TIMUR CHIŞ

OPTIMIZAREA PROCESELOR CHIMICE

APLICAŢII SI PROBLEME

EDITURA PIM
IAŞI 2011
Referent ştiinţific:
Şef Lucrări Dr.Ing. Renata Rădulescu
Universitatea Petrol-Gaze Ploieşti
ISBN

Descrierea CIP a Bibliotecii Naţionale a României

Chiş, Timur-Vasile

OPTIMIZAREA PROCESELOR PETROCHIMICE

APLICAŢII ŞI PROBLEME

/Dr.ing.Timur-Vasile Chiş

©Chiş Timur Vasile

Editura PIM este Editură cu Profil Academic şi Ştiinţific, recunoscută de C.N.C.S.I.S.

1
 Prefaţă

În ultimii anii industria chimică şi petrochimică a trebuit să dezvolte o producţie de

produse competitive necesare pentru a rezista pe o piaţă concurenţială tot mai puternică.
De asemeni trebuie să rezolve şi probleme legate de reducerea costurilor de
fabricaţie, integrarea în mediul ambiant şi în comunitatea locală, adaptarea la legislaţia
aflată mereu în schimbare şi rezolvarea noilor condiţii de calitate şi securitate a mediului şi
personalului angajat.
Toate acestea deziderate au drept unic scop asigurarea unei activităţi economice
profitabile.
Tocmai de aceea în activitatea industrială, a apărut tot mai pregnant nevoia de a crea
tehnologii, operaţii şi utilaje performante.
Chiar dacă toate condiţiile de exploatare optimă a proceselor industriale sunt
realizate, conducerea procesului rămâne în sarcina operatorului care, trebuie să asigure cele
mai bune decizii în operarea şi manipularea acestora, asigurând siguranţa în exploatare a
instalaţiilor şi fezabilitatea produselor rezultate.
Optimizarea proceselor chimice şi petrochimice reprezintă alegerea unei decizii de
conducere a procesului chimic, care concordă cu un criteriu de optimizare şi care este cea
mai bună dintre toate decizile profitabile.
Prezenta lucrare doreşte să asigure un suport studenţilor care urmăresc seminarul de
Optimizare procese petrochimice, prin prezentarea de aplicaţii şi probleme ce pot să apară
în procesul de producţie.
Cartea doreşte să conştientizeze pe viitorii practicieni că industria chimică şi
petrochimică este o mare consumatoare de resurse economice şi tehnice şi că orice reducere
a cheltuielilor fără a afecta securitatea proceselor şi calitatea produselor rezultate, poate să
asigure rămânerea pe piaţă a firmei.

Timur Chiş

2
 Capitolul 1.
Noţiuni fundamentale

1.1. Teoria sistemelor chimice,

Industria chimică şi petrochimică este formată din sisteme şi subsisteme de producţie.

Prin sistem se înţelege un asamblu de procese şi utilaje interdependente, care prin
funcţionarea acestora, are drept scop final funcţionarea unei instalaţii chimice.
O instalaţie chimică (un sistem chimic) este formată din următoarele subsisteme:
a. secţia de reacţie, unde are loc transformarea chimică a reactanţilor introduşi.
b. secţia de separare, unde are loc scindarea între produşii finali şi produşii
internediari şi nereacţionaţi. Produşii nereacţionaţi şi produşii intermediari ce nu
sunt utilizaţi ca produşi finali sunt reutilizaţi în procesul de producţie ca şi reflux.
c. secţia de condiţionare a reactanţilor este zona unde are loc tratarea materiilor prime
împreună cu produsele de reflux pentru a fi aduşi la parametrii necesari reacţiei.
Deci într-un sistem (instalaţie chimică) intră materii prime, iar acesta furnizează
produse finite [1]. Sistemele pot fi deschise când interacţionează cu mediul ambiant prin
fluxurile de materii prime introduse şi produsele finale rezultate sau închise (când produsul
final devine din nou materie primă). Industria chimică se caracterizează prin sisteme deschise
şi ierarhizate (un sistem poate să fie în acelaşi timp subsistem în sistemul imediat superior).
De exemplu în instalaţia descrisă mai jos, toate cele trei secţii sunt subsisteme care
interacţionează între ele. De exemplu secţia de separare poate fi formată dintr-un asamblu de
unităţi individuale de producţie şi anume coloane de rectificare, coloane de extracţie, coloane
de absorţie, etc. După cum se observă, fiecare activitate chimică dintr-o fabrică poate fi
considerată un element (un subsistem) dintr-o instalaţie imediat superioară (subsistem
superior) şi care în final formează platforma industrială.
În teoria sistemelor chimice obiectivul analizei acestora îl reprezintă definirea şi
cunoaşterea cât mai precisă a comportării sistemelor industriale, prin analiza comportării
subsistemelor rezultate prin descompunerea proceselor.

3
 Sistemele se caracterizeaza prin elementele componente şi relaţiile ce se stabilesc între
acestea.

Aplicaţia 1.
Să se analizeze instalaţia chimică prezentată în figura 1.1.

Y1 X2
Subsistemul Reacţie Subsistemul Separare produse
J=1 D2 J=2

X1 Reciclu
Y3 Y2 Produs final
Subsistemul Condiţionare reactanţi X3
Materii prime
D1 J=3
D3

Figura 1. Schema unei instalaţii chimice [1]

Elementele sistemului (subsisteme) sunt notate cu J1, J2 şi J3. Reacţiile chimice

calitative, care guvernează subsistemele sunt:
Y j   j ( X j ) j  1,2,3,..., N , (1)
În ecuaţia (1), Yj reprezintă starea variabilelor de la ieşirea din subsistemul J, care
depinde de starea şi calitatea reactantului. Dacă în timpul transportului nu apar pierderi de
produs atunci X2=Y1, respectiv X1=Y3.
Subsistemele sunt definite funcţie de starea reactanţilor şi a condiţiilor de reacţie. Ca şi
condiţii de reacţie se consideră a fi parametrii constructivi şi operaţionali ai subsistemului.
Y j   j ( X j , D j ) j  1,2,3,..., N , (2)

1.2. Decizia în operarea sistemelor,

Obţinerea produselor finale ale subsistemelor nu se poate realiza fără a atribui valori
numerice pentru variabilele de intrare (care sunt şi variabilele independente) şi a parametrilor
de reacţie (care sunt şi variabile de control). Fără atribuirea acestor valori, sistemul este
matematic nedeterminat, existând un număr infinit de soluţii.
De exemplu dacă recondiţionarea reactanţilor din schema 1, are nevoie de o încălzire
într-un schimbător tubular de căldură, legătura dintre variabila Y3 (temperatura Te) şi variabila

4
X3 de stare de la intrarea în sistem (debitul de fluid Q şi temperatura de intrare Ti) este dată de
ecuaţia de transfer termic:
Qcs (Te  Ti )  kd ln Tm (3)
În ecuaţia (3) [1], cs reprezintă căldura specifică, d diametrul ţevilor, l lungimea
tevilor, n numărul ţevilor, iar Tm , diferenţa medie de temperatură corectată.
Diferenţa medie de temperatură corectată depinde de temperatura de intrare a
reactantului, temperatura de ieşire a reactantului şi temperatura agentului termic din
schimbătorul de căldură. Pentru a obţine valori ale variabilelor Y3, de ieşire din sistem
(temperatura de ieşire a reactantului) este necesară cunoaşterea parametrilor constructivi ai
schimbătorului (diametrul, lungimea şi numărul de ţevi, pasul, numărul de şicane şi numărul
de treceri) precum şi temperatura agentului termic. Acestea valori sunt parametrii de reacţie.
De asemeni sunt necesare cunoaşterea parametrilor de intrare (temperatura Ti şi a
debitului de fluid Q).
Pentru ca relaţia (3) să nu fie nedeterminată, trebuie cunoscute valorile de intrare
precum şi valorile la un număr de variabile ale parametrilor de reacţie, denumite convenţional
variabile de decizie. Toate acestea variabile de decizie sunt şi grade de libertare ale ecuaţiei.
Pentru procesul dat de ecuaţia (3), dacă se urmăreşte dimensionarea schimbătorului de
căldură care să aducă debitul de fluid Q de la temperatura Ti, la temperatura Te, variabilele de
decizie sunt în număr de şase (cs căldura specifică, d diametrul ţevilor, l lungimea tevilor, n
numărul ţevilor, Tt temperatura agentului termic şi k coeficientul de transfer termic).
În procesele chimice, decizile pot fi luate:
a. arbitrar, alegându-se pentru variabile de decizie valori arbitrare (nerecomandat
pentru procesele chimice).
b. empiric, alegându-se pentru variabilele de decizie valori cunoscute din alte
experienţe (anterioare procesului). Experienţa poate proveni din studiul literaturii
de specialitate, a studiului unor sisteme construite anterior, şi a cunoştiinţelor
personalului care exploatează instalaţia. În acest caz rezolvarea problemei implică
un număr mare de grade de libertare.
c. obiectivă, care rezultă din formularea completă a problemei.
Din familia de decizii obiective se distinge decizia optimă ca fiind decizia cea mai
bună care rezolvă comportarea sistemului funcţie de un obiectiv impus.

5
 După ce se impune un obiectiv unui sistem (un criteriu de optimizare) soluţia obţinută
prin rezolvarea sistemului este dată de funcţia obiectiv. Soluţia optimă se obţine folosind o
metodă de căutare a optimului şi depinde de criteriul de optimizare ales.
În exemplul dat de ecuaţia (3), se poate dimensiona schimbătorul de căldură astfel
încât suprafaţa de transfer termic să fie minimă, deci costul de operare minim.

1.3. Sinteza sistemelor

Sistemele chimice pentru a fi exploatate trebuie să fie simplificate în mai multe

subsisteme noi care să îndeplinească acelaşi funcţii cu sistemul principal. Dacă se studiază
aplicaţia 1, se observă că separarea se poate realiza prin două coloane de rectificare, schemele
de funcţionare a celor două coloane fiind realizate funcţie de diferite criterii de optimizare.

A+B+C A B
Coloana de rectificare 1
A+B Coloana de
rectificare 2
C

A+B Coloana de B
Coloana de rectificare 1 rectificare 2
A+B+C A

Figura 2. Diferite scheme de separare pentru aplicaţia 1

Deci în teoria sistemelor chimice (sinteza sistemelor) se dezvoltă două activităţi
primordiale şi anume generarea de scheme chmice precum şi compararea acestora în vederea
selecţionării schemei cele mai convenabile (optime).

1.4. Modelarea problemelor cu ajutorul programării liniare

Programarea liniară este o metodă matematică ce permite alegerea, din mai multe
variante a acelei soluţii care este cea mai rentabilă şi care satisface condiţile limită ale
problemei. Relaţiile sistemului chimic trebuie să descrie starea acestuia având forma unor
ecuaţii şi inecuaţii liniare care să caracterizeze procesul modelat. Aplicarea programării
liniare la obţinerea soluţiei optime a unui proces chimic implică definirea comportării acestuia

6
printr-un model matematic care să descrie procesul studiat în totalitate. De asemeni modelul
matematic ales trebuie să asigure cerinţele şi limitările care sunt necesare pentru obţinerea în
final a unei soluţii practic acceptate. Modelul unui proces poate fi deterministic sau stohastic
(probabilistic), ele nefiind diferite ca formă ci doar ca infomaţii conţinute şi al interpretării
rezultatelor obţinute cu ajutorul acestuia.
Un model deterministic este caracterizat de parametri cunoscuţi cu o precizie care
garantează valabilitatea procesului şi nu conţine factori aleatorii în dezvoltarea acestuia.
Un model stohastic este cataracterizat de faptul că unii parametrii sunt aleşi aleatoriu,
o valoare medie a acestora neducând la o valoare apropiată de realitate a soluţiei obţinute.
Pentru rezolvarea problemelor de programare liniară din industria chimică avem
nevoie de:
a. enunţuri de disponibilităţi.
b. enunţuri de restricţii şi necesităţi,
c. enunţuri de rentabilitate.

a. Enunţuri de disponibilităţi

Prin aceste ecuaţii şi inecuaţii se stabilesc cantităţile de materii prime sau de utilaje
disponibile care pot fi utilizate pentru a atinge scopul dorit. De exemplu dacă avem mai multe
loturi de ţiţei care sunt necesare pentru a face amestecuri pentru prelucrarea optimă în
rafinărie, expresiile de disponibilitate pot conţine tipurile şi cantităţile disponibile.
De asemeni în cazul unor planuri de funcţionare a instalaţiilor chimice, expresiile de
disponibilitate, pot conţine ecuaţii care descriu alternativele de utilizare a utilajelor si a
capacităţilor acestora. În cazul utilizării unui parc auto sau a unui parc de vagoane CF,
expresiile de disponibilitate în acest caz trebuie să stabilească numărul de unităţi necesare
transportului şi cantităţile disponibile a fi transportate.

b. Enunţurile de necesităţi şi restricţii

Cerinţele şi restricţile pot apărea în cadrul dezvoltării proceselor chimice prin:

a. impunerea unor cheltuieli de producţie,
b. adaptarea produselor la condiţiile de calitate ale pieţii de livrare,
c. impunerea unor cheltuieli de transport,

7
 d. utilizarea în concordanţă cu legislaţia în vigoare a unor la caracteristicile tehnice şi de
piaţă ale utilajelor de transport adecvate,
e. rezolvarea cerinţelor legislative (guvernamentale), ale beneficiarilor şi ale acţionarilor,
f. menţinerea în limitele prescrise a bilanţului de materiale şi energie.
Tocmai de aceea este necesar ca la elaborarea oricărui model matematic să nu se omită
nici o restricţie care reflectă procesul în sine. De exemplu la livrarea de amestecuri de
benzine, neprecizarea tipului de benzină necesară pe piaţă precum şi cantităţile disponibile din
care s-ar face amestecul ar duce la obţinerea unor loturi cu caracteristici diferite faţă de
cerinţe.

c. Enunţuri de rentabilitate

Rezolvarea unei probleme de programare liniară necesită alegerea unei valori optime care
să asigure o rentabilitate maximă sau un preţ de cost minim. De obicei această ecuaţie
stabileşte o legătură între preţul de cost sau beneficiu, raportate la unitatea de material sau de
utilaj întrebuinţat.
Această funcţie întregeşte modelul matematic pentru studierea comportării unui proces
chimic.

1.5. Lucrul în mediul Excel

Pentru optimizarea proceselor chimice se foloseşte cu succes mediul de lucru Excel.

O pagină de lucru Excel conţine:
a. O bară de meniuri de unde se pot da comenzile,
b. O bară de stare care indică activitatea curentă,
c. O bară sau mai multe de instrumente, care conţin butoane şi liste prin care se obţine
acces rapid la comenzile utilizate.

a. Configurarea unui registru de calcul

După deschiderea programului Excel, pagina care apare se numeşte foaie de lucru.
Aceasta face parte dintr-un registru de calcul nou, Registrul Workbook, care este principalul
document folosit în Excel pentru prelucrarea şi stocarea datelor. Registrul este format din mai

8
multe foi de calcul individuale care conţin date de calcul în configuraţia prestabilită de
utilizator. Fiecare registru nou conţine trei foi de calcul (Sheet 1, Sheet 2, Sheet 3) dar se pot
folosi mai multe foi de calcul individuale prin adăugare până la 255.

Bară de meniuri Bară de instrumente

Celulă

Bară de stare
Figura 3. Fereastra Excel

Foile de calcul pot conţine date care se leagă între ele (de exemplu la construirea unui
plan de livrare, fiecare foaie poate să conţină capacitatea de livrare a unei secţii sau linii de
fabricaţie). În partea de jos a foii de calcul există o bară care ne arată foaia de calcul care este
în lucru. Cu mouse-ul se trece pe o nouă foaie de calcul făcând clic pe ea.

Foaia de calcul în lucru Bara de derulare a foilor de calcul

Figura 4. Bara de derulare a foilor de calcul

9
 Dacă această bară nu apare, din caseta de dialog Options se selectează butonul View
şi se marchează caseta Sheet Tools.
În bara de derulare a foilor de calcul nu pot apare toate foile de calcul de aceea se
poate utiliza pentru a derula acestea pagini patru butoane care ne oferă posibilitatea de a
derula foile registrului.
Buton Funcţia
 I Deplasarea la ultima foaie din registru
 I Deplasarea la prima foaie din registru
 Deplsarea la foaia de calcul anterioară
 Deplasarea la foia de calcul superioară

Având în vedere că un registru, conţine mai multe foi de calcul, acestea pot fi
redenumite astfel:
a. Se aplică un dublu clic pe eticheta foii de calcul,
b. Se introduce numele noii foi de calcul.
Pentru introducerea unei noi foi de calcul se urmăresc paşii următori:
a. Se poziţionează mouse-ul pe eticheta unei foi de calcul în bara de derulare a foilor
de calcul,
b. Se aplică un clic folosind butonul drept al mouse-ului,
c. Pe ecran apare un meniu din care se selectează comanda Insert.
Foile de calcul suplimentare pot fi eliminate prin operaţia de ştergere,
astfel:
a. Se poziţionează mouse-ul pe foia de calcul care trebuie eliminată, în
bara de derulare a foilor de calcul,
b. Se aplică un clic folosind butonul drept al mouse-ului,
c. Pe ecran apare un meniu din care se selectează comanda Delete.

b. Deplasarea în cadrul unei foi de calcul

Într-o foaie de calcul informaţile sunt prezentate într-o interfaţă grafică formată din
linii şi coloane.

10
Etichetele liniilor Etichetele coloanelor Celula de lucru
Bară de derulare a
foii de calcul

Figura 5. Foia de calcul

Coloanele au ataşate litere (de la A,B, până la Z şi apoi AA, AB, până la IV) iar linile
sunt numerotate cu cifre (de la 1 la 65.536). O foaie de calcul conţine 256 de coloane şi
65.536 linii.
La intersecţia dintre coloane şi linii se găseşte celula care este unitatea fundamentală
de stocarea datelor. În celulă se pot introduce:
a. Texte-capete de tabel, etichete, note, texte explicative,
b. Valori-date calanderistice, valori numerice, ore,
c. Formule de calcul.
Celula activă este celula care este marcată şi unde se pot introduce date. După
introducerea datelor se poate ieşi din celulă cu tasta Enter.
Foile de calcul pot fi de dimensiuni foarte mari. Pentru a derula sau introduce date se
pot utiliza metode de deplasare a foilor de calcul cu ajutorul mouse-ului sau cu ajutorul
săgeţilor din tastatură.
Se mai utilizeaza PgUp pentru derularea paginii anterioare, PgDn pentru derularea
paginii următoare.

11
 c. Utilizarea barelor de instrumente

Barele de instrumente aflate sub bara de meniu are rolul de a permite un acces mai
rapid la procedurile şi comenziile mai des utilizate. Pentru a lucra cu barele de instrumente se
foloseşte mouse-ul, care se aplică prin executarea unui clic pe butonul asociat comenzii sau
funcţiei de care este nevoie. Exista mai multe bare de instrumente dar trebuie utilizate acelea
care sunt utile în lucrul cu excelul. Menţionăm că acestea bare se pot afişa din meniul View,
comanda Toolbars.
Bara standard conţine butoane pentru comenzi de editare, formatare, administrare,
fişiere şi tipărire.

Bara Formating are rolul de a crea în documentele elaborate formatarea fonturilor,

comenzi de aliniere, formatarea marginilor şi stabilirea culorilor.

Bara Chart asigură butoane pentru crearea graficelor.

Bara Pivot Table asigură construirea, organizarea şi actualizarea tabelelor pivot.

Bara Drawing oferă butoane pentru crearea desenelor.

Bara Forms conţine butoane prin intermediul cărora se pot adăuga foii de calcul casete de
validare, butoane de opţiuni şi liste de derulare.

Bara Stop Recording conţine butoane pentru încheierea şi oprirea înregistrării unei comenzi
macro.

Bara audit, conţine butoane cu comenzi pentru detectarea unor erori (cele uzuale) din foile de
calcul.

12
Bara Full Screen apare când lucrul cu Excel a fost configurat pentru întregul ecran. Apăsarea
butonului produce întoacerea la modul de lucru anterior.

d. Afişarea/ascunderea barelor de instrumente

Barele de instrumente pot fi ascunse sau afişate. Pentru aceasta se se aplică pe

comanda View apoi Toolbars şi se alege din Toolbars meniul Customize.
Caseta Customize are trei secţiuni Toolbars, Comands şi Option. Se selectează
meniul Toolbars.

În lista Toolbars sunt trecute toate barele de instrumente. Se selectează cele care se
doresc a fi utilizate.

e. Afişarea/ascunderea butoanelor dintr-o bară de instrumente

Componenţa unei bare de instrumente se poate modifica prin

adăugarea sau ştergerea unor butoane de comandă. Aceste modificări se
realizează din secţiunea Commands a casetei Customize.
Această secţiune conţine:
a. Lista Categories unde apar toate titlurile de meniuri verticale,

13
b. Lista Commands unde apar toate comenzile care pot fi aplicate din
meniul respectiv,

Pentru a adăuga un buton nou pe o bară de instrumente:

a. Se aplică comanda View, Toolbars, Customize,
b. Se activează secţiunea Commands prin selectarea butonului
Commands,
c. Se selectează din lista Categories comanda asociată butonului,
d. Cu mouse-ul se trage butonul care trebuie adăugat (inserat) din
zona Customize,
e. Se eliberează butonul mouse-ul,
f. Se selectează butonul Close.
Pentru a şterge un buton din bara de instrumente:
g. Se aplică comanda View, Toolbars, Customize,
h. Se activează secţiunea Commands prin selectarea butonului
Commands,
i. Se selectează din lista Categories comanda asociată butonului,
j. Cu mouse-ul se trage butonul care trebuie şters şi se trage butonul
în zona Customize,
k. Se eliberează butonul mouse-ul,
l. Se activează butonul Close.

f. Opţiuni suplimentare de afişare a butoanelor

14
 Forma butoanelor din barele de instrumente poate fi stabilită în secţiunea Options din
ferestra Customize. Această secţiune poate să creeze Large Icons, dacă butoanele se doresc
mari sau mici dacă nu este marcată opţiunea Large Icons.
Dacă se alege Opţiunea Show Screen Tips on toolbars, atunci numele butonului va
apărea când se marcheză cu mouse-ul pe buton.
Lista Menu animations dă date despre meniurile deschise. Astfel dacă se selectează
menţiunea:
a. None, este modul normal de deschidere şi nu se aplică nici un efect,
b. Random, care reprezintă deschiderea în mod aleatoriu a meniurilor (o parte mai
întâi),
c. Unfold, care deschide meniurile sub forma unei despăduriri,
d. Slide , care deschide meniurile sub forma unei alunecări.

1.6. Probleme rezolvate

1. Un concern industrial doreşte să amplaseze un număr de sonde pe diverse structuri

petroliere. Scopul acestor sonde este să producă 300.000 tone de ţiţei la costuri
minime. Să se identifice disponibilităţile, necesităţile, restricţile şi rentabilitatea
acestui concern dacă se respectă condiţile din tabelul de mai jos.

