă D va fi după această adăugare, în mod evident, saturat şi deci
drumul D va fi complet.
După epuizarea tuturor drumurilor se obţine un flux complet, de valoare  =   D .
D
Deoarece alegerea drumurilor în ordine lexicografică nu ţine cont de structura reţelei, aşa
cum se poate vedea pe un exemplu, acest procedeu nu asigură întotdeauna găsirea fluxului
maxim. Acest impediment poate fi depăşit fie prin găsirea unei ordini de parcurgere a
tuturor drumurilor, care să dea pentru fiecare reţea fluxul maxim, în urma procedeului de
132
mai sus, fie prin redistribuirea judicioasă a fluxului găsit la etapa I. A doua variantă este
cea care se aplică la etapa II.
ETAPA II Se determină fluxul maxim
Pasul 4. Se marchează nodul iniţial s cu 0(zero);
Pasul 5. Pentru fiecare vârf marcat xi se marchează cu:
 [+xi] toate vârfurile nemarcate xj pentru care există arcul (xi,xj) şi (xi,xj) <
c(xi,xj) (adica nodurile spre care mai e loc pentru a se transporta ceva din x i);
 [–xi] toate vârfurile nemarcate xj pentru care există arcul (xj,xi) şi (xj,xi) > 0
(adică toate nodurile spre care pleacă deja ceva din xi);
Pasul 6. Se repetă pasul 5 până este marcat nodul final sau până când nu mai poate fi
marcat nici un vârf;
Pasul 7. Dacă nodul final a fost marcat atunci fluxul este maxim şi algoritmul se opreşte,
în caz contrar trecându-se la pasul 8;
Pasul 8. Construim un lanţul L = x k1 , x k 2 , ..., x k r unde x k1 = s, x k r = t şi marcajul
oricărui vârf x k i 1 este + x k i sau – x k i . Se calculează:
L = min( min cx k , x k   x k , x k  , x min,x
x ki ,x ki 1  i i 1 i i 1 
 x ki , x ki 1  )
k i 1 ki

care se adaugă la fluxul fiecărui arc al lanţului de tipul ( x k i , x k i 1 ) şi se scade


din fluxul fiecărui arc de tipul ( x k i 1 , x k i ).

Pasul 9. Se şterge marcajul şi se reia algoritmul de la pasul 4.


În final, tăietura de valoare minimă este cea în care V = mulţimea nodurilor marcate iar W
= mulţimea nodurilor nemarcate.
Observaţia 1. Algoritmul nu asigură întotdeauna găsirea fluxului maxim, deoarece se poate
ca creşterea fluxului la fiecare iteraţie să se facă cu cantităţi din ce în ce mai mici astfel
încât suma lor să nu atingă niciodată marginea superioară dată de valoarea tăieturii minime,
algoritmul având o infinitate de paşi. Teorema de mai jos dă o condiţie suficientă pentru ca
algoritmul să se termine într-un număr finit de paşi:
Teoremă Dacă toate capacităţile rutelor reţelei sunt numere raţionale atunci algoritmul lui
Ford-Fulkerson are un număr finit de paşi.
Demonstraţie Prin înmulţirea tuturor acestor capacităţi cu cel mai mic multiplu comun al
numitorilor se obţine o reţea cu toate capacităţile numere naturale. Ţinând cont de formula
de calcul, la fiecare iteraţie cantitatea adăugată  va fi număr natural şi cum valoarea
fluxului maxim este mărginită de capacitatea tăieturii minime Cmin, care este de asemenea
număr natural, algoritmul va avea nevoie de cel mult Cmin paşi pentru a o atinge.
Observaţia 2. Teorema de mai sus asigură doar o limitare superioară a numărului de iteraţii
ale algoritmului, faţă de capacitatea tăieturii minime. Această valoare poate fi însă, în
anumite
cazuri, foarte mare şi, dacă nu se iau precauţii suplimentare, algoritmul nu va da soluţia în
timp util. Depăşirea acestei situaţii este asigurată de următoarea teoremă:

133
Teoremă Dacă la fiecare iteraţie se alege drumul (lanţul) de lungime minimă atunci
1
algoritmul va avea cel mult mn iteraţii, unde n = numărul de noduri iar m = numărul de
2
muchii.
Observaţia 3. Există probleme în care se doreşte găsirea fluxului minim într-o reţea,
valorile fluxului pe arce fiind limitate inferior de capacităţile acestora. În acest caz se
aplică de asemenea algoritmul lui Ford-Fulkerson astfel:
Pasul 1. Se calculează M = maximul capacităţilor arcelor
Pasul 2. Se construieşte reţeaua R', care este fosta reţea, în care au fost modificate
doar capacităţile arcelor, acestea devenind c u = M – cu
Pasul 3. Se găseşte cu algoritmul Ford-Fulkerson fluxul , de valoare maximă, în
această reţea
Pasul 4. Fluxul de valoare minimă în reţeaua iniţială va avea valorile ' = M – 
Observaţia 4. Există şi alte tipuri de probleme asemănătoare celor de mai sus. Astfel, se
poate pune problema:
 găsirii capacităţilor minime ale arcelor cu care se poate asigura transportarea
întregii cantităţi de la surse la destinaţii
 fluxului minim(maxim) într-o reţea în care capacităţile rutelor sunt limitate atât
superior cât şi inferior;
 În cazul în care rutelor li se asociază şi costuri unitare de parcurgere, putem
căuta fluxul maxim de cost minim;

III Elemente de teoria sistemelor

Elemente de baza de teoria sistemelor[24]


Teoria sistemelor reprezintă un ansamblu de concepte, cunoştinţe, metode şi principii
independente de aplicaţii, necesare şi utile studiului structurii, proprietăţilor şi
caracteristicilor dinamice ale sistemelor în general, ale sistemelor automate în mod
special. Având ca obiect de studiu sistemul abstract, desprins de natura sa fizică
concretă, sub forma unui model matematic, teoria sistemelor este un domeniu de studiu
care îmbină armonios aspectele fenomenologice ale sistemelor reale şi elementele
matematice abstracte necesare descrierii comportamentului şi interacţiunii dinamice a
sistemelor. Teoria sistemelor introduce un mod de gândire ştiinţific de tip logic, aşa zis
sistemic, având la bază principiul cauzalităţii, care permite abordarea interdisciplinară
a realităţii înconjurătoare[24].

134
DEFINIREA ŞI CARACTERIZAREA SISTEMELOR[24]

Conceptul de sistem a apărut şi s-a dezvoltat de-a lungul timpului, ca rezultat al


evidenţierii unor trăsături şi comportamente comune pentru o serie de procese şi
fenomene din diferite domenii, fapt ce a permis tratarea acestora, din punct de vedere
structural-funcţional, într-un mod unitar, sistemic.
Noţiunea de sistem are o sferă de cuprindere foarte largă, fiind frecvent întâlnită în
ştiinţă şi tehnică (în general, în toate domeniile gândirii şi acţiunii umane), însă aproape
întotdeauna în asociaţie cu un atribut de specificare; de exemplu, sistem automat,
sistem de transmisie, sistem informaţional, sistem de semnalizare, sistem de producţie,
sistem filozofic, sistem social etc.
In literatura de specialitate există diverse definiţii ale conceptului de sistem, unele
reflectând tendinţa definirii sistemului într-o cât mai largă generalitate, altele tendinţa
de particularizare la un anumit domeniu al cunoaşterii.
In cele ce urmează, prin sistem vom înţelege un ansamblu de elemente ce
interacţionează între ele şi cu exteriorul, cu respectarea unor reguli, legi şi principii, în
vederea realizării unui sens, obiectiv, scop.

Un sistem este structurat ca o conexiune de elemente, fiecare element constituind la


rândul său un sistem (subsistem). Interacţiunea dintre elementele unui sistem poate
conferi sistemului proprietăţi, caracteristici şi comportamente noi, diferite de cele ale
fiecărui element component.
In cazul sistemelor fizice (reale), interacţiunea se realizează pe baza legilor fizico-
chimice generale, prin intermediul fluxurilor de masă şi energie, purtătoare de
informaţie. Sistemele fizice pot fi naturale sau artificiale (create de om).
Teoria sistemelor operează cu conceptul de sistem abstract, de obicei sub forma unui
model matematic, care permite descrierea caracteristicilor şi comportamentului dinamic
al unei clase de sisteme fizice.Să subliniem în continuare câteva trăsături fundamentale
ale sistemelor.
 Caracterul structural-unitar reflectă proprietatea unui sistem de a fi repre-
zentat ca o conexiune de subsisteme a căror acţiune este orientată spre un anumit
sens (scop).
 Caracterul cauzal-dinamic reflectă proprietatea unui sistem de a evolua în
timp sub acţiunea unor factori interni şi externi, cu respectarea principiului
cauzalităţii (conform căruia, orice efect este rezultatul unei cauze, efectul este
întârziat faţă de cauză şi, în plus, cauze identice generează în aceleaşi condiţii
efecte identice).
 Caracterul informaţional reflectă proprietatea unui sistem de a primi,
135
prelucra, memora şi transmite informaţie.
In sensul teoriei sistemelor, prin informaţie se înţelege orice factor care contribuie
calitativ şi/sau cantitativ la descrierea comportamentului unui sistem.La sistemele
tehnice, mărimile fizice utilizate ca suport pentru transmisia şi stocarea informaţiei se
numesc semnale.
Mărimile variabile asociate unui sistem pot fi de trei feluri: mărimi de intrare, mărimi
de stare şi mărimi de ieşire.
Mărimile de intrare sunt mărimi independente de sistem (deci de tip cauză), care
influenţează din exterior starea şi evoluţia sistemului.
Mărimile de stare sunt mărimi dependente de mărimile de intrare (deci de tip
efect), având rolul de a caracteriza şi descrie starea curentă a sistemului.
Mărimile de ieşire sunt mărimi dependente de mărimile de stare şi/sau de mărimile de
intrare (deci de tip efect), având rolul de a transmite în exterior (sistemelor învecinate)
informaţie despre starea curentă a sistemului. Unele mărimi de ieşire pot fi în acelaşi
timp mărimi de stare.
Teoria sistemelor operează cu două concepte de sistem: sistem de tip I-S-E (intrare-
stare-ieşire) şi sistem de tip I-E (intrare-ieşire). Sistemele de tip I-S-E conţin mărimi de
intrare, mărimi de stare şi mărimi de ieşire, în timp ce sistemele de tip I-E conţin
explicit numai mărimi de intrare şi mărimi de ieşire. Teoria clasică a sistemelor
operează cu sisteme de tip I-E, în timp ce teoria modernă a sistemelor operează cu
sisteme de tip I-S-E. Unui sistem fizic i se poate asocia un sistem abstract (model) de
tip I-S-E (fig. 1.1, a) şi un sistem abstract (model) de tip I-E (fig. 1.1, b).

( a) (b)

Fig. 1.1. Transferuri cauzale între mărimile unui sistem:

(a) de tip I-S-E; (b) de tip I-E.

La sistemele de tip I-S-E, transferul de informaţie intrare-ieşire se realizează în mod


indirect, prin intermediul stării. Transferul intrare-stare (IS) are loc cu întârziere
strictă, după o dinamică proprie sistemului, în timp ce transferul stare- ieşire (S E) se
realizează instantaneu. In cazul unor sisteme care respectă la limită principiul
cauzalităţii, mărimea de ieşire are o componentă ce urmăreşte instantaneu variaţiile
mărimii de intrare. La aceste sisteme există un canal direct intrare-ieşire (IE), prin

136
care transferul se realizează instantaneu.

Teoria sistemelor operează şi cu sisteme triviale, la care mărimea de ieşire, în ansamblul


său, urmăreşte instantaneu variaţiile mărimii de intrare. Sistemele de acest tip (numite
sisteme statice), nu conţin mărimi de stare, iar transferul intrare- ieşire se realizează
numai pe canalul direct IE. Sistemele netriviale la care mărimea de ieşire urmăreşte
cu întârziere variaţiile mărimii de intrare se numesc sisteme dinamice.

La sistemele de tip I-E (care nu conţin în mod explicit mărimi de stare), transferul
intrare-ieşire se realizează direct (fig. 1.1, b), cu întârziere strictă (la sistemele
dinamice) sau instantaneu (la sistemele triviale de tip static).

Un sistem interacţionează cu sistemele învecinate numai prin intermediul mărimilor de


intrare şi de ieşire. Mărimile de ieşire ale unui sistem sunt mărimi de intrare pentru
sistemele învecinate. Mărimile de ieşire ale sistemelor tehnice sunt măsurabile, în timp
ce mărimile de stare nu sunt întotdeauna accesibile măsurării.

In figura 1.2 este arătat modul de reprezentare a unui sistem Σ;

U  [u1 u2 … um ]T este vectorul coloană m-dimensional al mărimilor de intrare,

Y  [ y1 y2 … y p ]T - vectorul coloană p-dimensional al mărimilor de ieşire, iar

X [ x1 x2 … xn ]T
- vectorul coloană n-dimensional al mărimilor de stare.

137
Numărul n al variabilelor de stare ale unui sistem reprezintă dimensiunea sau
ordinul sistemului.

Fig. 1.2. Reprezentarea unui sistem.

Atunci când variabilele unui sistem sunt separate în variabile cauză şi variabile efect,
sistemul se numeşte orientat. La sistemele abstracte, orientarea este formală, în timp ce la
sistemele reale, orientarea rezultă din aplicarea legilor fizico-chimice specifice, cu
respectarea necondiţionată a principiului cauzalităţii.
Mărimile de stare ale unui sistem au două proprietăţi esenţiale:
- de mediere a transferului intrare-ieşire (I-E), care devine astfel transfer intrare-
stare-ieşire (I -S -E);
- de acumulare într-o formă concentrată (sintetică) a întregii informaţii utile privind
evoluţia anterioară a sistemului, adică a istoriei trecute a sistemului.
Ultima proprietate poate fi exprimată matematic astfel: Starea X la momentul t, adica X(t)
este complet determinata de starea la , starea X la momentul t, adica X(t) este complet
determinata de starea la momentul initial t0, X(t0) si de intrarea U pe intervalul de timp

[t0 , t) , adică U[t0 , t) . De aici reiese existenţa unei functii de tranzitie a starii X dintr-o stare
initiala X0 sub actiunea intrarii U[t0 , t) , adica:

X(t)=  (t;t0,X0, U[t0 , t)), t  t0.

Axiomatica funcţiei de tranziţie include proprietatea de consistenţă, adică


 (t0;t0,X0, U(t0))=X0,  t0, X0.[24]
Comportamentul unui sistem în regim dinamic (care include regimul staţionar
şi regimul tranzitoriu) poate fi descris pe baza unui model matematic, format
din ecuaţii algebrice şi din ecuaţii diferenţiale (ordinare sau cu derivate
parţiale) sau cu diferenţe – după cum sistemul este cu timp continuu sau cu
timp discret. In teoria sistemelor se utilizează două modalităţi distincte de
reprezentare matematică a sistemelor în domeniul timpului: prin ecuaţii de tip
intrare-ieşire (I-E) şi prin ecuaţii de tip intrare-stare-ieşire (I-S-E)[23].
Caracterizarea prin ecuaţii de tip I-E implică un formalism matematic mai
simplu, prin evitarea evidenţierii tuturor aspectelor referitoare la comportamentul
intern al sistemului. In cazul unui sistem dinamic, valoarea ieşirii y la
momentul t nu poate fi determinata numai u[0,t], fiind necesara cunoasterea unor
conditii initiale (cum ar fi y(0) sau y’(0)).

138
La sistemele reprezentate prin ecuaţii I-S-E, condiţiile iniţiale sunt incluse în starea
initiala X0.
Atunci cind se pune problema conducerii optimale a sistemului creşte interesul de
a dispune de cât mai multă informaţie despre sistem, care să fie însă şi
convenabil structurată. Aceste considerente justifică de ce conceptul de stare a
devenit esenţial în teoria modernă a sistemelor.[23]
Reprezentarea matematică a sistemelor dinamice cu parametri distribuiţi se
face prin ecuaţii diferenţiale cu derivate parţiale, deoarece în afara variabilei t
mai intervine cel puţin una dintre variabilele spaţiale x, y, z. Aceste sisteme fac
parte din categoria sistemelor infinit dimensionale. In general, numărul n al
variabilelor de stare, adică dimensiunea vectorului de stare X , determină
dimensiunea (ordinul) sistemului. Pentru reprezentarea matematică a
sistemelor monovariabile cu timp mort simplu, egal cu , în modelul sistemului
fără timp mort se înlocuieşte funcţia de intrare u(t) cu u(t-  ).[23]

MODELAREA SISTEMELOR[23]

Oricărui sistem cu memorie i se poate asocia un model dinamic - pentru caracterizarea


regimului de funcţionare dinamic şi un model staţionar - pentru caracterizarea
regimului de funcţionare staţionar. Regimul staţionar poate fi static (când variabilele
sistemului sunt constante în timp) sau permanent (când forma de variaţie în timp a
variabilelor sistemului este constantă - de tip rampă, sinusoidal etc.). In cadrul acestei
lucrări, vom considera modelul staţionar ca fiind asociat regimului staţionar de tip
static[23].
Modelele sistemelor statice (fără memorie) şi modelele staţionare ale sistemelor
dinamice (cu memorie) sunt constituite din ecuaţii algebrice, în timp ce modelele
dinamice al sistemelor dinamice sunt constituite din ecuaţii diferenţiale (la sistemele
continue) sau din ecuaţii cu diferenţe (la sistemele discrete). Modelul dinamic include şi
modelul staţionar, care se obţine din modelul dinamic printr-o particularizare
convenabilă (prin anularea derivatelor tuturor variabilelor – la sistemele continue,
respectiv prin egalarea valorilor oricărei variabile la toate momentele de timp – la
sistemele discrete)[23].
Sistemelor liniare le corespund modele liniare (formate din ecuaţii liniare), iar
sistemelor neliniare - modele neliniare (care conţin cel puţin o ecuaţie neliniară). In
majoritatea aplicaţiilor practice, pentru simplificarea formalismului matematic,
sistemelor cu neliniarităţi uşoare li se asociază modele liniare sau liniarizate[23].
Modelarea unui sistem real, adică operaţia de obţinere a modelului matematic, se poate
efectua prin metode analitice, experimentale sau mixte. Indiferent de metodă, operaţia
139
de modelare se bazează pe luarea în consideraţie a unor ipoteze de lucru, cu rol
simplificator. In raport cu modul de alegere a ipotezelor simplificatoare şi cu gradul de
concordanţă a acestora cu fenomenul real, modelul obţinut este mai simplu sau mai
complex, reflectând realitatea fizică cu un grad de precizie mai mare sau mai mic. Dacă
numărul ipotezelor simplificatoare luate în consideraţie este mare, atunci modelul
obţinut este simplu, robust, uşor de prelucrat şi de interpretat, dar mai puţin precis. Nici
modelele foarte complicate nu nu sunt recomandate, datorită lipsei de acurateţe în
determinarea unor parametri, a imposibilităţii calculului analitic, a erorilor de rotunjire
şi trunchiere care apar în procesarea numerică etc.[23]
Modelarea analitică a sistemelor tehnice se efectuează pe baza legilor generale şi
particulare care guvernează fenomenele fizico-chimice asociate sistemului real (legea
conservării masei sau volumului, legea conservării energiei, legea conservării
impulsului, legile echilibrului fizico-chimic, legile gazelor etc.).[23]

REPREZENTĂRILE MATEMATICE ALE SISTEMELOR[22]


Modele de stare
Modele de stare pentru sisteme cu timp continuu

La un sistem strict cauzal, transferul între mărimile de intrare şi de ieşire se face prin
schema : u t  y t 
x t 

Fig. 3 Sistem în
reprezentare de stare

intrare u(t) stare x(t) ieşire y(t) (1)

conform fig. 3. Vectorul de stare, de dimeniune n,

 x1  t  
 
x t     (2)
 xn  t  

reuneşte variabilele de stare xi (t ), i  1,n, care caracterizează dinamica sistemului.


