MODELAREA DECIZIILOR MANAGERIALE

-
PROIECT DE DISCIPLINĂ

Decizia managerială asistată de calculator pentru îndeplinirea obiectivelor

propuse la firma HOPA DUPA

Produsul A=cafea
Produsul B=ciocolatas
Produsul D=bautura energizanta
1. Prezentare generală
2. Situaţia tehnico-economică şi de producţie a firmei "Hopa Dupa"
(individualizată pe student)
3. Obiectivele echipei manageriale pentru trimestrul IV a.c.
4. Decizia managerială asistată de calculator
Estimarea vânzărilor pentru ciocolata
Estimarea cererii pentru cafea în condiţii de concurenţă
Decizia managerială în condiţii de incertitudine şi risc.
Calculul profitului maxim probabil (speranţa matematică a profitului) în cazul în care
se va lansa pe piaţă bautura energizanta
Programarea activităţilor unui proiect pentru introducerea în fabricaţie de bautura
energizanta
 1. Prezentare generală

Proiectul la disciplina "Modelarea Deciziilor Manageriale" oferă studenţilor facultăţii de

Management posibilitatea de a rezolva o serie de probleme importante de decizie economică la nivel de
firmă, în condiţii de concurenţă cu ajutorul unui instrumentar adecvat de modelare şi simulare, în sistem
conversaţional.
Proiectul este conceput pe exemplul unei organizaţii pentru care se cunosc: situaţia tehnico-
economică şi de producţie (la sfârşitul trimestrului III a.c.) precum şi obiectivele echipei manageriale
pentru trimestrul IV a.c. şi în perspectivă.
Proiectul este individualizat şi are caracter de autoinstruire.
Individualizarea constă în nominalizarea firmei analizate de fiecare student, nominalizarea
produselor şi modificarea datelor cu parametrul de individualizare <c>.
Este prezentată situaţia tehnico-economică şi de producţie la S.C. "Hopa Dupa" S.A., obiectivele
manageriale şi modul de rezolvare în sistem conversaţional.
Proiectul conţine următoarele module :
M1. Estimarea vânzărilor ciocolatei
M2. Estimarea cererii cafeleiîn condiţii de concurenţă
M3. Decizia managerială privind stabilirea strategiei de vânzare în condiţii de
incertitudine şi risc
M4. Calculul profitului maxim probabil (speranţa matematică a profitului) în cazul în care se va
lansa pe piaţă bautura energizanta
M5. Programarea activităţilor proiectului pentru introducerea în fabricaţie a produsului D în cazul
duratelor deterministe şi analiza cost – durată.
Rezolvarea cerinţelor pe module se realizează pe baza algoritmilor prezentaţi, iar în sistem
conversaţional, se va utiliza un produs software la alegere: WINQSB, QM for WINDOWS sau
EXCEL. Pentru rezolvarea completă, proiectul individual impune interpretarea şi efectuarea unei
analize economice a rezultatelor parţiale/totale, cu precizarea consecinţelor asupra activităţilor
organizaţiei prin decizia sau deciziile adoptate.
 2. Situaţia tehnico-economică şi de producţie a firmei "HOPA DUPA"
(individualizată pe student)

Firma HOPA DUPA operează pe piaţa unui bun de consum de folosință curentă şi realizează, de
2 ani, două tipuri de produse: cafea si ciocolata cu următoarele caracteristici:
 Volumul vânzărilor variază întâmplător de la o lună la alta, cu toate că aceste produse au
câştigat poziţii importante pe piaţă;
 Pregătirea producţiei pentru cafea si ciocolata în lunile următoare (octombrie, noiembrie,
decembrie), necesită cunoaşterea în avans de către S.C. HOPA DUPA S.A. a cererii viitoare
pentru cele două produse ale sale;
 Cafeaua este în concurenţă cu alte trei produse similare nes, ciocolata calda, ceai realizate de
firme concurente, astfel că variaţia cererii pentru produsul A este cauzată de evoluţia ponderii pe
piaţă a produselor concurenţiale nes, ciocolata calda, ceai.
 Ciocolata nu are concurenţă semnificativă pe piaţă, dar cererea pentru acest produs variază în
funcţie de conjunctura economică: rata inflaţiei, creşterea preţurilor unor produse de consum
curent, etc.
 În evidenţa contabilă şi statistică a S.C. HOPA DUPA S.A. există informaţii privind costul și
profitul unitar (Tabelul 1), şi despre vânzările de ciocolata (Tabelul 2).

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

Tabelul 2.
Nr.crt. Luna Vânzări de Prelucrare - Vânzări de
ciocolata (unităţi ciocolata (unităţi fizice)
fizice)
1 Octombrie (anul
1400 +c 1774
precedent)
2 Noiembrie (anul
1500 +c 1874
precedent)
3 Decembrie (anul
1200 +c 1574
precedent)
4 Ianuarie (anul curent) 1300 +c 1674
5 Februarie (anul curent) 1100 +c 1474
6 Martie (anul curent) 1350 +c 1724
7 Aprilie (anul curent) 1450 +c 1824
8 Mai (anul curent) 1150 +c 1524
9 Iunie (anul curent) 1200 +c 1574
10 Iulie (anul curent) 1100 +c 1474
11 August (anul curent) 1310 +c 1684
12 Septembrie (anul
1250 +c 1624
curent)
 3. Obiectivele echipei manageriale pentru trimestrul IV a.c.

o Estimarea vânzării de cafea si ciocolata în funcţie de evoluţia lor pe piaţă şi situaţia

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

4. Decizia managerială asistată de calculator

MODULUL I: Estimarea vânzărilor ciocolatei

Societatea Comercială HOPA DUPA S.A. are contracte ferme pentru ciocolata, numai în lunile
noiembrie şi decembrie a.c. Pentru estimarea volumului vânzărilor ciocolatei în luna octombrie a.c.,
conducerea firmei a hotărât să utilizeze datele din lunile anterioare (Tabelul 2), care în reprezentare grafică
sunt redate în Figura 1.

Previziune vânzări ciocolată

1900
1850
1800
1750
1700
1650
1600
1550
1500
1450
1400

Vânzări previzionate α = 0.3 Vânzări previzionate α = 0.9

Vânzări previzionate α = 0.27 Media vânzărilor

Figura 1

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

Modelul economico-matematic

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

Modelul lui Brown de nivelare exponenţială simplă este de forma:

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

Rezolvare
Rezolvarea problemei s-a facut cu QM for Windows/Forecasting/Time Series Analysis.