Rezolvare:

15
a. Trebuie să determinăm numărul de sonde x1, x2, x3, x4, x5 de pe fiecare structură
(disponibilul),

Structura Număr de sonde Cost foraj pe sondă Producţia anuală de

maxim care se pot Mii Euro ţiţei pe sondă
amplasa pe structură
1 10 100 2000
2 5 200 5000
3 5 300 8000
4 14 50 2000
5 8 500 6000
b. Producţia sondelor forate trebuie să fie egală cu necesarul de ţiţei şi anume 300.000
tone pe an (necesarul),
2000  x1  5000  x2  8000  x3  2000  x4  6000  x5  300000 ,

c. Restricţia referitoare la numărul de sonde posibil a fi forate pe o structură are relaţia:

x1  10, x2  5, x3  5, x4  14, x5  8 ,

d. Funcţia de eficienţă a structurii petroliere va fi:

min F  100  x1  200  x2  300  x3  50  x4  500  x5 (mii Euro),

2. Cunoscând numărul maxim de sonde ce se pot amplasa pe 5 structuri petroliere,

producţia, producţia medie pe sondă, investiţiile ce trebuiesc efectuate pentru a pune
în funcţiune noile sonde precum şi cheltuielile de exploatare pe sondă să se scrie
disponibilităţile, necesităţile, restricţile şi rentabilitatea acestui concern dacă se
respectă condiţiile din tabelul de mai jos şi se doreşte extracţia a maximum 500.000
tone pe an.
Structura Număr maxim de Producţia medie Investitii pe sonda Cheltuieli de
sonde pe structură pe sondă, mii tone nouă, mii Euro exploatare pe
pe an sonde
Mii euro/an
1 12 5 20 500
2 24 10 50 200
3 3 3 70 100
4 8 2 30 700
5 15 8 40 300

Ca şi criteriu de rentabilitate s-a ales:

16
 A. Dezvoltarea de sonde noi cu cheltuieli minime de exploatare,
B. Dezvoltarea de sonde noi cu cheltuieli minime de investiţii.
Rezolvare:
a. Trebuie să determinăm numărul de sonde x1, x2, x3, x4, x5 de pe fiecare structură
(disponibilul),
b. Producţia sondelor forate trebuie să fie egală cu necesarul de ţiţei şi anume 500.000
tone pe an (necesarul),
5000  x1  10000  x2  3000  x3  2000  x4  8000  x5  500000 ,

c. Restricţia referitoare la numărul de sonde posibil a fi forate pe o structură are relaţia:

x1  12, x2  24, x3  3, x4  8, x5  15 ,

d. Funcţia de eficienţă a structurii petroliere pentru investiţii noi va fi:

min F  20  x1  50  x2  70  x3  30  x4  40  x5 (mii Euro),

e. Funcţia de eficienţă a structurii petroliere pentru cheltuieli pe sondă va fi:

min F  500  x1  200  x2  100  x3  700  x4  300  x5 (mii Euro),

3. Într-un depozit de produse petroliere trebuie să se realizeze amestecuri de ţiţeiuri

pentru a se putea prelucra. Afalaţi densitatea amestecului. Construiţi o foaie de calcul
plecând de la datele din tabelul de mai jos.

Se vor efectua calculele prin media ponderată. Astfel plecând de la observaţia că

densitatea este o proprietate care respectă relaţia:
1  c1   2  c2  3  c3  ...   n  cn
a  (4)
c1  c2  c3  ...  cn
Unde: -c1 la cn reprezintă cantităţile de ţiţei,
- 1 la  n reprezintă densităţile ţiţeiului.
Tip ţiţei Cantitatea Densitatea
A 10.000 0,871
B 7.000 0,873
C 5.000 0,875
D 4.000 0,877

Rezultatul final este:

Tip ţiţei Cantitatea Densitatea Densitatea x cantitatea

A 10.000 0,871 8710

17
 B 7.000 0,873 6111
C 5.000 0,875 4375
D 4.000 0,877 3508
Total 26.000 0,873230769 22704

4. Într-un depozit de produse petroliere trebuie să se realizeze amestecuri de ţiţeiuri

pentru a se putea prelucra. Determinaţi conţinutul de apă al amestecului. Construiţi o
foaie de calcul plecând de la datele din tabelul de mai jos.

Se vor efectua calculele prin media ponderată. Astfel plecând de la observaţia că,
conţinutul de apă este o proprietate care respectă relaţia:
%apa1  c1  %apa2  c2  %apa3  c3  ...  %apan  cn
%apaa  (5)
c1  c2  c3  ...  cn

Unde: -c1 la cn reprezintă cantităţile de ţiţei,

- %apa1 la %apan reprezintă conţinutul de apă din ţiţei,

Rezultatul final va fi:

Tip ţiţei Cantitatea Conţinut apă Cantitate x conţinut apă
A 6.000 0,2 1200
B 4.000 0,1 400
C 30.000 0,5 15000
D 2.000 0,3 600
Total 42000 0,409523 17200

Capitolul 2.
Formularea problemelor de optimizare

18
 2.1. Introducere

Optimizarea reprezintă alegerea soluţiei optime a unui proces chimic, dintr-un număr
de soluţii viabile şi întelegând prin aceasta cea mai bună soluţie (decizie) dintr-un anumit
punct de vedere. Punctul de vedere reprezintă criteriul de optimizare care de obicei se exprimă
matematic printr-o funcţie obiectiv. De asemeni căutarea optimului se realizează printr-un
model matematic.
Soluţia optimă nu trebuie să depindă de metoda de optimizare aleasă (în limita
preciziei metodei) dar depinde de criteriul de utilizare acceptat [1].
În exploatarea unei instalaţii chimice, sunt o mulţime de soluţii optime în raport cu
criterile de optimizare alese. Criterile de optimizare în viaţa reală sunt iluzorii, acestea fiind
de obicei dorinţa omului de perfecţiune. Tocmai de aceea cel mai bun şi real criteriu de
optimizare rămâne atât în viaţă cât şi în activităţile industriale criteriu economic.
Indiferent de metoda de căutare a optimului pentru o soluţie care să rezolve starea
unui proces chimic trebuie parcurse trei etape pentru a găsi soluţia optimă si anume:
a. Elaborarea modelului matematic al procesului,
b. Construirea funcţiei obiectiv,
c. Căutarea optimului.

2.2. Elaborarea modelului matematic al procesului

Modelarea este ştiinţa de a crea un model care să se comporte ca în realitate. În

practică se folosesc o diversitate de modele cele mai reprezentative fiind redate în figura 6.
Pentru optimizarea proceselor chimice ne vom opri doar la modelele matematice.
Crearea unui model matematic al procesului constă în găsirea unor relaţii ce va consemna
interdependenţa existentă între variabilele acestuia.

19
 Modele

Fizice Simbolice

Grafice Analogice Verbale Metamatice

Figura 5. Tipuri de modele întâlnite în practică [8]

Modelele fizice sunt cele care crează realitatea ca o formă fizică de studiu. Modelele
simbolice utilizează simboluri în descrierea realităţii. Modelul analog constă în simularea
realităţii pe obiecte, ce descriu la scare redusă proprietăţile fenomenului sau a obiectului
studiat (de exemplu simularea în tunel de aer a construcţiilor înalte).
Modelul grafic are rolul de a crea o realitate miniaturala prin simboluri grafice cu
scopul de a informa operatorul asupra dezvoltării sau urmăririi fenomenului sau procesului
chimic (de exemplu comportarea unei coloane de fracţionare gaze la depresare subită).
Modelele simbolice sunt acelea modele care utilizează cuvintele în simularea realităţii
(manualele de operare şi desenele instalaţilor chimice) şi simboluri matematice (software
pentru simulare, etc).
Modelul matematic reprezintă o reprezentare cantitativă sau aproximativă a
comportării sistemului real. Tocmai de aceea în aplicaţiile necesare optimizării proceselor
chimice, modelul matematic are o importanţă deosebită, scopul acestuia fiind de a exprima
într-o formă concisă prin ecuaţii şi inecuaţii starea la orice moment al sistemului studiat.

a.Avantaje ale modelului matematic

1. permite folosirea unor soluţii matematice care pot fi uşor determinate prin programe
software cu ajutorul calculatorului,
2. ajută la înţelegerea fenomenului prin definirea scopului problemei a datelor necesare şi
în unele cazuri (mai ales în optimizarea proceselor) a soluţiilor dorite,
3. pot fi realizate funcţie de scopul procesului, modul de analiză, complexitatea sistemului
şi a soluţilor aleatori,
20
 b. tipuri de modele matematice

Modele
matematice

Scop Mod de analiză Probabilitate Generarea

aplicaţiei

Optimizare Analitic Determinist General

Descriere Numeric Probabilist Singular

Figura 6. Caracteristici ale modelelor matematice [8]

Modelele matematice pot fi diferite funcţie de scopul pentru care au fost create, modul
de analiză, probabilitate precum şi de tipul de generare a aplicaţiei.
Modelul creat pentru optimizarea proceselor caută optimul sistemului, identificând
punctul de maxim şi minim. Prin aceste posibilităţi se poate determina un curs dorit al acţiunii
sistemului în vederea atingerii funcţiei obiectiv. Un exemplu clasic în cazul amestecurilor de
ţiţei îl reprezintă răspunsul la întrebarea: ce efect are asupra produselor obţinute dacă adaug 5
% mai mult ţiţei de tip A în amestecul care se formează pentru prelucrare. Modelul descriptiv
încercă să ofere date despre comportarea unui proces la un moment dat (de exemplu
evacuarea personalului rafinăriei în caz de avarie la o coloană de cracrare catalitică).
Modelul matematic studiat, prin metoda de analiză analitică, foloseşte instrumente
complexe de reliefare a realităţii compuse din calcul diferenţial, ecuaţii cu grad mare de
compexitate, algebra matricială, etc. Modelul numeric are rolul de a crea un sistem de ecuaţii
simple de simulare a realităţii (aproximând unele date de intrare şi unele fenomene), acesta
fiind mai puţin precis decât cel analitic, dar mai rapid.
Modelele create cel mai des sunt deterministe, pornind de la ideea că acestea depind
doar de o singură variabilă estimată şi care să poată oferi ieşiri sigure. În realitate sistemele
chimice sunt probabilistice deoarece pe lângă datele sigure de intrare pot apărea peturbaţii
care să modifice datele de ieşire (apar rezultate probabilistice).

21
 De asemeni modelul numeric poate să fie singular (aplicabil unei singure instalaţii
chimice) sau general (aplicabil mai multor instalaţii chimice). Modelele pe care se lucrează şi
sunt folosite pentru optimizarea proceselor chimice sunt singulare (aplicabile unei singure
instalaţii la o anumită perioadă de timp).

c. dezvoltarea modelului

Un model de simulare a activităţii unei instalaţii chimice se dezvoltă în şapte etape şi

anume [8]:
1. definirea problemei,
2. observarea sistemului şi strângerea datelor,
3. formularea unui model matematic,
4. verificarea modelului cu date reale,
5. alegerea unei alternative optime,
6. analiza rezultatelor,
7. implementarea modelului.

Definirea problemei în dezvoltarea procesului chimic se face în urma apariţiei în

sistem a unei peturbaţii. Această peturbaţie poate fi tehnică sau economică. Peturbația
economică constă, de obicei, în:
a. apariţia pe piaţă a unui competitor,
b. creşterea preţurilor la furnizorii de produse,
c. creşterea preţurilor la furnizorii de facilităţi,
d. creşterea taxelor şi impozitelor,
e. modificarea standardelor de livrare a produselor finale şi intermediare.

De obicei optimizăm un proces existent dar putem optimiza instalaţia chimică şi în

faza de proiectare şi concepţie (în faza de dezvoltare a procesului se consideră proiectarea ca
fiind o optimizare a instalaţiei chimice).
Când apare o peturbare în sistem, organizaţia (denumită şi client) îşi defineşte
problema şi angajează un analist ca să găsească metode de diminuare şi eliminare în totalitate
a efectelor acestei peturbări. Analistul face un audit al sistemului unde au apărut probleme şi
localizează în timp şi spaţiu problema reală. Nu se acceptă datele beneficiarului decât ca şi

22
punct de plecare în auditul consultantului, deoarece beneficiarul tinde să nu localizeze cu
precizie problemele apărute (din cauza rutinei şi a pericolului de neânţelegere a efectelor
peturbărilor apărute în sistem).
După strangârea datelor se dezvoltă modelul matematic şi se introduc datele de intrare
după care se analizează datele finale.
Etapa de strângere a datelor şi prelucrarea acestora este cea mai dificilă fiindcă se cere
pe lângă studierea bazei de date existente în organizaţie şi interogarea personalului implicat în
proces. De asemeni se vor efectua şi studii asupra instalaţiilor chimice precum şi a pieţei pe
care organizaţia este activă.
Modelul matematic ales trebuie să reprezinte corect problemele clientului şi să fie
simplu de utilizat (să permită soluţii uşor de înţeles de către beneficiar).
Modelele complexe descriu mai real comportarea instalaţiilor chimice dar sunt mai
puţin folosite deoarece sunt greu de rezolvat cu ajutorul algoritmilor şi de înţeles pentru
beneficiar.
Următoarea etapă în simularea instalaţiei chimice îl reprezintă verificarea modelului
matematic.
Verificarea modelului se face pe o situaţie existentă şi pe situaţii care s-au întâlnit în
practică. Dacă rezultale nu sunt cele aşteptate atunci modelul a prezentat o situaţie simplistă a
realităţii sau intuiţia analistului nu a cuprins toate peturbările ce pot apare în sistem.
Modelul matematic creat trebuie să ofere un set de alternative din care beneficiarul
trebuie să aleagă cea care corespunde scopul organizaţiei (unui criteriu de optimizare).
Ultimile etape ale modelării se referă la prezentarea modelului realizat organizaţiei şi
implementarea acestuia.
Realizarea unui model care să descrie funcţionarea unei instalaţii şi pe care să se poată
realiza optimizarea procesului funcţie de un criteriu de optimizare poate fi schematizată
comform figurii 7 (analiza în şapte paşi).

23
 Definirea problemei Observarea
sistemului,
Strangerea datelor

Verificarea
Formularea modelului
modelului
matematic
Alegerea unei
alternative pozitive

Prezentarea
rezultatelor

Interpretare şi
evaluare

Figura 7. Diagrama creerii unui model

Aplicaţia 2. Modelul liniei de aşteptare

Un distribuitor de GPL are mai multe puncte de livrare gaze petroliere lichefiate
pentru automobile. Managerul lanţului de distribuţie doreşte să realizeze un model matematic
care să arate cum se comportă potenţiali clienţi şi care sunt măsurile care trebuie să le ia
pentru înbunătăţirea servicilor oferite.
Modelul matematic creat are drept intrări:
a. numărul maxim de maşini ce pot fi operate în staţia GPL,
b. numărul maxim de maşini care pot să stea la coadă,
c. numărul maxim de maşini care doresc să alimenteze.
Ca ieşiri modelul va avea:
a. timpul de reîncărcare a staţiei,
b. timpul mediu petrecut la coadă,
c. procentul potenţialilor clienţi care nu aleg staţia de distribuţie.
24
 Modelul intuitiv creat arată că o creştere a frecvenţei sosirii clienţilor la staţia de
distribuţie şi cu o descreştere a servirii clienţilor face ca linia de aşteptare să crească şi
deci fiecare client va sta mai mult timp la coadă. Deci este probabil ca unii dintre clienţii
posibili să părăsească coada sau să nu aleagă staţia de distribuţie.
În modelul de aşteptare ales se notează cu: n numărul maxim de maşini ce pot fi operate
(pe oră) la capacitatea maximă de încărcare (40 litri), t timpul de reîncărcare a staţiei (ore)
(rezervorul staţiei are 5000 litri), nnes numărul clienţilor neserviţi (pe oră), s numărul
maxim de maşini ce pot staţiona în staţie, tmed este timpul mediu de staţionat la coadă
(minute), cu C frecvenţa clienţilor ce doresc să fie serviţi în staţie, cap reprezintă
capacitatea maximă de umplere a rezervoarelor maşinilor servite şi cu Cap capacitatea
rezervorului de stocare.
Relaţile ce se stabilesc între datele de mai sus sunt următoarele:
Cap
t (6)
n  cap

60 60
tmed  s  (7)
n n
nnes  C  n (8)
Rezultatele sunt reliefate mai jos.
Numar maxim de masini ce pot fi operate pe ora 5
Numar maxim de masini ce pot sta la coada 3
Numarul maxim de masini ce doresc sa fie alimentate 10
Capacitatea rezervorului de stocare (litri) 5000
Capacitatea maxima de umplere a rezervoarelor masinilor (litri) 40
Timpul de reincarcare a statiei (ore) 25
Timpul mediu de stationat la coada (minute) 24
Numar de clienti neserviti pe ora 5

Acest model ne poate arăta că 5 clienţi părăsesc staţia fără a fi serviţi şi de asemeni
timpul de reîncărcare este foarte mare (timpul de reinvestire a banilor).
În acest caz propietarul staţiei de GPL poată să acţioneze pentru optimizarea
procesului în următoarele direcţii:
a. lasă staţia la fel,
b. mai montează un pistol de umplere pe rezervorul de stocare şi amenajează un nou
loc de umplere a maşinilor,
c. creşte capacitatea pompei de reîncărcare,

25
 d. măreşte capacitatea de staţionare a maşinilor şi micşorează rata de încărcare a
rezervorului acestora (efectuează un studiu privind media de încărcare a maşinilor
cu GPL în staţia sa deoarece nu toate maşinile fac plinul).
Care dintre cele trei metode de mai sus sunt bune, criteriul de optimizare fiind timpul
de reumplere al rezervorului staţiei cu GPL. Din studiul tuturor celor patru variante de decizie se
observă că decizia a doua este cea mai bună.

Decizia 1 Decizia 2 Decizia 3 Decizia 4

Numar maxim de masini
ce pot fi operate pe ora 5 10 7 10
Numar maxim de masini
ce pot sta la coada 3 3 3 6
Numarul maxim de masini
ce doresc sa fie alimentate 10 10 10 10
Capacitatea rezervorului de
stocare (litri) 5000 5000 5000 5000
Capacitatea maxima de
umplere a rezervoarelor
masinilor (litri) 40 40 40 20
       
Timpul de reincarcare a
statiei (ore) 25 12,5 17,85714286 25
Timpul mediu de stationat
la coada (minute) 24 12 17,14285714 30
Numar de clienti neserviti
pe ora 5 0 3 0
Cost montare pistol   1000    
Cost amenajare platforma
pentru un nou pistol (euro)   5000    
Cresterea capacitatii de
pompare a GPL (euro)     1500  
Cost amenajare platforma
pentru masini (euro)       2000
Cost studiu de verificare a
ratei de umplere a
masinilor (euro)       500
Raportul timp de
reumplere la banii investiti
(%) 0 0,208333333 1,19047619 1

2.3. Construirea funcţiei obiectiv

Pentru a optimiza un proces tehnologic trebuie ca el să permită în exploatare mai

multe soluţii posibile şi mai multe variabile de decizie. De asemeni este necesară şi alegerea
unui criteriu de optimizare (care are rolul de a măsura eficienţa diverselor soluţii alese).
Criteriul de optimizare se exprimă printr-o funcţie (obiectiv sau de scop) implicită sau
explicită de variabile xi ale procesului.

26
 În orice problemă de optimizare se caută ca variabilele de decizie să poată asigura ca
rezultat final cea mai mare sau cea mai mică valoare posibilă (din domeniul aplicabil), a
funcţiei obiectiv.
Algoritmul de rezolvare a unei probleme de optmizare este prezentat în figura 8.

Alegerea Stabilirea Alegerea Modelarea

criteriului de restricţilor variabilelor de matematică a
optimizare decizie procesului

Stabilirea funcţiei
obiectiv

Alegerea metodei de
optimizare

Obţinerea soluţiei optime, ce implică utilizarea calculatorului

Aplicarea soluţiei
optime

Figura 8. Algoritmul rezolvării unei probleme de optimizare [4]

2.4. Alegerea metodei de optimizare

Alegerea metodei de optimizare se realizează funcţie de numărul de variabile de

decizie, forma funcţiei obiectiv, forma şi numărul restricţilor. Sunt foarte multe metode de
optimizare dar pentru industria chimică sunt utile:
a. Metodele analitice (clasice) care au drept obiectiv rezolvarea problemelor simple
de optimizare cu număr mic de variabile de decizie,
b. Metode numerice de optimizare care constau în căutarea optimului funcţiei
obiectiv prin metode de eliminare sau de urcare-coborâre a valorilor variabilelor de
decizie,
c. Metode de programare care constau în aplicarea unor funcţii obiectiv şi a
restricţiilor într-o formă de reprezentare specifică (programare liniară sau grafică).

27
 2.5. Căutarea optimului

A determina optimul unei funcţii obiectiv înseamnă a afla acele valori ale variabilelor
de decizie care respectă restricţile şi prin rezolvarea acestei funcţii se obţin valori maxime sau
minime care sunt cele mai bune.
Valorime maxime sau minime de optimizare sunt valorile maxime sau minine ale
funcţiei obiectiv care respectă modelul matematic scris.

2.6. Probleme rezolvate

1. Fie instalaţia de laminare a aburului prezentată în figura de mai jos.

Să se determine criterile de optimizare posibile, variabilele de decizie, restricţiile
precum şi metodele de optimizare.

pr
VI VI
Camera amestec

Robinet de laminare abur

VI Prize de livrare abur

laminat
Robinet de reglare apă rece tr

VI-ventil izolare

Figura 9.Instalaţia de laminare a aburului

a. Criterile de optimizare sunt următoarele:

-temperatura de ieşire a aburului de livrare,
-debitul de abur absorbit de instalaţie.
b. Variabilele de decizie sunt: temperatura de reglare (tr) şi presiunea de reglare (pr),
c. Restricţile sunt următoarele: temperatura de ieşire a aburului să fie peste 100 °C,
presiunea de livrare a apei să fie mai mare decât presiunea de laminare a aburului.
Instalația de laminare a aburului reprezintă o instalaţie chimică de optimizare a
aburului.

28
 2.7. Introducerea şi editarea datelor în Excel

Datele ce se introduc de la tastatură apar în celula activă, dar şi într-o zonă de deasupra foii de
calcul numită bară de formule. Dacă bara de formule nu este afişată, din meniul View se selectează
comanda Formula Bar. În bara de formule apare o bară clipitoare care indică locul unde va apărea
următorul cacter testat.

Introducerea datelor se termină apăsând tasta <Enter>, fie activând o altă celulă (cu
mousse-ul, cu săgeţi sau cu tasta <Tab>. Dacă datele nu se introduc corect şi nu se efectuează
corect operaţiile de mai sus nu se vor putea aplica alte comenzi. Într-o celulă se pot introduce
caractere alfanumerice, numere şi simboluri. Dacă se introduce un text (până la 255 caractere)
se validează prin tasta Enter. Textul va fi afişat în celulă, aliniat în stânga. Numerele care
trebuiesc introduse ca text se va testa cu un apostrof inaintea datelor. Dacă textul este prea
lung, nu încape în celulă dar textul trece în celula din dreapta dacă nu este ocupată. Dacă
celula nu este liberă apare doar textul ce încape restul fiind ascuns. Menţionăm că se poate
modifica dimensiunile celulei cu ajutorul mouse-lui care este poziţionat pe marginea etichetei
coloanei sau liniei. Forma cursorului se va modifica prin mişcarea mouse-ului. Se trage de
cursor până la dimensiunea dorită. Numerele se introduc în celule la fel ca şi literele. Dacă
celula este prea mică atunci numărul va apărea ca şi un produs exponenţial. Dacă numărul nu
poate fi afişat nici ca valoare exponenţială atunci va apărea sub forma #######.
Numerele pot fi de forma:
General 123456,7
Number 154,6
Currency USD 1234,5
Comma 12.345,6
Percent 123,456%
Scientific exponential 1,23 x 106
Fraction 2/4
True/False

Într-o celulă numerele sunt afişate la dreapta şi fracţiile se scriu zero apoi spaţiu şi
fracţia.
Valorile de tip orar pot fi introduse în următoarele formate:
Ora Format
15:31 h:mm
15:31:45 h:mm:ss
8:31 PM h:mm:AM/PM
3.31:45 PM h:mm:ss AM/PM
29
 Se va avea grijă ca la introducerea datelor să se aleagă sistemul de operare al ţării
respective fiindcă fiecare sistem are al mod de raportare al datelor.
Dacă datele din tabel au fost introduse greşit acestea se pot corecta în modul următor:
a. Se activează celula care conţine datele ce trebuiesc modificate,
b. Se apasă tasta F2 sau se aplică un clic pe formule în dreptul unde trebuiesc
efectuate modificări,
c. Se realizează corecturile necesare cu ajutorul tastei delete sau backspace. Apoi
se validează datele cu tasta enter,
d. Se salvează documentul elaborat.
Pentru copierea datelor se aplică următorii paşi:
a. se selectează celula sau domeniul de celule care trebuie copiată,
b. se aplică comanda Edit, Copy,
c. se selectează celula destinaţie,
d. se aplică comada Edit, Paste.
e. dacă celulele sunt apropiate se selectează celula care trebuie copiată, când cursorul
ia forma unei cruci subţiri, se apasă butonul stâng al mouse-ului se ţine apăsat pe
tasta control şi se trage de mouse peste celulele unde se vor copia datele apoi se
lasă butonul control.
Pentru mutarea datelor se aplică următorii paşi:
f. se selectează celula sau domeniul de celule care trebuie mutată,
g. se aplică comanda Edit, Cut,
h. se selectează celula destinaţie,
i. se aplică comada Edit, Paste.
j. dacă celulele sunt apropiate se selectează celula care trebuie mutată, când cursorul
ia forma unei cruci subţiri, se apasă butonul stâng al mouse-ului şi se trage de
mouse peste celulele unde se vor muta datele.