Dimensiunea vectorului de stare, n, se numeşte ordinul sistemului.

140
Un sistem cu mai multe mărimi de intrare şi de ieşire, se numeşte multivariabil.

Un sistem neliniar multivariabil este definit prin:

- ecuaţia de stare: x  f  x ,u  (3)

care reprezintă forma vectorială a ansamblului de ecuaţii diferenţiale:

 x1 = f1  x1 ,x2 ,...,xn ,u1 ,u2 ,...,um 



 x2 = f 2  x1 ,x2 ,...,xn ,u1 ,u2 ,...,um 

:
 x = f  x ,x ,...,x ,u ,u ,...,u 
 n n 1 2 n 1 2 m

- ecuaţia de ieşire : y  g  x (4)


care reprezintă forma vectorială a ansamblului de ecuaţii algebrice

 y1 = g1  x1 ,x2 ,...,xn 

 y2 = g2  x1 ,x2 ,...,xn 
 (4bis)
:
 y = g  x ,x ,...,x 
 r r 1 2 n

In cazul unui sistem liniar, modelul de stare are forma :

x  Ax  Bu (5)
y  Cx (6)
unde dim x  n, dim u  m , dim y  r şi matricele A, B şi C au dimensiunile n x n ,
respectiv n x m , r x n.

Dacă sistemul are o singură mărime de intrare şi o singură mărime de ieşire, el se


numeşte monovariabil. Dacă sistemul este liniar, modelul de stare devine:

x  Ax  bu (7)

y  cT x (8)
unde b şi c sunt vectori coloană de dimensiune n.

Sistemele prezentate sunt strict cauzale , deoarece variabila de intrare afectează mai întâi
variabila de stare, prin ecuaţia diferenţială de stare (aceasta defineşte dinamica sistemului),
iar variabila de stare determină, printr-o relaţie algebrică (ecuaţia de ieşre), variabila de ieşire
a sistemului.

Sistemele la limită cauzale diferă de cele strict cauzale prin forma ecuaţiei algebrice de ieşire,
în care intervine şi variabila de intrare:
141
y  g  x , u (9)

în locul ecuaţiei (4),

y  Cx  Du (10)

unde D are dimensiunea rxm, în locul ecuaţiei (4), şi

y  cT x  d.u (11)

în locul relaţiei (8).

La sistemele la limita cauzale, schema transferului intrare-ieşire este

intrare u(t) stare x(t) ieşire y(t)

Adica pe linga transferul principal (cauzal) intrare-stare-ieşire, există un transfer direct


intrare-ieşire, fără dinamică (la limită cauzal), generat de prezenţa variabilei u în ecuaţia de
ieşire.

Ordinul sistemului este determinat de numărul de acumulari distincte de energie din procesul
modelat. După cum se ştie, acumularea de energie cinetică are loc în inductivilăţi, iar
acumularea de energie potenţială – în capacităţi. Deci, ordinul sistemului aferent unui circuit
electric este egal cu numărul de inductivităţi şi de capacităţi (echivalente) din laturi
distincte ale circuitului.[22]

Modele de stare pentru sisteme cu timp discret[22]

La sistemele cu timp discret, variabilele sunt eşantionate: x(k); u(k); y(k), unde k este timpul
discret.

Vom considera mai întâi sistemele strict cauzale

Modelul de stare al unui sistem multivariabil neliniar este format din:

- ecuaţia de stare x  k   f  x  k 1 , u  k 1  (1)

- ecuaţia de ieşire y  k   g  x  k  (2)


unde f(.) şi g(.) sunt funcţii vectoriale neliniare. Se obsrvă că ecuaţia de stare este o ecuaţie
cu diferenţe.

142
Dacă sistemul multivariabil este liniar, modelul are forma:

x  k   Ax  k  1  Bu  k  1 (3)

Y(k)=Cx(k) (4)

Se observă din ecuaţia (4) că mărimea de ieşire la momentul discret k depinde de starea la
momentul k, x  k  , iar conform ecuaţiei de stare, aceasta este legată de intrarea la momentul
anterior, k-1. Apare evident caracterul strict cauzal al relaţiei cauză (intrare) – efect (ieşire) :
efectul apare după aplicarea cauzei.

Dacă sistemul liniar este monovariabil, modelul de stare este :

x  k   Ax  k 1  bu  k 1 (5)

y  k   cT x  k  (6)
unde b şi c sunt vectori coloană de dimensiune n.

In cazul când sistemul este la limită cauzal, ecuaţiile de ieşire (2), (4) şi (6) conţin şi variabila
de intrare :

y  k   g  x  k  ,u  k   (2bis)

y  k   Cx  k   Du  k  (4bis)

y  k   cT x  k   du  k  (6bis)

Dacă examinăm aceste ecuaţii, de exemplu relaţia (6bis), constatăm că mărimea de ieşire
conţine componenta cauzală, cT x  k  , şi componenta la limită cauzală, du  k  , care se
transferă instantaneu de la intrare la ieşire.

Exemplu.[22] Ecuaţiile de stare ale unui sistem monovariabil cu timp discret sunt

x1[k ]  0.52 x1[k  1]  0.18 x2 [k  1]  0.05u[k  1]


x2 [k ]  0.25 x1[k  1]  0.87 x2 [k  1]  0.47u[k  1]

iar ecuaţia de ieşire este

y[k ]  x1[k ]  0.5x2 [k ]

Modelul poate fi pus sub forma (5), (6bis), în care

 0.52 0.18  0.05 1


A  ; b  ; c   ; d  0
 0.25 0.87  0.47  0.5

143
IV Teoria Deciziilor[25]
Problema raţionalităţii are un loc central în orice discuţie cu privire la capacităţile
umane de cunoaştere, decizie şi acţiune. Orice încercare de explicare a modului în care
indivizii iau decizii şi trec de la decizii la acţiuni presupune implicit o delimitare a spaţiului
raţionalităţii. Această delimitare implică întrebări cu privire la tipul criteriilor şi normelor
utilizate, relaţia dintre antecedentele intenţionale ale deciziei şi consecinţe, relaţia
raţionalitate epistemică - raţionalitate practică etc.

Într-un fel, delimitarea spaţiului raţionalităţii se desfăşoară mereu într-un orizont de


frustrare: orice încercare de a trasa cu exactitate graniţe pare supusă eşecului, pare să
sărăcească sau simplifice inacceptabil de mult bogăţia şi diversitatea caracteristicilor
(explicitate sau nu) pe baza cărora calificăm opinii, decizii sau acţiuni drept raţionale.
Întrebarea care se pune este dacă aceste limite sunt ale decidenţilor (limitări psiho-
cognitive), ale situaţiilor analizate (complexitate, comportament non-linear) sau ale
modelului de raţionalitate utilizat. Argumentăm, în capitolele următoare, că nu e vorba în
primul rând de o insuficientă precizare a cadrului raţionalităţii practice, ci de un mod
inadecvat de a pune problema, care presupune construirea unui model închis de decizie sau
acţiune raţională. Prin model închis înţelegem un model bazat pe specificarea unui set
complet de criterii de adecvare raţională cu aplicabilitate generală, împreună cu o procedură
determinată exhaustiv de aplicare la situaţii empirice.

În cadrul modelelor de decizie dezvoltate pe baza teoriei alegerii raţionale (rational


choice theory) - substanţa conceptului de acţiune raţională este maximizarea utilităţii
individuale. Subiectul are de ales între acţiuni alternative, ţinând seama de propriile
preferinţe şi de stări ale naturii (contexte care precizează şi limitează alegerea).
Raţionalitatea deciziei este evaluată în funcţie de măsura în care rezultatele alegerii vor
maximiza utilitatea (vor satisface într-o măsură cât mai mare preferinţele individuale), date
fiind constrângerile contextuale.

Însă un astfel de model, bazat exclusiv pe aplicarea de criterii formale (care nu fac referire
la conţinutul antecedentelor deciziei sau al contextelor de decizie) se confruntă cu probleme
legate de capacitatea sa descriptivă (comportamentul efectiv al decidenţilor nu poate fi
descris sau explicat în mod satisfăcător pe baza lui) sau normativă (aplicarea sa rigidă duce
la rezultate contra-intuitive, pe care decidenţii le consideră nerezonabile). Criteriile formale
pot funcţiona drept condiţii necesare, însă nu şi suficiente, de evaluare raţională a
deciziilor. Pentru a rămâne relevante empiric şi normativ, modelele de decizie trebuie să
includă specificarea unor norme de raţionalitate – înţelese drept reguli preliminare,
modificabile şi cu aplicabilitate locală.

Criterii formale de adecvare raţională[25]


Modelele de decizie dezvoltate pe baza teoriei alegerii raţionale se bazează pe un concept
de raţionalitate formală, care face afirmaţii legate de consecvenţa şi consistenţa logică a
comportamentului, nu de "substanţa" acestuia. Criteriile de adecvare raţională propuse sunt
strict formale: ele vizează structura antecedentelor deciziei (opinii, preferinţe, dorinţe) sau

144
relaţiile dintre acestea. În mod specific, raţionalitatea preferinţelor individuale presupune
respectarea unor cerinţe formale de adecvare:
 completitudine - individul este în stare să facă o ordonare completă a preferinţelor
sale pentru fiecare pereche de elemente din lista de alternative, pentru orice {x,y}, x≥y sau
y≥x*
Completitudinea presupune posibilitatea de a ordona oricare două elemente ale setului
de alternative. Evident, contextele de decizie limitează de la bun început numărul
alternativelor disponibile (unele opţiuni sunt eliminate din start datorită resurselor
insuficiente sau a imposibilităţii de a obţine informaţii relevante), însă completitudinea
vizează posibilitatea de principiu de a ordona orice pereche de opţiuni. În ultimă instanţă,
completitudinea presupune faptul că agentul are acces la - sau că ar putea în principiu
obţine - toate informaţiile relevante pentru luarea deciziilor.
 reflexivitate - pentru orice x, x≥x (nu poate exista o preferinţă strictă a lui x în
raport cu x)
Reflexivitatea introduce o cerinţă suplimentară de consistenţă: se presupune că
preferinţele individuale sunt complet precizate şi stabile. Există însă numeroase cazuri de
modificare a preferinţelor (de exemplu, ca urmare a unor informaţii apărute ulterior) sau de
insuficientă precizare a lor (imposibilitatea de a distinge clar între preferinţe similare).
 tranzitivitate – dacă x este preferat lui y şi y este preferat lui z, atunci x este
preferat lui z pentru orice {x,y,z}, x≥y şi y≥z implică x≥z
Tranzitivitatea presupune consistenţa logică a preferinţelor. În lipsa unor preferinţe
tranzitive, agentul poate lua decizii contradictorii în situaţii similare; comportamentul său
este puţin previzibil, iar urmărirea sistematică a unor scopuri este dificilă. Dacă presupune
ciclicitate (x≥y şi y≥z, z≥x), intranzitivitatea poate genera o spirală a deciziilor
dezavantajoase (un exemplu simplu este vânzarea şi cumpărarea repetată a unui produs,
fiecare tranzacţie făcându-se în pierdere).
 continuitate - dacă x≥y şi z este destul de apropiat de x, atunci z≥y.
Continuitatea introduce o presupunere cu privire la structura nefragmentată a spaţiului
preferinţelor. Dacă subiectul îl preferă pe a lui b şi există un element suficient de apropiat
de a, atunci preferinţa se va extinde şi asupra acestuia. Cu alte cuvinte, nu există "unităţi de
analiză" la care să poată fi redusă evaluarea unei preferinţe; gradul de precizie sau de
nuanţare în descrierea acestora poate fi indefinit de ridicat.
Există însă numeroase exemple care pun în discuţie conţinutul acestor criterii
(enunţurile cu privire la relaţiile dintre antecedentele deciziei), ca şi generalitatea
aplicării lor. Acest lucru pune la îndoială nu doar acurateţea empirică, ci şi
relevanţa lor normativă – capacitatea lor de a oferi reguli, norme sau proceduri
care să poată fi utilizate cu succes în optimizarea decizională.
> , desemnează o relaţie de preferinţă strictă: x este preferat lui y, ceea ce implică faptul
că x nu e indiferent în raport cu y şi că y nu e preferat în raport cu x
≥ , desemnează o relaţie de preferinţă slabă: x este preferat lui y sau este indiferent în
raport cu y
~, desemnează o relaţie de indiferenţă (x poate fi înlocuit cu y şi invers, valoarea
utilităţii lor fiind egală).

I. Completitudinea
Deciziile efective sunt, cu excepţia unor cazuri extrem de simple, rareori luate pe baza
unei ierarhizări complete a preferinţelor. O asemenea ambiţie ne-ar pune în imposibilitatea
de a lua majoritatea deciziilor importante – decizii care trebuie luate în condiţiile în care

145
deţinem informaţii, capacităţi de procesare şi timp limitate.
Indiferenţa în raport cu două opţiuni poate să nu ţină de echivalenţa utilităţilor, ci de
dificultatea de a stabili ierarhia preferinţelor, datorită complexităţii informaţionale a setului
de opţiuni disponibile şi limitării capacităţilor de procesare. Modelul raţionalităţii restrânse
(bounded rationality) explicitează o constatare empirică: preferinţele nu reprezintă
reflectarea mecanică a unor gusturi, dorinţe sau interese individuale constante, ci rezultatul
interacţiunii dintre acestea, constrângerile contextuale şi normele de adecvare raţională
aplicabile. Acest rezultat rămâne deschis modificărilor aduse, de exemplu, de noi informaţii
disponibile (care pot modifica opiniile) sau de noi constrângeri (care limitează posibilităţile
de decizie şi pot determina ajustarea dorinţelor şi a scopurilor). Normele de adecvare sunt,
la rândul lor, modificabile: situaţii decizionale caracterizate de incertitudine pot fi abordate
aplicând maximin sau principiul raţiunii suficiente, însă decidentul poate, pe baza
experienţei acumulate, să ajusteze procedura de decizie sau să introducă norme
suplimentare (reguli euristice, proceduri de simplificare şi chiar reguli ad-hoc, propuse ca
teste).
Lăsând la o parte constrângerile contextuale, preferinţele şi dorinţele noastre, spre
deosebire de opinii, pot fi divergente sau conflictuale fără ca acest lucru să implice în
mod necesar iraţionalitatea agentului. Preferinţele exprimă relaţii între dorinţele,
înclinaţiile, gusturile noastre. În cadrul deliberării, subiectul compară şi evaluează
importanţa relativă a acestor preferinţe, fără să se bazeze pe o ierarhizare
predeterminată sau pe un criteriu infailibil de ordonare. Pe de altă parte, chiar dacă se
porneşte de la un set consistent de preferinţe/dorinţe/opinii, preferinţele „secundare”
(cele obţinute în urma raţionamentelor practice) pot fi inconsistente1 în cadrul aceluiaşi
context (cu alte cuvinte, presupunând că ierarhia preferinţelor nu se modifică).
Capacitatea de a obţine o ordonare completă a preferinţele individuale este limitată la
cazurile construite pe baza unor simplificări, care reduc semnificativ relevanţa lor practică.
Dincolo de argumentele abia menţionate, dificultăţile legate de ierarhizarea completă a
preferinţelor sunt direct legate de dificultăţile teoriei utilităţii – de încercarea de a
generaliza modul în care indivizii îşi „administrează” preferinţele legate de achiziţie şi
consum la întreaga gamă a preferinţelor umane şi de a oferi un criteriu de comparaţie trans-
individual pentru utilităţi.