Alpha = 0.2
Alpha = 0.9

Alpha optim = 0.27

Analiza economică a rezultatelor

Raportul managerial în care se analizează rezultatele obţinute pentru datele individualizate cu

valoarea c  0 va include următoarele informaţii:
1. Reprezentarea grafică a datelor reale, a mediei vânzărilor şi a estimaţiilor vânzărilor pentru
constantele de nivelare: α = 0,2, α = 0,9 şi, respectiv α optim în raport cu eroarea medie
pătratică;
2. Analiza comparativă a rezultatelor pentru cele trei valori ale constantei de nivelare;
Pentru constanta de nivelare 0.2 previziunea este 1617.45 uf.
Pentru constanta de nivelare 0.9 previziunea este 1628.00 uf.
Pentru constanta de nivelare 0.27 previziunea este 1620.03 uf
3. Volumul vânzărilor recomandat să fie luat în considerare pentru producţia din luna octombrie
anul curent. Justificarea recomandării.
Volumul vanzarilor luat in considerare este cel pentru α = 0.27, respectiv 1620.03 pentru că
are eroarea medie patratica (MSE) cea mai mica fata de previziunea pentru α = 0.2 sau α =
0.9
4. Recomandări generale pentru alegerea constantei de nivelare α.
Alegerea constantei de nivelare α se poate realiza prin:
 Minimizarea indicatorilor erorilor de previziune ( et = Yt – Ft )
 Anazliza modelului Ft+1 = Yt +(1-)Ft
 Analiza modelului Ft+1 = Ft+ (Yt – Ft )
 Simulare (testari succesive) pe baza unui criteriu ( indicator de eroare) specificat
de decident.
ss

MODULUL II: Estimarea cererii produsului A în condiţii de concurenţă

 La începutul lunii septembrie a.c., S.C. HOPA DUPA S.A. a organizat o anchetă asupra unui
eşantion reprezentativ de (1000+c) consumatori, cu scopul de a determina numărul utilizatorilor
produsului A, cât şi al utilizatorilor produselor concurente C1, C2, C3.
S-au înregistrat următoarele rezultate:
(400+c) cumpărători s-au declarat utilizatori ai produsului A;
220 cumpărători s-au declarat utilizatori ai produsului C1;
230 cumpărători s-au declarat utilizatori ai produsului C2;
150 cumpărători s-au declarat utilizatori ai produsului C3.
În luna septembrie a.c., S.C. HOPA DUPA S.A. a lansat o campanie de publicitate pentru
produsul A. La începutul lunii octombrie s-a efectuat o nouă anchetă asupra aceluiaşi eşantion
reprezentativ de cumpărători şi s-au obţinut următoarele rezultate:
- dintre utilizatorii produsului A (la începutul lunii septembrie a.c.):
80% au rămas fideli produsului A;
10% s-au orientat către produsul C1;
5% s-au orientat către produsul C2;
5% s-au orientat către produsul C3;
- dintre utilizatorii produsului C1 (la începutul lunii septembrie a.c.):
60% au rămas fideli produsului C1;
20% s-au orientat către produsul A;
10% s-au orientat către produsul C2;
10% s-au orientat către produsul C3;
- dintre utilizatorii produsului C2 (la începutul lunii septembrie a.c.):
50% au rămas fideli produsului C2;
25% s-au orientat către produsul A;
10% s-au orientat către produsul C1;
15% s-au orientat către produsul C3;
- dintre utilizatorii produsului C3 (la începutul lunii septembrie a.c.):
40% au rămas fideli produsului C3;
30% s-au orientat către produsul A;
20% s-au orientat către produsul C1;
10% s-au orientat către produsul C2.
Se fac următoarele ipoteze:
 Alegerea unuia dintre produsele A, C1, C2, C3 în luna următoare depinde numai de alegerea din
luna curentă;
 Se consideră că matricea reorientărilor rămâne neschimbată pentru fiecare din următoarele 3
luni;
 Fiecare consumator cumpără un singur tip de produs, iar cantităţile cumpărate rămân
neschimbate în următoarele trei luni.

Modelul economico-matematic

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

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

S t+1 =S t⋅Pt/t +1 ,
pentru perioadele de timp desemnate prin t = 0 pentru septembrie, t=1 pentru octombrie, t=2 pentru
noiembrie, t=3 pentru decembrie;
unde:
S t =( cptA cptC 1 cptC 2 cp tC 3 )
reprezintă vectorul cotelor de participare pe piaţă ale produselor A,
C1, C2, C3 în luna t.
Cotele de participare pe piaţă pot fi exprimate ca ponderi: 0≤cp A ≤1 , 0≤cpCi ≤1 pentru
4
∑ cp ti =1 0≤cpi ≤100 , pentru
i=1,2,3 astfel ca suma tuturor să fie 1 ( i=1 ), sau ca procente:
4
∑ cp ti =100
i=1,...,4 şi i =1 pentru oricare moment de timp ( t, t=1,2,...T);
P= matricea reorientărilor = matricea probabilităţilor de tranziţie cu elementele pij, i=1,...,4, j=1,...,4.
pij = probabilitatea de reorientare a unui consumator de la produsul „i”, fie acesta unul din mulţimea
{A, C1, C2, C3} în luna t  {septembrie, octombrie sau noiembrie} a.c., la produsul „j” din
mulţimea {A, C1, C2, C3} în luna t+1  {octombrie, noiembrie sau decembrie} a.c.,
4

0≤p ij≤1 , i=1,...,4, j=1,...,4, şi astfel încât ∑ pij =1

;
i =1
pii = coeficientul de fidelitate faţă de produsul i, pentru i=1,2,3,4.
Pe baza datelor furnizate de anchetele efectuate rezultă:
400+c 220 230 150
S 0= ( 1000+ c 1000+c 1000+c 1000+c ) vectorul stării iniţiale sau al cotelor iniţiale
de piaţă şi matricea probabilitătilor de tranziţie:
0 , 80 0 , 10 0 , 05 0 , 05

P=
( 0 , 20
0 , 25
0 , 30
0 , 60 0 ,10 0 ,10
0 , 10 0 ,50 0 ,15
0 , 20 0 ,10 0 , 40
) .