Capitolul 3.
Programarea liniară în industria chimică

30
 3.1. Date iniţiale

Programarea liniară reprezintă un procedeu de optimizare matematică, constând în

optimizarea unei funcţii obiectiv, funcţie de unele cerinţe exprimate ca inegalităţi sau ca
egalităţi liniare. Deci funcţia obiectiv cât şi restricţile sunt liniare funcţie de variabilele de
decizie. Programarea liniară este un substitut al modelelor de programare matematică şi derivă
din cuvântul englezesc programme (cu sensul de a planifica operaţile). Scopul programării
liniare este de a lua decizii optime de către managerul de proiect. Problema de programare
liniară este de a maximiza sau a minimiza o funcţie obiectiv în timp ce sunt satisfăcute un
număr de condiţii restrictive sau constrângeri. Funcţia obiectiv reprezintă scopul urmărit de
către beneficiar funcţie de variabilele de decizie. Restricţile sunt exprimate matematic prin
egalităţi sau inegalităţi. Acestea trebuiesc respectate atunci când se determină variabilele de
decizie.
Criterile de optimizare a funcţiei obiectiv pot fi de natură:
a. economică (beneficiul maxim, costurile de producţie minime, timp de
recuperare a investiţilor minim ),
b. tehnică (volumul reactorului, cantitatea de reactant necesară, cantitatea de
catalizator necesară, concentraţia produsului final).
Restricţile pot fi de natură;
a. fizică (valorile variabelor de decizie trebuie să fie nonegative),
b. tehnică (limitare la curentul de alimentare sau la temperatura de furnizare a agentului
de încălzire),
c. tehnologică (limitare a capacităţii de producţie sau a echipamentelor tehnice).
Optimizarea liniară în industria chimică se poate aplica în:
a. faza de proiectare (alegerea utilajelor si echipamentelor optime şi alegerea soluţiei
optime de prelucrare),
b. faza de exploatare (determinarea condiţilor optime de exploatare, determinarea rutelor
de alimentare cu produse şi materii prime, determinarea optimă a condiţilor de
fabricare a produselor chimice),
c. faza de conducere (optimizarea procesului de conducere a instalaţiei chimice,
controlul centralizat al proceselor chimice),
d. faza de comercializare (prospectarea pieţii şi livrarea optimizată a produselor,
depozitarea optimă a produselor).

31
 3.2. Definirea problemei de programare liniară

Aplicaţia 3

Să presupunem că o rafinărie prelucrează patru tipuri de ţiţei (milioane tone) conform

tabelului de mai jos.
Produse Ţiţei tip A Ţiţei tip B Ţiţei tip C Ţiţei tip D
Benzină 10 20 30 40
Petrol 5 5 10 10
Motorină 35 35 30 20
Păcură 50 40 30 30
Preţ USD/tonă 180 200 220 230
Rafinăria s-a obligat prin angajamente contractuale să prelucreze şi să livreze
următoarele produse finite:
Benzină 300.000 tone
Petrol 100.000 tone
Motorină 800.000 tone
Păcură 1.000.000 tone

Ce cantitate de ţiţei din fiecare sortiment trebuie prelucrată cu cheltuieli minime.

a. Variabilele de decizie
Variabilele de decizie sunt acele variabile ce descriu decizile ce pot fi luate.
Notăm cu x1, x2, x3, x4 cantităţile de ţiţei ce trebuiesc prelucrate din fiecare tip (în
milioane tone).

b. Funcţia obiectiv
Reprezită funcţia a cărui minim sau maxim se doreşte a fi obţinut. În cazul de fată
funcţia de eficienţă (obiectiv) este dată de relaţia
Min F=180 x1+200 x2+ 220 x3+ 230 x4 (USD/tonă))

c. Constrângerile sau condiţile restrictive

Sunt expresii scrise funcţie de variabilele de decizie. Coeficienţii variabilelor de
decizie sunt denumiţi şi coeficienţi tehnologici. Membrul drept al unei constrângeri reprezintă
de obicei resursele disponibile.

32
 Cantităţile de ţiţei ce trebuiesc prelucrate din fiecare tip trebuie alese astfel încât să
asigurăm:
Benzină 0,3 milioane tone
Petrol 0,1 milioane tone
Motorină 0,8 milioane tone
Păcură 1,0 milioane tone

d. Restricţiile de semn
Sunt condiţii impuse variabilelor de decizie de procesul tehnologic (putând fi pozitive,
negative sau nule).
x1, x2, x3, x4 care trebuie să fie mai mari decât 0.

e. Funcţia liniară
O funcţie F (x1, x2, ..., xn) este liniară dacă pentru unele seturi de constante este îndeplinită
relaţia:
F ( x1 , x2 ,..., xn )  c1  x1  c2  x2  ...  cn  xn (9)

f. Inegalitatea liniară
O inegalitate este liniară dacă există o funcţie f (x 1, x2, ..., xn) care indeplineşte una din
condiţiile:
f ( x1 , x2 ,..., xn )  b (10)
Sau:
f ( x1 , x2 ,..., xn )  b (11)
Unde b este constrângerea limită ce trebuie îndeplinită.

g. Definirea problemei
O problemă de programare liniară (de optimizare) constă în:
- obţinerea unui minim sau maxim a funcţiei obiectiv (funcţie liniară),
- satisfacerea de către variabilele de decizie a unui set de constrângeri,
- asocierea unei restricţii de semn variabilelor de decizie.

3.3. Modelul matematic

Modelul matematic asociat teoriei programării liniare este format dintr-un:

33
a. sistem de m ecuaţii şi inecuaţii ce reprezintă restricţile variabilelor de decizie xj(j=1,n),
a11 x1  a12 x2  ...a1n xn , ,  b1
a21 x1  a212 x2  ...a21n xn , ,  b2
(12)
...
am1 x1  am 2 x2  ...amn xn , ,  bm

b. un sistem de condiţii de restricţii de semn:

x1 , ,  0, x2 , ,  0,..., xn , ,  0 (13)
c. o funcţie obiectiv ce trebuie optimizată (maximizată sau minimizată):
f ( x )  c1 x1  c2 x2  ...  cn xn (14)
Formularea problemei constă în rezolvarea sistemului de ecuaţii şi inecuaţii dat de relaţiile
(12,13,14).

3.4. Proprietăţile programării liniare

Având în vedere că funcţia obiectiv şi constrângerile trebuie să fie liniare principalele

proprietăţi ale programării liniare sunt:
a. aditivitatea. Este proprietatea care arată că suma contribuţiilor diverselor activităţi la o
constrângere anume, este egală cu contribuţia totală la acea constrângere. Deci contribuţia
fiecărei variabile la funcţia obiectiv este independentă de valorile celorlalte variabile de
decizie şi contribuţia unei variabile la membrul stâng al fiecărei constrângeri este
independentă de contribuţia celorlalte variabile.
b. proporţionalitatea. Este proprietatea prin care orice activitate multiplicată printr-un
factor constant, este egală cu multiplicarea cu acelaşi factor al contribuţiei finale la funcţia
obiectiv. De asemeni contribuţia fiecărei variabile de decizie la funcţia obiectiv este
proporţională cu valoarea acesteia şi contribuţia fiecărei variabile din membrul stâng al
fiecărei constrângeri este proporţională cu valoarea variabilei .
c. divizibilitatea. Este proprietatea de a accepta în ecuaţiile programării liniare şi în
soluţiile obţinute, valori fracţionare.
d. certitudinea. În programarea liniară coeficienţii funcţiei obiectiv, membrul drept al
constrângerilor şi coeficientul tehnologic (coeficienţii variabilelor de decizie) sunt cerţi.

3.5.Concepte ale programării liniare

Ca şi concepte ale programării liniare sunt definite:

34
 a. zona realizabilă. Este zona în care problemele de programare liniară respectă toate
constrângerile şi restricţile de semn.
b. Soluţia optimă. Este punctul din zona realizabilă în care funcţia obiectiv are cea
mai bună valoare (maximă sau minimă).

Rezolvare Aplicaţia 3.

a. Scrierea ecuaţiilor:
Dacă vrem să obţinem 1 milion de tone de benzină avem:
Produse Ţiţei tip A Ţiţei tip B Ţiţei tip C Ţiţei tip D
Benzină 0,1 milioane 0,2 milioane 0,3 milioane 0,4 milioane
tone tone tone tone

0,1 x1+0,2 x2+ 0,3 x3+ 0,4 x4 (milioane tone) care trebuie să fie mai mare sau egală cu
cerinţa şi anume 0,3 milioane tone.
Pentru petrol avem:
0,05 x1+0,05 x2+ 0,1 x3+ 0,1 x4 (milioane tone) care trebuie să fie mai mare sau egală
cu cerinţa şi anume 0,1 milioane tone.
Pentru motorină avem:
0,35 x1+0,35 x2+ 0,3 x3+ 0,3 x4 (milioane tone) care trebuie să fie mai mare sau egală
cu cerinţa şi anume 0,8 milioane tone.
Pentru păcură avem:
0,5 x1+0,4 x2+ 0,3 x3+ 0,3 x4 (milioane tone) care trebuie să fie mai mare sau egală cu
cerinţa şi anume 1,0 milioane tone.

b. Scrierea restricţilor de semn:

x1,x2,x3,x4 care trebuie să fie mai mari decât 0.

c. Scrierea funcţiei obiectiv:

Min F=180 x1+200 x2+ 220 x3+ 230 x4 (USD/tonă).

3.6. Rezolvarea problemelor de programare liniară cu ajutorul Excel

35
 Datele de intrare necesare formării funcţiei obiectiv şi a constrângerilor vor fi trecute
în foaia de calcul. Celulele a căror valori se schimbă (variabile de decizie) în Excel se
numesc celule ajustabile sau schimbabile. Celulele ţintă conţine scopul funcţiei obiectiv.
Constrângerile se vor specifica în ferestre de dialog prin relaţii matematice aceptate de Excel.
Obţinerea valorilor optime prin programul Excel se poate realiza prin introducerea de date
aleatoriu şi valorificarea rezulatelor sau prin utilizarea opţiunii Solver (care modifică
sistematic valorile din celulele ajustabile în ordinea ptimizării valorii funcţiei obiectiv).

Utilizarea solverului

Pentru înstalarea solverului se merge pe comanda Tools, Add-Inss şi se marchează

opţiunea Solver. Se selectează comanda OK şi opţiunea Solver apare în Tools.
Cu opţiunea Solver se pot rezolva probleme de:
a. Maximizare a profiturilor,
b. Minimizarea cheltuielilor şi costurilor,
c. Transport,
d. Amestec.

Paşii pentru utilizarea Solverului sunt:

a. Se configurează parametrii de lucru şi se stabilesc celulele care conţin date de intrare,
b. Se aplică comanda Tools, Solver. Pe ecran apare caseta de dialog Solver Parameters,
c. În caseta Set Target Cell se specifică celula care conţine formula cu rezultatul ce
trebuie opţinut (funcţia Obiectiv),
36
d. În secţiunea Equal To se specifică cum trebuie să fie funcţia obiectiv (minim, maxim,
să aibă o anumită valoare),
e. În celula By Changing Cells se vor introduce celulele care se pot schimba,
f. În caseta Subject to Constrain se vor introduce constrângerile,
g. Constrângerile se adaugă prin aplicarea unui clic pe butonul Add Constraints,

h. În caseta Cell Reference se va specifica celula ce conţine restricţia,

i. În caseta Constraint se allege valoarea ce trebuie respectată,
j. Se aplică pe butonul Add pentru a mai înscrie şi alte restricţii,
k. De notat că în coloana a doua se va alege şi operatorul corespunzător (retricţia de
semn),
l. Se aplică un clic pe butonul Solve,
m. Solverul va începe să realizeze calculele. După ce se găseşte soluţia optimă aceasta se
afişează în caseta de dialog Solver Results,
n. Solverul introduce valorile optime în foaia de calcul. Dacă se doreşte restaurarea
valorilor iniţiale se face clic pe Restore Original Values,

37
o. Solverul permite generarea a trei tipuri de rapoarte şi anume Answer unde sunt sunt
prezentate valorile iniţiale şi finale pentru celula rezultat şi celulele care conţin datele
de intrare, Sensitivity unde se prezintă o analiză de sensitivitate a datelor de intrare
(cum variază rezultatul la modificarea acestor variabile) şi Limits unde se specifică
între ce valori pot varia limitele impuse prin restricţii astfel încât rezultatul final să nu
se modifice,
p. Alegerea tipului de raport se realizează din caseta Solver Results.

Modificarea configuraţiei Solverului

Pentru a utiliza Solverul se pot configura:

a. Timpul maxim de a găsi o soluţie (secunde),
b. Numărul maxim de iteraţii ce le poate realiza,

38
 c. Precizia între două încercări de soluţie, până se găseşte cea mai bună soluţie,
d. Toleranţa rezultatului final faţă de cea mai bună soluţie,
e. Opţiunea Assume Linear Model ne configurează o problemă de programare liniară
(dacă foia de calcul conţine o problemă neliniară se afişează un mesaj),
f. Afişarea soluţiilor intermediare se poate realiza prin opţiunea Show Iteration
Results,
g. Opţiunile Tangent şi Quadratic sunt metode adiţionale pentru calculul optimului
(dacă se utilizează ecuaţii neliniare complexe se poate utiliza opţiunea Quadratic),
h. Opţiunea Derivates permite utilizarea metodei de derivare parţială,
i. Opţiunea Search permite specificarea metodei de căutare folosită.

PROBLEMA 1. Urmarirea obtinerii unor cheltuieli minime care să asigure prelucrarea

unor loturi de ţiţei diferite şi să se realizeze produsele cerute.

Rafinăria prelucrează 4 tipuri de ţiţei (Tip A, Tip B, Tip C, Tip D) cu următoarele

randamente şi preţuri de prelucrare:

Produse Ţiţei tip A Ţiţei tip B Ţiţei tip C Ţiţei tip D

Milioane tone
Benzină, % 10 20 30 40
Petrol, % 5 5 10 10
Motorină, % 35 35 30 20
Păcură, % 50 40 30 30
Preţ, USD/tonă 180 200 220 220

Cheltuielile de prelucrare cuprind preţul de cumpărare al ţiţeiului, la care se adaugă şi

costul tranportului şi cheltuielile proporţionale ale diferitelor operaţii de prelucrare ce permit
să-l transforme integral în benzină, motorină, petrol şi păcură.
Această rafinărie şi-a programat prin angajamente contractuale să livreze pentru
intern şi export, următoarele cantităţi de produse finite:
Benzină, tone 300.000
Petrol, tone 100.000
Motorină, tone 800.000
Păcură, tone 1.000.000

39
 Problema care se pune în acest caz este determinarea cantităţilor de ţiţei necesare a se
prelucra din fiecare tip astfel încât să obţinem cantităţile de produse cu cheltuieli minime.

Rezolvare:
Pentru rezolvarea acestei probleme putem apela la programarea liniară prin
construirea unui sistem de ecuaţii şi inecuaţii liniare, care să exprime restricţile tehnice şi
economice impuse de către procesul de prelucrare a ţiţeiului în rafinărie.
Notăm cu x1, x2, x3, x4 cantităţile de ţiţei ce trebuiesc prelucrate din fiecare tip (în
milioane tone anual), care sunt definite ca şi variabile de decizie.
Aceste cantităţi trebuie astfel alese astfel încât să asigurăm prelucrarea cantităţilor
minime de sortimente (cele contractate).
Dacă prelucrăm un milion de tone de ţiţei obţinem :
- 0,1 milioane tone de benzină în cazul prelucrării ţiţeiului tip A,
- 0,2 milioane tone de benzină în cazul prelucrării ţiţeiului tip B,
- 0,3 milioane tone de benzină în cazul prelucrării ţiţeiului tip C,
- 0,4 milioane tone de benzină în cazul prelucrării ţiţeiului tip D.
Dacă se prelucrează x1 milioane tone ţiţei tip A, x2 milioane tone ţiţei tip B, x3 milioane tone
ţiţei tip C, x4 milioane tone ţiţei tip D, producţia totală de benzină este de:
0,1 x1 + 0,2 x1 + 0,3 x1 + 0,4 x1 ≥ 0,3 (care este cantitatea de bezină asumată prin contracte),
În mod analogic obţinem şi celelalte inecuaţii şi restricţii pentru petrol, motorină, păcură:
0,05 x1 + 0,05 x1 + 0,1 x1 + 0,1 x1 ≥ 0,1 (petrol)
0,35 x1 + 0,35 x1 + 0,3 x1 + 0,2 x1 ≥ 0,8 (motorină)
0,5 x1 + 0,4 x1 + 0,3 x1 + 0,3 x1 ≥ 1,0(păcură)
Acestea inecuaţii sunt constrângerile sau condiţiile restrictive.
Funcţia de eficienţă sau funcţia obiectiv, respectiv cheltuiala care urmează a se minimaliza
este:
Min F= 180 x1 + 200 x2 + 220 x3 + 230 x4 .
De asemeni se impun ca ţiţeiurile prelucrate x1, x2, x3, x4 definite ca şi restricţii de semn să
aibă valori nenegative adică:
xi≥0, i=1,2,3,4.
Pentru prelucrare in EXCEL se aplică următorii paşi:
a. Se construieşte o foaie de date trecând într-un tabel datele din tabelul 1,

40
 b. Se construieşte ecuaţia de calcul pentru benzină -se inmulţeşte cantitatea utilizată
de ţiţei tip A valoare pe care o dăm noi (B7) cu cantitatea de benzină ce se poate
obţine dacă prelucrăm acest ţiţei (B1) , apoi se insumează cu produsul dintre
cantitatea utilizată de ţiţei tip B valoare pe care o dăm noi (C7) cu cantitatea de
benzină ce se poate obţine dacă prelucrăm acest ţiţei (C1), apoi se insumează cu
produsul dintre cantitatea utilizată de ţiţei tip C valoare pe care o dăm noi (D7)
cu cantitatea de benzină ce se poate obţine dacă prelucrăm acest ţiţei (D1), apoi se
insumează cu produsul dintre cantitatea utilizată de ţiţei tip D valoare pe care o
dăm noi (E7) cu cantitatea de benzină ce se poate obţine dacă prelucrăm acest ţiţei
(E1), suma trebuie să fie mai mare decât valoarea minimă necesară a fi obţinută,
c. Se construieşte ecuaţia de calcul pentru motorină, petrol şi păcură,
d. Se construieşte ecuaţia de calcul a funcţiei obiectiv: se inmulţeşte cantitatea
utilizată de ţiţei tip A valoare pe care o dăm noi (B7) cu preţul de cost al
prelucrarii dacă prelucrăm acest ţiţei (B6) , apoi se insumează cu produsul dintre
cantitatea utilizată de ţiţei tip B valoare pe care o dăm noi (C7 cu preţul de cost al
prelucrarii dacă prelucrăm acest ţiţei (C6), apoi se insumează cu produsul dintre
cantitatea utilizată de ţiţei tip C valoare pe care o dăm noi (D7) cu preţul de cost
al prelucrarii dacă prelucrăm acest ţiţei (D6), apoi se insumează cu produsul dintre
cantitatea utilizată de ţiţei tip D valoare pe care o dăm noi (E7) cu preţul de cost
al prelucrarii dacă prelucrăm acest ţiţei (E6),
e. Se aleg valori pentru cantităţile de ţiţei (B7,C7,D7,E7) si se vede dacă se respectă
atât condiţiile din coloana G cât şi o valoare mai mică a cheltuielilior de prelucrare
(F6),
f. S-a ales ca prim exemplu prelucrarea a circa 1,0 milion de tone de ţiţei tip A, B,C
şi D,
g. După cum se observă se respectă condiţiile dar cheltuielile de prelucrare sunt
foarte mari (830 milioane USD) şi avem şi un excedent de produse.

PRELUCRAREA UNOR LOTURI DE ŢIŢEI PENTRU OBŢINEREA UNOR PRODUSE CONTRACTATE

A B C D E F G
Cantitatea
ŢIŢEI TIP ŢIŢEI TIP ŢIŢEI TIP ŢIŢEI TIP TOTAL necesară a fi
  A B C D UTILIZAT obţinută
1 BENZINĂ 0,1 0,2 0,3 0,4 1 0,3
2 PETROL 0,05 0,05 0,1 0,1 0,3 0,1
41
 3 MOTORINĂ 0,35 0,35 0,35 0,2 1,25 0,8
4 PĂCURĂ 0,5 0,4 0,3 0,3 1,5 1
 Cheltuieli de prelucrare

PREŢ
6 USD/TONĂ 180 200 220 230 830  
CANTITĂŢI
UTILIZATE
DE ŢIŢEI 1 1 1 1    

Se poate utiliza şi solverul şi se obţine valoarea optimă.

a. se trece în coloana SET TARGET CELL valoarea din celula F6 care trebuie să fie
minimă,
b. se alege in Guess valorile interschimbabile care sunt coloanele, B7,C7,D7,E7,
c. se adaugă constrângerile şi anume F1 mai mare sau egal cu G1, F2 mai mare sau egal
cu G2, F3 mai mare sau egal cu G3, F4 mai mare sau egal cu G4 şi constrangerea de
semn adică B7,C7,D7,E7 să fie mai mari sau egale cu zero,
d. după solver avem valorile:
TOTAL MAXIM
  A B C D UTILIZAT UTILIZAT
BENZINĂ 0,1 0,2 0,3 0,4 0,299999997 0,3
PETROL 0,05 0,05 0,1 0,1 0,132142856 0,1
MOTORINĂ 0,35 0,35 0,35 0,2 0,8 0,8
PĂCURĂ 0,5 0,4 0,3 0,3 1,071428574 1
PREŢ
USD/TONĂ 180 200 220 230 425,7142852  
CANTITĂŢI
UTILIZATE 1,928571442 0 0,357143 0    
Notă: la acest model putem introduce alte condiţii, ca de exemplu obligativitatea să prelucrăm
o anumită cantitate de ţiţei tip şi vom avea ecuaţiile de mai sus completate cu o ecuaţie de
forma xi≤ bi dacă avem o cantitate maxim limitată sau xi ≥bi dacă avem o cantitate minimă
limitată.

PROBLEMA 2. Prelucrarea unor loturi de ţiţei în scopul obţinerii unui beneficiu maxim,
când sortimentele sunt limitate cantitativ.

