Proiect Modelare PDF

Academia de Studii Economice din Bucureşti
Facultatea de Management
MODELARE ECONOMICĂ
-
PROIECT DE DISCIPLINĂ
Nume: ANTON TEODORA MARIA
Seria: A
Grupa:146
Bucureşti
2018
Decizia managerială asistată de calculator pentru îndeplinirea obiectivelor
propuse la firma PEPSICO ROMÂNIA
1. Prezentare generală
2. Situaţia tehnico-economică şi de producţie a firmei " PEPSICO ROMÂNIA "
(individualizată pe student)
3. Obiectivele echipei manageriale pentru trimestrul IV a.c.
4. Decizia managerială asistată de calculator
 Estimarea vânzărilor băuturii carbogazoase Pepsi (B)
 Estimarea cererii băuturii carbogazoase Mirinda (A) 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 băutura carbogazoasă Mirinda cu gust de Kiwi (D).
 Programarea activităţilor unui proiect pentru introducerea în fabricaţie a produsului
Mirinda cu gust de Kiwi (D).
1
1.Prezentare generală
Proiectul la disciplina "Modelarea economică" 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. PEPSICO ROMÂNIA S.A.,
obiectivele manageriale şi modul de rezolvare în sistem conversaţional.
Proiectul conţine următoarele module :
M1. Estimarea vânzărilor băuturii carbogazoase Pepsi
M2. Estimarea cererii băuturii carbogazoase Mirinda în 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 băutura carbogazoasă Mirinda cu gust de kiwi.
M5. Programarea activităţilor proiectului pentru introducerea în fabricaţie a bautuii carbogazoase
Mirinda cu gust de Kiwi 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 " PEPSICO ROMÂNIA " (individualizată

pe student)
Firma PEPSICO ROMÂNIA operează pe piaţa unui bun de consum de folosință curentă şi
realizează, de 2 ani, două tipuri de produse Mirinda şi Pepsi cu următoarele caracteristici:
 Volumul vânzărilor variază întâmplător de la o lună la alta, cu toate că aceste produse au câştigat
poziţii importante pe piaţă;
 Pregătirea producţiei pentru cele două produse Mirinda şi Pepsi în lunile următoare (octombrie,
noiembrie, decembrie), necesită cunoaşterea în avans de către S.C. PEPSICO ROMÂNIA S.A. a
cererii viitoare pentru cele două produse ale sale;
Mirinda este în concurenţă cu alte trei produse similare Fanta, Tutti Frutti, Schweppes de
portocale realizate de firme concurente, astfel că variaţia cererii pentru Mirinda este cauzată de
evoluţia ponderii pe piaţă a produselor concurenţiale Fanta, Tuti Frutti, Schweppes.
 Produsul Pepsi 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.
2
 În evidenţa contabilă şi statistică a S.C. PEPSICO ROMÂNIA S.A. există informaţii privind
costul și profitul unitar (Tabelul 1), şi despre vânzările din produsul Pepsi (Tabelul 2).
Tabelul 1.
Produsul Costul unitar de Profitul unitar
producţie
Mirinda 20 u.m./u.f. 5 u.m./u.f.
Pepsi 10 u.m./u.f. 3 u.m./u.f.
Tabelul 2.
Nr.crt. Luna Vânzări din produsul Pepsi (unităţi
fizice)
1 Octombrie (anul 1400 +12= 1412
precedent)
2 Noiembrie (anul 1500 +12= 1512
precedent)
3 Decembrie (anul 1200 +12= 1212
precedent)
4 Ianuarie (anul curent) 1300 +12= 1312
5 Februarie (anul curent) 1100 +12= 1112
6 Martie (anul curent) 1350 +12= 1362
7 Aprilie (anul curent) 1450 +12= 1462
8 Mai (anul curent) 1150 +12= 1162
9 Iunie (anul curent) 1200 +12= 1212
10 Iulie (anul curent) 1100 +12= 1112
11 August (anul curent) 1310 +12= 1322
12 Septembrie (anul curent) 1250 +12= 1262
1.Obiectivele echipei manageriale pentru trimestrul IV a.c.
o Estimarea vânzării băuturilor Mirinda şi Pepsi 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 Mirinda cu gust de Kiwi
o Programarea activităţilor proiectului pentru introducerea în fabricaţie a produsului Mirinda
cu gust de Kiwi în cazul duratelor deterministe şi analiza cost – durată.
2. Decizia managerială asistată de calculator
MODULUL I: Estimarea vânzărilor băuturii carbogazoase Pepsi
Societatea Comercială PEPSICO ROMÂNIA S.A. are contracte ferme pentru băutura carbogazoasă
Pepsi, numai în lunile noiembrie şi decembrie a.c. Pentru estimarea volumului vânzărilor băuturii
carbogazoase Pepsi 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.
3
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. PEPSICO ROMÂNIA 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 se va face cu urmatorul program informatic:
QM for Windows/Forecasting/Time Series Analysis
4
5
6
7
8
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.
Luna Vânzări Valori previzionate 0.2 Valori previzionate 0.9 Valori previzionate 0.27 Media
October 1412 1287.833
November 1512 1412.000 1412.000 1412.000 1287.833
December 1212 1432.000 1502.000 1439.000 1287.833
January 1312 1388.000 1241.000 1377.710 1287.833
February 1112 1372.800 1304.900 1359.968 1287.833
March 1362 1320.640 1131.290 1293.017 1287.833
April 1462 1328.912 1338.929 1311.642 1287.833
May 1162 1355.530 1449.693 1352.239 1287.833
June 1212 1316.824 1190.769 1300.874 1287.833
July 1112 1295.859 1209.877 1276.878 1287.833
August 1322 1259.087 1121.788 1232.361 1287.833
September 1262 1271.670 1301.979 1256.564 1287.833
Next period 1269.736 1265.998 1258.031 1287.833
MSE 162.588 194.138 161.259
9
2.Analiza comparativă a rezultatelor pentru cele trei valori ale constantei de nivelare.
 Pentru constanta de nivelare 0.2 previziunea este 1269.736 uf
 Pentru constanta de nivelare 0.9 previziunea este 1265.998 uf.
 Pentru constanta de nivelare 0.27 previziunea este 1258.031 uf.
3. Volumul vânzărilor recomandat să fie luat în considerare pentru producţia din luna octombrie anul
curent. Justificarea recomandării.
Volumul vânzărilor luat în considerare este cel pentru α = 0.27, respectiv 1258,031 pentru că are eroarea
medie pătratică (MSE) cea mai mică 161,259 faţă de previziunea pentru α = 0.2 care are eroarea medie
patratică 162,588 sau α = 0.9 care are eroare medie pătratică 194,138.
4. Recomandări generale pentru alegerea constantei de nivelare α.