II. Reflexivitatea
Cerinţa reflexivităţii este deja presupusă de cerinţa completitudinii: în măsura în care
subiectul poate ordona orice pereche de preferinţe, setul complet de preferinţe este clar
delimitat. Este asumat faptul că o preferinţă strictă a lui x faţă de x ar putea implica doar o
delimitare incompletă sau ambiguă a preferinţei respective. Însă decidenţii pot manifesta
preferinţe non-reflexive datorită modificării acestora. Ei nu îşi tratează preferinţele ca pe un
dat stabil, ci le “administrează” (intervin în stabilirea ierarhiei şi în organizarea lor,
contribuie la formarea şi la modificarea lor), le evită sau le suprimă, le confundă etc.2
Subiecţii nu aplică în mod sistematic cerinţa reflexivităţii în raţionamentele
practice, datorită unor limite informaţionale şi cognitive evidente. În lipsa
informaţiilor relevante sau, dimpotrivă, în faţa complexităţii informaţionale,
procesarea cognitivă este parţială şi fragmentată. O preferinţă este complet precizată
doar prin raportare la un anumit context decizional (în primul rând setul de alternative
disponibile şi utilităţile asociate); ca atare, preferinţe similare pot fi tratate drept identice
sau, dimpotrivă, diferenţele dintre ele pot fi percepute supradimensionat în funcţie de
constrângerile contextuale.
Ordonarea preferinţelor poate fi diferită şi în funcţie de constrângerile impuse de
contexte decizionale diferite. Să luăm exemplul celor doi adolescenţi care se întrec într-o
146
cursă auto în filmul „Rebel fără cauză”. Regulile sunt simple: cele două maşini pornesc în
viteză spre o prăpastie, cel care se aruncă primul din maşină pierde ("laşul"), cel care se
aruncă ultimul câştigă ("eroul").
Fiecare doreşte să rămână în maşină mai mult decât celălalt (pentru a-şi dovedi
curajul), dar trebuie să sară la timp pentru a nu cădea cu maşina în gol. Vom numi cele
patru rezultate posibile „viaţă” (amândoi sar în acelaşi timp, nu există un câştigător),
„erou” (cel doi sar succesiv, ultimul câştigă), „laş” (cei doi sar succesiv, primul pierde) şi
„moarte” (cei doi rămân în maşini şi se prăbuşesc odată cu ele). Putem presupune că
ierarhia preferinţelor este, în sens descrescător: „erou” - „viaţă - „laş” - „moarte”.

Ca în orice joc de coordonare conflictual, eşecul coordonării strategiilor poate duce la


rezultate dezastruoase pentru toţi participanţii. Există două echilibre Nash (Erou, Laş) şi (Laş,
Erou) asimetrice. Situaţia este complicată de faptul că, în cadrul acestui joc, ordonarea
preferinţelor se poate modifica: constrângerile contextuale (ruşinea de a fi cedat, reacţia
privitorilor) şi imposibilitatea comunicării (când va sări celălalt – când trebuie să sar eu) pot
determina modificarea locală a ierarhiei preferinţelor „moarte" este preferat lui "laş”.

Buzz
Renunţă Continuă
Jim Renunţă Viaţă, Viaţă Laş, Erou
Continuă Erou, Laş Moarte, Moarte

Relevanţa exemplului poate fi subminată dacă considerăm că alegerile făcute de indivizi nu


reflectă în mod necesar preferinţele lor. Cu alte cuvinte, dacă este respins conceptul de
„preferinţă manifestată” propus de Paul Samuelson, pe baza faptului că el nu pare să
funcţioneze în numeroase cazuri în care subiecţii fac alegeri superficiale, bazate pe o
cunoaştere incompletă sau fără cântărirea tuturor alternativelor, sau în cazuri în care
comportamentul lor este determinat de reguli de conduită sau imperative etice (exemplul
dilemei prizonierului)3. Cu toate acestea, considerăm conceptul de
„preferinţă manifestată” o ipoteză metodologică utilă. În lipsa lui, singurul mod de a
cunoaşte preferinţele celorlalţi se bazează pe afirmaţiile lor, chiar şi în cazurile în care
relaţia dintre preferinţe şi alegeri este contradictorie.

Teoria alegerii raţionale presupune faptul că gusturile şi preferinţele reprezintă caracteristici


relativ constante ale indivizilor, şi că aceştia posedă o cunoaştere completă a acestora. Însă
modificările preferinţelor pot fi explicate drept acumulare de "capital uman"; de exemplu,
participarea la un curs de istorie a artei, la un concert sau la o degustare de vinuri poate
modifica ierarhia preferinţelor, pentru că individul a devenit mai eficient, mai eficient în a
genera utilitate din activităţile respective. Modificarea gusturilor în timp poate fi minimă sau
inexistentă, însă ierarhia lor se poate schimba, în funcţie de acumulările specifice de capital
uman. Inovaţia tehnologică poate duce, la rândul ei, la modificări ale ierarhiei preferinţelor:
folosirea pe scară largă a tranzacţiilor online determină o atenţie sporită a consumatorilor faţă
de acele categorii de bunuri şi servicii care pot fi cu uşurinţă tranzacţionate în mediul virtual
(cum sunt cărţile, CD-urile, accesul la biblioteci şi baze de date online, printre multe altele).
Pe de altă parte, din moment ce vorbim de preferinţe şi dorinţe, nu de opinii, p şi non-p
pot coexista. Faptul că există unele motive pentru care subiectul preferă p şi altele pentru
care preferă q nu reprezintă un accident, ci ilustrarea faptului că, în majoritatea situaţiilor
reale de decizie, nu există o scală comună de evaluare a utilităţii fiecărei alternative în
parte, iar complexitatea situaţiei de alegere este de multe ori prea mare pentru a ne pune
problema evaluării tuturor alternativelor sau a unei ordonări exhaustive.

147
Este adevărat că subiectul poate forma raţionamente practice eronate sau poate acţiona
iraţional plecând de la preferinţe conflictuale. Însă simplul fapt al coexistenţei unor preferinţe
conflictuale sau inconsistente nu este un semn de iraţionalitate.[25]

III. Tranzitivitatea
Paradoxul lui Arrow vizează imposibilitatea definirii unei proceduri cu aplicabilitate
generală care să garanteze agregarea tranzitivă a unor preferinţe individuale tranzitive. De
altfel, cazurile de decizie individuală sau colectivă în care tranzitivitatea preferinţelor nu
este respectată sunt prea numeroase pentru a fi tratate ca excepţii. Intranzitivitatea poate
ţine de limitările epistemice şi cognitive ale agenţilor (de exemplu, alternative similare vor
fi de multe ori tratate ca fiind identice, chiar dacă informaţia suplimentară ar pune în
evidenţă diferenţe semnificative între ele). Situaţiile de alegere colectivă bazate pe criterii
multiple şi inconsistente pot genera, la rândul lor, preferinţe individuale intranzitive – de
exemplu, în structuri federative în care subgrupuri relativ autonome interacţionează pentru
a genera beneficii colective. Pe de altă parte, preferinţe individuale tranzitive pot genera
agregări intranzitive - paradoxul lui Condorcet ilustrează această situaţie în cazul regulii
majorităţii.
Să presupunem că un grup de 3 persoane (raţionamentul poate fi extins la orice grup
peste 3) trebuie să aleagă între trei opţiuni (de exemplu, trei candidaţi) pe baza votului
majorităţii. Ordonarea preferinţelor este următoarea:
X: a este preferat lui b, b este preferat lui c,
Y: c este preferat lui a, a este preferat lui b,
Z: b este preferat lui c, c este preferat lui a.
La nivelul grupului, constatăm că:
X şi Y îl preferă pe a lui b,
X şi Z îl preferă pe b lui c,
Z şi Y îl preferă pe c lui a.
Care este ordonarea preferinţelor agregate? Există majorităţi distincte care îl preferă
pe a lui b, pe b lui c şi pe c lui a. Ordonarea este netranzitivă (ciclică) tocmai pentru că
ordonările individuale se referă la majorităţi diferite. Nu există o agregare legitimă a
preferinţelor individuale în preferinţe colective, ci o majoritate variabilă cu preferinţe
intranzitive. Intranzitivitatea preferinţelor agregate coexistă cu tranzitivitatea preferinţelor
individuale. Ca atare, într-un asemenea scrutin nu ar putea fi desemnat un câştigător pe baza
regulii majorităţii, din moment ce fiecare candidat ar obţine un număr egal de voturi.
IV. Continuitatea
Presupunerea legată de structura continuă a preferinţelor pare să corespundă unei intuiţii
comune: nu există "particule fundamentale" la care să apelăm în evaluarea şi compararea
preferinţelor; descrierea acestora este continuă pentru că experienţa subiectivă a delimitării
acestor preferinţe este continuă, nefragmentată. Însă planul experienţei subiective trebuie
distins de planul raţionamentelor practice. În practică, preferinţele sunt utilizate discontinuu,
date fiind limitele informaţionale şi cognitive ale decidentului. Delimitarea şi ordonarea
preferinţelor este limitată de gradul de senzitivitate în faţa diferenţelor minore, sau de lipsa
unor informaţii relevante. De exemplu: X preferă ceaiul fără zahăr. Dacă în ceaiul lui X va fi
pus un singur grăunte de zahăr, se poate presupune că X va fi indiferent între ceaiul fără zahăr
şi cel care conţine un grăunte de zahăr. Iterând situaţia de un număr suficient de mare de ori,
ajungem la concluzia că X este indiferent între ceaiul fără zahăr şi ceaiul care conţine n
grăunţe de zahăr, dat fiind că adăugarea unui singur grăunte nu modifică sesizabil, la fiecare
iteraţie, rezultatul şi funcţia utilităţii asociată acestuia.

148
Criterii vs. norme
Care este relevanţa acestor dificultăţi pentru problema delimitării raţionalităţii deciziei? E
vorba de o problemă legată de alegerea criteriilor (aşa încât altele ar funcţiona mai bine şi
ar evita aceste dificultăţi) sau de rolul criteriilor formale în general în evaluarea
raţionalităţii deciziilor? Să plecăm de la o observaţie la îndemână: orice model de decizie
dezvoltat pe baza unui set predefinit de criterii va avea aplicabilitate limitată. Nu tot ceea ce
nu catalogăm drept raţional este cu necesitate iraţional: există o zonă de indeterminare
care caracterizează o bună parte a deciziilor sau acţiunilor noastre. Acesta presupune faptul
că, oricare ar fi modelul de decizie cu care operăm, va exista o zonă a deciziilor şi
acţiunilor pe care nu le putem califica drept raţionale pe baza respectivului model, însă în
acelaşi timp nu le putem include în zona iraţionalului. Este spaţiul deciziilor a căror
raţionalitate e deocamdată neprecizată, cu privire la care nu ne putem pronunţa, chiar dacă
(de multe ori intuitiv) suntem dispuşi să le recunoaştem drept rezonabile.

În general, existenţa spaţiului de indeterminare a fost explicată prin referire la o lipsă


sau insuficienţă – la nivelul capacităţilor cognitive, al informaţiei disponibile, a agregării
preferinţelor şi scopurilor individuale, sau al unor constrângeri exogene impuse de
contextul decizional specific. Însă există şi un alt tip de indeterminare, care nu poate fi
eliminată prin simpla aplicare a unui set predefinit de criterii sau prin introducerea unor
presupoziţii convenabile cu privire la obţinerea şi procesarea informaţiei, disponibilitatea
de a coopera etc. Existenţa acestei zone de indeterminare nu este un accident. Ea indică, pe
de o parte, subdeterminarea implicită a oricărui model de raţionalitate în raport cu
diversitatea faptelor pe care trebuie să le explice şi, pe de altă parte, o inadecvare a cadrului
conceptual pe baza căruia definim raţionalitatea şi diferenţiem între raţional şi non-raţional.

Existenţa spaţiului de indeterminare ilustrează nu doar diversitatea nelimitată a


experienţelor decizionale posibile, ci şi faptul că raţionalitatea practică se constituie
dinamic, că limitele şi conţinutul său sunt, în parte, precizate în cadrul situaţiilor de decizie.
Încercarea de a fixa contururile clare ale raţionalităţii practice forţând lucrurile să intre într-
o schemă predefinită, orice schemă, induce în eroare. Presupozia delimitării aprioriste a
unui model de decizie cu aplicabilitate generală poate conduce la rezultate contra-intuitive
şi percepute drept nerezonabile. Raţionalitatea deciziilor (construită analitic, formalizată)
nu poate face abstracţie de rezonabilitatea deciziilor (informală,

adesea percepută intuitiv).

Ne dovedim rezonabili atunci când reuşim să alegem o variantă satisfăcătoare în


condiţiile date, atunci când procedăm cu măsură şi tact într-un context caracterizat de lipsă
de măsură, atunci când facem un pas înapoi pentru a ne detaşa, pe cât posibil, de imediatul
situaţiei şi a căuta o variantă care să servească obiective pe termen lung. A fi rezonabil nu
înseamnă a aborda realitatea prin lentilele simplificatoare ale unui model formalizat, ale
unei reţete edificatoare, ci a rămâne deschis şi flexibil, dispus să accepţi evidenţe contrare
opiniilor tale. Rezonabilitatea numeşte raţionalitatea lipsită de morgă, nedogmatică şi
deschisă în faţa diversităţii nelimitate a experienţelor posibile. În opoziţie cu hybris-ul
teoretic caracteristic teoriei alegerii raţionale, rezonabilul este marcat de o modestie a
construcţiei teoretice, care recunoaşte implicit limitele oricărui model formalizat de
raţionalitate şi respinge ca inadecvată transformarea acestor limite (preliminare şi

149
modificabile) în graniţe ale raţionalităţii ca atare. Rezonabilitatea reprezintă prealabilul
intuitiv al oricărui demers de evaluare a raţionalităţii deciziilor sau acţiunilor. Ea poate fi
utilizată ca standard orientativ de evaluare, din moment ce nu oferă, în mod evident, un
criteriu infailibil de delimitare a raţionalităţii.

Specificarea unui set de criterii formale nu poate oferi, în majoritatea situaţiilor de


decizie, un criteriu de delimitare cu aplicabilitate generală. Presupunerea că raţionalitatea
practică poate fi descrisă în mod adecvat şi complet pe baza unui set închis de criterii
universalizabile pare să ţină, într-o măsură importantă, de influenţa exercitată de o anumită
tradiţie metodologică aprioristă şi de un model de raţionalitate formală dezvoltat pe baza
acesteia. În particular, e vorba de un model bazat pe ideea de "inferenţă legitimă" – o
inferenţă "ghidată de principii care sunt formale, universale, a priori"4. Aplicarea rigidă şi
nediferenţiată a acestui concept în ştiinţele sociale şi în filosofie are efecte negative, susţine
Kincaid, prin faptul că ignoră caracterul esenţialmente empiric al inferenţelor care stau la
baza regulilor metodologice. În cadrul modelelor de raţionalitate analizate, acest
reducţionism se traduce printr-o cerinţă a întemeierii raţionalităţii practice pe un set închis
de criterii predefinite şi cu aplicabilitate generală.
O alternativă este oferită de aplicarea complementară şi flexibilă a criteriilor formale
(cu statut de condiţii necesare) şi a normelor informale, deschise ajustărilor adaptative:
"Raţionamentele formale cu privire la axiomele postulate (inclusiv compatibilitatea şi
coerenţa lor), ca şi înţelegerea informală a valorilor şi normelor (inclusiv relevanţa şi
plauzibilitatea lor) sunt ambele orientate în această direcţie productivă" 5.

Caracterizarea normelor poate fi făcută, în bună măsură, pornind de ceea ce James


March numeşte raţionalitate adaptativă. Aceasta nu mai este centrată exclusiv pe ideea de
alegere intenţională, făcută pe baza unei cunoaşteri explicite. Ea propune o perspectivă în
care “cunoaşterea, sub forma normelor de conduită, evoluează de-a lungul timpului în
cadrul unui sistem şi se acumulează odată cu timpul, indivizii şi organizaţiile, fără să fie
complet conştientă de propria sa istorie”7. Normele pot să nu fie complet explicitate şi
aplicarea lor nu se face pe baza unei proceduri formalizate. În plus, ele sunt
supuse modificărilor şi ajustărilor în cadrul sistemului. Aspectul cel mai relevant e însă
relaţia norme-valori. Criteriile, dat fiind caracterul lor pur formal, vizează exclusiv relaţia
mijloace-scopuri (modul în care agentul foloseşte strategiile disponibile pentru a maximiza
beneficiile). Spre deosebire de criterii, normele fac apel la valori, angajamente, luări de
poziţie ale decidentului: ele sunt ireductibile la nişte simple proceduri de optimizare
instrumentală. Această distincţie între o raţionalitate bazată pe aplicarea de criterii şi una
bazată pe aplicarea de norme evocă distincţia weberiană între raţionalitatea formală şi cea
substanţială. Prima are în vedere organizarea acţiunilor pe baza unui calcul care să conducă
la îndeplinirea unor scopuri prestabilite cu maximum de eficienţă; a doua are la bază
acţiunea raţională orientată de valori.
Spre deosebire de primul tip, care poate fi asociat unei proceduri de calcul top-down
(în care regulile de operare sunt fixate de la început şi oferă – pe baza unui algoritm –
soluţii pentru problemele considerate), raţionalitatea bazată pe norme face apel la
experienţă poate fi asimilată unei proceduri bottom-up. Aceasta este caracteristică
sistemelor adaptative, în cadrul cărora regulile de operare sunt supuse continuu unor
ajustări locale. Decidentul îşi poate ajusta normele de adecvare raţională utilizate, pe baza
istoriei sale decizionale şi a constrângerilor contextuale: procedurile puse în joc acţionează
asupra datelor de intrare (inputs) şi, în acelaşi timp, sunt supuse revizuirilor cerute de
rezultatele (outputs) propriei lor acţiuni.