În acest caz avem o rafinărie care prelucrează trei tipuri de ţiţei (tip A, tip B, tip C) şi din care
obţinem 5 categorii de produse finite (gaze şi gaze lichefiate, benzină, motorină, petrol,
păcură). Randamentele ţiţeiurilor sunt.
42
 Produse Ţiţei tip A (tone) Ţiţei tip B Ţiţei tip C (tone)
(tone)
Gaze şi gaze lichefiate 3 0 5
Benzină 20 25 30
Petrol 7 0 5
Motorină 42 30 30
Păcură 28 45 30
Total 100 100 100

Să presupunem că rafinăria poate produce următoarele cantităţi maxime de produse:

Produse tone
Gaze şi gaze lichefiate 250.000
Benzină 1.000.000
Petrol 130.000
Motorină 1.300.000
Păcură 1.750.000
Total 4.430.000 tone

Producţia rafinăriei este limitată ori de capacitatea limitată de prelucrare a unei instalaţii sau
de piaţa de desfacere.
Rafinăria realizează un beneficiu de:
Tip ţiţei Beneficiu pe tonă
USD
A 15
B 20
C 20

Problema constă în găsirea cantităţii de ţiţei din fiecare lot ce trebuie prelucrată astfel încât să
obţinem un beneficiu total maxim.
Deci funcţia obiectiv va avea următoarea formă:
Max F=15 x1+20 x2+20 x3,
Constrângerile sau restricţiile privind cantităţile ce trebuiesc prelucrate anual sunt:
a. Pentru gaze şi gaze lichefiate avem:
0,03 x1+0 x2+ 0,05 x3 ≤25,
b. Pentru limitarea producţiei de benzină avem:
0,20 x1+0,25 x2+ 0,30 x3 ≤100,
c. Pentru limitarea producţiei de petrol avem:
0,07 x1+0 x2+ 0,05 x3 ≤13,
43
 d. Pentru limitarea producţiei de motorină avem:
0,42 x1+0,45 x2+ 0,30 x3 ≤175,
Prelucrare in EXCEL:
a. Se construieşte foaia de date comform tabelului de mai jos,
b. Se definesc ecuaţiile de calcul pentru restricţiile la produse astfel:
b.1 pentru gaze şi gaze lichefiate: se inmulţeşte cantitatea aleasă de noi pentru
prelucrare pentru ţiţeiul tip A ( C9) cu randamentul prelucrarii ţiţeiului tip A pentru
obţinerea acestui produs şi anume C2 care se insumează cu produsul dintre cantitatea
aleasă de noi pentru prelucrare pentru ţiţeiul tip B ( D9) cu randamentul prelucrarii
ţiţeiului tip B pentru obţinerea acestui produs şi anume D2, care apoi se insumează cu
produsul dintre cantitatea aleasă de noi pentru prelucrare pentru ţiţeiul tip C ( E9) cu
randamentul prelucrarii ţiţeiului tip C pentru obţinerea acestui produs şi anume D2.
b.2. se definesc la fel ecuaţiile pentru celelalte produse.
c. se calculează beneficiul prelucrarii ca fiind produsul dintre cantitatea de ţiţei aleasă de
noi pentru prelucrare tip A (C9) şi beneficiul prelucrării ţiţeiului tip A (C8), care se insumează
cu produsul dintre cantitatea de ţiţei aleasă de noi pentru prelucrare tip B (D9) şi beneficiul
prelucrării ţiţeiului tip B (D8) care apoi se insumează cu produsul dintre cantitatea de ţiţei
aleasă de noi pentru prelucrare tip C (E9) şi beneficiul prelucrării ţiţeiului tip C (E8).
d. cantitatea de produs obţinută (F2,3,4,5) trebuie să fie mai mică ca şi cantitatea de
produs din coloana G (G2,3,4,5),
e. se dau valori până când se obţine valoarea maximă a beneficiului.

PRELUCRAREA ŢIŢEIURILOR IN RAFINĂRIE-OBŢINEREA UNUI BENEFICIU MAXIM

TIP ŢIŢEI
A B C D E F G
CANTITATE VALORI MAXIME
1 PRODUSE A B C OBTINUTA CE SE POT ATINGE
GAZE ŞI GAZE
2 LICHEFIATE 0,03 0 0,05 8 25
3 BENZINĂ 0,2 0,25 0,3 75 100
4 PETROL 0,07 0 0,05 12 13
5 MOTORINĂ 0,42 0,3 0,3 102 130
6 PĂCURĂ 0,28 0,45 0,3 103 175
7            
8 BENEFICIU 15 20 20 5500  
9 CANTITATE ŢIŢEI 100 100 100    

APLICAREA SOLVERULUI
44
Se poate utiliza şi solverul şi se obţine valoarea optimă.
a. se trece în coloana SET TARGET CELL valoarea din celula F8 care trebuie să fie
maximă,
b. se alege in Guess valorile interschimbabile care sunt coloanele, C9,D9,E9,
c. se adaugă constrângerile şi anume F2 mai mare sau egal cu G2, F3 mai mare sau egal
cu G3, F4 mai mare sau egal cu G4, F5 mai mare sau egal cu G5 şi constrangerea de
semn adică C9,D9,E9 să fie mai mari sau egale cu zero,
d. după solver avem valorile:

A B C D E F G
VALORI
MAXIME
CE SE
CANTITATE POT
1 PRODUSE A B C OBTINUTA ATINGE
GAZE ŞI
GAZE
2 LICHEFIATE 0,03 0 0,05 1,791666671 25
3 BENZINĂ 0,2 0,25 0,3 100 100
4 PETROL 0,07 0 0,05 4,041666669 13
5 MOTORINĂ 0,42 0,3 0,3 130 130
6 PĂCURĂ 0,28 0,45 0,3 175 175
7            
8 BENEFICIU 15 20 20 7935,416666  
CANTITATE
9 ŢIŢEI 56,24999995 352,4999999 2,083333441    

3.7. Rezolvarea problemelor de programare liniară cu ajutorul metodei grafice

Rezolvarea problemelor de programare liniară se poate realiza şi grafic dacă sunt

utilizate doar două variabile de decizie.

Aplicaţia 4.
Într-un complex petrochimic se realizează două tipuri de uleiuri cu următoarele
proprietăţi:
a. 5 lei profit uleiul tip A,
b. 6 lei profit ulei tip B,
c. 5000 ore de manoperă disponibile,

45
 d. 4 ore manoperă pentru uleiul tip A,
e. 2 ore manoperă pentru uleiul tip B,
f. 300 litri de aditivi pentru uleiuri,
g. 0,2 litri de aditiv la uleiul tip A,
h. 0,3 litri de aditiv la uleiul tip B,
Relaţiile ce descriu modelul de optimizare sunt:
-funcţia de obiectiv:
max z  5 x1  6 x2
-constrângerea de manoperă,
4 x1  2 x2  5000 ,

- constrângerea dată de utilizarea aditivilor,

0,2 x1  0,3 x2  300 ,

- restricţii de semn:
x1  0; x2  0

Obţinerea soluţiei optime:

a. Metoda analitică,
Se realizează o foaie de calcul care să ne ofere modelarea ecuaţiilor de mai sus. Se dau valori
pentru uleiul A şi B până se ating constrângerile.
maxim de atins
1 Ulei tip A 400
2 Ulei tip B 700

3 functia obiectiv 6200

4 constrangerea de manopera 3000 5000
5 constrangerea data de aditivi 290 300
6 restrictii de semn ulei A minim 0
7 restrictii de semn ulei B minim 0

b. Metoda grafică
Constă în determinarea regiunii realizabile grafic.
Se trasează linia pentru orele de manoperă.
4 x1  2 x2  5000 , linia uneşte punctele (0, 2500) şi (1250, 0).

Toate punctele sub această linie sunt cele ce realizează regiunea realizabilă. Dacă punctul
(0,0) nu îndeplineşte condiţia de restricţie se anulează (nu este valabil în cazul de faţă).
Se trasează şi linia utilizării aditivilor.

46
 0,2 x1  0,3 x2  300 , punctele (0, 1000) şi (1500,0) sunt cele ce dau regiunea realizabilă a

condiţiei de utilizare aditivi. Sub cele două linii sunt punctele realizabile. Optimul este realizat
de intersecţia celor două linii. Pentru obţinerea unor linii de profit se află o valoare de decizie
considerând profitul constant (se determină panta).

X2

3000

2000 linia constrângerilor de manoperă

Linii de isoprofit
1000 Punct optim

linia constrângerilor de aditivi

Regiune realizabilă
0 1000 1500 2000 2500 X1

max z  5 x1  6 x2 ,
z 6 z z 5
x1   x2 , intersectează axa x1, în punctul . x2   x1 , intersectează axa x2, în
5 5 5 6 6

z
punctul . Pentru două valori ale lui z se obţin două linii de isoprofit.
6

3.8. Imposibilitatea şi nemărginirea

Dacă nu se poate determina o regiune realizabilă atunci problema este imposibilă.

Acest fapt se poate datora ori constrângerilor ce nu pot fi satisfăcute ori datorită unei greşeli
de formulare. De menţionat că nu se poate determina eroarea datorată unei soluţii imposibile.
Nemărginirea unui model apare când fie s-a definit unele constrângeri eronate sau formularea
modelului nu a fost precisă şi deci nu se pot determina soluţii optime. În practică toate
sistemele au soluţii optime.

3.9.Analiza sensibilităţii

47
 Sensibilitatea unui sistem optim se determină prin introducerea unui decrement care să
asigure creşterea funcţiei obiectiv sau descreşterea acesteia (funcţie de cerinţă, maxim sau
minim).
Noua valoare a lui z va fi:
noua valoare z  vechea valoare z  

48
 Capitolul 4.
Probleme de transport

4.1. Date iniţiale

Problemele de transport apar atunci când trebuie livrate anumite produse disponibile.
Acestea se află depozitate în m centre de aprovizionare (notate cu D i, i=1,m) şi trebuie
transportate la n centre de desfacere (notate cu Cj, j=1,n).
Transportul se poate realiza de la orice centru de aprovizionare D i către orice centru de
desfacere Cj, costul unitar de transport cij depinzând de mijloacele de transport folosite şi de
distanţele parcurse. Scopul rezolvării acestor probleme constă în transportul (cu cheltuieli
minime) a cantităţilor necesare bi în cele n centre de desfacere având disponibile a i cantităţi
disponibile aflate în cele m centre de aprovizionare.
Di Cj C1 C2 ... Cn Disponibil
D1 c11 c12 ... c1n a1
D2 c21 c22 ... c2n a2
. .
. .
. .
Dm cm1 cm2 ... cmn am
Necesar b1 b2 ... bn

4.2. Modelul matematic

Fie xij cantitatea de produs ce trebuie de la D i la Cj. Modelul matematic al problemei

de transport se poate scrie astfel:
x11 + x12 + ...+x1n=a1
x21 + x22 + ...+x2n=a2
... ai≥0,i= 1,m (15)
xm1 + xm2 + ...+xmn=am.

Şi
49
 x11 + x21 + ...+xm1=b1
x12 + x22 + ...+xm2=b2
... bi≥0,i= 1,n (16)
x1n + x2n + ...+xmn=bn.
xij≥0, i= 1,m ; j=1,n
m n
f ( x)   cij xij  min (17)
i 1 j 1

4.3. Echilibrarea problemei de transport

Când cantitatea disponibilă este egală cu cantitatea cerută atunci problema de transport
este echilibrată.
m n

 ai   b j
i 1 j 1
(18)

Se poate întâmpla ca ecuaţia (18) să nu fie echilibrată, atunci se poate introduce centre
fictive care să echilibreze problema.
m n
a. Dacă  a  b
i 1
i
j 1
j , atunci se adaugă un depozit fictiv care are un disponibil

m n

astfel încât:  ai  am 1   b j , iar costurile de transport la depozitul fictiv D m+1

i 1 j 1

la Cj sunt nule (cm=1,j=0; j=1,n).

m n
b. Dacă  ai   b j , atunci se adaugă un centru de desfacere fictiv care necesită
i 1 j 1

m n

unităţi de produs astfel încât:  a  b

i 1
i
j 1
j  bn 1 , iar costurile de transport la

depozitul Di la centru fictiv Cn+1 sunt nule (ci,n+1=0, i=1,m).

Observaţii:
a. Numărul total de restricţii este m+n, numărul de restricţii independente este m+n-1.
b. Orice problemă de transport admite soluţii admisibile sistemul fiind compatibil
determinat,

50
 4.4. Rezolvarea problemelor de transport

Rezolvarea problemelor de transport se face prin admiterea unei soluţii de bază

admisibilă ca punct de pornire sau prin aplicarea unui algoritm (simplex) şi obţinerea unei
soluţii optime.
a. Rezolvarea problemelor de transport prin admiterea unei soluţii de bază
admisibilă
Metoda constă în determinarea lui xij.
xij =min (ai,bj) deci este egal cu ai dacă ai < bj, sau cu bj dacă bj < ai ori cu ai (bj) dacă
ai=bj. După alegerea lui xij se inlocuieşte ai cu ai-xij şi bj cu bj-xij. Apoi se suprimă linia i a
tabelului dacă xij=ai, coloana j a tabelului dacă xij=bj sau ori linia i sau coloana j dacă a i=bj. Va
rezulta un tabel cu o linie sau o coloană mai puţin. Procedeul se repetă până ce se respectă
toare cerinţele (restricţile).
Pentru aplicarea acestei modalităţi de rezolvare se poate utiliza:
a. Metoda colţului de Nord-Vest,
b. Metoda costului minim din tabel,
c. Metoda costului minim din linie,
d. Metoda costului minim din coloană.

Aplicaţia 5.
O firmă de transport trebuie să asigure livrarea a unor butoaie de ulei de la depozitele
de produse petroliere către centrele de desfacere (Tabelul de mai jos). Să se determine
numărul de butoaie xij care să fie transportate de la depozitul Di la centrul de desfacere Cj
astfel încât costul total al transportului să fie minim. (în celulele din tabel sunt trecute
cheltuielile de transport).
D i , Cj C1 C2 C3 Disponibil
D1 100 500 400 1000
D2 400 300 200 900
D3 600 200 300 1100
Necesar 1100 1000 900 3000
Se observă că problema este echilibrată: cantitatea necesară în total (1100+1000+900=3000
de butoaie cu ulei) este egală cu cantitatea disponibilă (1000+900+1100=3000).
Din modelul matematic general, m=3 şi n=3, deci soluţia admisibilă de bază va avea cel mult
m+n-1=3+3-1=5 componente.
Metoda colţului de nord vest
51
Se introduc variabilele xij în tabelul de mai sus.
Di , Cj C1 C2 C3 Disponibil
ai
D1 100 500 400 1000
x11 x12 x13 a1
D2 400 300 200 900
x21 x22 x23 a2
D3 600 200 300 1100
x31 x32 x33 a3
Necesar 1100 1000 900 3000
bj b1 b2 b3
x11 = min(a1, b1) = min(1100, 1000) = 1000 = a1
Se înlocuieşte a1 = 1000 cu 1000 - 1000 = 0 şi b1 = 1100 cu 1100 - 1000 = 100. Deoarece x11 =
a1, se suprimã linia 1 (aceastã linie nu se va mai lua în considerare în calculele urmãtoare).
Di , Cj C1 C2 C3 Disponibil
ai
D1 1000 500 400 1000
0
1000 0 0 a1

D2 400 300 200 900

900
x21 x22 x23 a2
D3 600 200 300 1100 1100
x31 x32 x33 a3
Necesar 1100 1000 900 3000
bj b1 =100 b2 b3

Se continuã cu elementul din nord-vest al tabelului din linia a doua:

x21 = min(a2, b1) = min(900, 100) = 100 = b1. Se înlocuieşte a2 = 900 cu 900 - 100 = 800 şi b1
= 100 cu 100 - 100 = 0. Deoarece x 12 = b1, se suprimã prima coloanã a tabelului rãmas (prima
coloanã a tabelului iniţial).

Di , Cj C1 C2 C3 Disponibil
ai
D1 1000 500 400 1000
0 0
1000 0 0 a1

D2 400 300 200 900 800

52
 a2 900
100 x22 x23 a2 a2 a2

D3 600 200 300 1100 1100 1100

0 x32 x33 a3 a3 a3

Necesar 1100 1000 900 3000

bj b1 =100 b2 b3

0 b2 b3

Elementul din colţul de nord-vest al tabelului rãmas este:

x22 = min(a2, b2) = min(800, 1000) = 800 = a 2 şi se înlocuieşte a2 = 800 cu 800 -800 = 0 şi b 2 =
1000 cu 1000 - 800 = 200. Deoarece x22 = a2, se suprimã prima linie a tabelului rãmas (a doua
linie a tabelului iniţial).
Tabelul rãmas va fi format din celulele variabilelor x 32 şi x33. x32 = min(b2, a3) =
min(200,1100) = 200 = b2 . Se înlocuieşte b2 = 200 cu 200 -200 = 0 şi a3 = 1100 cu 1100 - 200
= 900. Deoarece x32 = b2, se suprimă coloana a doua a tabelului iniţial. Mai rămâne o coloană
x33= min(a3, b3) = min(900, 900) = 900 = a3 = b3. Se înlocuieşte a3 şi b3 cu 900-900 adică 0.

Di , Cj C1 C2 C3 Disponibil, ai
D1 1000 500 400 1000 0
0 0
1000 0 0 a1

D2 400 300 200 900 800 0

900
a2
100 800 0 a2 a2 a2

D3 600 200 300 1100 1100 1100 1100

0 x32 x33 a3 a3 a3 a3

Necesar 1100 1000 900 3000

bj b1 =100 b2 b3

0 b2 b3

200 b3

53
 Di , Cj C1 C2 C3 Disponibil, ai
D1 1000 500 400 1000 0 0
0 0
1000 0 0 a1

D2 400 300 200 900 800 0 0

900
a2
100 800 0 a2 a2 a2

D3 600 200 300 1100 1100 1100 1100 900

0 200 x33 a3 a3 a3 a3 a3

Necesar 1100 1000 900 3000

bj b1 =100 b2 b3

0 b2 b3

200 b3

0 b3

Tabelul final va fi următorul:

Di , Cj C1 C2 C3 Disponibil, ai
D1 1000 500 400 1000 0 0
0 0 0
1000 0 0 a1

D2 400 300 200 900 800 0 0 0

900
a2
100 800 0 a2 a2 a2

D3 600 200 300 1100 1100 1100 1100 900 0

0 200 900 a3 a3 a3 a3 a3

Necesar 1100 1000 900 3000

bj b1 =100 b2 b3

0 b2 b3

0 200 b3

0 0 b3

0 0 0

Ecuaţiile aplicaţiei 5 sunt următoarele:

54
 x11  x12  x13  1000
x21  x22  x23  900
x31  x32  x33  1100
x11  x21  x31  1100
x21  x22  x23  1000
x31  x32  x33  900
min F  100x11  500x12  400x13  400x21  300x22  200x23  600x31  200x32  300x33 
100x11  400x21  600x31  500x21  300x22  200x23 
400x31  200x32  300x33

Pentru metoda colţului de nord vest rezultatele sunt X=( 1000, 0, 0 ; 100, 800, 0 ; 0,
200 , 900).

D i , Cj C1 C2 C3 Disponibil
D1 1000 0 0 1000
D2 100 800 0 900
D3 0 200 900 1100
Necesar 1100 1000 900 3000

x11 1000 x21 100 x31 0

x12 0 x22 800 x32 200
x13 0 x23 0 x33 900
deci F=100 x 1000 +500 x 0 + 400 x 0+ 400 x 100 + 300 x 800 + 200 x 0 + 600 x 0 +
200 x 200 + 900 x 300 + 100 x 1000 + 400 x 100 + 600 x 0 + 500 x 100 + 800 x 300 + 200 x
0 + 400 x 0 + 200 x 200 + 900 x 300= 1.380.000 lei.

Metoda costului minim

Se caută costul minim cij. Acesta este x11. Se alocă 1000 pentru această valoare care
este şi disponibil şi se anulează restul liniei (pentru că nu mai avem disponibil). Luăm
următoarea valoare minimă şi anume x23, x32 la care se alocă valoarea 900 care este disponibil
şi se anulează restul liniei şi a coloanei (deoarece necesarul este tot 900 pe coloană) pentru x 23
şi 1000 pentru x32. Luăm următorul cost minim rămas şi anume x31. La acesta îi dăm valoarea
de 100 ce a mai rămas din disponbil.
D i , Cj C1 C2 C3 Disponibil
D1 100 500 400 1000
D2 400 300 200 900
D3 600 200 300 1100
Necesar 1100 1000 900 3000

55
 D i , Cj C1 C2 C3 Disponibil
D1 1000 0 0 0
D2 0 0 900 900
D3 100 1000 0 1100
Necesar 1100 1000 900 3000

Prin metoda costului minim rezultatele sunt următoarele:

x11 1000 x21 0 x31 0
x12 0 x22 0 x32 900
x13 100 x23 1000 x33 0

deci F=100 x 1000 +500 x 0 + 400 x 0+ 400 x 0 + 300 x 0 + 200 x 900 + 600 x 100 +
200 x 1000 + 0 x 300 + 100 x 1000 + 400 x 0 + 600 x 100 + 500 x 0 + 0 x 300 + 200 x 1000 +
400 x 0 + 200 x 900 + 0 x 300= 1.040.000 lei.

56
 Capitolul 5.
Simularea Monte Carlo

5.1. Date iniţiale

Simularea prin metoda Monte Carlo se aplică în cadrul sistemelor ce manifestă

dezvoltare prin aplicarea hazardului (şansei) în comportament. Această metodă stă la baza
procedurilor de generare a proceselor probabilistice.
Problemele de decizie unde este nevoie de generare a proceselor probabilistice, sunt
următoarele:
a. Lansarea unui nou produs (unde preţul şi cererea de produs sunt aleatorii),
b. Determinarea stocurilor optime la un depozit (mărimea comenzii de livrare, nivelul
stocului de subzistenţă, nivelul stocului minim la care se emite o nouă comandă de
aprovizionare),
c. Estimarea duratei de finalizare a unui proiect în care apar fenomene aleatorii,
d. Programarea activităţii de reparaţie a unor utilaje, în vederea realizării producţiei şi
investiţiilor în noi utilaje şi pe baza probabilităţii de defectare a utilajelor,
e. Dimensionarea unor staţii de livrare a carburanţilor funcţie de solicitările de
servire şi durata aleatorie de servire.

5.2. Prezentarea metodei

Tehnica utilizării metodei Monte Carlo se realizează în cinci paşi şi anume:

a. Alegerea distribuţiei probabile pentru variabilele de decizie,
b. Determinarea unei distribuţii probabile cumulate pentru fiecare variabilă,
c. Stabilirea intervalelor numerelor aleatorii pentru fiecare variabilă,
d. Generarea numerelor aleatorii,
e. Realizarea mai multor serii de simulare.

57
 Ideea de bază a simulării Monte Carlo constă în generarea unor valori aleatorii pentru
variabilele necesare a fi optimizate. În natură variabilele aleatorii pot fi discrete sau continue.
Ca exemple de variabile aleatorii putem prezenta:
a. Timpul scurs între două defecţiuni ale unui utilaj sau instalaţii chimice,
b. Cererea şi timpul de livrare a stocurilor de produse petroliere,
c. Timpul de execuţie a unei etape dintr-un proiect,
d. Intrările într-o staţie de carburanţi şi timpul de servire (aplicabile în teoria firelor de
aşteptare),
e. Numărul angajaţilor care nu se prezintă la serviciu dintr-o anumită problemă.
Metoda Monte Carlo a fost dezvoltată de către cercetătorii de la Los Alamos National
Laboratory în anul 1940 şi a avut drept obiectiv simularea traiectoriei unui neutron în plutoniu
sau uraniu. După cum se obsearvă scopul acestei metode constă în înlocuirea unui proces
natural cu un proces artificial, fiind o metodă de modelare a variabilelor aleatorii în vederea
determinării caracteristicilor repartiţiei lor, atunci cînd aceste caracteristici nu pot fi stabilite
prin expresii analitice pe baza funcţiilor teoretice de densitate de probabilitate.
Distribuţia de probabilitate a unei variabile aleatorii se stabileşte din date statistice
(folosim frecvenţa relativă, ca fiind raportul dintre frecvenţa absolută şi numărul total de
observaţii).
Determinarea unei distribuţii probabile cumulate pentru fiecare variabilă se calculează ca
fiind suma probabilităţilor cumulate ale fiecărei variabile aleatorie.
După ce am definit variabilele aleatorii şi distribuţia de probabilitate trebuie să se
determine şi intervalul numerelor aleatorii pentru fiecare variabilă. Intervalele se stabilesc
funcţie de probabilităţile cumulate.
După ce s-a delimitat intervalul trebuie generate numerele aleator. Metoda alegerii
numerelor în mod aleatoriu constă în alegerea unui număr în mod natural sau prin metoda
pătratelor (stabilită de J. Von Neumann în 1940). Metoda pătratelor constă în alegerea unui
număr care apoi se ridică la pătrat. De exemplu dacă avem nevoie de un număr din 2 cifre
luăm 11, îl ridicăm la pătrat care este 121 şi luăm următorul număr 21 şi tot aşa până se
generează toate numerele aleatorii. După ce s-au genera numerele aleatorii se trece la
simularea şi obţinerea unor rezultate.
Metoda Monte Carlo este sinonimă cu metoda experimentelor statistice.
Metoda este utilă proceselor cu grad mare de probabilitate, acceptând simularea statistică
ca şi mod de determinare a comportării sistemelor reale.

58
 Aplicaţia 6
Cererea unui produs petrolier
O staţie de carburanţi vinde GPL la care cererea este aleator ie. Datele statistice de vânzare
pe durata ultimelor 200 de zile a cererii produsului sunt date în tabelul de mai jos:
Cerere 0 1 2 3 4 5 6 7 8
(mc)
Frecvenţa 15 40 20 25 10 30 10 30 20
absolută
(zile)

Trebuie să stabilim prin simulare cererea pe următoarele 11 zile.