Rezolvare
Rezolvarea problemei se poate face cu unul dintre produsele informatice:
WINQSB/ Markov Process/ Markov Processes (Mkp); QM for Windows/ Markov Analysis sau în
Excel

Analiza economică a rezultatelor

Raportul managerial în care analizaţi rezultatele obţinute pentru datele individualizate cu valoarea
c  0 va include următoarele informaţii:
1. Reprezentarea grafică şi analiza evoluţiei ponderilor pe piaţă a celor 4 produse concurenţiale.
Precizarea şi comentarea stadiului pe curba "vieţii" în care se află fiecare produs la momentul
iniţial;
2. Analiza influenţei campaniei de publicitate asupra vânzărilor produsului A;
3. Ponderea limită pe piaţă la care poate ajunge produsul A dacă matricea de tranziţie rămâne
neschimbată un număr mare de perioade;
4. Evoluţia pe piaţă în raport cu luna septembrie a fidelităţii faţă de produsul A şi a reorientărilor
către produsele concurenţiale;
5. Volumul vânzărilor produsului A în lunile octombrie, noiembrie, decembrie, pentru situaţia
în care volumul total al vânzărilor celor patru produse este de 6000 u.f. în fiecare lună;
6. Evoluţia profitului asociat produsului A;
7. Politica managerială privind produsul A.
 MODULUL III: Decizia managerială privind stabilirea strategiei de vânzare în condiţii de
incertitudine şi risc

HOPA DUPA realizează în principal două produse, A şi B. Pentru produsele A şi B, volumul

vânzărilor variază întâmplător de la o lună la alta, iar conducerea firmei este interesată în planificarea
programului de producţie pe ultimul trimestru a.c. astfel ca oferta să se apropie cât mai mult de cererea
manifestată pe piaţă.
Ajustarea nivelului producţiilor pentru produsele A şi B este estimată în funcţie de volumul
previzionat al vânzărilor corelat cu vânzările reale din produsele concurente existente pe piaţă
(produsele C1, C2 şi C3 pentru produsul A şi produsele substitut pentru produsul B a cărui cerere
fluctuează în funcţie de conjunctura economică). Sunt evidenţiate următoarele situaţii obiective de
evoluţie a vânzărilor:
- Starea naturii SN1: situaţie favorabilă societăţii HOPA DUPA (condiţii slabe de concurenţă)
- cererea pentru produsul A se estimează astfel:
 cota de participare pe piaţă (calculată prin modelul Markov)* 6000 u.f. în luna octombrie =
0,4665 * 6000 =2799 u.f.
 1,10 * cota de piaţă (din modelul Markov)* 6000 u.f. în luna noiembrie = 1,10 * 0,5021 *
6000 =1,10 * 3013 = 3314,3 u.f.
 1,15 * cota de piaţă (din modelul Markov)* 6000 u.f. în luna decembrie = 1,15 * 0,5212 *
6000 = 1,15 * 3127 u.f. = 3596,05 u.f.
Rezultă că în cazul stării naturii SN1, cererea pentru produsul A se situează la nivelul: 2799 u.f. +
3314,3 u.f. + 3596,05 u.f. = 9709,35 u.f.
- cererea pentru produsul B să fie în luna octombrie la nivelul de 1254 u.f. prognozat prin
modelul Brown pentru α = 0,9, apoi în luna noiembrie la nivelul de1400 u.f. şi în decembrie la 3500
u.f.
Rezultă că în cazul stării naturii SN1, cererea pentru produsul B se situează la nivelul: 1254 +
1400 + 3500 = 6154 u.f.

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

- cererea pentru produsul A se estimează astfel:
 cota de piaţă (calculată prin modelul Markov)* 6000 u.f. în luna octombrie = 0,4665 * 6000
=2799 u.f.
 cota de piaţă (calculată prin modelul Markov)* 6000 u.f. în luna noiembrie = 0,5021 * 6000
=3013 u.f.
 cota de piaţă (calculată prin modelul Markov)* 6000 u.f. în luna decembrie = 0,5212 * 6000
= 3127 u.f.
Rezultă că în cazul stării naturii SN2, cererea pentru produsul A se situează la nivelul: 2799 +
3013 + 3127 = 8939 u.f.
- cererea pentru produsul B să fie în luna octombrie la nivelul de 1257,74 u.f. prognozat prin
modelul Brown pentru α =0,2, apoi în luna noiembrie la nivelul 1200 u.f. şi în decembrie la 3200 u.f.
Rezultă că în cazul stării naturii SN2, cererea pentru produsul B se situează la nivelul: 1257,74 +
1200 + 3200 = 5657,74 u.f.