150
Contextualizarea normelor de adecvare raţională presupune respingerea pretenţiilor de
aplicabilitate universală (şi trans-contextuală) a unui set predeterminat de criterii formale, nu
relativizarea evaluării raţionalităţii deciziilor. Alegerea exclusivă între aplicarea
nediferenţiată şi rigidă a unui set închis de criterii şi justificarea contextuală relativizantă este
irelevantă. Prima este blocată de dificultăţi legate de explicarea numeroaselor cazuri care nu
respectă setul de criterii specificat, dar care nu pot fi concediate ca simple episoade iraţionale.
A doua face irelevantă împărţirea acţiunilor în raţionale şi iraţionale, din moment ce în
favoarea raţionalităţii unei alegeri pot fi aduse doar justificări contextuale, fără utilizarea unor
proceduri obiective şi generalizabile de evaluare.
Procesul de decizie nu se reduce la găsirea de tehnici de maximizare a utilităţii, sau la
alegerea pe baza unui set de scopuri şi preferinţe; el este mai degrabă un proces de negociere
şi compromis între preferinţe şi scopuri diferite şi adesea inconsistente. Decidenţii pot face
alegeri rezonabile date fiind constrângerile contextuale, dar care pot părea absolut iraţionale
într-un alt context.
Raţionalitatea practică nu poate fi redusă la o problemă de adecvare logică. Normele
de adecvare raţională complementează criteriile formale utilizate, prin luarea în considerare
a contextului decizional (accesul limitat la informaţia relevantă şi capacitate limitată de
procesare, etc.), a istoriei decizionale şi a experienţei acumulate sau a unor noi informaţii.
Normele sunt aplicabile local, iar precizarea lor se face în cadrul procesului decizional:
care anume sunt alternativele relevante sau care e limita rezonabilă de procesare a
informaţiei înainte de luarea deciziei sunt lucruri imposibil de redat sub forma unei liste
rigide şi exhaustive de criterii, dar posibil de specificat sub forma unui set de norme deschis
ajustărilor. Specificarea conţinutului normelor de adecvare rămâne preliminar şi parţial;
normele se află într-o relaţie de echilibru reflectiv cu scopurile, opiniile, valorile,
preferinţele care stau la baza deciziilor.
Perspectiva deschisă este aceea a unui concept de raţionalitate bazat pe un set minimal
de criterii formale de adecvare (spre exemplu, capacitatea de a construi raţionamente logice
sau preferinţe consistente) şi pe un set deschis de norme de adecvare raţională orientative,
delimitate contextual, aplicabile selectiv şi supuse modificărilor[25].
In analiza cadrului decizional al firmei este necesară o abordare a acestuia din două
unghiuri:
- în primul rând, firma în sine este un sistem cu componente proprii şi cu relaţii
specifice de interdependenţă între acestea;
- în al doilea rând, firma la rândul său este o componentă a sistemului
economic general, în cadrul căruia se află în relaţii de condiţionare reciprocă cu
celelalte firme.
Din această perspectivă este firesc să încercăm a surprinde specificul deciziilor adoptate la
nivel de firmă, atât în ce priveşte cadrul său interior, cât şi în ce priveşte mediul său
extern[26].
Decizii privind interiorul sistemului firmă[26]

În paragrafele anterioare am pus în evidenţă o parte din activităţile firmei, relativ la care
factorii de răspundere adoptă decizii. Le vom detalia în cadrul acestei secţiuni, la un nivel

151
care să asigure generalitatea consideraţiilor noastre.
1) Decizia de producţie sau decizia tehnică circumscrie, de fapt, un întreg
sistem decizional. Componentele acestuia sunt:
a) Decizia privind structura de fabricaţie (ansamblul/tipul serviciilor) care
urmează a fi realizată pe o anumită perioadă de timp;
b) Decizia privind cantitatea care va fi fabricată din fiecare tip de produs în
parte;
c) Decizia privind nivelul calitativ al produselor şi defalcarea volumului
total de fabricaţie pe diferitele categorii de calitate.
2) Decizia privind factorii de producţie are drept componente:
a) Deciziile relative la input-urile materiale:
i) Stabilirea nivelului cantitativ şi calitativ din fiecare materie primă şi
material în parte, cu care firma trebuie să se aprovizioneze pe o anumită perioadă.
Această decizie este condiţionată direct de decizia de producţie;
ii) Stabilirea intervalelor la care urmează să fie făcută aprovizionarea cu
materiile prime şi materialele necesare.
b) Decizii privind personalul firmei:
i) Stabilirea numărului de angajaţi ai firmei pe diferite categorii
profesionale, de vârstă, vechime, calificare şi instruire;
ii) Decizia privind politica salarială a firmei, incluzând aspecte legate de
calculul salariilor, precum şi de formele de recompensare a volumului şi calităţii
activităţii depuse de către personalul firmei;
iii) Decizia privind aspectele socio-profesionale şi relaţiile inter-umane:
- asigurările de sănătate şi asistenţa medicală;
- protecţia muncii;
- climatul psiho-sociologic în cadrul compartimentelor firmei;
- programele de educaţie şi perfecţionare profesională;
- protecţia membrilor de familie ai salariaţilor.

3) Decizia de preţ circumscrie activitatea de stabilire a preţurilor pentru


produsele firmei, activitate ce înglobează atât aspecte ţinând de interiorul firmei
(costul materiilor prime, materialelor, şi tehnologiilor folosite, amortizările,
productivitatea muncii şi nivelul salariilor), cât şi aspecte relative la piaţa
produselor respective (tipul pieţei, mecanismele de reglare a raportului
cerere/ofertă, nivelul calitativ al produselor de pe piaţă).
4) Decizia financiară poate fi la rândul său descompusă în următoarele
segmente decizionale:

152
a) Decizia privind sursele de finanţare a activităţii firmei pe diferite termene
(scurt, mediu şi lung). Aceasta se referă atât la identificarea surselor, cât şi la
stabilirea volumului fondurilor care pot fi asigurate din aceste surse.
b) Decizia privind utilizarea fondurilor financiare pentru investiţii, numită şi
decizia de investiţii, atât în teoria deciziilor cât şi în practica firmei;
c) Decizia relativă la momentul utilizării fondurilor băneşti ale firmei,
respectiv repartizarea acestora pentru consumul prezent sau viitor[26].

Decizii privind mediul extern al firmei[26]

Deoarece firma nu acţionează în mod solitar în cadrul sistemului economic general, ea


trebuie să ia în permanenţă decizii care să îi orienteze activitatea în raport şi în armonie atât
cu propriile obiective, cât şi cu modul de acţiune (comportament) al celorlalte firme similare
sau al celor cu care intră în raporturi de colaborare (furnizori, clienţi, bănci). în principal,
aceste decizii sunt:
1) Decizia privind segmentul de consumatori căruia i se adresează
produsele/serviciile firmei, respectiv identificarea clienţilor săi (tradiţionali, noi,
potenţiali);
2) Stabilirea politicii promoţionale în acord cu tipul şi caracteristicile
produselor sau serviciilor oferite de către firmă;
3) Decizia privind banca prin intermediul căreia să îşi asigure fluxurile
financiare, precum şi cea relativă la politica de finanţare prin contractarea de
credite pe piaţa de capital;
4) Decizia de asigurare a imobilului, utilajelor, personalului, patentelor şi
brevetelor de fabricaţie;
5) Stabilirea furnizorilor de materii prime şi materiale şi a partenerilor în
realizarea unor proiecte comune;
6) Decizia privind raporturile cu celelalte firme de pe piaţă:
- colaborări sau fuziuni cu alte firme;
- cuceriri de noi segmente de piaţă;
- pătrunderea pe noi pieţe;
- înfiinţarea de noi filiale în diferite zone ale oraşului, ţării, lumii.

153
Orizontul de timp decizional[26]

Toate aceste probleme în rezolvarea cărora firma adoptă decizii poartă, firesc, amprenta
orizontului de timp luat în considerare. Atunci când vorbim despre orizontul de timp, ne
referim la dimensiunea temporală a efectelor deciziilor adoptate. În acest sens, vom întâlni
la nivelul firmei următoarele categorii de decizii:
1) Decizii pe termen scurt:
- Decizia de producţie;
- Asigurarea resurselor materiale;
- Unele componente ale deciziei de personal.
2) Decizii pe termen mediu:
- Decizia financiară;
- Repartizarea dividendelor;
- Contractarea de împrumuturi bancare;
- Decizia de investiţii pentru retehnologizare.
3) Decizii pe termen lung:
- Stabilirea profilului firmei;
- Decizia privind forma de proprietate şi cea organizatorică a firmei;
- Modificarea structurii posesiunii pachetelor de acţiuni;
- Decizia de creştere economică sau de expansiune în cadrul pieţei
specifice sau pe noi pieţe;
- Decizia privind amplasarea de filiale în zonele considerate ca fiind
strategice;
- Decizia de fuzionare cu alte firme sau de participare la constituirea de
carteluri.

Modelul descriptiv general al problemei decizionale[26]

În mod obişnuit, în practica decizională, o problemă de decizie este modelată utilizând


elementele procesului decizional [29] şi anume:
1) Stările naturii a căror mulţime o vom nota în continuare N = { Nj }j=1,…,n ;
2) Criteriile decizionale abreviate în continuare Ck,, k =1,…,r, elemente ale mulţimii
C;
3) Variantele (alternativele) decizionale care formează mulţimea V = {Vi}i=1,…,m;
4) Consecinţa adoptării variantei decizionale Vi după criteriul Ck în condiţiile
apariţiei stării naturii Nj, o vom nota cu cijk.

154
CONSECINţE
Variante DECIZIONALE
decizional Starea Starea Starea
e naturii naturii naturii
N1 . . . Nj . . . Nn

Criteriul Criteriul Criteriul


C1 ...Ck...Cr C1 ...Ck...Cr C1 ...Ck...Cr
V1 c111...c11k...c11r
. .
.
. .
Vi cij1...cijk...cijr
. .
.
. .
cmn1...cmnv
V
m

Figura. Modelul descriptiv al problemei decizonale (matricea


decizionala)
Schematic, tabloul corespondenţei între aceste elemente este prezentat în figura
precedenta, de cele mai multe ori acesta fiind cunoscut sub numele de matrice
decizională sau matricea plăţilor.
Matricea decizională este deosebit de utilă în modelarea şi rezolvarea problemelor
decizionale în condiţii de risc şi incertitudine uni sau multicriteriale.

Metode generale de rezolvare a problemelor decizionale[26]

Activitate specific umană, adoptarea deciziilor poartă amprenta subiectivismului


decidentului, depinzând de personalitatea, temperamentul şi experienţa acestuia la fel de
bine ca şi de mediul în care decizia urmează a fi adoptată. Cu toate acestea, suntem în

155
posesia unor instrumente care pot asigura un anumit grad de obiectivizare a procesului
decizional atunci când sunt folosite în mod logic şi coerent.
În cadrul unui proces decizional (la nivelul unei afaceri profitabile, a organizaţiilor nonprofit
şi agenţiilor guvernamentale), decidentul trebuie să definească problema şi să stabilească
obiectivele, respectiv să identifice toţi factorii adecvaţi, restricţiile şi interdependenţele. El
trebuie să colecteze cât mai multe informaţii relevante în condiţiile unor restricţii de timp şi
cost, să analizeze datele culese, să specifice soluţii alternative şi să le evalueze în termeni
de profit şi cost şi să aleagă cea mai bună soluţie.

Adoptarea efectivă a unei decizii devine astfel arta alegerii celei mai bune soluţii dintre toate
variantele disponibile, alegere care urmează a fi făcută într-una din cele trei situaţii posibile
privind informaţia de care dispune decidentul asupra problemei: certitudine, risc sau
incertitudine. Aceste stări constituie mediul decizional în care vom studia succesiv procesul
decizional.

Mediul decizional[26]

Deciziile economice constau uzual în alegerea din mai multe cursuri posibile ale acţiunii sau
din mai multe strategii (variante decizionale). Frecvent, aceste alegeri se produc într-un
mediu asupra căruia decidentul are un control limitat sau nul. Pentru a desemna aceste
condiţii folosim termenul general de stări ale naturii. Gradul în care decidentul dispune de
informaţii asupra acestor stări, le grupează în trei mari clase: 1) Stare de certitudine; 2) Stare
de risc; 3) Stare de incertitudine.
Dacă privim acest grad de cunoaştere ca pe un continuum, atunci certitudinea se află la un
capăt, incertitudinea la celălalt şi riscul la mijloc.

1) Conceptul de certitudine

Certitudinea defineşte acea stare de informare decizională în care decidentul cunoaşte


apriori rezultatul specific la care fiecare variantă decizională conduce invariabil.
Decidentul are deci informaţie completă asupra mediului decizional şi a consecinţelor
variantelor decizionale.
Deşi la prima vedere această stare pare a exista doar la nivel teoretic, pot fi întâlnite totuşi
multe situaţii pe termen scurt în care decidentul dispune de informaţie completă,
informaţia necesară constând, de exemplu, în preţurile curente, termene de primire/livrare
a unor materii prime/produse finite, cantităţi comandate etc..
Starea de certitudine este întâlnită în procesele decizionale care au la bază optimizări

156
liniare şi neliniare utilizate pentru a găsi alocarea de resurse care conduce la valori
maxime pentru anumiţi indicatori (profit sau utilitate) sau minime pentru alţii (costuri),
în condiţiile unor restricţii date. Oricum, în realitatea economică, puţine lucruri rămân
certe pe termen lung. Rezultatele unei investiţii de amploare, de exemplu, sunt imposibil
de prevăzut cu certitudine atunci când considerăm interacţiunea dinamică dintre mai
multe valori necunoscute cum ar fi situaţia economică generală, competiţia
naţională/internaţională, gusturile consumatorilor, climatul politic în diferite ţări,
progresul tehnologic. Cele mai multe decizii strategice sunt luate în condiţii mai puţin
perfecte din punct de vedere al cunoaşterii, adică în condiţii de risc şi incertitudine.

2) Conceptul de risc

Riscul desemnează acea stare a cunoaşterii în care fiecare variantă decizională conduce la
unul dintre rezultatele specifice dintr-o mulţime dată, fiecare rezultat putând apărea cu o
probabilitate cunoscută obiectiv de către decident. În condiţii de risc, decidentul posedă
anumite cunoştinţe obiective asupra mediului decizional şi este capabil să prevadă
obiectiv probabilitatea de apariţie a stărilor naturii posibile şi rezultatul fiecărei strategii
analizate.

3) Conceptul de incertitudine

Incertitudinea defineşte acea stare în care una sau mai multe alternative decizionale au
rezultate dintr-o mulţime dată, rezultate a căror probabilitate de apariţie este
necunoscută sau imposibil de apreciat obiectiv. De aceea, în raport cu riscul,
incertitudinea este un fenomen subiectiv. În această stare nu există doi decidenţi care să
aibă aceeaşi părere cantitativă, datorită gradului de cunoaştere a mediului decizional,
precum şi diferenţelor de personalitate şi opinie.
Incertitudinea este adesea datorată schimbărilor rapide în variabilele de structură şi în
fenomenele de piaţă ce definesc mediul economic şi social în care firmele operează[26].
În literatură sunt propuse mai multe definiţii ale deciziei. Câteva dintre acestea se dau mai jos:
a)hotărârea luată ca urmare a examinării unei probleme, situaţii etc; soluţia adoptată (dintre
mai multe posibile) (DEX, 1998), b) alegerea unei direcţii de acţiune (Simon, 1960), c)
alegerea unei strategii de acţiune (Fishburn, 1964), d) o alegere conducând la un anume
obiectiv dorit (Churchman, 1968), e) o formă specifică de angajare într-o acţiune (de obicei e
vorba de angajarea unor resurse) (Minzberg, 1980), f) elaborarea ad-hoc a mai multor strategii
alternative, analiza strategiilor elaborate şi a celor deja formulate şi alegerea unora din ele
(Popescu, Găvănescu, Rădulescu, 1983), g)rezultatul unui tip particular de prelucrare a
informaţiilor, care constă în alegerea unui plan de acţiune (Bonczek, Holsapple, Whinston,

157
1984), h) alegerea uneia dintr-un număr de alternative; cunoştinţe (în sens de cunoaştere), care
indică o angajare într-o anumită direcţie de acţiune (Holsapple, Whinston, 1996), i ) alegerea
uneia dintre mai multe alternative; o afirmaţie care arată angajarea într-o direcţie de acţiune
(Power, 2000 a).[27]
Se poate observa că definiţiile alese spre a fi prezentate mai sus au multe elemente în comun
şi că diferenţele constau în accentul pus pe unul sau pe altul dintre aceste elemente. Definiţia
pe care o vom adopta în această lucrare este dată şi explicată în continuare[27].
Decizia reprezintă rezultatul unor activităţi conştiente de alegere a unei direcţii de acţiune şi
a angajării în aceasta, fapt care implică, de obicei, alocarea unor resurse. Decizia aparţine
unei persoane sau unui grup de persoane, care dispun de autoritatea necesară şi care răspund
pentru folosirea resurselor în anumite situaţii date[27].
Sunt mai multe “cuvinte cheie” în definiţia de mai sus. Atributul esenţial care caracterizează
decizia este cel de alegere între mai multe alternative. El nu se referă la cazul limită, în care
cineva are de ales numai între două alternative, dintre care una este cea banală de a nu lua nici
o decizie şi, implicit, de a lăsa pe seama altora să hotărască în numele său, sau de a accepta ca
lucrurile să se desfăşoare la voia sorţii[27].
Vom observa că, în unele cazuri, alternativele trebuie doar identificate dintr-o ofertă existentă,
de exemplu lista firmelor care oferă un loc de muncă , sau a produselor existente pe piaţă. În
alte situaţii, alternativele trebuie proiectate (sau inventate), de exemplu, stabilirea unor
variante de programe de producţie. În continuare, vom presupune că, alegerea unei
alternative implică o acţiune, care schimbă “starea lucrurilor”, chiar dacă acum putem vorbi,
la limită, de alegerea acelei căi care înseamnă păstrarea stării actuale (“status quo”)[27].
Decizia este o activitate a unei fiinţe umane care urmăreşte în mod conştient anumite
obiective. Nu vom putea spune în această lucrare că, o maşină sau un automat iau decizii (deşi
unii autori acceptă acest lucru). Maşinii i se poate delega de către om, cel mult, unele funcţii
de a reacţiona la anumiţi stimuli conform cu regulile sau strategiile create şi programate de
către proiectant ( Filip, Roberts, Zheng, 1992). În aceeaşi măsură, nu vom putea accepta că,
un animal poate lua decizii deşi comportarea acestuia poate părea uneori inteligentă ca urmare
a instinctelor şi reflexelor comportamentale transmise genetic sau formate în cursul vieţii.
(Boldur-Lăţescu, 1992)[27].
Este evident că, angajarea într-o anumită direcţie de acţiune presupune, de cele mai multe ori,
folosirea unor resurse. Acestea pot fi resursele personale (timp, bani, prestigiu, cunoştinţe
profesionale etc.) atunci când este vorba de deciziile care privesc viaţa personală a cuiva. În
cazul deciziilor manageriale, la care se referă majoritatea literaturii de specialitate, se are în
vedere resursele organizaţiei, dintre care cele mai importante sunt considerate cele materiale,
financiare, umane şi cunoştinţele acumulate în organizaţie (Holsapple, Whinston, 1996)[27].
Decidentul[27]
Persoana (sau grupul de persoane) care alege calea de acţiune şi care angajează folosirea
resurselor trebuie să fie împuternicit sau autorizat să facă acest lucru. Dacă în deciziile care
privesc viaţa personală, această cerinţă nu ridică probleme, atunci când este vorba de resursele
unei organizaţii, lucrurile sunt, fără excepţie, mai complexe: este nevoie de o împuternicire în
acest sens, însoţită de stabilirea răspunderii pentru folosirea eficace sau eficientă a resurselor.