Probabilitatea (adică frecvenţa relativă) se obţine înpărţind fiecare frecvenţă absolută la numărul
de zile (200 în cazul de faţă).
frecventa Probabilitatea intervalul numerelor
Cererea absoluta Probabilitatea cumulata aleatorii
0 15 0,075 0,075  01....07,5
1 40 0,2 0,275  07,5...27,5
2 20 0,1 0,375  27,5...37,5
3 25 0,125 0,5  37,5...50,0
4 10 0,05 0,55  50,0...55,0
5 30 0,15 0,7  55,0...70,0
6 10 0,05 0,75  70,0...75,0
7 30 0,15 0,9  75,0..90,0
8 20 0,1 1  90,0...99,0

Cererea 0 mc de GPL este la 15 zile deci probabilitatea este de 15/200=0,075.

Cererea 0 are probabilitatea de 0,075 adică 7,5 % din numerele aleatorii trebuie să corespundă
acestei cerinţe. Se poate alege orice număr între 0 şi 7 care să asigure cerere 0 unităţi de GPL.
Cererea simulată pentru 0 unităţi va fi creată atunci când se extrage unul din numerele în
intervalul 1-7. Probabilitatea să fie cerută cantitatea de 1 mc este de 0,2 atunci se stabilesc 20
de numere, ce pornesc de la 8 la 27.
Probabilitatea cumulată este de 0,075 + 0,2 =0,275.
În continuare se determină intervalele pentru toate cererile.
Se generează numerele aleatorii şi anume 50, 22, 65, 76, 44, 89, 4, 62, 77, 30 corespunzătoare
cererii din următoarele 11 zile. Dacă numărul ales este 50 corespunde cererii de 3 mc.

numar numar cerere cerere

ziua aleatoriu cerere aleatoriu numar aleatoriu
59
 1 50
2 22
3 65
4 76
5 44
6 89
7 4
8 62
9 77
10 30
11  
   
media
zilnica   3,63
3 37 2 60 5
1 77 7 95 8
5 10 1 68 5
7 2 0 48 3
3 18 1 47 3
7 31 2 17 1
0 19 1 89 7
5 32 2 34 2
7 85 7 9 1
2 90 7 93 8
         
40   30   43
  2,72   3,90

După trei testări se obţine media zilnică ca fiind: 3,42 mc pe zi.

Dacă se fac mii de simulări se va obţine o medie apropiată valorii de 3,5 mc/zi.

Simularea procesului de stocare

Societăţile petroliere trebuie să menţină un inventar al materiilor prime ce vor utilizate

în procesul de producţie, precum şi un inventar al bunurilor finite ce vor fi vândute către
beneficiari. Deci inventarul la un moment dat, reprezintă bunurile organizaţiei înmagazinate,
în vederea utilizării ulterioare. Inventarul reprezintă o parte din resursele societăţii (o parte din
capitalul de lucru) şi tehnicile de control a acestuia au fost dezvoltate în 1915 de către F.W.
HARRIS. Realizarea unui inventar are drept scop minimilizarea costurilor de păstrare a
acestor bunuri la furnizor.
Costurile de păstrare a acestor bunuri la furnizor sunt în practică împărţite în:
a. Costuri de depozitare,
b. Costuri de lansare a unei comenzi,
c. Costurile datorate epuizării stocurilor,
d. Costurile de achiziţie.

Costurile de stocare a bunurilor inventariate sunt de circa 15-40 din costurile aferente
păstrării acestor bunuri la furnizor. Costurile de comandă sunt asociate costurilor de transport
şi procesului de comandă.
Costurile datorate epuizării stocului (lipsei produsului din stoc) se referă la pierderea
profitului care ar fi fost obţinut dacă acest produs ar fi vândut unui beneficiar care nu vrea să
60
mai aştepte alt produs şi apelelează la un alt furnizor (aici intră şi pierderile datorate plecării
beneficiarului împreună cu cunoscuţii săi la alt competitor). Aceste costuri sunt foarte greu de
cuantificat.
Costurile de achiziţie şi de producţie sunt costurile cumpărării materiilor prime şi costurile
finale de vânzare a produsului către beneficiar.
Costurile de achiziţie şi cele de depozitare sunt cele mai importante costuri necesare a fi
reduse. Scopul optimizării unei probleme de depozitare este de a şti când trebuie comandate
produsele şi ce cantităţi trebuie produse.
Uzual se întălnesc două abordări ale acestei probleme şi anume metoda comandării de
cantităţi fixe sau metoda comenzilor la perioade fixe de timp.
Metoda comandării de cantităţi fixe se bazează pe principiul cererii producerii unei
anumite cantităţi de produs finit care se bazează pe o analiză anterioară (dar timpul la care se
face comanda depinde de cererea de vânzare).
În schimb dacă alegem metoda comenzilor la perioade fixe de timp, cantitatea comandată
pe baza unui studiu realizat anterior depinde de numărul unităţilor rămase în stoc.

Aplicaţia 7

La un depozit de produse petroliere se vinde din stoc butelii de GPL pentru care cererea
este incertă. Directorul de vânzări a firmei de distribuţie a realizat un studiu al livrărilor pe
ultimile 400 de zile şi a constatat următoarele:
a. Comenzile de reaprovizioare se emit şi se recepţionează dimineaţa dar livrarea
produsului se face cu întârziere (între una şi 3 zile),
b. Costurile de stocare sunt de 0,1 lei pe zi de fiecare produs,
c. Numărul de zile necesar recepţiei ultimelor 80 de comenzi este prezentat în tabelul de
mai jos,
d. Costul de lansare a unui nou produs este de 15 lei,
e. Costul datorat pierderii vânzării este de 3 lei,
f. Stocul iniţial este de 20 de bucăţi.

Cererea (pe zi) 1 2 3 4 5 6 7

Frecvenţa (zile) 40 25 45 50 75 90 75

Timp de livrare (pe zi) 1 2 3

61
 Frecvenţa (comenzi) 15 40 25

Managerul doreşte să simuleze două politici de reaprovizionare:

a. Să comande cantitatea de 10 butelii (recipiente) atunci când nivelul stocului
disponibil este de 5 de butelii la sfarsitul zilei,
b. Să comande 5 butelii când nivelul de reaprovizionare este de 5 de butelii.

Pentru a vedea ce politică trebuie să adopte managerul se va realiza simularea

procesului de reaprovizionare prin metoda Monte Carlo. Ca variabile aleatoare avem cererea
şi timpul de livrare (sunt variabile necontrolabile). Ca şi variabile controlabile (cu valori fixe) sunt
alese cantitatea de reaprovizionare şi nivelul la care se emite comanda. Parametrii de lucru ai
simulării sunt costul de stocare, costul de lansarare şi costul lipsei produsului din stoc.
Cererea (pe zi) 1 2 3 4 5 6 7  
Frecvenţa 40 25 45 50 75 90 75
(zile) 400

Probabilitatea 0,1 0,0625 0,1125 0,125 0,1875 0,225 0,1875 1

Probabilitatea
cumulata 0,1 0,1625 0,275 0,4 0,5875 0,8125 1  
Intervalul
numerelor
aleatorii 1…10 11…16 17…27 28…40 41…58 59…81 82…100  

Timp de livrare (pe zi) 1 2 3  

Frecvenţa (comenzi) 15 40 25 80
probabilitatea 0,1875 0,5 0,3125 1
probabilitatea cumulata 0,1875 0,6875 1  
intervalul numerelor aleatorii 0…18 19…68 69…100  

ziua 1 2 3 4 5 6 7 8 9 10
unitati livrate 5 4 6 6 7 7 3 1 5 6
stoc initial 20 15 11 5 10 2 10 7 6 10
numar
aleatoriu 52 33 78 63 90 95 22 3 43 81
cerere 5 4 6 6 7 7 3 1 5 6
stoc final 15 11 5 -1 3 -5 7 6 1 4
lipsa din stoc 1 5
comanda da da da da
numar 16 44 4 80
62
 aleatoriu
timp de
livrare 1 2 1 3

Analiza rezultatelor simulării indică:

a. stoc mediu final: 4;
b. număr mediu articol lipsă din stoc pe zi: 6;
c. număr mediu de comenzi pe zi: 4;
d. costul de stocare pe zi: 4 x 0,1 lei produs= 0,4 lei,
e. costul lipsei din stoc pe zi: 3 x 6= 18 lei,
f. costul comenzii pe zi: 15 x 4 =60 lei,
g. total cost simulare pe zi 60 + 18 + 0,4 =78,4 lei

Testăm şi cea de-a doua politică şi anume comandarea a 5 butelii când nivelul de
reaprovizionare este de 5 de butelii.
ziua 1 2 3 4 5 6 7 8 9 10
unitati
livrate 5 4 7 7 3 2 5 6 6 3
stoc initial 20 15 11 9 2 4 7 7 6 5
numar
aleatoriu 55 40 88 95 20 14 44 62 77 27
cerere 5 4 7 7 3 2 5 6 6 3
stoc final 15 11 4 2 -1 2 2 1 0 2
lipsa din
stoc         1          
comanda     da da   da da da da da
numar
aleatoriu     15 68   18 15 20 1 1
timp de
livrare     1 2   1 1 1 1 1

Analiza rezultatelor simulării indică:

a. stoc mediu final: 2;
b. număr mediu articol lipsă din stoc pe zi: 1;
c. număr mediu de comenzi pe zi: 7;
d. costul de stocare pe zi: 2 x 0,1 lei produs= 0,2 lei,
e. costul lipsei din stoc pe zi: 3 x 1= 3 lei,
f. costul comenzii pe zi: 15 x 7 =105 lei,

63
g. total cost simulare pe zi 0,2 + 3 + 105 =108,2 lei
Analiza simulării indică că prima politică este mai ieftină.

64
 Capitolul 6.
Modelarea reţelelor de transport

6.1. Problema arborelui de deschidere minimă

Rezolvarea acestor tipuri de probleme constă în conectarea tuturor nodurilor dintr-o

reţea plecând de la considerentul că lungimea totală a ramurilor de conectare să fie minimă.

Aplicaţia 8

În cadrul rafinărie se doreşte montarea unei reţele de fibră optică pentru transportul
datelor citite către un dispecerat central de citire şi cotrol al acestora. Trebuie să se determine
lungimea minimă a cablelor care trebuie procurată, astfel încât să se asigure ca toate centrele
de citire a datelor să fie cuplate.

10 5
5
9 3
6 12 8
15
5 4
1 5
8 4
6
7 2 7
8 7

Se plecă de la nodul de început dar nu este absolut necesar. Se alege cea mai mică distanţă
între punctele 1,2,3,4 aceasta fiind de 5 km. Se alege apoi din nodul 4 cea mai mică distanţă
dintre 2,3,6, 5 care este cea mai mică 5 km spre nodul 6. Din nodul 6 se alege distanţa cea mai
mică spre nodurile 7 şi 2 adică 7 km spre nodul 2. De la nodul 6 se trece la nodul 7 (8 km). De
la nodul 7 se trece la nodul 8 (4 km). De la nodul 8 se va uni cu nodul 5. De asemeni se va uni
nodul 4 cu nodul 3 (6 km). În total lungimea cablului va fi de 40 km.

65
 6.2. Problema drumului cel mai scurt

Rezolvarea acestei probleme constă în determinarea celei mai scurte distanţe între un
punct de plecare şi punctele de depozitare dintr-o reţea de drumuri.

Aplicaţia 9

În cadrul distribuţiei de produse petroliere o rafinărie doreşte să alimenteze mai multe

depozite parcurgând o reţea de drumuri. Se cere să se afle afle drumul cel mai scurt (timpul de
parcurgere în ore al maşinii de alimentare a depozitelor).

10 5
5
9 3
6 12 15 8
5 4
1 5
8 4
6
7 2 7
8 7
Se plecă de la nodul iniţial 1 şi se determină cea mai scurtă distanţă până la nodurile cu care
acesta este conectat direct, nodurile adiacente, respectiv nodurile 2,3,4. Cea mai scurtă
distanţă este spre nodul 4 de 5 ore. Nodul 4 devine nod perment alături de nodul 1. De
asemeni se analizează legăturile dintre nodurile permanente şi următoarele depozite.
10 5
12 5
9 3 15
6 8

1 5 4 5
8 6 4
7 8
2 7
7

Camionul din punctul 4 trebuie să alimenteze punctele 3,5,2,6,8. Drumul parcurs de camion ar
putea fi întoarcerea în punctul 1 şi să alimenteze punctul 3 sau 2 sau să plece din punctul 4 în
punctul 3,5 sau 6. Se va alege punctul 6 care este la 10 ore de drum (cel mai scurt drum,
timpul fiind adunat cu cel de la nodul 1 la nodul4).

66
De aici se alimentează depozitul 2 cu 17 ore de drum. După depozitul 2 se întoarce camionul
în depozitul 1 cu 24 de ore în total. Se alimentează apoi depozitul 3 şi de aici depozitul 5 se
trece prin 8 şi apoi depozitul 7 (total 52 de ore).

6.3. Problema fluxurilor maxime

În unele probleme de transport (prin teoria grafurilor) capacitatea unei ramuri poate fi
limitată. Obiectivul aplicării teoriei fluxurilor maxime constă în a maximiza transportul de la
origine către destinaţie.
Problema de flux maxim se aplică în zona:
a. Curgerii fluidelor prin reţelele de conducte,
b. Fluxul formularelor într-un sistem de procesare a datelor,
c. Fluxul realizării unor produse.

Aplicaţia 10

Fie reţeaua feroviară de mai jos. Compania de transport produse petroliere trebuie să
transporte de la nodul 1 la nodul 6 produse petroliere. Fiecare tronson are posibilitatea de a
transporta un număr redus de vagoane ce pot fi transportate de la un nod la altul. Numărul de
vagoane ce pot fi expediate este trecut lângă nod în partea dreaptă a acestuia. În partea stângă
se trece numărul de vagoane care pot părăsi în sens opus nodul.

5 0
0
2 5
2 2 4
6 2
3 3
7 5
1 4 6
4
0
4 2 2
2

3 2

Primul pas în stabilirea fluxului maxim este de a alege arbitrar o rută de cale ferată, de
la origine la destinaţie şi de a expedia cât mai multe vagoane pe această rută.
67
 Se alege ruta 1,4,6 pe care se poate transporta maxim 4 vagoane.
1 4 0
0 5
2 5 0
4 2 2 4
2 4

6 3 2
7 4 3 3 0 4
1 5 4 6
4
4 2 0
4
2 2
2 2

3 2 0

Pe latura 1,4,6, se pot transporta maxim 4 vagoane. Pe latura 1,3,6 se pot livra maxim
2 vagoane. În total se pot transporta 10 vagoane de la 1 la 6.
Mai rămân disponibile 3 vagoane pe ruta 1,4 , 3 vagoane pe ruta 4,2 şi 4,5.
De asemeni se mai pot transporta 2 vagoane pe ruta 1,3 şi 2 vagoane pe ruta 3,4.
Pentru transportul invers se poate utiliza următoarele rute:
Ruta Număr vagoane
6,5,4,1 2
6,3,1 2
6,4,2,1 2
6,4,1 3

0
5 0
2 2 5
2
2 4
2 2
2 2
6 2
7 2 3
31 3 3
5 6
1 5
4 4
0
4 4
2 2 2 2
2
3 2

Se pot returna doar 9 vagoane pe ruta 1-6 şi încă 2 vagoane pe ruta 6,3,4.
Deci optim se poate transporta de la 1 la 6 doar 9 vagoane.
Paşii necesari determinării fluxului maxim sunt:
a. Se alege în mod arbitrar un tronson de la origine la destinaţie,
68
b. Se stabileşte fluxul maxim pe acest tronson ca fiind valoarea minimă a capacităţilor a
ramurilor care formează tronsonul,
c. Se ajustează valorile transportate din valorile fluxului maxim din fiecare nod,
d. Se adaugă fluxul maxim la următorul tronson.

69
 Capitolul 7.
Rezolvarea problemelor de repartiţie

7.1. Date iniţiale

Repatiţia resurselor (activităţilor) la utilizator (executant) trebuie realizată astfel încât

costurile asociate fiecărei persoane-activitate să fie minime. Pentru a se realiza acest
deziderat trebuie ca fiecărei persoane să îi fie asociată o activitate. Dacă sunt mai puţine
persoane decât activităţi atunci se adaugă persoane suplimentare cu costuri zero pentru a se
echilibra activitatea. Dacă o persoană nu este capabilă să realizeze o activitate atunci acesteia i
se alocă un cost mai mare.
Probleme de repartiţie optimă apar şi în alocarea vânzărilor pe zone geografice către
operatori precum şi în utilizarea resurselor unei societăţi pentru desfăşurarea unui proces de
producţie.

7.2. Algoritmul ungar

În 1955 matematicianul Harold Kuhn a dezvoltat un model de programare liniară care

a urmărit alocarea a a subiecţi cu b resurse. Rezolvarea unei probleme de alocare (de
repartiţie) constă în determinarea cuplării maxime între cele două obiective. Modelul a fost
extins de către D. König şi E. Egervári.
Rezolvarea acestei probleme constă în şase paşi şi anume:
a. Se realizează o matrice pătratică de ordinul a dacă a<b şi de ordinul b dacă a<b.
b. Se alege valoarea minimă de pe fiecare linie şi se scade această valoare minimă
din fiecare valoare de alocare, rezultând ce puţin o valoare nulă pe fiecare linie.
c. Dacă în urma acestei operaţii există coloane care nu conţin valoarea zero se scade
cea mai mică valoare de pe coloana respectivă din valoarea de alocare, obţinând pe
fiecare linie şi coloană cel puţin o celulă nulă.

70
 d. Se caută un cuplaj maxim prin operaţia de încadrare şi barare de zerouri (se
încadrează un 0 situat pe linia cu cele mai puţine zerouri şi se taie toate celelalte
zerouri aşezate pe linia şi coloana zeroului încadrat),
e. Dacă se obţine câte un 0 încadrat pe fiecare linie şi coloană, s-a obţinut cuplajul
maxim. În caz contrar se trece la etapa următoare.
f. Se marchează linile ce nu conţin valoarea 0 încadrat,
g. Se marchează coloanele care conţin 0 încadrat pe liniile deja marcate,
h. Se marchează liniile care conţin un 0 încadrat pe coloanele deja marcate,
i. În matricea astfel obţinută se taie toate liniile nemarcate şi coloanele marcate,
minorantul elementelor rămase netăiate se adaugă elementelor dublu tăiate, se
scade din elementele netăiate lăsând neschimbate elementele simplu tăiate.
j. Se continuă cu marcarea şi tăierea 0 până se obţine cuplajul maxim.
k. Soluţia optimă nu poate fi singura obţinută.

Aplicaţia 11

Fie 4 beneficiari care urmează a se aproviziona cu marfă de la 7 centre de distribuţie.

Distanţele de transport (în km) sunt date în tabelul de mai jos. Trebuie să se determine repartiţa
optimă a beneficiarilor pe centre de distrubuţie căreia îi corespunde o distanţă totală de transport
minimă. Condiţia este ca fiecare beneficiar să se aprovizioneze de la cel puţin un centru şi cel mai
mult de la două centre.
Centre C1 C2 C3 C4 C5 C6 C7
Beneficiari
B1 1 3 5 4 2 6 7
B2 2 4 7 8 2 3 5
B3 5 5 4 3 4 7 9
B4 3 7 2 8 4 3 2

Pentru echilibrarea matricei se adaugă încă 3 beneficiari fictivi cu distanţe nule.

Se alege valoarea minimă din fiecare linie şi se scade din fiecare valoare alocată.

Centre C1 C2 C3 C4 C5 C6 C7 minoritant

71
 Beneficiari
B1 0 2 4 3 1 5 6 1
B2 0 2 5 6 0 1 3 2
B3 2 2 1 0 1 4 6 3
B4 1 5 0 6 2 1 0 2
B5 0 0 0 0 0 0 0 0
B6 0 0 0 0 0 0 0 0
B7 0 0 0 0 0 0 0 0

Există pe fiecare linie şi coloană o celulă cu valoarea zero. Se trece la încadrarea şi

tăierea valorii zero.
După cum se observă fiecare coloană şi linie are o valoare nulă deci s-a obţinut
cuplajul maxim. Soluţia optimă este:
B1-C1, B2-C5, B3-C4, B4-C3, B5-C2, B6-C6, B7-C7.
Dar de la centrele C2,C6 şi C7 se aprovizionează beneficiari fictivi. De la aceste centre
trebuie să se aprovizioneze beneficiari reali B1, B2, B3, B4.
Se construieşte o nouă matrice pătratică introducând un depozit fictiv.
Centre C2 C6 C7 C8 Minimum
Beneficiari
B1 3 6 7 0 0
B2 4 3 5 0 0
B3 5 7 9 0 0
B4 7 3 2 0 0
Minimum 3 3 2 0

Pe fiecare linie minimum este zero. Se alege minimum pe coloană. Se construieşte o nouă
matrice.
Centre C2 C6 C7 C8
Beneficiari
B1 0 3 5 0
B2 1 0 3 0
B3 2 4 7 0
B4 4 0 0 0
Se trece la bararea şi la tăierea valorilor nule.
Centre C2 C6 C7 C8
Beneficiari
B1 0 3 5 0
B2 1 0 3 0
B3 2 4 7 0
B4 4 0 0 0

Fiecare coloană şi linie conţine câte un zero barat deci soluţia este optimă.
În final B1-C2, B2-C6, B3-C8 şi B4-C7.
Soluţia optimă finală este:
72
 B1-C1, B1-C2,
B2-C5, B2-C6,
B3-C4,
B4-C3, B4-C7,
B5-C2,
B6-C6,
B7-C7.

Aplicaţia 12

Şase localităţi (x) sunt aprovizionate de şase depozite (y).Costurile sunt date de tabloul
de mai jos. Ştiind că aprovizionarea fiecărei localităţi se face de către un singur depozit, să se
determine repartiţia depozitelor pe localităţi, astfel încât costul să fie minim [9].
y1 y2 y3 y4 y5 y6
x1 17 43 27 14 39 52
x2 29 24 69 90 23 13
x3 18 90 62 12 16 70
x4 58 14 6 18 73 64
x5 15 41 38 36 40 60
x6 25 44 18 44 13 50

Se caută minimele de pe coloane (elementele marcate) şi se scad, rezultă:

y1 y2 y3 y4 y5 y6
x1 2 29 21 2 26 39
x2 14 10 63 78 10 0
x3 3 76 56 0 3 57
x4 43 0 0 6 60 51
x5 0 27 32 24 27 47
x6 10 30 12 32 0 37

Se caută minimul pe linii şi se scade. Teoretic se vor produce modificări doar pe liniile care
nu au nici un element zero, deoarece pe celelalte linii care au zero acesta va fi minimul şi prin
scădere nu se va modifica linia respectivă. În cazul exemplului vom modifica doar linia 1.
y1 y2 y3 y4 y5 y6
x1 -0 27 19 -0 24 37
x2 14 10 63 78 10 *0
x3 3 76 56 *0 3 57

73
 x4 43 *0 -0 6 60 51
x5 *0 27 32 24 27 47
x6 10 30 12 32 *0 37

Etapa II:
 linia cu cele mai puţine zerouri, prima găsită:
linia 2, deci se încadrează c26,
linia 3, deci c34 (se va tăia c14),
apoi linia 5, deci c51 (se taie c11),
linia 6, deci c65.
S-a marcat cu (*) elementele încadrate şi cu (-) cele tăiate (barate).
linia 4 are 2 zerouri, se încadrează primul (c42 ) se taie al doilea (c43 )
 Toate zerourile sunt încadrate sau tăiate. Nu s-a obţinut soluţie deoarece sunt doar 5
zerouri încadrate.