- Starea naturii SN3: situaţie nefavorabilă pentru SC. HOPA DUPA (concurenţă agresivă a celorlalte
produse)
- cererea din produsul A se situează la nivelul:
 cota de participare pe piaţă (calculată prin modelul Markov)* 6000 u.f. în luna octombrie =
0,4665 * 6000 =2799 u.f.
  0,95 * cota de piaţă (din modelul Markov) * 6000 u.f. în luna noiembrie = 0,95 * 0,5021 *
6000 = 0,95 * 3013 = 2862,35 u.f.
 0,90 * cota de piaţă (din modelul Markov) * 6000 u.f. în luna decembrie = 0,90 * 0,5212 *
6000 = 0,90 * 3127 u.f. = 2814,3 u.f.
Rezultă că în cazul stării naturii SN3, cererea pentru produsul A se situează la nivelul: 2799 +
2862,35 + 2814,3 = 8475,65 u.f.
- cererea pentru produsul B să fie în luna octombrie la nivelul de 1246,03 u.f. prognozat prin
modelul Brown pentru α optim, apoi în luna noiembrie la nivelul 1000 u.f. şi în decembrie la 3200 u.f.
Rezultă că în cazul stării naturii SN3, cererea pentru produsul B se situează la nivelul: 1246,03
+ 1000 + 3200 = 5446,03 u.f.
Sunt luate în considerare următoarele variante decizionale referitoare la oferta de producţie
pentru următoarele trei luni:
V1 – oferta pentru produsul A să fie egală cu cererea totală estimată pe baza cotelor de piaţă din
octombrie, noiembrie şi decembrie a.c. obţinute cu modelul Markov = 0,4665*6000
+0,5021*6000 + 0,5212 * 6000 = 2799 + 3013 + 3127 = 8939 u.f., iar oferta pentru
produsul B să fie egală cu [(cererea pentru luna octombrie estimată cu modelul lui Brown
pentru α = 0,2) + (cererea de 1000 u.f. pentru luna noiembrie) + (cererea de 3200 u.f.
pentru luna decembrie)] = 1257,74 + 1000 +3200 = 5457,74 u.f.
V2 – oferta pentru produsul A să fie cu 5% mai mare faţă de cererea totală estimată pe baza
cotelor de piaţă din octombrie, noiembrie şi decembrie a.c. obţinute cu modelul Markov =
1,05*8939 = 9385,95 u.f., iar oferta pentru produsul B să fie cu 5% mai mică decât
[(cererea pentru luna octombrie estimată cu modelul lui Brown pentru α = 0,2) + (cererea
de 1000 u.f. pentru luna noiembrie) + (cererea de 3200 u.f. pentru luna decembrie)] =
0,95*5457,74 = 5184,85 u.f.
V3 - oferta pentru produsul A să fie cu 5% mai mică faţă de cererea totală estimată pe baza
cotelor de piaţă din octombrie, noiembrie şi decembrie a.c. obţinute cu modelul Markov =
0,95 * 8939 = 8492,05 u.f., iar oferta pentru produsul B să fie cu 5% mai mare decât
[(cererea pentru luna octombrie estimată cu modelul lui Brown pentru α = 0,2) + (cererea
de 1000 u.f. pentru luna noiembrie) + (cererea de 3200 u.f. pentru luna decembrie)] =
1,05*5457,74 = 5730,63 u.f.

Compararea diferitelor posibilităţi de desfăşurare a producţiei se face prin prisma unor consecinţe
de tip profit calculat pentru fiecare variantă decizională Vi, i = 1, 2, 3 şi stare a naturii SNj, j = 1, 2, 3.
3 3
∑ ∑
Profit(Vi, SNj) = (profitul unitar A) * MIN{ k =1 (ofertaVi produs A)k, k =1 (cerereaSNj
3 3
∑ ∑
produs A)k} + (profitul unitar B) * MIN{ k =1 (ofertaVi produs B)k, k =1 (cerereaSNj produs B)k} -
3 3
∑ ∑
(costul unitar producţie A) * MAX{0, [ k =1 (ofertaVi produs A)k - k =1 (cerereaSNj produs A)k]} -
3 3
∑ ∑
(costul unitar producţie B) * MAX{0, [ k =1 (ofertaVi produs B)k - k =1 (cerereaSNj produs B)k]}
unde k = 1 = octombrie, k = 2 = noiembrie, k = 3 = decembrie.
Din Tabelul 1: profitul unitar A = 5 u.m./u.f.; profitul unitar B = 3 u.m./u.f.;
costul unitar producţie A = 20 u.m./u.f.; costul unitar producţie B = 10 u.m./u.f.
 Conducerea societăţii doreşte ierarhizarea variantelor decizionale în funcţie de profitul care ar
putea fi obţinut atât în condiţii de incertitudine, cât şi în situaţia în care, din experienţa anterioară se
estimează că probabilităţile pj asociate stărilor naturii sunt:
p1 = 0,4 pentru SN1, p2 = 0,4 pentru SN2 şi p3 = 0,2 pentru SN3.

Modelul economico-matematic

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

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

Structurarea situaţiei decizionale sub forma unui set finit de variante de acţiune, a mai multor
stări ale naturii şi posibilitatea de a calcula consecinţele economice asociate fiecărei combinaţii variantă
decizională – stare a naturii permite formularea unui model de decizie sub formă matriceală prezentată
în Tabelul 3.1.
Tabelul 3.1
Starea naturii SN1 Starea naturii SN2 Starea naturii SN3
(p1 = 0,4) (p2 = 0,4) (p3 = 0,2)
Varianta
Profit(V1, SN1) Profit(V1, SN2) Profit(V1, SN3)
decizională V1
Varianta
Profit(V2, SN1) Profit(V2, SN2) Profit(V2, SN3)
decizională V2
Varianta
Profit(V3, SN1) Profit(V3, SN2) Profit(V3, SN3)
decizională V3
Pentru individualizarea c = 0 se obţin datele din Tabelul 3.2
Tabelul 3.2
Stările naturii
SN1 (p1 = 0,4) SN2 (p2 = 0,4) SN3 (p3 = 0,2)
Cererea A = 9709,35 u.f. Cererea A = 8939 u.f. Cererea A = 8475,65 u.f.
Cererea B = 6154 u.f. Cererea B = 5657,74 u.f. Cererea B = 5446,03 u.f.
Varianta decizională V1
Oferta A = 8939
u.f. 61068,22 u.m. 61068,22 u.m. 49332,24 u.m.
Oferta B =
5457,74 u.f.
Varianta decizională V2
Oferta A =
9385,95 u.f. 64612,83 u.m. 50363,03 u.m. 36027,05 u.m.
Oferta B =
5184,85 u.f.
Varianta decizională V3
Oferta A =
8492.05 u.f. 65462,48 u.m. 46636,95 u.m. 32300,97 u.m.
Oferta B =
5730,63 u.f.
 De exemplu, consecinţa asociată variantei V1 dacă se manifestă starea SN1 a naturii va fi:
Profit (V1, SN1) = 5*MIN{8939, 9709,35} + 3*MIN{5457,74, 6154} – 20*MAX{0, (8939 -
9709,35)} – 10*MAX{0, (5457,74 - 6154)} = 5*8939 + 3*5457,74 – 0 – 0 = 44695 + 16373,22 =
61068,22 u.m.
După construirea matricei consecinţelor de tip profit se vor aplica criteriile de decizie pentru
ierarhizarea variantelor decizionale.