158
În continuare, vom folosi termenul generic de decident (sau de unitate decizională) pentru
persoana sau grupul de persoane care sunt autorizate să aleagă o direcţie de acţiune şi să
angajeze resursele pentru a urma acea cale
Situaţii şi probleme decizionale[27]
Deciziile sunt necesare în anumite momente, denumite situaţii decizionale. O situaţie
decizională apare ca rezultat al apariţiei unor stimuli, sau schimbări, create de evenimente sau
de acţiuni ale unor factori, care creează condiţii suficient de puternice pentru a determina
nevoia de a “face ceva”. Atunci când există cineva care sesizează situaţia şi este dispus (sau
este însărcinat) să facă o alegere dintre mai multe căi de acţiune posibile pentru a atinge o
anumită stare dezirabilă se poate vorbi despre o problemă decizională[27].
Se pot identifica două situaţii decizionale de bază: “forţate” şi “neforţate”. Situaţiile
decizionale forţate (sau provocate, sau obiective) sunt acelea care sunt determinate de
constatarea apariţiei unor simptome precum: a) abateri intolerabile faţă de o stare dezirabilă,
normală, sau planificată (în sensul cel mai larg al termenului), b) schimbări percepute în
mediul extern şi c) stări noi (nu neapărat, defavorabile) ale sistemului asupra căruia
decidentul are autoritate şi de a cărui bună funcţionare răspunde. Astfel, un venit insuficient, o
muncă plictisitoare sau stresantă poate “forţa” pe cineva să caute un nou loc de muncă.
Terminarea unei facultăţi, sau studierea unei cărţi bune despre decizia asistată de calculator
determină o stare socială nouă a fostului student, sau, respectiv, un bagaj de cunoştinţe mai
bogat al cititorului. Este vorba de stări noi, care “forţează” pe cel în cauză să facă o alegere. În
primul caz, este vorba de alegerea firmei cu care va semna un contract de muncă. În al doilea,
alegerea se face între alternativa demarării unei afaceri în domeniul ingineriei deciziei asistate
de calculator şi cea de renunţare la această iniţiativă. La fel, apariţia pe piaţă a unor produse
informatice şi folosirea lor de către concurenţi, în scopul obţinerii unui avantaj competitiv,
reprezintă o schimbare în mediu. Această schimbare necesită o reacţie. Situaţiile decizionale
forţate presupun decizii reactive şi corective pentru “rezolvarea unor probleme”, care
constituie surse de preocupare sau de nemulţumire şi care sunt create de evenimente şi factori
in general independenţi de voinţa decidentului. Aceste situaţii sunt cele mai des referite în
literatura de specialitate. Constatarea apariţiei unei oportunităţi care merită a fi exploatată
constituie de asemenea un stimul pentru situaţii decizionale “forţate” şi decizii reactive[27].
O situaţie decizională neforţată (sau neprovocată, sau subiectivă) este aceea în care se
urmăreşte luarea din timp a măsurilor pentru evitarea unor neplăceri posibile în viitor sau
pentru creşterea prosperităţii, sau mărirea avansului faţă de ceilalţi competitori. O situaţie
decizională neforţată poate fi determinată şi de schimbarea obiectivelor (aspiraţiilor)
decidentului. Ordonanţarea lucrărilor în atelier ( Filip, Neagu, Donciulescu 1983) urmăreşte
evitarea unor posibile situaţii neplăcute legate de creşterea volumului de lucrări în curs sau de
neocuparea maşinilor,urmareste planificarea consumurilor de apă pentru evitarea inundaţiilor
sau a deficitului de apă (Filip, 1991). Alegerea unui nou loc de muncă ( Keeney, Raiffa,
1976), sau demararea unei afaceri (Filip,2000a) sunt determinate de ridicarea nivelului
aspiraţiilor şi de schimbarea obiectivelor decidentului[27].

159
În general, situaţiile decizionale neforţate sunt asociate cu deciziile proactive, care constituie
soluţii pentru problemele de “căutare şi exploatare a oportunităţilor” determinate de iniţiativa
sau de voinţa decidentului[27].
Procese decizionale[27]
Conştientizarea unei situaţii decizionale este prima dintr-o succesiune de faze care compun
procesul decizional. Acesta se încheie cu exprimarea şi autorizarea (ratificarea) deciziei care
urmează a fi implementată. Modelul propus de H. Simon (1960) pentru descrierea procesului
decizional cuprinde trei faze principale şi anume:
a) conştientizarea situaţiei decizionale şi culegerea de date pentru formularea şi clarificarea
problemei decizionale, b) proiectarea (sau identificarea) alternativelor şi alegerea
principiului şi a elementelor necesare evaluării şi c) alegerea deciziei şi demararea
implementării.
Minzberg, Raisinghani şi Theoret (1976) propun, pe baza unui studiu empiric, un model
concordant în mare măsură cu cel al lui H. Simon. Acest model conţine un număr de şapte
“rutine”, care constituie paşii executaţi în luarea deciziei şi anume: recunoaşterea şi
diagnosticarea problemei, căutarea, proiectarea, selectarea alternativelor, evaluarea/alegerea şi
autorizarea deciziei.
Obiective şi sisteme de valori[27]
După cum s-a arătat mai sus, decizia are ca scop atingerea unor obiective. De exemplu, în
cazul alegerii unui loc de muncă obiectivele pot fi: a) un venit cât mai mare, b) o muncă
interesantă, c) un ambient şi o atmosferă de lucru cât mai plăcute etc. În cazul ordonanţării
lucrărilor în atelier , obiectivele sunt: a) realizarea lucrărilor la timp (nici mai devreme, nici
mai târziu), b) creşterea gradului de încărcare a maşinilor,
c) micşorarea şirurilor de aşteptare etc ( Filip, Neagu, Donciulescu, 1983). Fără a mai face
referire, la alte exemple, se poate observa de pe acum că, unele obiective urmăresc obţinerea
unor valori maxime care pot fi luate de anumite variabile care constituie subiectele de interes
sau de preocupare (de exemplu venituri). Alte obiective urmăresc atingerea unor valori cât
mai mici (de exemplu, timpul total de aşteptare al lucrărilor în atelier), iar o a treia categorie
vizează plasarea în anumite regiuni dezirabile (de exemplu momentul de livrare). În acelaşi
timp, se poate observa că, unele dintre valorile dorite ale obiectivelor, denumite ţinte sau
scopuri, se pot exprima, în unele cazuri, prin valori numerice, înţelese de toată lumea (de
exemplu venitul exprimat în milioane de lei pe lună), în timp ce, în alte situaţii, este necesară
formularea iniţială a unor aprecieri calitative (de exemplu “muncă interesantă”).
Alegerea obiectivelor, care, în majoritatea cazurilor reale, sunt multiple şi, într-un număr
semnificativ de situaţii, sunt şi contradictorii, depinde de mai mulţi factori. Cei mai importanţi
factori sunt: a) sistemul de valori, sau mulţimea de subiecte de preocupare adoptate sau
impuse decidentului şi b) orizontul decizional de timp considerat în problema de decizie.
Astfel, pe lângă valorile financiare, directe, cuantificabile şi cu efect imediat, sistemele
concurenţiale actuale necesită considerarea şi a altor valori cu valoare strategică şi cu efect în
timp precum: calitatea produsului sau serviciului, timpul de livrare, perenitatea şi renumele
firmei, preocuparea pentru mediu, satisfacţia salariaţilor etc.

160
Efecte şi riscuri[27]
După cum s-a putut observa din definiţia deciziei, conţinutul acesteia nu se limitează numai la
alegerea şi eventuala recomandare a unei direcţii de acţiune ci presupune şi angajarea pe acea
direcţie împreună cu alocarea unor resurse. Această angajare nu conduce automat la atingerea
obiectivului sau a obiectivelor urmărite. Altfel spus, o decizie bună nu are întotdeauna
consecinţe fericite (Clemen, 1997; Spradlin, 2000), Efectul aplicării deciziei poate fi
influenţat, într-un sens sau în altul, de o serie de factori care nu sunt totdeauna sub controlul
decidentului precum: a) modul de execuţie al deciziei, b) evoluţia imprevizibilă în timp a
mediului înconjurător, c) calitatea informaţiilor avute la dispoziţie în momentul luării deciziei
etc. O contribuţie importantă la obţinerea unui rezultat fericit sau nefericit ca urmare a
aplicării unei decizii o au evenimentele incerte.
După cum observă Ackoff şi Sasieni (1968), rezultatul acţiunii depinde în mare măsură, de
conştiinciozitatea şi competenţa executantului, care, uneori, este o altă persoană decât cea care
a luat decizia. În aceste situaţii, alegerea executantului trebuie să fie parte componentă a
deciziei alături de direcţia de acţiune.
Calitatea unei decizii trebuie judecată nu atât strict numai după rezultatul obţinut cât, mai
ales, în funcţie de:
a) informaţiile disponibile,
b) abundenţa alternativelor posibile identificate (sau proiectate ) şi
c) adecvanţa raţionamentelor folosite, toate considerate în momentul adoptării deciziei.
Astfel, de exemplu, decizia disperată de a juca ultimii bani la loterie are toate
condiţiile şi şansele de a fi o decizie proastă, dar dacă norocul îşi arată faţa, rezultatul
va fi fericit. Şi invers, depunerea economiilor la o bancă care are o reputaţie de
soliditate şi de a acorda servicii de calitate este în sine o decizie corectă, dar rezultatul
poate fi nefericit datorită fie unor fenomene inflaţioniste abrupte, fie datorită unor
“atacuri” asupra băncii. În mod asemănător, ordonanţarea optimală a lucrărilor într-un
atelier poate eşua datorită fie defecţiunii din motive necunoscute a unei “instalaţii
cheie”, fie din cauza unei greve spontane, sau a absenteismului operatorilor, sau chiar
a căderii sistemului de alimentare cu energie.
O concluzie simplistă după cele arătate mai sus, ar putea fi că, uneori, e de preferat ca norocul
sau ca hazardul să conducă la un rezultat fericit în locul elaborării şi adoptării unor decizii
apreciate ca bune (Clemen, 1996).
Posibilitatea de a obţine un rezultat nedorit (sau diferit de cel previzionat şi luat în considerare
la alegerea alternativei) ca urmare a aplicării deciziei se numeşte riscul deciziei. În procesul
de elaborare şi adoptare a deciziei, decidentul poate avea trei atitudini de bază faţă de risc şi
anume: a) aversiune (tipică decidenţilor de pe nivelurile inferioare de decizie, unde se preferă
câştigurile “mici dar mai sigure”), b) neutralitate şi c) căutare (tipică pentru nivelurile
superioare de decizie).

161
Clasificarea deciziilor[27]
Nu toate deciziile sunt la fel. Literatura de specialitate conţine numeroase clasificări. În
continuare, se prezintă unele clasificări care prezintă interes pentru lucrarea de faţă precum:
a) modul de abordare şi de desfăşurare al activităţilor decizionale,
b) contextul decizional (nivelul decidenţilor, urgenţa şi gradul de concurenţă sau de
simultaneitate al deciziilor),
c) structurabilitatea problemelor decizionale şi
d) numărul de participanţi.
a)După modul de abordare[27]
O decizie poate fi produsă în diferite moduri potrivit cu caracterul procedurilor folosite în
activităţile decizionale. Lăsând la o parte deciziile aberante, iraţionale, Boldur-Lăţescu (1992)
identifică cinci tipuri de abordări, după cum urmează: a) la întâmplare, b) bazate pe rutină,
prin folosirea unor analogii “aproape mecanice” cu situaţii întâlnite în trecut, c) bazate pe
învăţare (sau instruire), prin care se adaptează deciziile anterioare în funcţie de asimilarea
unor cunoştinţe noi, d) paradigmatice prin imitarea unor procese decizionale “exemplare”,
care au condus la rezultate remarcabile si e) bazate pe analiza şi modelarea sistemică şi
previzională.
Cea de a cincea clasă de abordări corespunde în mare măsură cu ceea ce se numeşte în prezent
analiza deciziilor (Clemen, 1996; Kirkwood, 1998).
Ss-a arătat că, norocul şi hazardul pot conduce la rezultate bune indiferent de calitatea
deciziei. Analiza deciziilor, deşi nu poate acţiona asupra hazardului şi nu poate atrage cu sine
manifestarea norocului, poate, în schimb, să-l ajute pe decident să înţeleagă mai bine
problemele decizionale, să-şi îmbunătăţească şansele de a obţine un rezultat fericit, sau să fie
mai pregătit pentru a face faţă unor evoluţii nefavorabile , independente de voinţa lui. În
cuvinte simple, analiza deciziilor este o abordare prescriptivă, care ajută la luarea unor
decizii “cu ochii deschişi” (Clemen, 1996).
Activităţile paradigmatice şi cele bazate pe învăţare pot fi asistate informatic de metode şi
tehnici de inteligenţă artificială, precum sistemele expert , sau bazate pe cunoştinţe, respectiv,
sistemele cu instruire (reţele neurale artificiale şi sisteme bazate pe cazuri).
(b)După contextul decizional[27]
După Clemen (1996), contextul decizional este cadrul de împrejurări, care determină setul de
obiective care contează efectiv (şi nimic în plus sau în minus) pentru decident în momentul de
timp al elaborării deciziei, chiar dacă sistemul de valori rămâne relativ neschimbat. Astfel, în
acelaşi atelier de producţie , o situaţie de avarie a unei maşini poate face ca obiectivele deciziei
să fie legate de managementul situaţiei de urgenţă (sau de “criză”) şi nu de încărcarea optimă a
maşinilor, cum ar fi fost cazul într-un regim normal. În cazul unei decizii de schimbare a locului
de muncă, obiectivele care sunt determinate de contextul decizional specific situaţiei sunt
mărirea venitului şi a timpului liber pentru familie, mai mult decât îmbogăţirea cunoştinţelor şi
un ambient de lucru plăcut.

162
Holsapple şi Whinston (1996) detaliază conceptul de context decizional şi sistematizează o serie
de rezultate anterioare folosind o serie de criterii precum: a) nivelul decizional, b) urgenţa
deciziei, c) concurenţa şi d) cadrul organizaţional.
a)Nivelul decizional
Nivelul decizional (sau eşalonul managerial), asociat cu orizontul decizional de timp reprezintă
un criteriu clasic (şi folosit în mod frecvent) de clasificare a deciziilor. Antony (1965) a propus o
taxonomie a activităţilor manageriale, care conţine trei categorii generice, suficient de distincte
pentru a fi considerate separat în stabilirea cerinţelor informaţionale.
1. Planificarea strategică, este realizată la nivelul conducerii de vârf a organizaţiei şi se
referă la decizii care privesc: a) stabilirea sau schimbarea obiectivelor organizaţiei, b)
resursele folosite pentru atingerea acestor obiective şi c) politicile care guvernează
achiziţia, utilizarea sau renunţarea la resurse. Câteva caracteristici ale planificării
strategice sunt: a) implicarea unui număr redus de decidenţi care lucrează de obicei într-un
mod nerepetitiv şi creativ, b) considerarea unor aspecte care privesc viitorul organizaţiei şi
al mediului său şi pot fi incerte, c), majoritatea informaţiilor folosite sunt agregate şi
provin, în mare măsură, din surse externe organizaţiei.
2. Planificarea tactică, denumită de Antony “conducere (control) managerială”, este
realizată la nivelurile manageriale medii şi se referă la deciziile care privesc modul în care
“resursele sunt obţinute şi utilizate în mod eficace şi eficient în concordanţă cu obiectivele
organizaţiei”. Principalele caracteristici ale planificării manageriale sunt: a) prezenţa
interacţiunilor interpersonale, b) desfăşurarea sa în contextul fixat de politicile şi
obiectivele stabilite la nivelul planificării strategice şi c) informaţiile necesare sunt
agregate moderat, iar sursele acestora sunt atât interne cât şi externe organizaţiei.
3. Conducerea operaţională, urmăreşte ca “procesele prin care se realizează sarcini specifice
să se desfăşoare eficient şi eficace” în condiţiile în care sarcinile şi resursele au fost
stabilite la nivelul conducerii tactice. Atributele care caracterizează informaţiile folosite la
acest nivel sunt: a) aria lor de cuprindere este restrânsă şi bine definită, b) sursele de
informaţii sunt în majoritate interne organizaţiei, c) precizia şi gradul de detaliere cerute
sunt ridicate şi d) frecvenţa de utilizare este ridicată.
Bonczek, Holsapple şi Whinston (1981) asemuiesc contextele decizionale ale managerilor de pe
nivelul superior, mediu şi operativ cu cele care corespund unui arhitect, unui inginer constructor şi
respectiv, unui şef de şantier (supervizor).
O trecere în revistă a principalelor decizii care se iau pe diferite niveluri într-o întreprindere
industrială este făcută în (Filip, Barbat, 1999)