Etapa III.
Nici un zero încadrat pe linia 1; coloanele 1 şi 4, deci se marchează (conform b) de la această
etapă.
Se marchează liniile 3 şi 5 (conform c), cu câte un zero încadrat.
S-au marcat: liniile: 1, 3, 5 şi coloanele: 1, 4
Etapa IV.
Se elimină liniile 2, 4, 6 şi coloanele 1 şi 4 (linii nemarcate şi coloane marcate).
Se obţine:
y2 y3 y5 y6
X1 27 19 24 37
X3 76 56 3 57
X5 27 32 27 47
Etapa V.
Se caută elementul minim (3), Se scade din coloanele netăiate: 2, 3, 5, 6 şi se adună la liniile
tăiate, 2, 4, 6. (caracterele italic) Se obţine:

y1 y2 y3 y4 y5 y6
x1 -0 24 16 *0 21 34
x2 17 10 63 78 10 *0
x3 3 73 53 -0 -0 54
x4 46 *0 -0 9 60 51
74
 x5 *0 24 29 24 24 44
x6 13 30 12 35 *0 37

Se reîncepe direct cu etapa a II, pentru că pe fiecare linie minimul este zero, deci nu are rost
să exemplific etapa I, în care minimul de pe linie se scade...:
 linia cu cele mai puţine zerouri, prima găsită:
linia 2, deci se încadrează c26,
linia 5, deci c51 (se taie c11),
linia 6, deci c65. (se taie c35)
linia 1, deci c14 , deoarece c11 este tăiat (se taie c34)
linia 4, deci c42 se taie al doilea (c43 ).

Deci toate zerourile sunt încadrate (*) sau tăiate (-).

Încadrate sunt 5 zerouri deci nu s-a obţinut repartiţia minimă.

Etapa III:
Se marchează linia 3 (conform a, nu are zero încadrat) şi coloanele 4 şi 5 (conform b, în linia
marcată 3 are zerouri barate). Se marchează apoi liniile 1 şi 6 (conform c, are zero încadrat în
coloanele marcate, 4,5). Apoi se marchează coloana 1 ( are zero tăiat în linia 1 marcată,
conform b).
Deci s-au marcat folosind b, c:
liniile: 1, 3, 6;
coloanele: 1, 4, 5.

Etapa IV:
Se taie liniile nemarcate: 2, 4, 5 şi coloanele marcate: 1, 4, 5.

y2 Y3 y6
x1 24 16 34
x3 73 53 54
x6 30 12 37

Elementul minim va fi c63=12 . Se scade 12 din coloanele netăiate (2, 3, 6) şi se adună din
liniile tăiate (2, 4, 5). Se lucrează în tabelul mare, şi se obţine:
y1 y2 y3 y4 y5 y6

75
 x1 0 12 4 0 21 22
x2 29 10 63 93 22 0
x3 3 61 41 0 0 42
x4 58 0 0 21 72 51
x5 12 24 29 36 36 44
x6 13 18 0 35 0 25

Se reia etapa I, există linie cu toate elementele diferite de zero, linia 5 care are minimul egal
cu 12. Acest minim se va scădea din elementele liniei 5. Se va obţine:

y1 y2 y3 y4 y5 y6
x1 -0 12 4 *0 21 22
x2 29 10 63 93 22 *0
x3 3 61 41 -0 *0 42
x4 58 *0 -0 21 72 51
x5 *0 12 17 24 24 32
x6 13 18 *0 35 -0 25

Etapa II. Alegerea soluţiei optime:

 linia 2, deci c26,
 linia 5, deci c51 (se taie c11),
 linia 1, deci c14 (se taie c34),
 linia 3, deci c35 (se taie c65),
 linia 6, (are un zero nebarat, netăiat) deci c63 , (se taie c43)
 linia 4, deci c42.

S-au obţinut 6 zerouri marcate deci soluţie.

Repartiţia optimă va fi: (x1, y4), (x2, y6), (x3, y5), (x4, y2), (x5, y1), (x6, y3).
care va da valoarea minimă:
v = c14 + c26 + c35 + c42 + c51 + c63 = 14 + 13 + 16 + 14 + 15 + 18 = 90.

76
 Capitolul 8.
Aplicaţii din industria chimică

8.1. Distribuţia investiţilor pe structurile noi de extracţie a ţiţeiului

Extracţia ţiţeiului implică amplasarea de sonde pe structuri diverse. Acestea investiţii

trebuie să fie minime iar producţia lor după darea în folosinţă să fie maximă [2].
În tabelul următor se prezintă date referitoare la costurile forajelor, numărul de sonde ce
se pot amplasa pe fiecare structură precum şi producţia estimată pe fiecare sondă.
Structura petrolieră Număr maxim de Cost foraj pe sondă Producţia anuală
sonde ce se pot Milioane lei estimată pe sondă
amplasa pe structură sondă tone
1 5 1,2 2000
2 8 0,8 3000
3 12 1 1000
4 9 1,5 5000
5 15 0,5 4000

Producţia estimată anual este de minim 100.000 tone de ţiţei anual. Scopul optimizării
acestui tip de probleme constă în a găsi numărul maxim de sonde ce se pot amplasa cu
cheltuieli minime.
Notăm cu x1, x2, x3, x4, x5 numărul sondelor ce se pot amplasa pe cele 5 structuri.
Ecuaţia producţiei
2000  x1  3000  x2  1000  x3  5000  x4  4000  x5  100000

Restricţile referitoare la amplasarea numărului de sonde sunt:

x1  5, x2  8, x3  18, x4  9, x5  15

Funcţia de eficienţă va fi scrisă sub forma:

1,2  x1  0,8  x2  1  x3  1,5  x4  0,5  x5  minim

După cum se observă această problemă este de programare liniară.

Optimizare prin alocare de valori în tabela de calcul Excel
Construim în Excel tabelul de calcul al numărului de sonde.
Prin alocarea de valori lui x1, x2, x3, x4, x5 putem determina cerinţele problemei.

77
 valoare alocata numar maxim productia pe sonda cost sonda (milioane lei)
x1 0 5 2000 1,2
x2 8 8 3000 0,8
x3 11 12 1000 1
x4 1 9 5000 1,5
x5 15 15 4000 0,5
Ecuatia de productie Valoare minima
100.000 100.000
Functia de eficienta
26,4 Milioane lei

Optimizare cu ajutorul funcţiei Solver

productia pe
  valoare alocata numar maxim sonda cost sonda (milioane lei)
x1 0 5 2000 1,2
x2 5 8 3000 0,8
x3 0 12 1000 1
x4 5 9 5000 1,5
x5 15 15 4000 0,5

ecuatia de productie valoare minima

100.0 100.0
00 00

functia de eficienta

19 milioane lei

8.2. Optimizarea cheltuielilor pe structurile noi de extracţie a ţiţeiului

O companie petrolieră doreşte să foreze noi sonde pe structurile petroliere care le

deţine. Efortul financiar pentru amplasarea acestor sonde trebuie să aducă o producţie de
100.000 tone de ţiţei la un preţ de cost de extracţie minim. Datele de producţie sunt prezentate
mai jos.

Structura Număr Producţia anuală Investiţii pe fiecare Cheltuieli de

petrolieră maxim de pe sondă, sondă nouă (milioane exploatare pe
sonde mii tone lei) sondă, mii lei
A 10 2 2,5 20

78
 B 20 3 1,5 10
C 40 5 6,5 30
D 30 4 4,5 50
E 50 7 0,5 60

Notăm cu x1, x2, x3, x4, x5 numărul sondelor ce se pot amplasa pe cele 5 structuri.
Ecuaţia producţiei
2000  x1  3000  x2  5000  x3  4000  x4  7000  x5  100000

Restricţile referitoare la amplasarea numărului de sonde sunt:

x1  10, x2  20, x3  40, x4  30, x5  50

Funcţia de eficienţă pentru minimizarea cheltuielilor va fi scrisă sub forma:

20  x1  10  x2  30  x3  50  x4  60  x5  minim

După cum se observă această problemă este de programare liniară.

Optimizarea sondelor prin alocarea de valori în tabela Excel

Construim în Excel tabelul de calcul al numărului de sonde.
Prin alocarea de valori lui x1, x2, x3, x4, x5 putem determina cerinţele problemei.
Numar
Valoarea maxim de Productia Cheltuieli pe Investitii pe
  alocata sonde pe sonda sonda sonda

x1 10 10 2000 20.000 2,5

x2 20 20 3000 10.000 1,5

x3 1 40 5000 30.000 6,5

x4 2 30 4000 50.000 4,5

x5 1 50 7000 60.000 0,5

Ecuatia de productie Valoarea minimă

100.000 tone 100.000 tone
Functia de eficienta costuri minime
590.000 mii lei

79
 Investitii în acest caz
milioane lei
72

Optimizare cu ajutorul funcţiei Solver

Numar
Valoarea maxim Productia Cheltuieli pe Investitii pe
  alocata de sonde pe sonda sonda sonda

x1 0 10 2000 20.000 2,5

x2 20 20 3000 10.000 1,5

x3 8 40 5000 30.000 6,5

x4 0 30 4000 50.000 4,5

x5 0 50 7000 60.000 0,5

Ecuatia de productie Valoarea minimă

100.000 tone 100.000 tone
Functia de eficienta costuri minime
440.000 mii lei
Necesar investitii în acest caz
milioane lei
82,5

Dacă dorim ca investiţile să fie minime vom avea cu ajutorul Solver

Numar
Valoarea maxim Productia Cheltuieli pe Investitii pe
  alocata de sonde pe sonda sonda sonda

x1 0 10 2000 20.000 2,5

x2 3 20 3000 10.000 1,5

x3 0 40 5000 30.000 6,5

x4 0 30 4000 50.000 4,5

x5 13 50 7000 60.000 0,5

Ecuatia de productie Valoarea minimă

100.000 tone 100.000 tone
80
 Costuri de producţie în acest caz
810.000 mii lei
Functia de eficienta investitii minime
milioane lei
18
Funcţia de eficienţă pentru minimizarea investiţilor va fi scrisă sub forma:
2,5  x1  1,5  x2  6,5  x3  4,5  x4  0,5  x5  minim (în milioane lei).

8.3. Optimizarea cheltuielilor în rafinărie necesare pentru obţinerea unor sortimente

de produse petroliere

O rafinărie prelucrează cinci tipuri de ţiţei care au randamentele şi preţurile de mai jos.
Produse Ţiţei tip A Ţiţei tip B Ţiţei tip C Ţiţei tip D Ţiţei tip E
Benzină, % 20 30 10 15 40
Motorină, % 30 15 70 25 20
White spirit, % 10 25 10 30 20
Păcură, % 40 30 10 30 20
Preţ, 200 250 180 150 230
lei/tonă

Cheltuielile de producţie cuprind preţul de transport, preţul de achiziţie al ţiţeiului şi

cheltuielile legate de prelucrarea acestuia.
Se doreşte ca rafinăria să livreze următoarele canţităţi minime de produse petroliere:
Benzină 1.200.000
Motorină 1.300.000
White spirit 700.000
Păcură 1.600.000
Managementul rafinăriei trebuie să asigure cantităţile de ţiţei ce trebuie prelucrate astfel încât
să se obţină produsele de mai sus şi la preţul de producţie minim.După cum se observă şi
această problemă are mai multe soluţii dar numai una este cea mai economică (este o
problema de programare liniară).
Notăm cu x1, x2, x3, x4, x5 , cantităţile de ţiţei din fiecare tip, necesare a fi prelucrate. Aceste
cantităţi trebuie astfel alese încât să asigure obţinerea a 0,2 milioane tone de benzină, 0,3
milioane de motorină, 0,1 milioane de white spirit şi 0,4 milioane de păcură.La 1 milion de
tobe de ţiţei prelucrat se obţine 0,2 milioane de tone de benzină când prelucrăm ţiţei tip A;
0,3 milioane de tone de benzină când prelucrăm ţiţei tip B; 0,1 milioane de tone de benzină
când prelucrăm ţiţei tip C; 0,15 milioane de tone de benzină când prelucrăm ţiţei tip D; 0,4
milioane de tone de benzină când prelucrăm ţiţei tip D.
Prima ecuaţie restrictivă a modelului matematic este:
81
 0,2  x1  0,3  x2  0,1  x3  0,15  x4  0,4  x5  1,2

Pentru motorină ecuaţia restrictivă este:

0,3  x1  0,15  x2  0,8  x3  0,25  x4  0,2  x5  1,3

Pentru white spirit ecuaţia restrictivă este:

0,1  x1  0,35  x2  0,1  x3  0,3  x4  0,2  x5  0,7

Şi în final ecuaţia restrictivă pentru păcură este:

0,6  x1  0,3  x2  0,1  x3  0,3  x4  0,2  x5  1,6

Funcţia de eficienţă trebuie să aibe valori minime şi poate fi scrisă astfel:

min F  200  x1  250  x2  180  x3  150  x4  230  x5

Restricţile aplicabile acestei probleme sunt date de faptul că valorile lui xi  0, i  1,2,3,4 .

Optimizarea prin alocarea de valori în tabela Excel

Construim în Excel tabelul de calcul al cantităţilor de ţiţei necesare a fi prelucrate
pentru a fi obţinute cantităţile de produse petroliere cerute (la preţ de prelucrare minim).
Prin alocarea de valori lui x1, x2, x3, x4, x5 putem determina cerinţele problemei:
 TIP PRET
  TITEI BENZINA MOTORINA WHITE SPIRIT PACURA PRELUCRARE
3
A ,90 0,20 0,30 0,10 0,40 200
1
B ,50 0,30 0,15 0,25 0,30 250

C - 0,10 0,70 0,10 0,10 180

0
S ,80 0,15 0,25 0,30 0,30 150
0
E ,90 0,40 0,20 0,20 0,20 230
7
  ,10 1,71 1,78 1,19 2,43 1.482

  MINIM 1,20 1,30 0,70 2,40  

Optimizarea cu ajutorul funcţiei Solver din Excel

TIP (milioane
TITEI tone)
PRET
    BENZINA MOTORINA WHITE SPIRIT PACURA PRELUCRARE

A - 0,20 0,30 0,10 0,40 200

82
 B - 0,30 0,15 0,25 0,30 250

C - 0,10 0,70 0,10 0,10 180

D 8,00 0,15 0,25 0,30 0,30 150

E - 0,40 0,20 0,20 0,20 230

  8,00 1,20 2,00 2,40 2,40 1.200

  MINIM 1,20 1,30 0,70 2,40  

8.4. Obţinerea beneficiului maxim când sortimentele de produse sunt limitate

O rafinărie poate să prelucreze patru tipuri de ţiţei (ţiţei A, B, C). Din aceste ţiţeiuri se pot obţine şase
tipuri de produse petroliere finite. Să presupunem că rafinăria poate livra următoarele cantităţi
maxime de produse petroliere:
Tip produs Cantitate maximă
Motorină 1.000.000 tone
Benzină 2.000.000 tone
Păcură 4.000.000 tone
White spirit 500.000 tone
GPL 300.000 tone

Producţia este limitată din cauza capacităţii pieţii de a absorbi cantităţile de produse de
mai sus.
Se mai cunoaşte faptul că rafinăria obţine un beneficiu maxim pe tona prelucrată.
Se cere ce cantităţi de ţiţei trebuie prelucrate pentru a obţine un beneficiu maxim.

Materia primă Ţiţei tip A Ţiţei tip B Ţiţei tip C Ţiţei tip D
Benzină , % 20 10 30 20
Motorină, % 30 20 30 10
Păcură, % 10 70 10 0
White spirit, % 10 0 30 20
GPL, % 30 0 10 50
Total 100 100 100 100
Profit prelucrate 50 20 30 80
Lei/tonă

Restricţile ce se aplică pentru livrarea cantităţilor de produse petroliere sunt:

83
Pentru GPL avem:
0 0,03  x1  0  x2  0,01  x3  0,05  x4  300 ,
Pentru White spirit avem:
0,01  x1  0  x2  0,03  x3  0,02  x4  500 ,

Pentru păcură ecuaţia restricţilor va avea forma:

0,01  x1  0,07  x2  0,01  x3  0  x4  4000 ,

Pentru motorină ecuaţia restricţilor devine:

0,03  x1  0,02  x2  0,03  x3  0,01  x4  1000 ,

În final scriem şi ecuaţia restricţilor aplicabilă obţinerii benzinei:

0,02  x1  0,01  x2  0,03  x3  0,02  x4  2000

Materia primă Ţiţei tip A Ţiţei tip B Ţiţei tip C Ţiţei tip D Maxim 
TOTAL
 Se inmulteste cu 0 40000 6000 0 Mii tone 
100 Mii tone
Benzină , % 20 10 30 20 580 2000
Motorină, % 30 20 30 10 980 1000
Păcură, % 10 70 10 0 2860 4000
White spirit, % 10 0 30 20 180 500
GPL, % 30 0 10 50 60 300
Total 100 100 100 100    
Profit prelucrate 50 20 30 80
98 000 MII LEI
Lei/tonă    

Funcţia economică F (obţinerea unui profit maxim) va fi scrisă sub forma:

F  50  x1  20  x2  30  x3  80  x4

Restricţile aplicabile acestei probleme sunt date de faptul că valorile lui xi  0, i  1,2,3,4 .
Aplicând Solverul avem:

Materia primă Ţiţei tip Ţiţei tip Ţiţei Ţiţei tip Maxim 
A B tip C D TOTAL
 Se inmulteste cu 0 47000 0 6000 Mii tone 
100  Mii tone
Benzină , % 20 10 30 20 590 2000
Motorină, % 30 20 30 10 1000 1000
Păcură, % 10 70 10 0 3290 4000
White spirit, % 10 0 30 20 120 500
84
 GPL, % 30 0 10 50 300 300
Total 100 100 100 100    
Profit 50 20 30 80
prelucrate 142.000 MII LEI
Lei/tonă    

Deci se poate utiliza 4.700.000 tone din ţiţeiul tip B şi 600.000 tone ţiţei de tip D.

8.5. Diagrama bloc de modelare a unei rafinării

Optimizarea unei rafinarii se poate realiza pe baza unor blocuri sau sectiunii, pana la
intreaga rafinarie.

Modelarea unei instalatii de reformare catalitica

Succesiunea etapelor mai importante şi mai dificile în modelarea unei instalaţii de

reformare catalitică este următoarea:
a. Construirea unei ecuaţii practice utilizabilă în determinarea randamentului produsului
principal (în cazul de faţă benzina reformată sau reformatul),
b. Scrierea unui sistem de ecuaţii care să exprime cu precizie randamentele zilnice de
benzină reformată pornind de la mai multe variabile ale procesului,

Materia prima Amestecarea titeiurilor

Instalatia de distilare a titeiului

Circuitul de
optimizare a
Circuitul de
materiei
optimizare a Instalatia cocsare sau de
prime
alimentarii cracare termica

Instalatia de cracare catalitica

Instalatia de alchilare si Instalatia de amestecare a

izomerizare produselor usoare si grele
85
 Instalatia de reformare Instalatia pentru amestecarea
catalitica benzinelor

Circuitul de Blocul de bilant de combustibil

optimizare a abur si gaze combustibile
indicilor
economici
Blocul de calcul de profit si
pierdere

c. Determinarea prin metode de regresie multiplă a variabilelor care descriu materia

primă şi condiţile de lucru, (cele ce influenţează randamentul produsului principal),
d. Obţinerea prin metode asemănătoare a ecuaţiilor necesare scrierii randamentelor
celorlalte produse ( propan, izobutan şi n butan).
In această etapă se poate utiliza cifra octanică drept criteriu de optimizare (a benzinei
reformate), această propietate fiind funcţie de condiţiile de funcţionare a instalaţiei
(temperatură şi presiune de lucru).
Variaţia randamentului benzinei reformate poate fi reprezentat grafic funcţie de cifra
octanică prin metoda celor mai mici pătrate.
De asemeni se poate scrie o ecuaţie de analiză a randamentului şi anume:

% randament= A( CO) + B (CO)2 +C.

(CO reprezintă cifra octanică iar C este o constantă de integrare).
Dacă introducem presiunea (p) ca fiind a doua variabilă importantă pentru proces atunci
ecuaţia randamentului benzinei reformate este:

% randament= A (p) ( CO) + B (p) (CO)2 +C (p)+ D.

Pentru etapele a treia şi a patra a procesului, parametrii cei mai importanţi pot fi
determinaţi prin metoda de regresie multiplă care este influentă asupra reformării catalitice.

Caracterizarea materiei prime Condiţile de lucru ale instalaţiei

Densitate Temperatură

86
 Domeniul de distilare Presiune
Conţinutul de naftene (procente) Debitul volumetric al materiei prime
Conţinutul de aromate (procente) Catalizatorul
Cifra octanica a reformatului

Modelarea unei instalatii de cracare catalitica

Cracarea catalitică se poate optimiza prin parcurgerea următoarelor etape de lucru şi

anume:
a. Determinarea caracteristicilor materiei prime şi a cantităţii necesare a fi prelucrată,
b. Calculul bilanţului termic a instalaţiei şi a procesului în sine,
c. Calculul randamentelor instalaţiei şi a produselor,
d. Determinarea creşterii de volum şi a corecţiei necesare a fi făcută procesului
tehnologic,
e. Stabilirea distribuţiei produselor (în cazul calculării randamentului),
f. Analiza cheltuielilor efectuate pentru obţinerea produselor,
g. Optimizarea procesului.

Capitolul 9.
Noţiuni de programare matematică

9.1. Algoritmul SIMPLEX

a. Forma standard a problemelor de programare liniară

O problemă de programare liniară este în formă standard, atunci când toate restricţile
devin ecuaţii şi toate variabilele sunt nonnegative. O inegalitate devine egalitate prin
introducerea unei noi variabile numită şi variabilă de compensare (ea este cantitatea
neutilizată din resursa respectivă).
87
 b. Forma tabelară a problemelor de programare liniară

O problemă de programare liniară este în formă tabelară atunci când toate

constrângerile devi ecuaţii, având partea dreaptă a ecuaţiei mai mare sau egală cu valoarea
zero. De asemeni în fiecare ecuaţie apare o variabilă care are coeficientul egal cu 1 într-o
singură ecuaţie şi egal cu zero în toate celelalte ecuaţii. De menţionat că această variabilă
(care este egală cu +1) poartă numele de variabilă de bază asociată ecuaţiei iar celelate
variabile sunt numite variavile secundare. Atunci când sunt mai multe variabile decât ecuaţii
există un număr infinit de soluţii. Forma tabelară asigură găsirea soluţiei optime prin stabilirea
valorilor variabilelor secundre la zero şi a variabilei de bază la valoarea corespunzătoare
mebrului drept al ecuaţiei. Aceste soluţii se numesc şi soluţii fezabile de bază şi corespund
punctelor extreme ale regiunii fezabile de bază.