Rezolvare
Rezolvarea problemei se poate face cu unul dintre produsele informatice:
WINQSB/DA/Payoff Table Analysis; QM for Windows/Decision Analysis/Decision Tables sau
în Excel

Analiza economică a rezultatelor

Se recomandă ca raportul managerial să includă explicaţii asupra următoarelor aspecte:

1. Recomandări de alegere a celei mai potrivite reguli de decizie din cele folosite: Wald (minmax),
maxmax, Savage (minmax regret), Laplace (equal likelihood), Hurwicz;
2. Estimarea costului maxim pentru achiziţionarea unor informaţii complete asupra stărilor naturii;
3. Recomandări de alegere a valorii coeficientului de optimism  pentru regula/ criteriul Hurwicz
şi surclasarea variantelor decizionale pentru valorile coeficientului de optimism   [0, 1].
4. Decizia în condiţii de risc.
 MODULUL IV: Calculul profitului maxim probabil (speranţa matematică a profitului) în cazul
în care se va lansa pe piaţă produsul D

Departamentul de cercetare producţie al S.C. HOPA DUPA S.A. a creat un nou produs D care a
fost testat pe piaţă şi care este acceptat de către utilizatori. Pentru realizarea produsului conducerea S.C.
HOPA DUPA S.A. are în vedere mai multe variante. Alegerea variantei convenabile depinde în
principal de evoluţia vânzărilor produsului peste 2 ani, acesta fiind timpul de amortizare a utilajelor.
După primul an se vor lua noi decizii în funcţie de situaţia vânzărilor. Datele privind variantele şi
stările naturii pentru cele 2 momente de decizie sunt prezentate în Tabelul 4.1. Conducerea S.C.HOPA
DUPA S.A. doreşte să cunoască acţiunea pe care trebuie să o întreprindă în prima şi, respectiv, a doua
etapă pentru a obţine maximum de profit.
Modelul economico - matematic
Procesul decizional în două etape poate fi modelat cu ajutorul arborelui decizional.
Tabelul 4.1
Anul t Anul t+1
Variantele Stările naturii Variantele Stările naturii Profitul
estimat
Instalarea Conjuctură favorabilă Instalarea unui nou utilaj Cerere mare (probabilitatea =0.3) 800+c
unui utilaj (probabilitatea=0.7) (cost (20+c) u.m.) Cerere medie (probabilitatea =0.6) 600+c
nou Cerere mică (probabilitatea=0.1) 500+c
(cost
Ore suplimentare de lucru Cerere mare (probabilitatea=0.3) 600+c
(20+c)u.m)
(cost (2+c) u.m.) Cerere medie (probabilitatea=0.6) 500+c
Cerere mica (probabilitatea=0.1) 400+c
Conjuctură nefavorabilă Utilizarea capacităţii existente Cerere mare (probabilitatea=0.3) 500+c
(probabilitatea=0.3) Cerere medie (probabilitatea=0.6) 400+c
Cerere mică (probabilitatea=0.1) 200+c
Ore Conjuctură favorabilă Instalarea unui utilaj nou Cerere mare (probabilitatea=0.3) 600+c
suplimentare (probabilitatea=0.7) (cost (20+c) u.m.)
de lucru Cerere medie (probabilitatea=0.6) 500+c
(cost Cerere mică (probabilitatea=0.1) 200+c
(2+c)u.m.) Instalarea unui utilaj nou şi
Cerere mare (probabilitatea=0.3) 500+c
ore suplimentare de lucru
(cost (22+2c) u.m.) Cerere medie (probabilitatea=0.6) 400+c
Cerere mică (probabilitatea=0.1) 200+c
Conjuctură nefavorabilă Ore suplimentare de lucru Cerere mare (probabilitatea=0.3) 400+c
(probabilitatea=0.3) (cost (2+c) u.m.) Cerere medie (probabilitatea=0.6) 400+c
Cerere mică (probabilitatea=0.1) 200+c
Rezolvare
Rezolvarea problemei se poate face cu unul dintre produsele informatice:
WINQSB/DA/Decision Tree sau QM for Windows/Decision Analysis/Decision Trees

Analiza economică a rezultatelor

Raportul managerial va include:
1. Reprezentarea arborelui decizional cu valorile asociate tuturor nodurilor;
2. Analiza rezultatelor şi indicarea variantelor optime atât în primul an cât şi în cel de al doilea an.
3. Analiza senzitivităţii soluţiei la variaţia probabilităţilor de realizare a stărilor naturii (minim 2
scenarii).
 MODULUL V. Programarea activităţilor unui proiect pentru introducerea în fabricaţie a
produsului D

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

S.C.HOPA DUPA S.A. implică activităţile prezentate în Tabelul 5.1. Pentru aceste activităţi s-au
estimat atât duratele normale şi costurile corespunzătoare, cât şi duratele şi costurile activităţilor în
cazul suplimentării resurselor umane şi financiare necesare urgentării acestor activităţi.
Tabelul 5.1
Costul
Activităţi Durata Durata Costul duratei
Sim normal
Denumire activitate precedente normală urgentată urgentate
bol (u.m.)
(saptămâni) (săptămâni) (u.m)
A Proiectare produs - 12 7 90+c 135+c
Elaborare program
B - 5 2 16+c 30+c
marketing
Pregătire documentaţie
C A 6 3 3+c 4+c
tehnică
D Construire prototip A 11 6 100+c 120+c
Elaborare prospect de
E A 4 3 6+c 7+c
marketing
F Estimare cost de producţie C 3 2 2+c 3+c
G Testare tehnică a producţiei D 6 4 60+c 70+c
H Studiul pieţei B,E 8 4 20+c 50+c
Estimare cerere şi preţ de
I H 3 2 2+c 3+c
vânzare
J Redactare studiu final F,G,I 3 2 2+c 3+c

Conducerea S.C.HOPA DUPA S.A. doreşte să ştie care este durata normală şi durata cea mai
mică de realizare a studiului de fezabilitate cât şi costurile totale corespunzătoare. De asemenea
conducerea este interesată în determinarea duratei medii de realizare a studiului, a costului optim
asociat acestei durate şi eşalonarea în timp a activităţilor pentru obţinerea duratei medii, durata optimă
în cazul unui buget total de (360 +10c) u.m.

Modelul economico-matematic

Programarea în timp a activităţilor pentru lansarea unui produs nou cu un cost optim
corespunzător unei durate totale specificate pentru finalizarea proiectului se poate
obţine cu ajutorul unui model ADC/Costuri.