163
b)Gradul de urgenţă
Urgenţa unei decizii se apreciază după mai multe criterii precum: a) noutatea situaţiei şi suficienţa
cunoştinţelor folosite în adoptarea deciziei şi b) dinamica evenimentelor, asociată cu timpul avut
la dispoziţie pentru a lua o decizie suficient de oportună (care nu a fost luată prea târziu).
Holsapple şi Whinston (1996) diferenţiază deciziile pe baza abundenţei şi “completitudinii”
cunoştinţelor care caracterizează o situaţie decizională. Se spune că decizia se ia într-o situaţie
stabilă atunci când există cunoştinţe suficiente şi o experienţă bogată privind decizii similare
adoptate în momente de timp anterioare. La polul opus, se află deciziile care se iau în situaţii de
urgenţă, care sunt caracterizate fie prin sărăcia cunoştinţelor disponibile relevante în momentul
luării deciziei, fie prin apariţia surprinzătoare a unor informaţii şi cunoştinţe noi. Astfel, apariţia
neaşteptată a unei firme noi şi neobişnuit de atrăgătoare din punct de vedere al salarizării,
condiţiilor de lucru şi al tehnologiilor utilizate poate determina luarea unei decizii de a încerca
schimbarea locului de muncă în condiţii de urgenţă, în timp ce planificarea unei rafinării cu
instalaţii care funcţionează de multă vreme pe baza unor tehnologii bine stăpânite comportă
decizii şi situaţii relativ stabile.Filip (1995) diferenţiază deciziile din punct de vedere al timpului
disponibil în care deciziile trebuie luate în conformitate cu dinamica evenimentelor. Deciziile luate
strict în timp real au ca scop gestionarea unor situaţii de criză. Astfel, dacă o instalaţie tehnologică
se opreşte din funcţionare din cauza unei avarii neaşteptate, întreg programul de producţie pentru
tot atelierul sau linia de producţie din care face parte instalaţia devine neoperant. În acest caz, o
decizie corectă este de a lua măsurile adecvate de compensare a perturbaţiei pentru a “gestiona
criza” pe parcursul unui interval de timp necesar al adaptării programului de producţie la noua
situaţie. Dacă situaţia de criză a fost întâlnită şi tratată corespunzător în alt moment de timp
precedent, o soluţie reactivă, “aproape automatizată”, bazată pe deciziile anterioare, memorate
într-un sistem informatic, ar putea fi acceptată, validată şi lansată pentru execuţie. Transpunerea
informatică a deciziilor bazate pe experienţa anterioară se realizează cu ajutorul unor tehnici
bazate pe instruire precum reţelele neurale artificiale şi raţionamentul bazat pe cazuri .
Decizii în timp scurt sunt necesare nu numai în mediul industrial, unde este necesară o
monitorizare continuă a unor sisteme cu dinamică semnificativă şi unde se vizează orizonturi de
timp relativ limitate, iar deciziile greşite pot avea efecte greu de prevăzut şi uneori catastrofale
(Charturverdi si colegii. 1993). Decizii similare, aproape în timp real, trebuie luate la constatarea
apariţiei unor oportunităţi de afaceri, sau a unor “tehnologii cheie”, care pot conferi un avantaj
competitiv pe piaţă celui care le adoptă, sau ca reacţie la mişcările concurenţilor care “aruncă pe
piaţă” produse noi pentru a obţine “preţuri cu caracter de premiu”.Pe de altă parte, deciziile în
timp diferit se iau atunci când dinamica evenimentelor permite analize detaliate, care urmăresc
eventual o soluţie optimală[27].
c)Complexitatea şi gradul de concurenţă
Deciziile pot fi simple sau complexe. O decizie simplă se referă la o singură direcţie de acţiune,
care este aparent suficientă pentru atingerea obiectivelor. De exemplu, pentru atingerea
obiectivului de obţinere a unui venit necesar asigurării traiului, alegerea unui loc de muncă şi
semnarea contractului cu angajatorul constituie o decizie simplă.
Complexitatea unei decizii are mai multe faţete. În primul rând, este vorba de multitudinea, sau de
numărul de decizii care se iau în mod (aproape) simultan pentru atingerea unui obiectiv, sau a unui

164
set de obiective. In acest caz, vorbim de o colecţie sau de un fascicol de decizii. De exemplu,
pentru realizarea obiectivului de satisfacere a comenzilor de produse acceptate de o rafinărie (
Filip, 1996), se poate decide simultan atât pentru “forţarea” instalaţiilor cât şi pentru emiterea de
comenzi urgente de aprovizionare cu ţiţei brut. Pentru realizarea unui produs informatic de
calitate, poate fi nevoie atât de achiziţionarea unor “instrumente software de productivitate” cât şi
de perfecţionarea şi motivarea personalului, sau chiar angajarea de personal nou, mai bine
calificat.
O altă faţetă a complexităţii o constituie secvenţialitatea deciziilor în sensul ca, după o decizie,
poate urma o alta, sau mai multe. Se poate vorbi (Sprague, Carlson, 1982) de: a)decizii
independente, atunci când decidentul (singur sau în echipă) este autorizat să ia o decizie complet
implementabilă ,b) decizii dependent-secvenţiale, atunci când decidenţii îşi “pasează” în plan
vertical, sau în plan orizontal, decizii parţiale c)decizii interdependente, când mai multe decizii
elaborate într-o primă fază, în mod independent de către decidenţi diferiţi sunt agregate într-o a
doua fază. Asupra acestei faţete a complexităţii se va reveni în subcapitolul 3.4.
Pe de altă parte, secvenţialitatea poate semnifica şi luarea unor decizii prealabile, (sau provizorii)
urmată de evaluarea consecinţelor aplicării acestora şi luarea ulterioară a altora fie cu caracter
corectiv (când rezultatele au fost nesatisfăcătoare), fie de amplificare a câştigurilor sau de
valorificare a unor informaţii suplimentare dobândite. Un caz bine definit îl constituie deciziile de
tip opţiune. Acestea pregătesc decizia finală până la obţinerea resurselor (inclusiv a informaţiilor)
necesare pentru luarea unei decizii finale. Astfel, deciziile de cumpărare a unui caiet de sarcini, de
pregătire a personalului pentru folosirea unor tehnologii informatice noi, sau de rezervare şi
cumpărare a unui domeniu Internet constituie opţiuni care pregătesc deciziile de pregătire a unei
oferte, de lansare în elaborarea unui produs software nou sau, respectiv, de instalare a unei legături
Internet. Spradlin (2000) arată că, toate opţiunile sunt în acelaşi timp şi alternative de decizie, în
timp ce reciproca nu este valabilă.
Un concept asociat cu complexitatea (văzută în principal ca multiplicitate) este concurenţa
deciziilor. Aceasta înseamnă că, pe parcursul unui aceluiaşi interval de timp, anumite faze ale
proceselor decizionale prin care se elaborează deciziile se pot întrepătrunde sau suprapune.
Situaţia este tipică pentru managerii de vârf, care sunt constrânşi să considere, mai mult sau mai
puţin simultan, o mulţime de probleme decizionale independente sau nu una de alta. Procesele
decizionale se întrerup pentru obţinerea de informaţii suplimentare, sau pentru evaluări şi iteraţii.
Astfel, fazele sau subfazele unor procese decizionale diferite se întrepătrund sau chiar se suprapun.
Holsapple şi Whinston (1996) arată că, un grad rezonabil de concurenţă a proceselor decizionale
poate contribui la creşterea eficienţei acestora şi la optimizarea folosirii timpului decidentului.
Aceeaşi autori arată că prea multă concurenţă este contraproductivă. Cine poate rezolva în acelaşi
timp 100 de probleme?

(c)După gradul de structurare[27]


Clasificarea realizată după gradul de structurare sau de programabilitate a problemelor de decizie
este, poate, cea mai des menţionată în literatura care abordează problematica sistemelor de asistare
cu calculatorul a deciziilor (denumite sisteme suport pentru decizii – SSD), care vor fi tratate intr-
un articol ulterior. Această clasificare se bazează pe diferenţierea făcută de Simon (1960) între
deciziile care pot fi programate, sau descrise sub forma unui algoritm sau a unor proceduri bine

165
definite, care pot fi realizate automat şi cele neprogramabile. Caracteristica de programabilitate a
unei decizii este pusă în legătură cu punctul de vedere al unor psihologi (Forehand, 1966; Erbert,
Mitchel, 1975), care afirmă că, “memoria omului conţine programe, sau strategii pentru
prelucrarea informaţiilor, chiar dacă acesta este incapabil să descrie strategia folosită într-o situaţie
decizională dată”.
Gory şi Scott Morton (1971) preferă termenii de probleme structurate şi probleme nestructurate,
deoarece aceştia sunt mai puţin dependenţi de terminologia sau de folosirea calculatorului sau a
unui alt automat şi reflectă mai bine ansamblul procesului de rezolvare a problemei de decizie.
Atributele caracteristice principale ale problemei decizionale (şi a soluţiei sale, decizia) bine
structurate sunt: a) “programabilitatea” abordării şi a implementării soluţiei, b) repetitivitatea
apariţiei, c) manifestarea în “situaţii stabilite” (a se vedea subcapitolul 3.2.2.), d) lipsa unei
importanţe (sau a unor consecinţe posibile) excepţionale care să necesite un tratament deosebit, pe
măsură (Soelberg, 1967; Gory, Scott-Morton, 1971; Holsapple, Whinston, 1996).
Caracterizarea cea mai sugestivă a problemelor şi deciziilor nestructurate este dată de Simon
(1960, citat de Bonczek, Holsapple şi Whinston, 1981). Astfel, problemele nestructurate (şi
deciziile asociate, acestora) se manifestă în situaţiile decizionale în care nu există o metodă “de
gata”, bine încetăţenită de tratare a problemei, deoarece o astfel de problemă fie că nu a apărut
până atunci, fie că structura şi natura ei sunt vagi sau complexe, fie, pur şi simplu, pentru că este
atât de importantă încât este necesară o abordare “pe măsură”. Alte caracteristici ale problemelor
şi deciziilor nestructurate sunt: a) apariţia lor în situaţii cu caracter de urgenţă (a se vedea
subcapitolul 3.2.2.) şi b) necesitatea unei abordări creative, bazate în mod obligatoriu pe
raţionamentul sau intuiţia decidentului. Altfel spus (Holsapple, Whinston, 1996), alternativele (şi
consecinţele estimate ale acestora) sunt greu de identificat sau de proiectat, descrierea lor suferă de
imprecizie, incompletitudine şi incertitudine, sunt greu de diferenţiat şi de comparat între ele, sau
de evaluat conform cu obiectivele urmărite, sau timpul disponibil pentru luarea unei decizii nu este
suficient pentru o analiză completă.
Dacă în cazul deciziilor bine structurate, automatizarea elaborării şi execuţiei deciziei este, în mare
măsură, tehnic posibilă şi, uneori, chiar dezirabilă din punct de vedere economic, în cazul celor
nestructurate, contribuţia decidentului uman este esenţială. Aceasta se bazează pe o serie de
metode şi tehnici, dintre care unele dintre cele mai importante sunt descrise în (Filip, 2000 a).
În finalul acestui subcapitol, se pot face câteva observaţii. În primul rând, măsura gradului de
structurabilitate a unei probleme este determinată nu numai de natura situaţiei decizionale în sine
ci şi de felul în care ea este percepută de către un anume decident. În mod evident, o persoană mai
puţin experimentată va considera mai multe probleme ca fiind nestructurate decât o alta mai
experimentată, sau mai instruită, aflată în situaţii asemănătoare. O consecinţă a observaţiei de mai
sus este că, structurabilitatea unui tip de probleme evoluează în timp pentru acelaşi decident, pe
măsura acumulării de experienţă. Această afirmaţie trebuie însă considerată cu precauţie în aceste
vremuri, în care “schimbarea constituie o regulă” (Hammer, Champy, 1993).
O altă observaţie care se poate face este că, în bună măsură, gradul de structurabilitate al unei
probleme descreşte pe măsură ce creşte nivelul decizional (a se vedea subcapitolul 3.2.1.) şi

166
importanţa (inclusiv sub aspectul consecinţelor prin prisma volumului resurselor angrenate şi al
obiectivelor urmărite) deciziei care trebuie luate.
În fine, trebuie observat că, problemele şi deciziile bine structurate şi cele complet nestructurate
reprezintă nişte extreme, între care se pot afla numeroase alte situaţii în care problemele pot fi
structurate parţial, într-un grad mai mic sau mai mare. Aceste probleme sunt denumite
semistructurate. Identificarea părţilor structurate, sau structurabile, ale unei probleme decizionale
semistructurate prin descompunerea acesteia este un pas important în procesul decizional.

(d)După numărul de participanţi şi modul de colaborare


Decizia poate fi adoptată de către o persoană, sau de mai multe persoane. Vom vorbi de decidenţi
individuali şi respectiv, de unităţi decizionale de tip multiparticipant. Decidentul individual
acţionează în majoritatea situaţiilor decizionale care privesc viaţa personală a cuiva. De exemplu,
alegerea unui loc de muncă este realizată de către decidentul individual. De asemenea, multe din
deciziile care se iau la nivelurile decizionale inferioare cad în responsabilitatea decidenţilor
individuali, care sunt împuterniciţi în acest sens. De exemplu, alocarea lucrărilor pe maşini într-un
atelier cu prelucrări discrete cade în sarcina şefului de atelier, care poate fi asistat de un sistem
informatic.
Au fost amintite deciziile parţiale (privind gradul de detaliu), care se realizează în secvenţă, de
obicei prin transferul pe verticală al obiectivelor şi restricţiilor fixate de decidenţii aflaţi pe
nivelurile superioare pentru a fi luate în consideraţie şi respectate la nivelurile inferioare.
Alte tipuri de decizii multiparticipant sunt luate în următoarele situaţii (Bui, 1987):

1. Situaţiile decizionale necooperatiste, de tip conflict sau competiţie, în care fiecare


participant încearcă să-şi maximizeze câştigul (în sens general) prin surclasarea
adversarilor sau a concurenţilor. O formă slabă de cooperare poate exista şi chiar în
aceste situaţii, atunci când participanţii recurg la o “autoritate de arbitraj”, care are rolul să
emită o decizie de solutionare a conflictului pe baza unor reguli acceptate de comun acord.
2. Situaţiile în care o singură persoană îşi asumă responsabilitatea finală privind decizia
adoptată, deşi în procesul de elaborare a deciziei, participă şi alte persoane care joacă
diverse roluri precum: asistenţi, susţinători, sau opozanţi. Holsapple şi Whinston (1996)
denumesc astfel de decizii ca fiind unilaterale, iar persoanele participante (decidentul
final şi asistenţii săi) sunt considerate ca formând o echipă decizională. Rolul echipei
decizionale este de a transpune în viaţă conceptele diviziunii muncii în procesul de
elaborare a deciziei. Unii dintre asistenţii decizionali sunt specializaţi în rezolvarea unor
sarcini pe care decidentul final nu le poate realiza, alţii efectuează sarcini realizabile de
către decidentul final, dar pe care acesta le-a delegat pentru a se putea concentra asupra
aspectelor cele mai dificile şi de cea mai mare răspundere.
Alte denumiri specifice pentru termenul de echipă decizională sunt:

167
birou (care are un şef), echipa sportivă (care are un căpitan), distribuţie (cu un regizor),
orchestră (cu un dirijor), grupă (cu un comandant) şi corespunde tipului de organizare
ierarhică, în care există o persoană cu rol de conducător (Holsapple, Whinston, 1996).

3. Situaţiile decizionale caracterizate printr-un mediu şi climat de cooperare, în care


participanţii la procesul decizional urmăresc aceleaşi obiective principale (de exemplu,
cele ale unei organizaţii sau ale unei familii), îşi împart responsabilităţile şi au încredere
unul în altul pentru elaborarea şi adoptarea unor decizii participative, denumite şi co-
decizii. Pe lângă obiectivele principale, participanţii pot avea şi aspiraţii şi obiective
secundare (de exemplu, cele ale compartimentului de care participantul răspunde), sau
baze informaţionale şi cunoştinţe diferite. Pentru punerea de acord, participanţii fac apel la
soluţii negociate, sau la scheme de vot, sau de atingere a consensului .
În funcţie de gradul de autoritate şi de răspundere al participanţilor şi de modul de
comunicare (mai mult sau mai puţin oficial), Holsapple şi Whinston (1996) disting două
situaţii. În prima, participanţii au poziţii de autoritate suficient de apropiate şi se poate vorbi
de o decizie [negociată] de grup [de omologi]. Sherif (1967) defineşte grupul ca fiind o
unitate socială compusă dintr-o serie de indivizi care au: a) aspiraţii similare, b) relaţii
reciproce stabilizate într-o măsură semnificativă şi c) un set de norme şi un sistem de valori
care reglementează comportarea membrilor în problemele care pot avea consecinţe asupra lor.
Sherif (1967) diferenţiază grupul de colectivitate, care cuprinde un număr de indivizi reuniţi,
pentru un timp mai lung sau mai scurt, în acelaşi loc, din întâmplare, sau din alte motive
diferite de cele de mai sus care caracterizează grupul. Alte denumiri specifice pentru grupul
decizional pot fi: comitet, consiliu, panel, clan şi corespund organizaţiei cu structură aplatizată
(Holsapple, Whinston, 1996).
În a doua situaţie, atunci când participanţii, deşi contribuie în mod direct la luarea deciziei,
ocupă poziţii evident inegale din punct de vedere al importanţei şi greutăţii opiniilor, se
vorbeşte de o decizie organizaţională. Alte denumiri specifice care pot fi utilizate pentru
decidentul de tip multiparticipant organizaţional sunt: agenţie, corporaţie, instituţie, reţea şi
corespund organizării de tip matricial.

Literatura de specialitate mai veche nu făcea mare deosebire între echipă şi grupuri
decizionale (cu cele două subclase ale sale). Estomparea diferenţierii dintre echipă şi grup îşi
găseşte originea în literatura privind dezvoltarea organizaţiei (O’Loughlin, McFadzen, 1999).
McFadzen (1996) arată că, grupul este compus din indivizi care posedă experienţă,
îndemânare şi cunoştinţe diferite. În prezent, se acceptă faptul că, echipa reprezintă un mod de

168
asociere puternic structurat, specializat şi funcţional, în timp ce grupul este o formă de
asociere mai slabă[27].