Aplicaţia 12
Fie sistemul de ecuaţii de mai jos:
x1  6 x2  3 x5  47
x2  4 x6  8 x3  5 x5  132
(19)
x4  x6  18
x2  x4  10

Sistemul de ecuaţii de mai sus are valorile optime , fezabile (obţinute cu aplicarea Solverului):
x1 2
x2 3
x3 5
x4 7
x5 9
x5 11
Variabilele de baza sunt: x1, x3 .
O problemă în formă tabelară poate fi scrisă într-un tablou care va conţine coeficienţii
ecuaţiilor şi care va respecta următoarele condiţii:

88
a. deasupra tabelului coeficienţilor ecuaţiilor se scriu coeficienţii funcţiei obiectiv. Aceştia
reprezintă creşterea directă pe unitate a funcţiei obiectiv prin creşterea fiecărei variabile cu o
unitate (neglijând efectul constrângerilor),
b. la stânga tabloului se scriu variabilele de bază corespunzătoare fiecărei ecuaţii şi
coeficientul acesteia din funcţia obiectiv,
c. la baza tabloului există două linii:
- linia zj ce reprezintă descreşterea în valoare a funcţiei obiectiv ca urmare a creşterii cu o
unitate a variabilelor xj, descreştere datorată efectelor constrângerilor,
- linia cj -zj reprezintă linia profitului marginal sau linia evaluării nete, obţinută prin
scăderea valorilor zj din cj pentru fiecare coloană,
Dacă scriem pentru aplicaţia 12 următoarea funcţie obiectiv:
4 x1  8 x2  2 x3  4 x4  3 x5  6 x6  max

Se poate construi un tablou cu următoarea structură:

    X1 X2 X3 X4 X5 X6    
BAZA CJ 4 8 2 4 3 6    
X1 4 1 6 0 0 3 0 47 188
X3 2 0 1 8 0 5 4 132 264
LINIA ZJ   4 26 16 0 22 8   452
LINIA CJ-ZJ   0 -18 -14 4 -19 -2    

c. Metoda SIMPLEX

Această metodă constă în obţinerea unor noi soluţii fezabile de bază care cresc
valoarea funcţiei obiectiv (sau cel puţin o lasă neschimbată). Metoda SIMPLEX se aplică
problemelor de programare liniară aduse în formă tabelară şi are drept obiectiv generarea unor
noi forme tabelare pentru sistemul de ecuaţii până se obţine soluţia optimă.
Metoda SIMPLEX constă în rezolvarea problemelor în trei paşi şi anume:
a. găsirea celei mai mari valori pozitive pentru CJ-ZJ, care va fi desemnată coloana pivot.
Dacă nu există nici o valoare pozitivă această soluţie este optimă.
b. Pentru fiecare valoare pozitivă din coloana pivot se găseşte raportul dintre membrul
drept şi elementul din coloana pivot. Raportul minim stabileşte linia pivot. La
intersecţia coloanei pivot cu linia pivot se găseşte elementul pivot.
c. Se generează o nouă formă tabelară astfel:
- Se împarte linia pivot la elementul pivot,
89
 - Pentru toate celelalte linii se înmulţeşte noua linie generată la punctul de mai sus,
prin elementul corespunzător din coloana pivot şi se extrage din linia curentă,
- Se completează celulele tabloului şi se trece la pasul a.
Pasul a al metodei SIMPLEX stabileşte variabila cu ce mai mare influenţă unitară
asupra funcţiei obiectiv. Pasul b care variabilă devine prima zero pe măsură ce creşte
variabila cu influenţa cea mai mare. Pasul c generază noul tablou cu variabila din pasul
a înlocuind variabila stabilită la pasul b.
Modul de rezolvare al problemelor descris mai sus se aplică problemelor de
maximizare liniară.
Pentru minimizare linară se procedează astfel:
a. Se multiplică funcţia obiectiv cu valoarea -1 şi maximizând,
b. Se schimbă pasul a astfel încât să se găsească cel mai negativ CJ-ZJ. Dacă nu s-a
găsit această valoare se consideră că s-a obţinut soluţia optimă.
Atunci când avem o problemă sub forma standard şi ea nu corespunde unei forme tabelare
(deci nu există ecuaţii care să aibă coeficienţi +1 într-o ecuaţie şi să fie egali cu 0 în celelalte),
se adaugă o variabilă artificială căreia i se asociază coeficientului –M, unde M este gândit ca
un număr apropiat de valoare infintă. Apoi se trece la efectuarea paşilor metodei SIMPLEX.
Datorită contribuţiei foarte mari a variabilei artificiale (-M), atunci când problema are un
punct de optim, valoarea variabilei artificiale devine 0. Având în vedere că variabila artificială
este secundară atunci ea poate fi eliminată deoarece trebuie să fie egală cu 0 în orice soluţie
fezabilă.
Metoda SIMPLEX este o procedură de rezolvare a problemelor de programare liniară aduse
în formă tabelară prin calcule iterative.

d. Aplicaţii numerice

Modelul matematic de programare liniară ales este constituit de obicei dintr-un asamblu
de relaţii liniare, dintre care una reflectă obiectivul urmărit iar celelalte conţin restricţile de
resurse sau tehnologice ale sistemului.
Modelul matematic de programare liniară (PL) utilizat în reprezentarea unui proces economic într-
o intreprindere este construit dintr-un ansamblu de relaţii liniare, dintre care una reflectă
obiectivul urmărit, iar celelalte cuprind restricţiile de resurse sau tehnologice.
Modelul se scrie sub forma standard, astfel [10]:

90
 Ax  b
x  0, (20)
min(max)(Z ( x ))  cx

În ecuaţia de mai sus:

- A reprezintă matricea cu m linii şi n cooane, numită şi matricea coeficienţilor tehmologici
aij, i=1...m; j=1...n,
- x este vectorul coloană cu n componente (se mai numeşte şi vectorul activităţilor x1, x2, ...,
xn),
- b reprezintă vectorul coloană cu m componente, numit şi vectorul resurselor b1, b2, ..., bm,
-c este vectorul linie cu n componente (se mai numeşte şi vectorul costurilor c1, c2, ..., cn),
Valoarea practică a unei soluţii de programare liniară este dată de precizia cu care s-a
determinat nivelul acestor constante.
Modelele de programare liniară sunt statice şi după cum se observă ele nu cuprind aspectele
legate de comportarea dinamică a procesului studiat.
După ce s-a efectuat procesul de optimizare, se poate trata separat influenţa costurilor,
resurselor şi a tehnologiilor de fabricaţie asupra soluţiei optime.
Pentru a se observa sensivitatea elementelor peturbatoare asupra soluţiei optime se efectuează
o analiză de reoptimizare şi una de parametrizare.
Analiza de reoptimizare pleacă de la recalcularea soluţiei optime prin modificarea unei
condiţii iniţiale.
Reoptimizare procesului se face când:
a. se modifică costurile de producţie,
b. se asimilează un nou produs,
c. se modifică disponibilul de resurse materiale, umane şi financiare,
d. se modifică normele de consum.
Procesul de reoptimizare se realizează astfel:
a. se verifică posiblitatea optimizării procesului cu noile date iniţiale,
b. se determină soluţia optimă atunci când datele iniţiale au fost schimbate.
Parametrizarea se referă la determinarea variantelor soluţiilor optime, când unele din
constantele modelului variază liniar sau neliniar funcţie de parametrii sistemului.
Ca exemplu se poate observa că profitul depinde de variaţia costurilor sau că resursele pot
înregistra modificări datorită unor peturbări ale pieţii de furnizare (cauze interne sau externe).
Parametrizarea se realizează prin parcurgerea următorilor paşi:
a. se determină o soluţie optimă pentru o anumită valoare a parametrilor,

91
 b. se face o analiză a sensibilităţii soluţiei optimie funcţie de variaţia unui parametru.
Aplicaţiile de programare liniară se rezolvă prin [10]:
a. reoptimizarea vectorului b,
b. reoptimizarea vectorului c,
c. reoptimizarea matricii tehnologice A,
d. parametrizarea vectorului b,
e. parametrizarea vectorului c,
f. introducerea de noi restricţii,
g. adăugarea unei variabile suplimentare.

Să se determine:
max z  4 x1  x2  3 x2

Cu condiţiile :
4 x1  x2  6 x3  4
x1  x2  5 x3  3
x1 , x2 , x3  0

Pentru a obţine o soluţie iniţială de bază se transformă sistemul de inecuaţii într-un

sistem de ecuaţii adăugând două noi variabile nenegative x4 şi x5.
Sistemul de mai sus se modifică astfel:
4 x1  x2  6 x3  x4  4
x1  x2  5 x3  x5  3

Cu soluţiile finale:
4 x1  0, x2  0, x3  0
x4  4, x5  3

Se scrie un tabel care va constitui şi iteraţia 0 a algoritmului.

cj 4 -1 3 0 0
CB Bază d A1 A2 A3 A4 A5
0 A4 4 4 1 -6 1 0
0 A5 3 1 1 5 0 1

Aplicaţia 13

Nota: pentru această aplicaţie s-a folosit un model de calcul din lucrarea 10.

92
 Reoptimizarea vectorului b din ecuaţia (20) se face astfel: se notează cu X  B soluţia
optimă pentru relaţiile de programare liniară scrise sub forma standard. În aceste condiţii
înseamnă că avem:
X  B  B 1  b, ( B 1este inversa bazei B a problemei)

Atunci când se modifică b cu b’ pot apare două situaţii:

B
a. noul vector al soluţiei de mai jos poate avea valori nenegative şi deci X 1 este chiar
soluţia optimă, deoarece în tabelul simplex valorile (zj-cj) nu depind de b,
X 1 B  B 1  b ' ,
B
b. noul vector al soluţiei are valori negative şi deci X 1 reprezintă o soluţie dual
realizabilă a problemei modificate (algoritm simplex dual).
x1  x 2  400
x 1  x 4  2 x5  500
2 x 2  5 x3  3 x 4  x5  600
3 1 1 1 3
min f  min( x1  x 2  x3  x 4  x5 ), x1 , x 2 , x3 , x 4 , x5  0
4 2 4 2 4
Tabelul inţial este format din şi se aplică metoda penalizării:
cj 3/4 1/2 1/4 1/2 3/4 M M M
CB Bază P0 P1 P2 P3 P4 P5 P6 P7 P8
M P6 400 1 1 0 0 0 1 0 0
M P7 500 1 0 0 1 2 0 1 0
M P8 600 0 2 5 3 1 0 0 1
Zj 2M 3M 5M 4M 3M M M M
Zj-Cj 2M 3M 5M 4M 3M 0 0 0
-3/4 -1/2 -1/4 -1/2 -3/4
După o iteraţie se obţine:
3/4 1/2 1/4 1/2 3/4 M M M
cj Bază P0 P1 P2 P3 P4 P5 P6 P7 P8
½ P2 220 0 1 2 1 0 1/5 -1/5 2/5
¾ P5 160 0 0 1 1 1 -2/5 2/5 1/5
¾ P1 180 1 0 -2 -1 0 4/5 1/5 -2/5
Zj 365 ¾ ½ ¼ ½ ¾ 2/5 7/10 1/20
Zj-Cj 0 0 0 0 0 2/5- 7/10- 1/20-
M M M

1 0 1  1/ 5  1/ 5 2/5 
   
B  0 2 1 , Inversa bazei  B 1    2 / 5 2/5 1/ 5 
2 1 0   4/5 1/ 5  2 / 5 
 

Cazul a:

93
  400   300 
  '  
b   500 , b1   500 
 600   500 
   

Şi scriind ecuaţia de bază (20) obţinem:

 1 / 5  1 / 5 2 / 5   300  160   x2 
B
      
X 1   2/5 2/5 1 / 5    500   180 ,  x5 
  4 / 5 1 / 5  2 / 5   500  140   x 
       q

Deci x2  160, x5  180, x1  140 , funcţia F fiind egală cu 320.

Cazul b,
 400   200 
   
b   500 , b1'   600 
 600   900 
   

 x2   1 / 5  1 / 5 2 / 5   200   280 
       
 x5     2 / 5 2 / 5 1 / 5    600    340 ,
 x    4 / 5 1 / 5  2 / 5   900    80 
 1      
În ecuaţia de mai sus x2  280, x5  340, x1  80 şi deci avem o condiţie de nenegativitate
faţă de cerinţele exprimate prin prin enunţul iniţial al problemei.
3/4 1/2 1/4 1/2 3/4 M M M
cj Bază P0 P1 P2 P3 P4 P5 P6 P7 P8
½ P2 280 0 1 2 1 0 1/5 -1/5 2/5
¾ P5 340 0 0 1 1 1 -2/5 2/5 1/5
¾ P1 -80 1 0 -2 -1 0 4/5 1/5 -2/5
Zj 335 ¾ ½ ¼ ½ ¾ 2/5 7/10 1/20
Zj-Cj 0 0 0 0 0 2/5- 7/10- 1/20-
M M M

Aplicând algoritmul Simplex dual:

3/4 1/2 1/4 1/2 3/4 M M M
cj Bază P0 P1 P2 P3 P4 P5 P6 P7 P8
½ P2 200 0 1 2 1 0 1/5 0 0
¾ P5 260 0 0 1 1 1 2/5 3/5 -1/5
¾ P1 80 1 0 -2 -1 0 -4/5 7/10 1/20
Zj 335 ¾ ½ ¼ ½ ¾ 2/5 7/10 1/20
Zj-Cj 0 0 0 0 0 2/5- 7/10- 1/20-
M M M

Soluţia este x2  200, x1  80, x5  260 , funcţia F obiectiv fiind egală în acest caz cu 325.

94
  400   400   
   
b   500 , b1  
"'
500 
 600   600  2 
   

În acest caz de parametrizare avem:

 3 
 220   
 x2   1 / 5  1 / 5 2 / 5   400     5 
       4 
 x5     2 / 5 2 / 5 1 / 5    500    160   ,
 x    4 / 5 1 / 5  2 / 5   600  2   5
 1     8 
 180   
 5 
X 1 B  B 1  b" ,

Soluţia algoritmului Simplex va fi optimă dacă:

a. diferenţele (Zj-Cj) vor fi nule şi negative,
b. componentele lui P0 vor fi nenegative.
Având în vedere că prima condiţie este rezolvată, pentru a doua condiţie se rezolvă sistemul:
220  3 / 5    0,   100 / 3,
160  4 / 5    0,   200, .
180  8 / 5   ,   225 / 2

Se poate explora pentru  intervalele   [200, ],[,225 / 2] . Se caută pe aceste

intervale care sunt soluţiile acceptate pentru valorile parametrilor de optimizare.
Dacă   200   , atunci prima componentă dintre x2 , x5 x1 care devine negativă este x5.
Având în vedere că pe lina P5 nu există componente negative atunci nu există nici soluţie
optimă. Procedăm şi pentru celelalte intervale şi reoptimizăm vectorul c.

95
 Capitolul 10.
Aplicaţii EXCEL

10.1. Rezolvarea problemelor de analiză decizională

Un proces de analiză decizională trebuie să depindă de:

a. decizia agentului decizional,
b. cunoaşterea parametrilor problemei de analizat (dacă aceştia sunt cunoscuţi decizile se
iau în condiţii de certitudine). În cazul în care evenimentele au probabilitatea de
apariţie cunoscută, atunci decizia este luată în condiţii de risc. De asemeni dacă
probabilitatea de apariţie a evenimentelor este aleatorie atunci decizia este luată în
condiţii de incertitudine.
c. variantele posibile de acţiune pe care cel ce ia decizia le are la dispoziţie,
d. strategia de acţiune a managerului care ia decizia şi care îşi alege calea de parcurs
pentru a obţine rezultatele scontate,
e. obiectivele procesului decizional. Aceste obiective pot fi definite ca restricţii sau
funcţii scop.
Evenimentele care pot apărea şi pe care agentul decizional nu le poate controla sunt
trecute ca şi evenimente nepredictibile ale naturii (stări aleatorii).

a. Luarea decizilor

Prima etapă de rezolvare a procesului decizional se referă la luarea unei decizii. Pentru
aceasta trebuie să se identifice şi să se definească problema de analiză decizională şi de
asemeni să se aleagă o alternativă de rezolvare.
De exemplu o societate de distribuţie doreşte să îşi deschidă mai multe centre
operaţionale de distribuţie a buteliilor de GPL în Bucureşti, Timişoaara, Constanţa şi Braşov.
Societatea doreşte să cunoască care centru va fi mai eficient şi deci să se axeze pe
deschiderea acestuia în prima fază.
Problemele decizionale pot fi definite funcţie de un singur criteriu-
decizii cun un singur obiectiv-(cheltuielile cu chiria terenului) sau mai
multe criterii -decizii multicriteriale-(lipsa unui competitor pe piaţa de
distribuţie, lipsa unui distribuitor de gaze naturale, etc.).Unele criterii pot fi

96
uşor de definit (cheltuielile cu chiria şi taxele locale), altele pot fi evaluate
pe bază subiectivă (posibilitatea de creştere a cheltuielilor cu haze
naturale, etc). De asemeni criterile pot avea rezultate contradictorii şi deci
alegerea trebuie făcută funcţie de calitatea sau cantitatea rezultatelor
obţinute (în context cu cerinţele furnizorului).

b. Programarea liniară

Programarea liniară reprezintă o metodă de rezolvare a problemelor de luare a

deciziilor. Ca exemple de aplicaţii, rezolvabile prin programare liniară, putem să găsim şi în
industria chimică:
a. Un manager de vânzări produse chimice trebuie să stabilească programul de
producţie astfel încât să asigure cererea de pe piaţă şi să minimizeze costurile de
stocare şi de producţie,
b. Un analist financiar trebuie să plaseze pe piaţă o emisiune de titluri de capital a
unei societăţi de produse chimice. Problema ce trebuie rezolvată constă în alegerea
momentului optim al pieţii când vânzarea trebuie să asigure o maximizare a
eficienţei investiţiei,
c. Un director de marketing trebuie să asigure publicitatea produselor chimice
propuse spre vânzare astfel încât impactul reclamei să fie maxim,
d. Un director de producţie are mai multe tipuri de produse în portofoliu. El trebuie
să aleagă ce produse pot fi realizate cu costuri minime de producţie şi vânzări
maxime.
După cum se observă în problemele de analiză liniară, obiectivul este maximizarea
sau minimizarea unor obiective necesare a fi realizate.

c. Analiza decizională

O firma de producţie produse chimice de curăţat doreşte să dezvolte un program

investiţional de producţie. Realizarea unităţilor variază între 100.000 Euro şi 1.000.000 Euro.
În urma studiilor efectuate s-a hotărât realizarea a trei proiecte de dimensiuni diferite:
a. Un proiect în zona Cluj Napoca de mici dimensiuni (pentru fabricarea etanolului),

97
 b. Un proiect în zona Timişoara de dimensiuni medii (pentru fabricarea benzinei
ecologice),
c. Un proiect în zona Constanţa de dimensiuni majore (o nouă rafinărie).
Factorul cheie în alegerea proiectului o reprezintă cererea de produse în viitor.
Managementul firmei crede în:
a. Acceptarea proiectelor de către piaţă şi deci cerere mare (S1),
b. Cerere redusă de produse (S2).
De asemeni se pot accepta şi trei alternative a proiectului:
a. Proiect de dimensiune redusă (D1),
b. Proiect de dimensiune medie (D2),
c. Proiect de dimensiune mare (D3).
Utilizând cele mai bune informaţii disponibile, agentul trebuie să asigue o evaluare a
proiectelor funcţie de starea naturii şi câştigul ce va fi obţinut.
În funcţie de problema analizată, acest câştig poate reprezenta un cost, un profit, un
timp sau orice măsură care poate cuantifica ieşirile problemei studiate.

Alternativa Stări ale proiectului

Cerere mare (S1) Cerere mică (S2)
Proiect de dimensiune reduse (D1) 10 8
Proiect de dimensiune medie (D2) 15 12
Proiect de dimensiune mare (D3) 22 -10

După cum se observă în Constanţa se aşteaptă un profit de 22 de milioane de Euro

dacă cererea va fi mai mare sau o pierdere de 10 milioane pentru o cerere redusă.

d. Decizii în condiţii de incertidine

Atunci când nu se cunosc stările proiectului apar incertitudini în procesele decizionale.

Criterile aplicabile decizilor pot fi:
a. Optimiste (maxi-max), unde se alege cel mai bun câştig (maxim pentru problema de
maximizare sau minim pentru cea de minimizare),
b. Pesimiste (maxi-min), când se determină cel mai defavorabil câştig (cel mai bun câştig
defavorabil),
c. Sau al regretelor (mini-max), când se ia în considerare diferenţa dintre rezultatul optim
ce s-ar obţine într-o anumită stare şi valoarea celorlalte rezultate.

98
 Rij  V j  Vij

Unde:
-Rij- regretul asociat alternativei di asociat stării proiectului Si,
- Vj este câştigul corespunzător celei mai mari valori pentru starea proiectului Sj.
Pentru probleme de maximizare Vj are valoarea cea mai mare pentru starea proiectului Sj,
iar pentru probleme de minimizare Vj are valoarea cea mai mică pentru starea proiectului
Sj.
- Vij este câştigul corespunzător alternativei dj asociat stării proiectului Sj.
Următorul pas este determinarea regretului maxim pentru fiecare alternativă, iar în
final va fi selectată alternativa cu cel mai mic regret maxim.

e.Aplicaţii Excel

Criteriul optimist constă în calcularea maximului dintre cererea mare şi cererea redusă
şi apoi cel mai mare maxim al proiectelor. Se alege ca decizie proiectul cu cel mai mare
maxim.
castig maxim=maxim
dintre cererea mare şi decizie
alternativa starea proiectului cererea redusă recomandata
cerere mare cerere redusa
proiect de dimensiune mica 10 8 10
proiect de dimensiune medie 15 12 15
Cea mai bună
proiect de dimensiune mare 22 -10 22 alegere
cel mai bun castig 22
Criteriul pesimist constă în alegerea minimului din starea proiectului dar să fie pozitiv.
Castig decizie
Alternativa starea naturii maxim recomandata
cerere mare cerere redusa
Cea mai bună
proiect de dimensiune mica 10 8 8 alegere
proiect de dimensiune medie 15 12 12
proiect de dimensiune mare 22 -10 -10
cel mai bun castig 8

Criteriul regretelor constă în determinarea regretelor asociate fiecărei alternative.

Criteriul regretelor

alternativa starea proiectului

cerere mare cerere redusa

99
 proiect de dimensiune mica 10 8
proiect de dimensiune medie 15 12
proiect de dimensiune mare 22 -10

Matricea regretelor

regret
alternativa starea Proiectului maxim
cerere mare cerere redusa
proiect de dimensiune mica 12 4 12
proiect de dimensiune medie 7 0 7
proiect de dimensiune mare 0 22 22

In matricea regretelor se va calcula pentru fiecare proiect maximul dintre cele trei proiecte din
care se va scadea valoarea proiectului initial. De asemeni in coloana regretelor maxime se va
alege maximul dintre cele două stări ale proiectului.
În final se va alege minimul dintre valorile regretelor maxime. Valoarea obţinută în acest caz
este proiectul de dimensiune medie şi anume cel de 7 milioane de Euro.

10.2. Rezolvarea problemelor de transport

a. Introducere

Problemele de transport apar atunci când trebuiesc planificate distribuirea bunurilor de la

producători la consumatori. Obiectivul acestor probleme constă în minimizarea cheltuielilor
de transport.
Modelele de transport reprezintă o aplicaţie a programării liniare si presupun următoarele:
a. Cererea şi oferta sunt exprimate în unităţi omogene,
b. Obiectivul este minimizarea costurilor totale de transport,
c. Costurile de transport pe unitate nu variază cu cantitatea transportată,
d. Costurile de transport sunt funcţii liniare în raport cu numărul de unităţi transportate.
Pentru a ilustra rezolvarea unei probleme de transport luăm în considerare o companie
de producţie uleiuri care are trei fabrici şi patru centre de distribuţie.
Fabricile sunt plasate şi au capacitatea de mai jos:
Fabrica Capacitatea de producţie (unităţi/zi)
Cluj Napoca 10.000
Bacău 20.000
100
 Craiova 40.000
Total 70.000
Centrele de distribuţie sunt plasate şi au o cerere de:
Centru de distribuţie cererea (unităţi/zi)
Deva 5.000
Iaşi 10.000
Bucureşti 45.000
Braşov 10.000
Total 70.000

Managementul firmei doreşte să cunoască cantitatea de ulei ce trebuie transportată de

la fiecare fabrică la fiecare centru de distribuţie astfel încât costurile de transport să fie
minime. După cum se observă sunt 12 rute de transport posibile. Pentru a ilustra grafic rutele
posibile de transport se construieşte un graf de reţea unde nodurile sunt construite ca şi cercuri iar
rutele de transport sunt desenate ca şi arcuri (linii de transport). Sensul de transport este reprezentat
prin săgeţi. Costurile de transport pe fiecare rută sunt prezentate mai jos.
Origine Deva Iaşi Bucureşti Braşov
Cluj 5 3 9 7
Bacău 8 4 1 4
Craiova 1 6 5 6

Dacă notăm cu xij numărul de unităţi transportate de la fabrica i la centru de distribuţie j,

atunci avem:
a. Costurile unităţilor transportate din Cluj sunt:
5 x11  3 x12  9 x13  7 x14

b. Costurile unităţilor transportate din Bacău sunt:

8 x21  4 x22  1x23  4 x24

c. Costurile unităţilor transportate din Bacău sunt:

1x31  6 x32  5 x33  6 x34

Deva
Cluj 5
Napoca
3
7 9
10.000
Iaşi
4
8
Bacău
1
101

20.000
Craiova
 5.000
10.000

4 Bucureşti 45.000
1 6
5

6 Braşov 10.000
40.000

Suma acestor costuri reprezintă costul total al transportului uleiurilor la toate cele 4
depozite, rezultatul trebuind să fie minim.
Funcţia obiectiv este următoarea:
5 x11  3 x12  9 x13  7 x14  8 x21  4 x22  1x23  4 x24  x31  6 x32  5 x33  6 x34 .