Rezolvare
Rezolvarea problemei se poate face cu unul dintre produsele informatice:
WINQSB/PERT-CPM/Deterministic CPM; QM for Windows/ Project Management PERT –
CPM/Single Time Estimate sau în Excel

Analiza economică a rezultatelor

 Raportul managerial în care se analizează rezultatele obţinute va include:
1. Graficul reţea al activităţilor proiectului;
2. Reprezentarea grafică a costului proiectului în funcţie de durata totală de realizare, cu ajutorul
punctelor de coordonate:
(Durata totală normală, Costul total normal);
(Durata totală minimă, Costul total maxim);
(Durata totală minimă, Costul total optim);
(Durata totală medie, Costul total optim asociat).
3. Durata optimă în cazul unui buget total de (360 +10c) u.m.;
4. Drumul critic pentru proiectul cu durată medie;
5. Termenele minime şi maxime de începere şi de terminare pentru fiecare activitate.
INDICAȚII PENTRU REZOLVARE ȘI ANALIZA ECONOMICĂ

MODULUL I: Estimarea vânzărilor produsului B

Rezolvarea cu WINQSB/Fc pentru c=0:

Tabelul 1/R
WINQSB/Fc/SES Forecast Result for “Estimarea vanzarii produsului B”
Actual Forecast by Forecast by Forecast by
Lunile Data SES SES SES
1 1400.00
2 1500.00 1400.00 1400.00 1400.00
3 1200.00 1420.00 1490.00 1427.00
4 1300.00 1376.00 1229.00 1365.71
5 1100.00 1360.80 1292.90 1347.97
6 1350.00 1308.64 1119.29 1281.02
7 1450.00 1316.91 1326.93 1299.64
8 1150.00 1343.53 1437.69 1340.24
9 1200.00 1304.82 1178.77 1288.87
10 1100.00 1283.86 1197.88 1264.88
11 1310.00 1247.09 1109.79 1220.36
12 1250.00 1259.67 1289.98 1244.56
13 1257.74 1254.00 1246.03

CFE -711.32 -162.22 -570.25

MAD 126.00 150.42 127.19
MSE 21628.46 30836.92 21276.39
MAPE 10.42 12.14 10.44
Trk.Signal -5.65 -1.08 -4.48
R-square 0.44 0.92 0.41
Alpha=0.2 Alpha=0.9 Alpha=0.27
F(0)=1400 F(0)=1400 F(0)=1400

Analiza economică a rezultatelor:

1. Reprezentarea grafică a datelor reale, a mediei vânzărilor şi a estimaţiilor vânzărilor pentru
constantele de nivelare: α = 0,2, α = 0,9 şi, respectiv α optim în raport cu eroarea medie
pătratică;
 Figura 1/R

2. Analiza comparativă a rezultatelor pentru cele trei valori ale constantei de nivelare:
Pentru constanta de nivelare 0.2 previziunea este 1257,74 uf.
Pentru constanta de nivelare 0.9 previziunea este 1254,00 uf.
Pentru constanta de nivelare 0.27 previziunea este 1246,03 uf.

3. Volumul vânzărilor recomandat să fie luat în considerare pentru producţia din luna octombrie
anul curent. Justificarea recomandării.
Volumul vanzarilor luat in considerare este cel pentru α = 0.27, respectiv 1246,03 pentru că
are eroarea medie patratica (MSE) cea mai mica 21276.39, fata de previziunea pentru α =
0.2 care are eroarea medie patratica 21628,46 sau α = 0.9 care are eroare medie patratica
30836,92

4. Recomandări generale pentru alegerea constantei de nivelare α

Consultați curs –secțiunea care face referire la modul în care alegerea constantei de nivelare
influențează eroarea de previziune.
MODULUL II: Estimarea cererii produsului A în condiţii de concurenţă

Rezolvarea cu WINQSB/Mkp:

Rezultatele furnizate de WINQSB/Mkp (pentru c=0), sunt următoarele:

Tabelul 2/R
WINQSB/Mkp “Evolutia pe piata a produselor concurentiale” 4

From \ To A C1 C2 C3
A 0.8 0.1 0.05 0.05
C1 0.2 0.6 0.1 0.1
C2 0.25 0.1 0.5 0.15
C3 0.3 0.2 0.1 0.4
Initial Prob. 0.4 0.22 0.23 0.15

Tabelul 3/R
Time Parametric Analysis for “Evolutia pe piata a produselor concurentiale”

Time Probability of State Probability of State Probability of State Probability of State

Period State A1 State C1 State C2 State C3
1 0.4665 0.2250 0.1720 0.1365
2 0.5022 0.2262 0.1455 0.1262
3 0.5212 0.2257 0.1331 0.1200

Observaţie: Fiecare coloană din Tabelul 3/R a fost obţinută pornind de la comanda “Solve and
Analyze/Time Parametric Analysis” aplicată pe rând pentru fiecare produs.
Tabelul 4/R
Steady State for “Evolutia pe piata a produselor concurentiale”

State Name State Probability Recurrence Time

A 0.5434 1.8404
C1 0.2225 4.4935
C2 0.1214 8.2381
C3 0.1127 8.8718
Expected Cost/Return = 2.7168

Tabelul 5/R
Time Parametric Analysis for “Evolutia fidelitatii fata de A” (şi a reorientărilor de la A la celelalte produse în raport cu luna
septembrie a.c.)

Time Probability of State A Probability of State C1 Probability of State C2 Probability of State C3

Period
1 0.8000 0.1000 0.0500 0.0500
2 0.6875 0.1550 0.0800 0.0775
3 0.6242 0.1853 0.0976 0.0929

Observaţie: În Winqsb pentru obţinerea fidelităţii faţă de A, în linia Initial Prob a tabelului cu datele
de intrare se introduce vectorul (1, 0, 0, 0), apoi pentru fiecare coloană a Tabelului 5/R se
utilizează comenzile Solve and Analyze / Time Parametric Analysis / Probability of State A
ş. a. m. d.
 O altă variantă constă în rezolvarea problemei in Excel si ridicarea matricii la diferite
puteri: fidelitatea față de produsul A și reorientările către produsele C1, C2 și C3 se citesc
pe prima linie a fiecărei matrici.

În aplicația QM for Windows/ Markov Analysis, cu opţiunea Window/Multiplication se obţin

atât vectorii cotelor de piaţă la diferite momente (linia End prob(ability), cât şi matricile de
tranziţie la diferite puteri (in tabelul perioadei 1 se află matricea la puterea 1, ş.a.m.d).