Tabele şi arbori decizionali[28]


O problema în cadrul teoriei deciziei este caracterizata prin existenţa unor alternative
decizionale, a unor stari ale naturii şi a unor tabele de rezultate (profituri, costuri, etc.)
obţinute prin alegerea unei alternative într-o anumita stare a naturii. Alternativele
decizionale se refera la acele acţiuni ce pot fi întreprinse de catre decident. Starile naturii
reprezinta evenimente necontrolabile din viitor care pot influenţa rezultatul unei decizii. De
exemplu, condiţii economice favorabile sau defavorabile se pot constitui ca stari ale naturii
atunci când acestea influenţeaza rezultatele unui proces decizional. Deci starea naturii
reprezinta un complex de condiţii care fac ca unei alternative date sa-i corespunda un anumit
rezultat sau consecinţa. Aceste elemente sunt cel mai adesea grupate într-un tabel numit
matrice sau tabel decizional.
Atunci când cel care ia deciziile cunoaşte care stare a naturii va avea loc, se spune despre
procesul decizional ca este efectuat în condiţii de certitudine. Cel mai adesea însa, nu se
cunoaşte starea naturii care va avea loc. In aceasta situaţie, dacǎ se cunosc probabilitǎţile de
apariţie ale fiecǎrei stǎri, se spune cǎ deciziile se iau în condiţii de risc, iar în cazul în care
aceste probabilitǎţi nu se cunosc, deciziile sunt luate în condiţii de incertitudine.
Problemele decizionale care implicǎ un numǎr relativ modest de alternative decizionale şi
stǎri ale naturii pot fi analizate utilizând o reprezentare graficǎ a procesului decizional
numitǎ arbore decizional.Intr-un arbore existǎ douǎ tipuri de noduri:
 Noduri de decizie, figurate prin dreptunghiuri şi
 Noduri de rezultate, figurate prin cercuri (Fig.9.1).

Fig.9.1 Exemplu de arbore de decizie

Nodurile de decizie sunt punctele în care trebuie fǎcutǎ o alegere a unei alternative
decizionale, pe baza estimǎrilor sau calculelor. Nodurile de rezultate sunt punctele în care
sunt estimate probabilitǎţile de apariţie a rezultatelor. Construirea arborilor de decizie începe
de la rǎdǎcinǎ cu un nod decizional. Din el pleacǎ ramurile, adicǎ alternativele decizionale.
La sfârşitul fiecǎrei ramuri decizionale se aflǎ un nod de rezultate din care pleacǎ ramuri
suplimentare reprezentând stǎrile naturii. La capǎtul acestor ramuri se trec rezultatele
estimate corespunzǎtoare unei anumite alternative şi unei stǎri a naturii. Plecând de la
acestea din urmǎ şi mergând cǎtre rǎdǎcinǎ existǎ posibilitatea de a gǎsi cea mai bunǎ
alternativǎ[28].

169
Criterii decizionale fǎrǎ utilizarea probabilitǎţilor[28]
Exsitǎ trei criterii decizionale utilizate frecvent şi care nu implicǎ cunoaşterea
probabilitǎţilor de apariţie a stǎrilor naturii. Acestea sunt cunoscute în literaturǎ ca fiind
criteriile maximax, maximin şi criteriul regretelor.

Criteriul maximax reprezintǎ abordarea optimistǎ în luarea deciziilor. Pentru acest criteriu,
decidentul selecteazǎ acea alternativǎ care maximizeazǎ rezultatele. Aceasta înseamnǎ cǎ
aceastǎ politicǎ oferǎ cel mai ridicat profit. De aici, pentru a obţine rezultatul cel mai bun, se
listeazǎ valorile maxime ale fiecǎrei alternative şi dintre acestea se alege valoarea maximǎ.

Criteriul maximin reprezintǎ o abordare pesimistǎ sau cel puţin mai conservatoare de
decizie. In xadrul acestei metode, decidentul încearcǎ sǎ maximizeze cel mai mic profit
posibil. Astfel spus, aceastǎ variantǎ oferǎ cea mai bunǎ limitǎ inferioarǎ a profitului.
Decizia este luatǎ prin listarea rezultatelor minime pentru fiecare alternativǎ decizionalǎ şi
selectarea dintre aceste valori a valorii maxime.

Corespunzǎtor fiecǎrei stǎri a naturii, existǎ câte o decizie care se dovedeşte a fi cea mai
bunǎ. Diferenţa între valoarea cea mai bunǎ a fiecǎrei stǎri şi valorile corespunzǎtoare
celorlalte alternative se numeşte regret sau pierdere de oportunitate. Criteriul regretelor
minimax este acel criteriu prin care decidentul alege acea alternativǎ care corespunde
minimului valorilor maxime ale regretelor. Astfel, criteriul regretelor este dat de:
(1) stabilirea tabelului regretelor, obţinut prin extragerea valorilor fiecǎrei coloane din
maximul coloanei respective;
(2) listarea regretului maxim al fiecǎrei alternative;
(3) selectarea celei mai bune valori (valoare minimǎ) gǎsite la pasul (2).
Criterii decizionale utilizând probabilitǎţile[28]

In unele situaţii pot fi stabilite estimǎri ale probabilitǎţilor de apariţie a unei stǎri. De
exemplu, utilizând criteriul valorii monetare estimate (VME) un analist calculeazǎ valoarea
estimatǎ pentru fiecare alternativǎ şi apoi o selecteazǎ pe aceea care îi oferǎ cea mai bunǎ
valoare. Atunci când se utilizeazǎ criteriul pierderii estimate de oportunitate (PEO),
decidentul calculeazǎ regretul sau pierderea estimatǎ de oportunitate oentru fiecare decizie şi
alege decizia care îi oferǎ cea mai micǎ pierdere estimatǎ de oportunitate. Alternativa aleasǎ
ca decizie în baza criteriului pierderii estimate de oportunitate va fi întotdeauna egalǎ cu
decizia aleasǎ utilizând criteriul valorii monetare estimate. Valoarea aşteptatǎ a informaţiei
perfecte (VAIP) este acea îmbunǎtǎţire estimatǎ a profitului care are loc atunci când
decidentul ştie cu certitudine care va fi starea naturii. Se poate arǎta cǎ valoarea estimatǎ a
informaţiei perfecte este echivalentǎ cu pierderea estimatǎ de oportunitate pentru decizia
optimǎ. De aici, VAIP este obţinutǎ prin:
6. gǎsirea deciziei optime pe baza criteriului pierderii estimate de oportunitate sau a
valorii monetare estimate, şi
7. calcularea pierderii de oportunitate pentru aceastǎ decizie.
Similar, VAIP poate fi obţinut prin:
(1) determinarea celei mai bine valori corespunzǎtoare fiecǎrei stǎri a naturii;
(2) calcularea valorii estimate ale valorilor stabilite la pasul (1), şi
extragerea valorii monetare estimate a deciziei optime din valoarea obţinutǎ la pasul (2).

În întreprinderile tradiţionale deciziile sunt luate la diferite nivele ierarhice şi sunt


170
aplicabile, dacă au loc, la eşaloane inferioare. Fiecare ia singur deciziile pe care i le
incumbă funcţia, după cum evenimentele survin în viaţa şi serviciul său, sau în funcţie
de deciziile luate la eşaloanele superioare. O organizaţie de acest tip este din ce în ce
mai puţin orientată spre o evoluţie dinamică, în contextul actual, cel puţin din
următoarele cauze:
 concurenţa aprigă care bântuie între întreprinderi ca reacţii din ce în ce mai
rapide şi o adaptare din ce în ce mai uşoară la solicitările pieţei şi la variaţiilor
mediului;
 evoluţia diferiă a mentalităţilor şi greşala de a acorda personalului
responsabilităţile la care el aspiră riscă a percepe, a confunda starea lui de spirit cu
întreprinderea în general.
Acestea conduc la descreşteri semnificative în domeniul productivităţii, calităţii, a
competitivităţii, în general. Se vădeşte deci necesitatea de a pune pe picioare un nou
mod de organizare sprijinindu-se pe ansamblul resurselor umane ale întreprinderii, nu
numai cu scopul de a modifica structurile şi funcţionarea întreprinderii dar, totodată, de
a rediscuta obiectivele şi a-i remodela “ţesutul“. Este nevoie pur şi simplu de a reda
întreprinderii mai multă inteligenţă încurajând fiecare dintre actorii săi la a-şi exersa
inteligenţa sau, a înţelege, a se adapta la o situaţie, a alege în funcţie de circumstanţă, a
rezolva probleme de toate soiurile, toate acestea semnificând a lua decizii motivate şi a
le aplica.
Această definiţie oricât de precisă şi completă ar fi ea, nu ne face să întrevedem
cum, în sânul unei organizaţii reale, diferiţii membri vor putea exersa inteligenţa lor de
manieră concordantă. De aceea este necesar a se intra în detaliul luării deciziei[29].
Rezultă din acesta definiţie că a decide constă în a determina un program de
acţiuni după ce ai reflectat”. De ce o reflexie prealabilă? Pentru că noile acţiuni nu pot fi
lăsate hazardului dacă dorim ca ele să fie eficiente în raport cu scopurile pe care ni le-
am fixat. Asadar, există decizie de fiecare dată când trebuie a modifica un program
prestabilit sau a elabora un plan de acţiune comportând sau nu diferite alternative[29].
Concluzionând, oportunitatea luării deciziei există de fiecare dată când
echilibrul între rezultatele acţiunilor noastre şi criteriile, pe care le utilizăm sau dorim să
le utilizăm, este rupt. Este vorba, de fapt, de un mecanism de reglare[29].
Scopul deciziei, aşa cum este precizat mai sus, este de a modifica rezultatele
acţiunilor noastre pentru a le reda conform criteriilor de evaluare pe care le-am fixat sau
sunt susceptibile de a le adopta. Astfel decizia va antrena o modificare a activităţii
noastre[29].

FAZELE ELABORARII DECIZIEI[29]

Procesul de obţinere a unei concluzii sau de exprimare a unei opţiuni este


cunoscut sub numele de proces de elaborare a deciziei sau crearea deciziei.
Potrivit concepţiei cunoscutului expert şi profesor american în domeniul
managementului Herbert A. Simon, elaborarea, sau crearea deciziei manageriale este
sinonimă cu întreg procesul de management. Crearea deciziei, indiferent de situaţia
implicată poate fi considerată ca un proces general sistematic constând din următoarele
patru faze: concepţia, proiectarea, alegerea şi implementarea.

171
Luarea deciziei se bazează pe informaţie. Aceasta vine din realitate şi indică
neconcordanţa modului în care se desfăşoară lucrurile. Informaţia este necesară atât
pentru explorarea şi alegerea între soluţii şi variante alternative cât şi pentru revederea
efectelor variantei implementate
a) Faza de concepţie[29]
Faza de concepţie constă, de fapt, în definirea problemei. În examinarea şi
formularea unei probleme se are în vedere că acestea ies la iveală prin neconcordanţa
modului în care se desfăşoară lucrurile. Asemenea neconcordanţe sunt rezultatul
diferenţei dintre ceea ce se întâmplă şi ceea ce dorim să se întîmple. În această fază
tindem să aflăm dacă există probleme, să aflăm simptomele, magnitudinea problemei şi
să o definim. De obicei, ceea ce e descris ca o problemă (costuri excesive) poate fi numai
simptomul acesteia (nivele nepotrivite de stocare). De aceea este de multe ori dificil să
distingi o simptomă de o problemă reală.
În cadrul acestei faze un punct important este clasificarea problemei. Această
activitate reprezintă conceptualizarea problemei spre clasificarea ei într-o categorie
definită. De exemplu, o importantă clasificare o reprezintă concordanţa cu gradul de
structurare: probleme structurate şi nestructurate. Orice problemă poate fi descompusă
în subprobleme pentru analize separate.
În sfârşit, este important ca în faza de concepţie să se stabilească cine este
proprietarul problemei. O problemă există într-o organizaţie economică dacă aceasta
are opţiuni spre rezolvarea ei. Aşadar se tinde ca faza de concepţie să se sfârşească, practic, cu o
problemă structurată.

a) Faza de proiectare[29].
Extrem de consistentă şi importantă, faza de proiectare implică crearea, dezvoltarea
şi analiza posibilelor piste de acţiune şi include:
 înţelegerea problemei,
 generarea de soluţii,
 testarea fezabilităţii soluţiei.
Problema fundamentală o reprezintă modelarea care determină la rândul ei
conceptualizarea problemei, abstractizarea spre un model numeric şi/sau alte forme
simbolice. Se ajunge deci la o “arhitectură“ a problemei.
Modelul poate fi adus la o formă simplificată (dacă aceasta este necesar) printr-un
set de presupuneri. Este însă foarte important să se găsească o balanţă justă între nivelul
de simplificare a modelului şi reprezentarea lui în realitate, ştiut fiind că un model
simplu conduce la manipulări uşoare şi la soluţii, dar este mult mai puţin reprezentativ
faţă de problema reală.
Dezvoltarea de alternative este dependentă direct de existenţa, veridicitatea şi
costul informaţiei şi cere expertize în domeniu. Creativitatea în elaborarea alternativelor
poate fi obţinută prin utilizarea cunoştinţelor umane, prin sesiuni dinamice de grupuri.
Căutarea de alternative poate continua în timpul evaluării ceea ce poate reduce eforturile
implicate şi a timpului afectat.
Evaluarea şi compararea alternativelor este necesară pentru estimarea unei ieşiri
aferente fiecărei alternative propuse. Estimarea ieşirilor presupune prelucrări specifice
întrucât situaţiile de decizie sunt frecvent clasificate în funcţie de cunoaşterea ce o au
decidenţii asupra problemelor.
b) Faza de alegere[29]
Faza de alegere presupune, în primul rând, găsirea unei soluţii la model.
Rezolvarea unui model nu este însă acelaşi lucru cu rezolvarea problemei pe care o

172
reprezintă modelul. Soluţia modelului conduce la recomandarea soluţiei problemei. Dacă
soluţia recomandată este implementată cu succes, atunci problema poate fi considerată ca
rezolvată.
Faza de alegere implică o căutare de alternative de acţiune care va rezolva
problema reală. Procesul de căutare este coroborat cu evaluarea care se face în funcţie
de scopul, obiectivele definite în problemă. Aceasta este pasul final ce duce la
recomandarea soluţiei.
În sfârşit analiza senzitivă - tinde să ajute managerii atunci când nu sunt siguri
asupra acurateţii sau importanţei relative a informaţiei. Analiza senzitivă permite o mai
bună înţelegere a modelului şi verifică robusteţea deciziei. Adăugarea de detalii asupra
variabilelor permite o bună structurare a problemelor. Analiza poate să spună
decidentului, de exemplu, probabilitatea pentru care o variabilă de intrare devine sigură
şi cât poate varia fără un impact semnificativ asupra soluţiei propuse.
c) Implementarea[29]
Odată ce soluţia propusă pare a fi cea mai rezonabilă suntem pregătiţi pentru
ultima fază, implementarea propriu-zisă. Implementarea unei soluţii la o problemă, a
unui nou mod de rezolvare, este, în genere, iniţierea unei noi ordini a lucrurilor sau, într-
un limbaj actual, implementarea unei schimbări.
Implementarea este un proces iterativ şi poate fi complicată, fiind un proces de lungă
durată şi largă implicare ale cărei ramuri sunt uneori vag definite. Implementarea reuşită
duce la rezolvarea problemei originale, greşeala sau insuccesul conduce la reântoarcerea
procesului iterativ. Este important de înţeles că, deşi există o scurgere generală între
concepţie, proiectare, alegere şi implementare, oricând există probabilitatea de
reîntoarcere la o fază anterioară. De exemplu, dacă decidentul aflat în faza de alegere
găseşte că nici una dintre alternative nu sunt compatibile cu cele curent valabile, se va
întoarce la faza de proiectare pentru a dezvolta noi alternative[29].

PROCESUL DECIZIONAL PROPRIU-ZIS[29].

Procesul decizional propriu-zis este constituit din ansamblul de demersuri care


porneşte de la faptul sau faptele generatoare până ce ajunge la planul de acţiune.
Planul de acţiune constă, practic, în alegerea dintre mai multe alternative,
conform unor exigenţe provenite din mediu (restricţii, situaţie etc.) şi satisfăcând, după
evaluare, criteriile impuse. Pentru aceasta se va opera în două etape principale:
determinarea misiunii
(a) şi elaborarea de strategii (b)
Determinarea misiunii[29]
Pornind de la faptul generator se poate deduce o problema de rezolvat care să fie
în raport direct cu acesta. Dacă totuşi se doreşte a se dispune de o paletă importantă de
soluţii nu trebuie a ramâne la problema imediată. Aceasta ar putea primi o soluţie
punctuală - promptă, fără a aduce un remediu global disfuncţiilor din organizaţie. De
aceea, din aproape în aproape, până la nivelul strategic, trebuie a căuta la a determina
problemele susceptibile, derivate ca şi obiectivele acestor probleme. Când nici un
obiectiv nu mai este propus, obiectivul cu cel mai înalt nivel va fi adoptat ca misiune.

Această etapă constituie partea cea mai abstractă a procesului, dar ea este capitală
căci de calitatea misiunii depinde eficacitatea întregului proces decizional. În cazul unei

173
REALITATE

examinare - (cooperare
)

Faza de concepţie

- obiective ale organizaţiei


- identificare de noncorcondanţe
- identificări de probleme
- clasificări şi descompuneri - statistici

Faza de proiectare

- Formulare model
- Dezvoltarea de alternative
- Evoluarea şi compararea alternativelor

Faza de alegere
- Soluţii la model
- Evaluare
- Analiza senzitivă

Faza de implementare

decizii de grup rolul participanţilor este foarte important în definirea misiunii, iar
coordonatorul trebuie să vegheze ca obiectivele să fie corect ierarhizate şi misiunea să fie
clar definită. Fazele elaborarii deciziei

Se va numi misiune problema generală situată la nivel strategic.


b) Elaborarea de strategii[29]
Pornind de la misiunea definită anterior, păstrând întru-totul spiritul faptului generator, se
va proceda la elaborarea strategiilor. Acum se va face apel la un mers descendent
apelând la o succesiune de manevre din ce în ce mai abile prin definirea de mijloace
proprii care să răspundă. După elaborarea strategiilor alternative e nevoie acum de a le
evalua prin a alege cea care convine cel mai bine. În primul rând aceasta înseamnă a
evalua manevrele, altfel spus a determina consecinţele directe şi indirecte
De multe ori însă consecinţele indirecte pot varia în funcţie de evoluţia mediului, ceea ce
ne conduce la formularea unei ipoteze privind aceasta evoluţie şi, pentru fiecare din
aceste ipoteze, la enumerarea consecinţelor unei manevre date.
Formularea unei ipoteze de evaluare a mediului consta în a învedera
eventualitatea unei schimbări cu privire la unul sau mai multe domenii ale mediului.
Astfel de schimbări pot influenţa restricţiile pe anumite manevre şi, în noul context, pot
antrena consecinţe particulare.
Criteriile de evaluare specificate într-o misiune sunt utilizate pentru a evalua
diferitele strategii propuse în cadrul mai multor ipoteze. Aceste criterii pot fi deduse din

174
criterii mai generale definite în cadrul unei strategii globale a organizaţiei. Ele pot fi mai
mult sau mai puţin specifice unui domeniu. În definirea criteriului trebuie să avem în
vedere domeniul strategic şi gradul de prioritate. Criteriile sunt determinate, în general,
de decident sau leaderul de grup (de reţea de decizie). Coeficienţii de ponderare a
criteriilor sunt calculaţi de aşa manieră încât o valoare negativă a unui criteriu să nu
poată fi nicidecum compensată cu suma valorilor criteriilor inferioare în clasamentul dat
de gradele de preferinţă.