Restricţiile de fabricaţie şi de depozitare sunt următoarele:

Cluj Napoca
x11  x12  x13  x14  10000

Bacău
x21  x22  x23  x24  20000

Craiova
x31  x32  x33  x34  40000

Deva
x11  x21  x31  x41  5000

Iaşi
x12  x22  x32  x42  10000

Bucureşti
x13  x23  x33  x43  45000

Braşov
x14  x24  x34  x44  10000

De asemeni:
xij  0, i, j  1,2,3,4

b. Rezolvarea în Excel

102
 Origine Deva Iaşi Bucureşti Braşov oferta
Cluj 5 3 9 7 10000
Bacău 8 4 1 4 20000
Craiova 1 6 5 6 40000
cerere 5000 10000 45000 10000

cost minim 285000

Origine Deva Iaşi Bucureşti Braşov suma oferta

Cluj 1000 5000 4000 0 10000 10000
Bacău 0 0 15000 5000 20000 20000
Craiova 4000 5000 26000 5000 40000 40000
suma 5000 10000 45000 10000

cerere 5000 10000 45000 10000

c. Variaţii ale problemelor de transport

a. Oferta totala nu este egală cu cererea totală. Dacă oferta totală depăşeşte cererea totală
atunci problema există cantităţi neutilizate. Dacă oferta totală este mai mică decât
cererea totală atunci problema este neechilibrată. Pentru rezolvarea acestei probleme
se adaugă o ofertă fictivă cu costuri nule.
b. Există rute neacceptate. Pentru acest tip de probleme se adaugă acestor rute costuri
foarte mari şi deci nu sunt fezabile. De asemeni se poate elimina aceea rută din graf.
c. Există rute cu capacităţi limitate. Pentru acest tip de probeme se introduc restricţii de
tipul cantitatea transportată va fi mai mică sau egală cu o anumită valoare.
Modelul general al problemei de transport cu m puncte de origine şi n puncte de
distribuţie este:
m n
min  cij xij
i 1 j 1
n

x
j 1
ij  si , i  1,2,..m

x
i 1
ij  d j , j  1,2,..., n

xij  0,

Unde:

103
-i este indexul punctelor de origine,
-j este indexul punctelor de destinaţie,
-xij reprezintă numărul de unităţi transportate de la originea i la destinaţia j,
- cij reprezintă costul unitar de transport din originea i la destinaţia j,
- sj este oferta sau capacitatea din originea i,
- dj este cererea la destinaţia j.

10.3. Rezolvarea problemelor de alocare

Problemele de alocare tipice sunt următoarele:

a. Repartizarea unor activităţi pe anumite maşini şi utilaje,
b. Repartizarea personalului angajat la diverse centre de activitate,
c. Repartizarea agenţilor de vânzări pe anumite centre.
Caracteristica principală a activităţilor de alocare o reprezintă faptul că unui agent
îi este dedicată o singură activitate, rolul optimizării fiind de minimimizarea costurilor,
maximizarea profitului, minimizarea timpului de execuţie.
Pentru a exemplifica modul de optimizare a problemelor de alocare vom considera
activitatea unei firme de inginerie petrochimică.
Această firmă primeşte comenzi pentru a studia aplasarea a trei instalaţii noi de
chimizare a petrolului (distilare atmosferică, distilare în vid, fracţionare gaze). Pentru
toate aceste trei proiecte sunt numiţi şefii de proiect (project manager). Aceştia au la
dispoziţie trei echipe, care pot lucra la aceste proiecte dar independent una de alta.
Rolul managerilor de proiect este de a finaliza proiectele în timpul ce mai scurt posibil
(în tabelul de mai jos sunt trecute orele de lucru posibile pentru fiecare echipă şi
inatalaţie).
Manager de Proiectul 1 Proiectul 2 Proiectul 3
proiect Distilare Distilare în vid Fracţionare gaze
atmosferică
Echipa 1 100 200 50
Echipa 2 300 400 100
Echipa 3 150 200 250

După cum se observă sunt posibile 9 alternative de lucru.

Vom construi graful asociat acestui proiect.

100 104
Echipa 1 Proiect 1
200

Echipa 3
2 300
100250
150 200 400 50 Proiect
Proiect32
 1 1

1
1

1 1

Problemele de alocare reprezintă un caz particular al problemelor de transport, oferta

în fiecare nod de origine este 1 iar cererea în fiecare nod de destinaţie este de asemeni egală
cu 1. Deci în acest caz vom avea următoarele enunţuri de disponibilităţi (timpul pentru
finalizarea proiectului de către cele trei echipe):
100 x11  200 x12  50 x13
300 x21  400 x22  100 x23
150 x31  200 x32  250 x33

Având în vedere cu sunt 9 variabile de decizie avem:

xij  1, daca echipa i este repartizata lui j,
xij  0, pentru celelalte cazuri.

În ecuaţia de mai sus, i,j au valori cuprinse între 1,2,3 şi 4.

Funcţia de optimizare (obiectiv) aferentă acestui proiect o reprezintă minimizarea timpului de
execuţie a proiectelor:
F  100 x11  200 x12  50 x13  300 x21  400 x22  100 x23  150 x31  200 x32  250 x33

Restricţiile aplicabile studiului sunt date de faptul fiecărei echipe i se poate ataşa un singur
proiect deci vom avea:
x11  x12  x13  1
x21  x22  x23  1
x31  x32  x33  1
x11  x21  x31  1
x12  x22  x32  1
x13  x23  x33  1

Manager de proiect Proiectul 1 Proiectul 2 Proiectul 3

105
 Distilare atmosferică Distilare în vid Fracţionare gaze

Echipa 1 100 200 50

Echipa 2 300 400 100
Echipa 3 150 200 250
F= 550 Ore
Manager de proiect Proiectul 1 Proiectul 2 Proiectul 3
Distilare atmosferică Distilare în vid Fracţionare gaze
Echipa 1 0 0 1
Echipa 2 1 0 0
Echipa 3 0 1 0

Planşa Excel aplicabilă problemei

Variaţiile ce pot apărea în problemele de alocare sunt următoarele:

a. Numărul de echipe este diferit de numărul de proiecte. Dacă numărul de proiecte
este mai mare decât numărul de echipe atunci soluţia nu este fezabilă. Dacă
numărul de echipe este mai mare decât numărul de proiecte rămân echipe
nealocate proiectului.
b. În cazul în care vom folosi profitul sau venitul ca şi funcţie obiectiv atunci vom
maximiza aceată funcţie.

Modelul matematic al unei probleme de alocare este următorul:

m n
min   cij xij
i 1 j 1

x
j 1
ij  1, i  1,2,..., m Echipe

x
i 1
ij  1, j  1,2,..., n Proiecte

106
 Capitolul 11.
Aplicaţii Software de modelare simulare

Pentru modelarea şi simularea sistemelor discrete şi de uz general se poate utiliza

programul software EZSIM. Acest program a fost proiectat de Behrokh Khosnevis de la
Universitatea Southern California. Structura programului oferă posibilitatea de a studia
circulaţia entităţilor unui proces, modelele fiind reprezentate sub formă de reţea. Fiecare nod
din model reprezintă un proces, iar ramurile arată drumul de la un nod la altul.
Sistemul EZSIM are în vedere rezolvarea următoarele obiective:
a. utilizarea programului de simulare fără a fi nevoit a fi necesar a se cunoaşte noţiuni de
programare a calculatoarelor sau de simulare,
b. prevenirea apariţiei erorilor datorită necuprinderii în dezvoltarea modelului
matematic a tuturor problemelor ce pot apărea în timpul operării acestuia,
c. ajutarea echipelor de concepere a programelor de optimizare prin reducerea timupului
necesar creerii modelelor matematice,
d. înţelegerea de către cursanţi a modului de optimizare fără a fi nevoiţi să înveţe modul
de rezolvare matematic a acestor probleme de programare liniară.
Programul EZSIM este disponibil într-un modul de sine stătător care asigură simularea pentru
evenimente discrete în timp real, un modul de ieţire din program şi un modul de animaţie
grafică (şi acesta permite rezolvarea în timp real). EZSIM permite utilizatorilor să utilizeze
programul fie în sistem bach fie în sistem de animaţie. De asemeni permite verificarea
modelului şi analiza statisticilor realizate. Modelul permite modificarea parametrilor sau
configuraţia sistemului şi rulează în mai multe sesiuni (funcţie de datele tastate). EZSIM
foloseşte o interfaţă bazată pe grafică şi controlată de meniuri.
Dacă foloseşte programul EZIM, utilizatorul se poate concentra asupra structurii şi a
dependenţelor sistemului (softul verifică integritatea structurii modelului pe măsura
construirii acestuia). Parametrii nodali şi condiţiile de legare a ramurilor sunt explicate
ulterior.
Programul EZSIM se utilizează uşor prin ferestre de ajutor şi meniuri sensibile şi se dezvoltă
astfel:
107
 a. construirea reţelei modelului,
b. specificarea parametrilor nodali,
c. iniţializarea modelului,
d. specificarea statisticilor necesare,
e. realizarea soluţiei finale în modul batch sau în timp real cu animaţie,
f. editarea observărilor sistemului (pe ecranul computerului),
g. generarea fişierelor model şi a rezultatelor,
h. modificarea modelului şi reefectuarea calculelor comform noii structuri.
Planşa de deschidere a softului este următoarea.

Utilizatorul crează un model aplicând comanda Build/Retrieve a model. Se va numi modelul

şi calea de salvare a directorului. Nu se specifică extensia, aceasta fiind alocată automat.
Dacă un fişier există, reţeaua este găsită rapid şi afişată pe ecran.
Primul pas dintr-o sesiune EZSIM este activitatea de construire a reţelei folosind ecranul
grafic. La începutul acestei etape se denumeşte proiectul , data creerii acestuia şi de asemeni
numele analistului. Tasta H în modul grafic afişează un ecran de ajutor. Fiecare parametru şi
de asemeni fiecare nod este definit în acest ecran de ajutor, descrierea acestuia fiind uşor de
aflat prin tastarea majusculelor subliniate din numele nodului.
Dacă apăsăm tasta S se obţine definiţia nodului SOURCE. De asemeni se pot vizualiza
ferestrele de denumire a celorlalte noduri prin mutarea cu mouse-ul şi apăsând ENTER sau

108
prin mutarea cursorului bară pe nod folosind tastele săgeţi. Cu tasta ESC se revine în ecranul
grafic.
Nodurile se plasează în ecranul grafic cu ajutorul mouse-ului. Abrevierea nodurilor poate fi
efectuată într-o parte a ecranului apăsând tasta F1. Nodurile pot fi conectate plasând cursorul
(prin intermediul tastelor săgeţi sau al mouse-ului) pe un nod şi apăsând tasta -.
După ce conexiunile sunt admise de EZSIM (se face un test online de programul soft care
analizează fiecare nod şi posibilele relaţii cu alte noduri din reţea), se determină şi necesarul
de componente ce trebuie adăugate în reţea (din punct de vedere logic). Softul detectează
erorile logice în timpul construirii modelului, conectarea unui ÎNCEPUT cu un FINAL fiind
avertizată de EZSIM ca fiind o conexiune lipsită de sens. Utilizatorul indică nodurile sursă şi
destinaţiile. Softul asigurând calea de conectare. Reţeaua EZSIM poate fi mărită funcţie de
posibilităţile de lucru ale calculatorului, ramurile putând fi vizualizate plasând cursorul pe nod
şi apăsând tastele ALT+I (ramurile dorite a fi vizualizate) şi pe ALT+O toate ramurile de
ieşire din nod.
Comenzile utilizate de soft sunt:
a. H pentru a vedea descrierile nodurilor şi scurte comezi grafice,
b. F1 pentru a vedea codurile nodurilor,
c. Pentru a plasa un nod se duce cursorul de la mouse în locul dorit şi s etasteaza litera de
cod pentru nod. Se poate mişca cursorul şi din săgeţi,
d. Conectarea a două noduri se face prin plasarea cursorului pe nodul origine şi tastarea
semnului -. Apoi se merge pe nodul dorit şi se tastează din nou semnul -,
e. Un nod se şterge apăsând tasta F2,
f. Un nod cu ramurile conectate se mută aplicând cursorul pe el şi apoi se tasteaza F4. se
mută cursorul unde se doreşte a fi instalat nodul şi se tasteaza din nou F4.

Specificarea şi declararea parametrilor nodali.

Parametrii nodurilor precum şi anumite declaraţii care se fac funcţie de cerinţele
beneficiarului sunt specificate pe fiecare nod în parte dacă se plaseaza cursorul pe el şi se
apasă tasta ENTER.
Se apelează o ferestră dedicată nodului şi se identifică informaţiile aparametrice şi declarative
pentru nod. La toate nivelurile de dialog sunt generate o serie de întrebări relevante
(acompaniate cu liste de răspunsuri valide şi mesaje de ajutor sensibile la context).

109
Nodurile pot fi selectate în orice succesiune dorită şi de asemeni fiecare nod este identificat
prin numele său. În momentul în care un nod are toate informaţiile apare încadrat de un
dreptunghi cu linie dublă. Un semn de întrebare poate apărea în colţul de jos dreapta, dacă s-a
plasat primul nod pe ecran. Acesta semnalează de asemeni noduri nedefinite total în partea
nevizibilă a ecranului.

Rezultatele softului EZSIM.

Meniul rezultate ne oferă date statistice, graficele selectate, toate acestea fiind salvate pe disc
sau trimise la o imprimantă. Reluarea modului de lucru bach sau animaţie poate fi realizată
prin intermediul meniului rezultate. Timpul de execuţie poate fi modificat în modul bach din
meniul rezultate.
Modificarea modelului se poate realiza prin intermediul meniului Control. Pot fi adăugate
sau şterse noduri şi de asemenea informaţiile pot fi modificate.
Programul EZSIM poate fi dowloadat de pe site-ul Universităţii South California.

Capitolul 12.
Diagrama cauză-efect

110
 (ISHIKAWA)

Diagrama cauză-efect a fost dezvoltată de Kaoru Ishikawa în 1986 cu scopul de a afla

şi defalca principalele cauze ale unie probleme care se studiază. Diagrama a fost denumită şi
fishbone (sau în os de peşte) şi constă în ierarhizarea cauzelor posibile când se studiază de
regulă o singură problemă.
Efectul (o problemă sau o caracteristică) reprezintă capul peştelui iar cauzele şi
subcauzele potenţiale reprezintă structura osoasă a peştelui.
Diagrama ilustrează relaţiile dintre un efect identificat şi cauzele potenţiale ale
acestuia.

a. Diagrama cauză efect al lui Dale

În acest model structura osoasă de bază (5 M) include:

a. Maşini,
b. Mână de lucru,
c. Metode de lucru,
d. Materiale,
e. Mentenanţă.
Această diagramă poate să fie folosită fie omiţând mentenanţa (4M), fie să adauge o nouă
dimensiune şi anume Mama natură (6M).

b. Diagrama de politici (4P)

Este utilă pentru studiul domeniilor extra-productive studiind:
a. Politicile firmei,
b. Procedurile de lucru,
c. Personalul firmei,
d. Amplasarea firmei.

c. Utilizarea diagramei cauză-efect (de proces)

Diagrama cauză-efect (de proces) se utilizează în cadrul unui departament (secţie, divizie,
firmă), atunci când apare o problemă ce necesită a fi rezolvată.

111
 Se utilizează atunci când:
a. Problema care a apărut şi necesită rezolvarea nu poate fi
localizată,
b. Necesită întocmirea unei diagrame de proces pentru a
identifica cauzele problemelor (în fiecare etapă a procesului).
Dacă procesul este mult prea mare pentru a fi stutiat (sau problema a apărut la nivelul
dezvoltării unei etape) atunci se împarte procesul în subprocese (pentru fiecare întocmind o
diagramă 4M/5M/6M sau 4P).Se identifică astfel cauzele cheie pentru fiecare etapă a
procesului.

d. Utilizarea diagramei cauză-efect (de tip dispersional)

După întocmirea diagramelor de tipul 4M/5M/6M sau 4P, problemele identificate se
trateaza ca fiind ramuri separate ale procesului şi se analizează ca noi procese.

e. Etape de întocmire a diagramelor cauză-efect

1. Se identifică cu claritate efectul problemei sau simtomul acesteia,

2. Se formează echipa de studiu şi se trasează linia pirncipală ”osatura de bază”,
3. Se organizează cu echipa o sesiune de brainstorming pentru a se identifica cauzele
apariţiei acestei probleme (care vor reprezenta ramurile principale ale diagramei, sau
osatura principală),
4. Se vor adăuga cât mai multe cauze posibile secundare care vor fi şi sub-ramurile
adecvate.
5. După identificarea tuturor cauzelor şi a sub-cauzelor se analizează care sunt cauzele ce
provoacă efectul cel mai mare asupra procesului,
6. Se ierarhizează cauzele cu impact major prin teoria lui Pareto (20 % din cauzele alese
reprezintă 80 % din efectul asupra procesului),
7. Se realizează modelul finnal de optimizare a problemei,
8. Se verifică modelul pe date concrete din procesul analizat,
9. Funcţie de rezultatele obţinute se trece la îmbunatăţirea modelului realizat.
f. Utilizarea Brainstormingului pentru optimizarea proceselor chimice

Brainstorming reprezintă o metodă de exprimare liberă a membrilor unui grup.

112
 Teoria a fost elaborată de către Alex Osborn şi se utilizează atunci când sunt necesre idei
noi sau soluţia unei probleme analizate nu a putu fi dedusă logic.
Brainstormingul reprezintă o stimulare a creativităţii şi se dezvoltă în mai multe etape
după cum urmează:
a. Se formulează clar problema necesară a fi dezbătută,
b. Se formază grupul şi se desemnează leaderul sau facilitatorul,
c. Se desemnează persoana care va nota ideile membrilor grupului fără a intervenii în
activitatea acestuia (un scrib),
d. Se stabilesc regulile grupului precum şi codul de comportament. De exemplu fiecare
membru îşi exprimă câte o idee prin rotaţie (când îi vine rândul). De asemeni ideile
trebuie să fie exprimate cât mai concis posibil. Atunci când nu are nici o idee membrul
grupului spune pas,
e. Se accepta şi se notează toate ideile. Nu se critici, întreruperi ale interlocuitorului. Se
încurajează buna dispoziţie şi ideile exagerate pentru a crea o comuniune în grupul de
studiu. Se trec în revistă problemele ce au apărut în timpul şedinţei pentru a minimiza
efectul acestora (întreruperi, critici, eliminarea rolului de expert),
f. Se alege cea mai bună soluţie de către şeful grupului şi se înregistrează în modelul de
lucru acceptat,
g. Dacă soluţia nu dă rezultatele scontate se trece la modelarea celorlalte soluţii.

g. Diagrama cauză-efect aplicată în cazul unei conducte de transport petrol

Impurificarea ţiţeiului în Introducere apă menajeră

staţiile de pompare Introducere apă pluvială Calitatea
slabă a
ţiţeiului ajuns
Loturi de ţiţei cu densităţi care la destinaţie
Transport ţiţeiuri în loturi
variază foarte mult
necorespunzătoare

113
 BIBLIOGRAFIE
1. Woinaroschy, A., Smigelschi, O.-Ingineria sistemelor şi optimizarea proceselor
chimice, Editura Didactică şi Pedagogică, Bucureşti, 1983,
2. Mănescu, M., Dumitru, V, Ionescu, V., Bărbatu, Gh.-Programarea matematică în
industria petrolieră, Editura Academiei Române, Bucureşti, 1970,
3. Edgar, T.F., Himmelblau D.M., Lasdon L. S.,-Optimization of Chemical
Processes, Second Edition, The McGraw-Hill Companies, New York, 2002,
4. Lucaci, A,I,. Optimizarea proceselor din industria chimică, Editura Tehnică,
Bucureşti, 2002,
5. Mandalopol D., Optimizarea proceselor petrochimice, Note de curs, Universitatea
Ovidius Constanţa, 1998,
6. *** Microsoft Excel 97 pas cu pas. Editura Teora, Bucureşti, 1997,
7. Roşca L, Modelare şi simulare în afaceri, Editura Universităţii „Lucian Blaga” din
Sibiu, 2003
8. Smigelschi, O.,Woinaroschy, A., Optimizarea proceselor în industria chimică,
Editura Tehnică, Bucureşti, 1978,
9. Niţu M, Niţu A., Algoritmul ungar, aplicaţii numerice,
10. Bondrea I, Modelarea şi simularea proceselor de producţie, Editura Universităţii
“Lucian Blaga”, Sibiu, 2002,
11. Behrokh Khoshnevis, EZSIM simulation modeling environment with visual
modeling and event animation capabilities, http://www-
bcf.usc.edu/~khoshnev/software.html, 2011,

114
 Cuprins

Prefaţă................................................................................................................ 2
1. Noţiuni fundamentale........................................................................................ 3
1.1 Teoria sistemelor chimice................................................................................. 3
1.2. Decizia în operarea sistemelor........................................................................... 4
1.3. Sinteza sistemelor.............................................................................................. 6
1.4. Modelarea problemelor cu ajutorul programării liniare..................................... 6
1.5. Lucrul în mediul Excel...................................................................................... 8
1.6. Probleme rezolvate............................................................................................ 15
2. Formularea problemelor de optimizare.............................................................. 19
2.1. Introducere......................................................................................................... 19
2.2. Elaborarea modelului matematic al procesului.................................................. 19
2.3. Construirea funcţiei obiectiv.............................................................................. 26
2.4. Alegerea metodei de optimizare........................................................................ 27
2.5. Căutarea optimului............................................................................................. 28
2.6. Probleme rezolvate............................................................................................ 28
2.7. Introducerea şi editarea datelor în Excel........................................................... 29
3. Programarea liniară în industria chimică........................................................... 31
3.1. Date iniţiale........................................................................................................ 31
3.2. Definirea problemei de programare liniară........................................................ 32
3.3. Modelul matematic............................................................................................ 34
3.4. Proprietăţile programării liniare......................................................................... 34
3.5. Concepte ale programării liniare....................................................................... 35
3.6. Rezolvarea problemelor de programare liniară cu ajutorul Excel..................... 36
3.7. Rezolvarea problemelor de programare liniară cu ajutorul metodei grafice..... 46
115
3.8. Imposibilitatea şi nemărginirea......................................................................... 48
3.9. Analiza sensibilităţii.......................................................................................... 49
4. Probleme de transport........................................................................................ 50
4.1. Date iniţiale....................................................................................................... 50
4.2. Modelul matematic............................................................................................ 50
4.3. Echilibrarea problemei de transport................................................................... 51
4.4. Rezolvarea problemelor de transport................................................................. 52
5. Simularea Monte Carlo...................................................................................... 59
5.1. Date iniţiale........................................................................................................ 59
5.2. Prezentarea metodei........................................................................................... 59
6. Modelarea reţelelor de transport........................................................................ 67
6.1. Problema arborelui de deschidere minimă......................................................... 67
6.2. Problema drumului cel mai scurt....................................................................... 68
6.3. Problema fluxurilor maxime.............................................................................. 69
7. Rezolvarea problemelor de repartiţie................................................................. 72
7.1. Date iniţiale........................................................................................................ 72
7.2. Algoritmul ungar................................................................................................ 72
8. Aplicaţii din industria chimică........................................................................... 80
8.1. Distribuţia investiţilor pe structurile noi de extracţie a ţiţeiului........................ 80
8.2. Optimizarea cheltuielilor pe structurile noi de extracţie a ţiţeiului.................... 81
8.3. Optimizarea cheltuielilor în rafinărie necesare pentru obţinerea unor
sortimente de produse petroliere....................................................................... 84
8.4. Obţinerea beneficiului maxim când sortimentele de produse sunt limitate....... 86
8.5. Diagrama bloc de modelare a unei rafinării....................................................... 88
9. Noţiuni de programare matematică.................................................................... 91
9.1. Algoritmul SIMPLEX........................................................................................ 91
10. Aplicaţii EXCEL................................................................................................ 100
10.1. Rezolvarea problemelor de analiză decizională................................................. 100
10.2. Rezolvarea problemelor de transport................................................................. 104
116
10.3. Rezolvarea problemelor de alocare.................................................................... 108
11. Aplicaţii Software de modelare simulare.......................................................... 112
12. Diagrama cauză-efect (ISHIKAWA)................................................................. 116
Bibliografie........................................................................................................ 119

117