Analiza economică a rezultatelor

1. Reprezentarea grafică şi analiza evoluţiei ponderilor pe piaţă a celor 4 produse concurenţiale.

Precizarea şi comentarea stadiului pe curba "vieţii" în care se află fiecare produs la momentul iniţial;

Din tabelele 2/R şi 3/R rezultă evoluţia pe piaţă a produselor concurenţiale A, C1, C2, C3:

0.6

0.5

0.4
Ponderi pe piata

0.3

0.2

0.1

0
sept oct nov dec Steady state
Perioadele de timp

A C1 C2

Figura 2/R

Înluna septembrie a.c. produsul A se află la începutul perioadei de creştere.

Precizați ce se întâmplă cu produsele C1, C2 și C3.

2. Analiza influenţei campaniei de publicitate asupra vânzărilor produsului A;

Campania de publicitate a avut un efect maxim în luna octombrie, când produsul A a câştigat
6,65% pe piaţă. In lunile următoare, influenţa campaniei de publicitate scade: 3,53% în noiembrie
şi 1,91% în decembrie.
3. Ponderea limită pe piaţă la care poate ajunge produsul A dacă matricea de tranziţie rămâne
neschimbată un număr mare de perioade;
Dacă matricea de tranziţie rămâne mult timp neschimbată de la o lună la alta, ponderea limită la
care poate ajunge produsul A pe piaţă este 54,34% (State Probability). De aceea se recomandă
schimbarea tipului de campanie de publicitate sau altă politică managerială pentru consolidarea poziţiei
firmei pe piaţă.

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

către produsele concurenţiale;

F id e lita ti/r e o r ie n ta r i
Evoluţia fidelităţii faţă de A şi a reorientărilor de la A la celelalte produse în raport cu luna
septembrie a.c. este reprezentată grafic în Figura 2/R. În starea de echilibru, un client poate reveni la
produsul A la fiecare 1,84 luni (recurrence time).

1
0.9
0.8
0.8
0.69
0.7 0.62
0.6
0.5
0.4
0.3
0.19
0.2 0.16
0.1 0.080.08
0.1 0.050.05
0
oc no de
t v c

Lunile

Fidelitatea faţă de A Reorientarea de la A2001 la C2

Reorientarea de la A2001 la C1 Reorientarea de la A2001 la C3

Figura 3/R
5. Plecând de la estimările obţinute rezultă următorul volum al vânzărilor produsului A:
0,4665 * 6000 = 2799 u.f. în octombrie a.c.,
0,5021 * 6000 = 3013 u.f. în noiembrie a.c.şi
0,5212 * 6000 = 3127 u.f. în decembrie a.c.

6. Vânzările lunare obținute la pct 5. împreună cu profitul unitar (5 um/uf) vor fi utilizate de
fiecare student pentru determinarea evoluţiei profitului estimat pentru produsul A pe cele 3
luni.

7. Politica managerială pentru consolidarea produsului A pe piaţă va fi propusă de fiecare

student în funcţie de evoluţia produsului analizat.

MODULUL IV. Calculul profitului maxim probabil (speranţa matematică a profitului) în

cazul în care se va lansa pe piaţă produsul D.
 Rezolvarea cu WINQSB/ Decision Analysis/Decision Tree Analysis pentru c=0

Tabelul 6/R
Tabelul de introducere a datelor în WINQSB:
Node/Event Node Name or Node Type Immediate Node Probability
Number Description (enter D or Following Node Payoff (if
C) (numbers (+ profit, available)
separated by - cost)
',')

1 dec init d 2,3

2 instalare c 4,5 -20
3 Ore supl c 6,7 -2
4 FAV d 8,9 0.7
5 NEFAV d 10 0.3
6 FAV d 11,12 0.7
7 NEFAV d 13 0.3
8 instalare c 14,15,16 -20
9 ore-sup c 17,18,19 -2
10 capac-exist c 20,21,22 0
11 instalare c 23,24,25 -20
12 instal+ore c 26,27,28 -24
supl
13 ore-supl c 29,30,31 -2
14 C_MARE 800 0.3
15 C_medie 600 0.6
16 C_mica 500 0.1
17 C_MARE 600 0.3
18 C_medie 500 0.6
19 C_mica 400 0.1
20 C_MARE 500 0.3
21 C_medie 400 0.6
22 C_mica 200 0.1
23 C_MARE 600 0.3
24 C_medie 500 0.6
25 C_mica 200 0.1
26 C_MARE 500 0.3
27 C_medie 400 0.6
28 C_mica 200 0.1
29 C_MARE 400 0.3
30 C_medie 400 0.6
31 C_mica 200 0.1

Tabelul de introducere a datelor – modul de lucru în WINQSB/DA/Decision tree:

 Prin rezolvarea cu opţiunea Solve and analyze, se obţine următorul tabel:
Tabelul 7/R
Decision Tree Analysis
Node/Event Type Expected Decision
value
1 dec init Decision node 544 instalare

2 instalare Chance node 564

3 ore-sup Chance node 449,40
4 FAV Decision node 630 instalare

5 NEFAV Decision node 410 capac-exist

6 FAV Decision node 480 instalare

7 NEFAV Decision node 378 ore-supl

8 instalare Chance node 650

9 ore-sup Chance node 520
10 capac-exist Chance node 410
11 instalare Chance node 500
12 instal supl Chance node 410
13 ore-supl Chance node 380
14 C_MARE End node 800
15 C_medie End node 600
16 C_mica End node 500
17 C_MARE End node 600
18 C_medie End node 500
19 C_mica End node 400
20 C_MARE End node 500
 Node/Event Type Expected Decision
value
21 C_medie End node 400
22 C_mica End node 200
23 C_MARE End node 600
24 C_medie End node 500
25 C_mica End node 200
26 C_MARE End node 500
27 C_medie End node 400
28 C_mica End node 200
29 C_MARE End node 400
30 C_medie End node 400
31 C_mica End node 200

Overall Expected Value = 544

Tabelul cu rezultate în WINQSB/DA

Obţinerea arborelui în formă grafică:

 Analiza economică a rezultatelor
1. Reprezentarea arborelui decizional cu valorile asociate tuturor nodurilor
27 Modelarea Deciziilor Manageriale

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

In anul primul se recomanda instalarea utilajului nou, pentru ca profitul asteptat este mai mare
decat in cazul orelor suplimentare, respectiv 544 unitati monetare in comparatie cu 447,40
unitati monetare.
In al doilea an daca conjunctura este favorabila se va alege instalarea unui nou utilaj deoarece
profitul asteptat este de 630 u.m., in comparatie cu situatia in care s-ar alege orele suplimentare
unde profitul asteptat este de 518 u.m., iar daca conjuctura va fi nefavorabila se recomandă
utilizarea capacitatii existente cu un profit asteptat de 410 u.m.