Pentru o întreprindere, de exemplu, se pot adopta următoarele criterii strategice:


 expansiune (dezvoltarea ),
 rentabilitatea,
 autonomia,
 diminuarea riscului.
Acestea ar putea fi completate de criterii secundare: flexibilitatea, polivalenţa, sau criterii
mai specifice relativ la: competitivitate, condiţii de lucru, iscusinţa tehnică, imaginea
mărcii, structura financiară.
După părerea noastră, este nevoie a lua în consideraţie toate aceste categorii de
criterii, reducerea acestora ar creşte riscul de a ieşi din optica strategică şi a intra prea
rapid în consideraţii tactice şi operaţionale ceea ce scurtcircuitează procesul de reflexie.
Procesul de decizie continuă cu identificarea consecinţelor. O consecinţă este
rezultatul unei manevre. Această manevră poate avea unele repercusiuni în diferite
domenii şi să atingă diferiţi actori. În reacţie actorul este obligat a se apăra şi, prin
cercetare, provoacă o nouă consecinţă. Deducţia consecinţelor: este o activitate extrem
de importantă.
Aceasta este mult mai puţin intuitivă decât colecţia de fapte, ea face larg apel la
bazele de date. Adeseori anticipaţia este indispensabilă şi, de asemenea, nu trebuie a ezita
la a face apel la specialişti în diverse domenii, în calitate de experţi, capabili să deducă
consecinţe de al doilea sau chiar al treilea grad.
Cu toate că sunt comparabile din punctul de vedere al organizaţiei, validarea
strategiilor prezintă un aspect mai practic decât mersul identificării consecinţelor.
Validarea implică, într-adevăr, alegeri de acţiuni şi modalităţi întemeiate pe consideraţii
de oportunitate şi mai puţin pe criterii formale. Rolul decidentului este extrem de mare.
În cazul unei decizii de grup, coordonatorul de reţea va trebui să faciliteze dialogul între
participanţi pentru ca ei să cadă de acord.
Alegerea este momentul culminant al procesului decizional. Strategiile fiind clar
specificate, evaluate şi validate, este vorba acum de a adopta una şi de a păstra eventual
strategii de schimb în caz de hazard. Decidentul trebuie în acest moment să aibă o
viziune sintetică a rezultatelor şi chiar să poată furniza sau explica detalii privind un
punct sau altul.
c) Planul de acţiune
Strategia adoptată trebuie să fie tradusă într-un plan de acţiune suficient de
explicit pentru ca realizarea să nu prezinte nici o ambiguitate. Pentru realizarea planului
de acţiune este posibilă întocmirea unor studii complementare ca parte integrantă a
acestuia. Elaborarea planului va fi facilitată de prezentarea sintetică a rezultatelor fazei
de validare asigurată de decident, sau coordonatorul de reţea, în cazul unei decizii de
grup. În acest ultim caz va trebui obţinut un consens asupra documentului final.
Planul de acţiune este un document de sinteză stabilit de decident (sau leaderul
grupului, responsabil de decizie) după ce a obţinut consensul diferiţilor participanţi.
Acesta va trebui să ţină cont de o ordine în derularea acestor acţiuni şi alternative

175
prevăzute. Va trebui totodată să prevadă alte procese decizionale decurgând din procesul
în curs.
Planul de acţiune constituie o decizie complexă rezultat al procesului decizional
şi, în acelaşi timp, un program sigur de execuţie[29].

Fapt

DETERMINAREA MISIUNII
- Analiza faptului generator
- Cercetarea din aproape în aproape
probleme
obiective
generale

Identificarea problemei generale ( strategie )

ELABORAREA STRATEGIILOR
Enunţul manevrelor ( M )

EVALUAREA STRATEGIILOR

Formularea ipotezelor de Definirea

evaluare a mediului ( I ) criteriilor


Identificarea consecinţelor ( C )

M1 M2
M1 C110 C210
C211 Evaluarea
C111
M2 C120 C220
C121 C221

ALEGEREA

ELABORAREA UNUI PLAN DE ACŢIUNE


Schema procesului decizional.

În general elaborarea planului de acţiune cade în sarcina liderului procesului de


decizie care coordonează principalii colaboratori şi trebuie în acelaşi timp să fie un
negociator între aceştia. Practic un proces decizional anexă va fi declanşat pentru a
defini natura contactelor şi conţinutul programărilor făcute. Un proces decizional
ulterior va defini modalităţile de realizare a proiectului de pus în operă[29].

176
SUPORT METODOLOGIC AL PROCESULUI DECIZIONAL

Sintetizând concluziile paragrafului precedent, privind schema procesului


decizional propriu-zis, apare că diferitele etape ale procesului decizional, pornind de la
faptul generator, pot să se înlănţuie, în interiorul unui cadru, (numai) după un proces
liniar. În realitate, însă, faptul generator este purtător al unei strategii în forţă şi noi fapte
sunt susceptibile de a apărea în cursul procesului decizional.
De aici decurg următoarele trei aspecte:
- pe firul procesului intervine o misiune, apărută subit, încărcată apriori vis-a-
vis de strategiile de pus în operă; se poate deci încerca dorinţa de a revizui o misiune
determinantă pentru a extinde generalizarea şi ca urmare potenţialul strategiilor
alternative;
- noile fapte apărute se pot adăuga sub formă de fapte problemă la procesul
angajat;
- descoperirea progresivă a faptelor-soluţii vor sugera noi manevre care, la
rândul lor, vor suscita probleme neaşteptate.
În concluzie esenţa planificării nu este de loc o înlănţuire ideală liniară ci, mai
înainte de toate, este un proces iterativ şi multiplicat.

FAPT MISIUNE
STRATEGIE

Proces decizional efectiv.

Structura primirii faptelor trebuie să rămână deschisă pentru a permite participanţilor


includerea noilor fapte sau a corija, completa şi califica, desemna faptele deja existente.
 Colectarea faptelor
Am vorbit până acum despre fapte în termeni abstracţi fără a le explica natura.
Distingem însă, şi putem clasifica faptele în trei categorii:
-fapte care declanşează decizia (a);
-fapte care influenţează decizia (b);
-fapte care permit luarea deciziei (c);
a) acte sau acțiuni care declanșează problema deciziei sau fapte-problema
sunt orice fapte care dau naștere (sau sunt susceptibile de a duce la) un dezechilibru
între rezultatele acțiunilor noastre și obiectivele noastre, ambele măsurate din cauza
criteriilor stabilite în avans. Punctul de la care apare fractura (dezechilibru) este, în
esență, Originea Generator de fapt, eveniment. Dezechilibrul oferă diferite puncte de
impact ale deciziei, puncte în care putem găsi alte informații relevante.
b) Faptele influenţând decizia - sunt fapte care vor avea repercusiuni asupra
luării deciziei, în particular fapte referitoare la mediu. Acestea exercită o influenţă
preponderentă asupra consecinţelor acţiunilor cu faptul generator sau problemă.
Acesta este cazul mai ales al restricţiilor sau regulilor de tot felul, de care trebuie a

177
ţine cont la luarea deciziei[29].
c) Faptele permiţând luarea deciziei - au un caracter durabil şi sunt utilizate pentru
elaborarea planului de acţiune, specificitatea lor putând varia în funcţie de diferitele domenii. Se
pot distinge:
 fapte care prezintă un caracter mai mult sau mai puţin permanent şi pot, prin
urmare, să fie stocate în baza de date sau de cunoştinţe, convenabil aduse la zi;
 fapte care survin - sau sunt descoperite - la un moment dat şi sunt semnificative sau
revelatorii în procesul de luare a deciziei[29].

Bibliografie

[1] http://depmath.ulbsibiu.ro/chair/acu_mugur/manexe/NoteCursMaster.pdf

[2] http://bv.ucdc.ro/bv/F_3_modelarea-deciziei-finaciare-grigorescu.pdf

[3] https://se-b.spiruharet.ro/images/secretariat/2018-
2019/programe_licenta/management_if/sinteze/sem_2_an_3/sinteza_simulari_si_proiecte_de
_management.pdf

[4] https://profs.info.uaic.ro/~fliacob/An2/2010-
2011/Resurse/Modelare_modele%20matematice.pdf

[5] https://profs.info.uaic.ro/~fliacob/An2/2016-
2017/Modelare%20matematica_resurse/Consideratii%20privind%20conceptul%20de%20mo
delare%20si%20simulare.pdf

[6] http://store.ectap.ro/articole/158.pdf

[7] http://www.asecib.ase.ro/Mitrut%20Dorin/Curs/Gestiunea/02_ModelCibernetic.pdf

[8]http://www.aos.ro/wp-content/carti/978-606-8636-02-3-analiza-dimensionala-similitudine-
si-modelare.pdf

[9] http://noema.crifst.ro/ARHIVA/2012_3_14.pdf

[10] http://www.math.md/stireal/informatica/candidat/calcul_numeric_1.pdf

[11] http://www.mec.upt.ro/dolga/cap_3.pdf

[12]http://www.asecib.ase.ro/DorinMitrut/CursBazCib/Curs/pdf/Cap03_Modelarea_Metod
aDeStudiuACiberneticiiEconomice.pdf
[13] http://www.asecib.ase.ro/Paun/cap4-ads-intern.PDF

[14] http://www.asecib.ase.ro/BCIB/CAPITOLUL-6.pdf
[15] http://www.creeaza.com/afaceri/economie/CLASE-UZUALE-DE-MODELE-
CLASIFI559.php

178
[16] https://ro.wikipedia.org/wiki/Model_%C8%99tiin%C8%9Bific

[17] https://ro.wikipedia.org/wiki/Modelul_unui_sistem

[18] http://www.resist.pub.ro/Cursuri_master/PMEF/PMEF_Curs_10.pdf

[19] http://www.tipardeva.ro/sites/tipardeva.ro/files/fisiere-carti-karina/rasfoiti_55.pdf
[20] https://camo.ici.ro/neculai/z17a10.pdf
[21]
https://www.google.com/search?rlz=1C1GGRV_enRO756RO756&ei=iFlnXdeiKNKdsAfIl4
DQBQ&q=Elemente+de+teoria+grafurilor-doc&oq=Elemente+de+teoria+grafurilor-
doc&gs_l=psy-ab.3..33i160l2.7574.10097..10680...0.2..0.184.539.0j4......0....1..gws-
wiz.......0i71j0i22i30j0i13.zeM2-
mUCdf4&ved=0ahUKEwjXhrbvo6fkAhXSDuwKHcgLAFoQ4dUDCAo&uact=5

[22]
https://www.google.com/search?rlz=1C1GGRV_enRO756RO756&ei=ceBnXf3sL4f3kwWA
oaiQAQ&q=Elemente+de+teoria+sistemelor-doc&oq=Elemente+de+teoria+sistemelor-
doc&gs_l=psy-ab.3..33i160l3.4229.5981..6547...0.2..0.184.574.0j4......0....1..gws-
wiz.......0i71j33i22i29i30.BsQHj91ngjw&ved=0ahUKEwi96YDEpKjkAhWH-
6QKHYAQChIQ4dUDCAo&uact=5

[23] http://ime.upg-ploiesti.ro/attachments/article/102/TS%20Cap2.pdf

[24] https://profs.info.uaic.ro/~fliacob/An2/2016-
2017/Modelare%20matematica_resurse/Teoria%20sistemelor.pdf

[25] http://cogito.ucdc.ro/nr_3/10%20-
%20MODELE%20DE%20DECIZIE%20RATIONALA%20_rom_.pdf
[26] http://asecib.ase.ro/Nica/MO/Cap6.pdf

[27] INFORMATICA ECONOMICA , V(1), p. 7-25 ( 2001).


[28] https://drl.ro/webtt/discipline/co/lectii/cursuri/CO210%20-%20Teoria%20deciziei.pdf

[29]
http://conferinta.academiacomerciala.ro/CD2015/ARTICOLE/1/ELABORAREA%20PROCE
SULUI%20DECIZIONALMiclaus.pdf

[30]
http://www.mpt.upt.ro/doc/curs/gp/Bazele_Managementului/Elaborarea_deciziilor_cap7.pdf

[31] https://conspecte.com/Management/procesul-decizional.html

[32] https://se-b.spiruharet.ro/images/secretariat/2017-
2018/programe_licenta/cig/sinteze/an_3_sem_2/sinteza_siad.pdf

[33] http://www.creeaza.com/referate/management/Modelarea-deciziilor-manageria284.php

179
CUPRINS

1.Teoria Modelarii..............................................................................................................pag.2

1.2 Procesul de modelare in analiza proceselor economice..............................................pag.33

1.3 Modele descriptive......................................................................................................pag.36

1.4 Modele normative.......................................................................................................pag.38

1.5 Modele procedurale.....................................................................................................pag.39

1.6 Modele conceptuale.....................................................................................................pag.40

1.7 Modele obiectuale.......................................................................................................pag.46

1.8 Rolul modelelor in analiza de sistem..........................................................................pag.49

1.9 Etapele procesului de modelare...................................................................................pag.54

1.10 Criterii de evaluare selectare si testare a modelelor..................................................pag.60

1.10.1 Criterii de evaluare a modelelor............................................................................pag. 60

1.10.2 Criterii de selectare a modelelor.............................................................................pag.62

1.10.3 Testare si implementarea modelelor.......................................................................pag.63

1.11 Modelarea matematica...............................................................................................pag.67

1.12 Conditii impuse modelelor........................................................................................pag.69

1.13 Modelarea economico-matematica.Tipologia modelelor..........................................pag.70

1.14 Elaborarea modelelor economico-matematice..........................................................pag.74

1.15 Modelul conceptual in general..................................................................................pag.85

1.16 Factori care determina elaborarea modelelor de calcul.............................................pag.85

2. Elemente de teoria grafurilor......................................................................................pag.95

2.1 Moduri de reprezentare a unui graf............................................................................pag. 96

2.2 Concepte de baza in teoria grafurilor..........................................................................pag.98

2.3 Gasirea drumurilor intr-un graf orientat.....................................................................pag. 99

2.3 Notiunea de arbore....................................................................................................pag.103

2.4 Algoritmi penntru gasirea arborelui de valoare optima.............................................pag.104

180
2.4.1 Algoritmul lui Kruskal.......................................................................................pag.104

2.4.2 Algoritmul lui Sollin.............................................................................................pag.105

2.4.2 O varianta a algoritmului lui Kruskal...................................................................pag. 105

2.5 Cuplajul a doua multimi disjuncte.Probleme de repartitie.........................................pag.108

2.6 Drumuri si circuite hamiltoniene................................................................................pag.114

2.6.1 Determinarea drumurilor hamiltoniene................................................................pag.115

2.6.1.1 Algoritmul lui Foulkes...................................................................................pag.115

2.6.1.2 Algoritmul lui Chen.......................................................................................pag.116

2.6.1.3 Algortmul lui Kaufmann................................................................................pag.117

2.6.1.4 Un algoritm bazat pe algoritmul ungar...........................................................pag.118

2.7 Drumuri optime intr-un graf.Algoritmi de gasire a drumului optim..........................pag.119

2.7.1 Algoritmul lui Bellman-Kalaba............................................................................pag.121

2.7.2 Algoritmul lui Ford (simplificat)..........................................................................pag.123

2.7.3 Algoritmul lui Ford(generalizat)...........................................................................pag.125

2.7.4 Algoritmul lui Dijkstra..........................................................................................pag.126

2.8. Retele de transport.....................................................................................................pag.128

2.8.1 Algoritmul lui Ford-Fulkerson..............................................................................pag.132

3. Elemente de teoria sistemelor....................................................................................pag.134

3.1. Elemente de baza de teoria sistemelor....................................................................pag.134

3.2 Definire si caracterizarea sistemelor........................................................................pag.135

3.3 Modelarea sistemelor...............................................................................................pag.139

3.4 Reprezentari matematice ale sistemelor...................................................................pag.140

3.4.1 Modele de stare pentru sisteme cu timp continuu..............................................pag.140

3.4.2 Modele de stare pentru sisteme cu timp discret.................................................pag.142

4. Teoria deciziilor..........................................................................................................pag.144

4.1 Criterii formale de adecvare raţională......................................................................pag.144

4.2 Criterii vesus norme.................................................................................................pag.149

181
4.3 Decizii privind interiorul sistemului firma...............................................................pag.151

4.4 Decizii privind mediul extern al firmei....................................................................pag.153

4.5 Orizontul de timp decizional...................................................................................pag. 154

4.5.1 Modelul descriptiv general al problemei decizionale............................................pag.154

4.5.2 Metode generale de rezolvare a problemelor decizionale.....................................pag.155

4.5.3 Mediul decizional..................................................................................................pag.156

4.5.4 Decidentul.............................................................................................................pag.158

4.5.5 Situatii si probleme decizionale............................................................................pag.159

4.5.6 Procese decizionale...............................................................................................pag.160

4.5.7 Obiective si sisteme de valori................................................................................pag.160

4.5.8 Efecte si riscuri......................................................................................................pag.161

4.6 Clasificarea deciziilor...............................................................................................pag.162

5. Tabele si arbori decizionali..........................................................................................pag.169

5.1 Criterii decizionale fara utilizarea probabilitatilor.....................................................pag.170

5.2 Criterii decizionale utilizind probabilitatile...............................................................pag.170

6. Fazele elaborarii deciziei..............................................................................................pag.171

6.1 Procesul decizional propriu-zis..................................................................................pag.173

6.2 Suport metodologic al procesului decizional.............................................................pag.177

6.3 Bibliografie.................................................................................................................pag.178

182