3. Analiza senzitivităţii soluţiei la variaţia probabilităţilor de realizare a stărilor naturii (minim 2

scenarii).

Se recomandă ca studenții să modifice probabilitățile de realizare în primul sau/și al doilea an

(astfel încât suma probabilităților pentru evenimentele/stările naturii ce pleacă dintr-un anumit
nod să rămână 1) și să noteze dacă există vre-o schimbare în ceea ce privește varianta optimă
și valoarea profitului asociat acesteia.

MODULUL V. Programarea activităţilor unui proiect pentru introducerea în

fabricaţie a produsului D

Rezolvarea cu WINQSB/ PERT- CPM/ Deterministic CPM pentru c=0

28

Datele de intrare sunt prezentate în Tabelul 8/R

Tabelul 8/R

WINQSB/CPM “Programarea activitatilor pentru realizarea unui produs nou”

Activit Activity Name Immediate Predecessor Normal Crash Norma Crash
y (list number/name, Time Time l Cost Cost
Numbe separated by ',')
r
1 Proiectare produs 12 7 90 135
2 Elab. progr. marketing 5 2 16 30
3 Preg. doc. tehnice 1 6 3 3 4
4 Construire prototip 1 11 6 100 120
5 Elab. prospect marketing 1 4 3 6 7
6 Estimare cost de productie 3 3 2 2 3
7 Testare teh. a prod. 4 6 4 60 70
8 Studiul pietei 2,5 8 4 20 50
9 Estim. cerere si pret 8 3 2 2 3
10 Redactare studiu final 6,7,9 3 2 2 3

Rezultatele obţinute prin rezolvarea cu WINQSB/ PERT- CPM/ Deterministic CPM pentru
c=0 sunt următoarele:

Tabelul 9/R
Activity Analysis for “Programarea activitatilor pentru realizarea unui produs nou” (Using Normal Time)

Project Completion Time = 32 saptamani

Total Cost of Project = $301 (Cost on CP = $252)
Number of Critical Path(s)= 1
Obs: Tabelul 9/R se obține cu opțiunea Solve Using Normal Time.

Tabelul 10/R
Activity Analysis for “Programarea activitatilor pentru realizarea unui produs nou” (Using Crash Time)

Project Completion Time = 19 saptamani

Total Cost of Project = $425 (Cost on CP = $328)
Number of Critical Path(s) = 1
Obs: Tabelul 10/R se obține cu opțiunea Solve Using Crash Time.

Tabelul 11/R
Crashing Analysis for “Programarea activitatilor pentru realizarea unui produs nou” (durata totala =19 saptamani
si cost optim)

Suggested Additional Normal Suggested

Time Cost Cost Cost
Overall Project: 19 $100.50 $301 $401.50
Obs: Tabelul 11/R se obține cu opțiunea Perform Crashing Analysis/ Finding the minimum cost
schedule ptr. 19 săptămâni.

Tabelul 12/R
Crashing Analysis for “Programarea activitatilor pentru realizarea unui produs nou” (durata = 25 saptamani si
cost optim)
Suggested Additional Normal Suggested
Time Cost Cost Cost
Overall Project: 25 $37 $301 $338
29 Modelarea Deciziilor Manageriale

Obs: Tabelul 12/R se obține cu opțiunea Perform Crashing Analysis/ Meeting the desired
completion time pentru 25 săptămâni.

Analiza economică a rezultatelor

1. Graficul reţea al activităţilor proiectului – se va realiza cu WINQSB sau prin desenare

de către fiecare student.
2. Pe baza datelor din tabelele 9/R, 10/R, 11/R şi 12/R se vor reprezenta grafic cele
patru valori ale costului în raport cu durata totală a proiectului.
3. Durata optimă în cazul unui buget total de 360 u.m (ptr c=0) este de 22,56 saptamani
(cfm. Rezultatelor din tabelul 13/R)
Tabelul 13/R
Crashing Analysis for “Programarea activitatilor pentru realizarea unui produs nou”(cu bugetul disponibil = 360
u.m)
Activity Critical Normal Crash Suggested Addition Normal Suggested
Name
Path Time Time Time al Cost Cost
Cost
1 Proiectare produs Yes 12 7 7.555 $40.00 $90 $130
2 Elab. Progr. Marketing no 5 2 5 0 $16 $16
3 Preg. Doc. Tehnice no 6 3 6 0 $3 $3
4 Construire prototipului Yes 11 6 7 $16 $100 $116
5 Elaborare prospect Yes 4 3 3 $1 $6 $7
marketing
6 Estimare cost. de no 3 2 3 0 $2 $2
productie
7 Testarea teh. a prod. Yes 6 4 6 0 $60 $60
8 Studiul pietei Yes 8 4 8 0 $20 $20
9 Estim. Cerere si pret Yes 3 2 2 $1 $2 $3
10 Redactare studiu final Yes 3 2 2 $1 $2 $3

Overall Project: 22.56 $59.00 $301 $360

4. Drumul critic pentru proiectul cu durată medie.

Pentru durata de 25 săptămâni și costul optim se va specifica de către fiecare student care
este/sunt drumul/drumurile critic(e) (acestea pot fi identificate in WINQSB după rularea
opțiunii Perform Crashing Analysis/ Meeting the desired completion time pentru 25 săptămâni,
urmată de optiunea Show Critical Path. O altă variantă de identificare constă în vizualizarea
activităților critice urmărind amplasarea lor pe graf)

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

Termenele minime si maxime de incepere se gasesc in coloanele „Earliest Start” si „Latest
Start”, iar Termenele minime si maxime de terminare se gasesc in coloanele „Earliest Finish”
si „Latest Finish” din tabelul obținut cu opțiunea Solve Using Normal Time, pentru durata
normală de 32 săptămâni (maximă). Studenții vor prezenta sub formă de tabel aceste valori.