Constanta de nivelare 0    1; este aleasă de decident în funcție de forma seriei de date.
Alegerea valorii lui alpha (α) influenţează ajustarea oscilațiilor din seria de date reale și calitatea
previziunii.
Alegerea constantei de nivelare 0    1:
a) pe baza minimizării indicatorilor erorilor de previziune (et = Yt - Ft )
 Media erorilor la pătrat (mean square error) MSE
 Media erorilor absolute (mean absolute deviation) MAD
 Media procentuală a erorilor absolute MAPE
10
 Suma erorilor de previziune (cumulative forecast error) CFE
 Semnal de urmarire (Tracking Signal) TS
b) din analiza modelului Ft+1 = Yt +(1-)Ft, rezultă următoarele concluzii:
  tinde spre 1 => Ft+1  Yt => previziunile urmăresc oscilaţiile valorilor reale/ efective;
  mult mai mic decat 1 => Ft  Ft-1 => previziunile tinde să se niveleze spre media valorilor
efective.
c) din analiza modelului Ft+1 = Ft+ (Yt – Ft ) rezultă următoarele:
 Dacă diferenţele | Yt - Ft | sunt mari, atunci se recomandă alegerea unui  mic (spre 0) pentru a nu
permite transferarea fluctuaţiilor mari în previziune.
 Dacă Diferenţele | Yt - Ft | sunt mici, atunci se recomandă alegerea unui  mare (care tinde spre 1)
pentru a permite previziunii să reacţioneze rapid la eventualele schimbări.
d) prin simulare (testări succesive) pe baza unui criteriu (indicator de eroare) specificat de decident.
MODULUL II: Estimarea cererii băuturii Mirinda în condiţii de concurenţă
La începutul lunii septembrie a.c., S.C. PEPSICO ROMÂNIA S.A. a organizat o anchetă asupra unui
eşantion reprezentativ de (1000+12= 1012) consumatori, cu scopul de a determina numărul utilizatorilor
băuturii carbogazoase Mirinda, cât şi al utilizatorilor produselor concurente Fanta, Tutti - Frutti,
Schweppes. S-au înregistrat următoarele rezultate:
 (400+12= 412) cumpărători s-au declarat utilizatori ai băuturii carbogazoase Mirinda;
 220 cumpărători s-au declarat utilizatori ai băuturii carbogazoase Fanta;
 230 cumpărători s-au declarat utilizatori ai băuturii carbogazoase Tutti - Frutti;
 150 cumpărători s-au declarat utilizatori ai băuturii carbogazoase Schweppes.
În luna septembrie a.c., S.C. PEPSICO ROMÂNIA S.A. a lansat o campanie de publicitate pentru
produsul Mirinda. La începutul lunii octombrie s-a efectuat o nouă anchetă asupra aceluiaşi eşantion
reprezentativ de cumpărători şi s-au obţinut următoarele rezultate:
- dintre utilizatorii băuturii carbogazoase Mirinda (la începutul lunii septembrie a.c.):
 80% au rămas fideli produsului Mirinda;
 10% s-au orientat către produsul Fanta;
 5% s-au orientat către produsul Tutti - Frutti;
 5% s-au orientat către produsul Schweppes.
- dintre utilizatorii băuturii carbogazoase Fanta (la începutul lunii septembrie a.c.):
 60% au rămas fideli produsului Fanta;
 20% s-au orientat către produsul Mirinda;
 10% s-au orientat către produsul Tutti - Frutti;
- dintre utilizatorii băuturii carbogazoase Tutti - Frutti (la începutul lunii septembrie a.c.):
 50% au rămas fideli produsului Tutti - Frutti;
11
- dintre utilizatorii băuturii carbogazoase Schweppes (la începutul lunii septembrie a.c.):
 40% au rămas fideli produsului Schweppes ;
 10% s-au orientat către produsul Tutti - Frutti.
Se fac următoarele ipoteze:

 Alegerea unuia dintre produsele Mirinda, Fanta, Tutti Frutti, Schweppes 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.
În aceste condiţii, evoluţia pe piaţă a celor patru produse concurenţiale poate fi analizată cu
ajutorul lanţurilor Markov.
Modelul economico matematic bazat pe teoria lanţurilor Markov este de forma: S t 1  S t  Pt / t 1 ,

pentru perioadele de timp desemnate prin t = 0 pentru septembrie, t=1 pentru octombrie, t=2 pentru
noiembrie, t=3 pentru decembrie; unde:
S t  cp tA cpCt 1 cpCt 2 cpCt 3  reprezintă vectorul cotelor de participare pe piaţă ale produselor Mirinda,
Fanta, Tutti Frutti, Schweppes în luna t.
Cotele de participare pe piaţă pot fi exprimate ca ponderi: 0  cp A  1, 0  cpCi  1 pentru i=1,2,3 astfel
4 4
ca suma tuturor să fie 1 (  cp it  1 ), sau ca procente: 0  cpi  100 , pentru i=1,...,4 şi  cp t
i  100
i 1 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., 0  pij  1 , i=1,...,4, j=1,...,4, şi astfel
4
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 
S0    vectorul stării iniţiale sau al cotelor iniţiale de
 1000  c 1000  c 1000  c 1000  c 
piaţă şi matricea probabilitătilor de tranziţie:
S0=( 0.4071; 0.2174; 0.2273; 0.1482)
12
 0,80 0,10 0,05 0,05 
 0,20 0,60 0,10 0,10 
P=  .
 0,25 0,10 0,50 0,15 
 0,30 0,20 0,10 0,40 
Rezolvare
Rezolvarea problemei se poate face cu unul dintre produsele informatice:
QM for Windows/ Markov Analysis
13
14
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;
Septembrie Octombrie Noiembrie Decembrie Steady state
Mirinda 0.4071 0.4704 0.5043 0.5224 0.5434
Fanta 0.2174 0.2235 0.2253 0.2252 0.2226
Tutti - Frutti 0.2273 0.1706 0.1447 0.1327 0.1214
Schweppes 0.1482 0.1355 0.1256 0.1197 0.1127
15
 În luna septembrie băutura carbogazoasă Mirinda se află la începutul perioadei de creştere;
 În luna septembrie băutura carbogazoasă Fanta se află la începutul perioadei de creştere;
 În luna septembrie băutura carbogazoasă Tutti Frutti se află la începutul perioadei de declin,
înregistrează o scădere ce se menține pe întreaga perioadă;
 În luna septembrie băutura carbogazoasă Schweppes se află la începutul perioadei de declin.
2. Analiza influenţei campaniei de publicitate asupra vânzărilor produsului Mirinda.
Campania de publicitate a avut un efect maxim în luna octombrie, când băutura Mirinda a câştigat
6,33% pe piaţă. În lunile următoare, influenţa campaniei de publicitate scade: 3,39% în noiembrie şi
1,81% în decembrie.
3. Ponderea limită pe piaţă la care poate ajunge produsul Mirinda 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 băutura Mirinda 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 Mirinda şi a reorientărilor
către produsele concurenţiale.
Octombrie Noiembrie Decembrie
Fidelitatea faţă de Mirinda 0.8 0.6875 0.6243
Reorientarea de la Mirinda la Fanta 0.1 0.155 0.1853
Reorientarea de la Mirinda la Tutti Frutti 0.05 0.08 0.0976
Reorientarea de la Mirinda la Schweppes 0.05 0.0775 0.0929
16
5. Volumul vânzărilor produsului Mirinda în lunile octombrie, noiembrie, decembrie, pentru situaţia în
care volumul total al vânzărilor celor patru produse este de 6000 u.f. în fiecare lună.
Plecând de la estimările obţinute rezultă următorul volum al vânzărilor băuturii carbogazoase Mirinda:
0.4704 * 6000 = 2822 u.f. în octombrie
0.5043 * 6000 = 3026 u.f. în noiembrie
0.5224 * 6000 = 3134 u.f. în decembrie
6. Evoluţia profitului asociat produsului Mirinda.

Plecând de la volumul vânzărilor obținut rezultă următorul profit al produsului Mirinda:
2822 * 5 = 14.110 u.m în octombrie
3026 * 5 = 15.130 u.m în noiembrie
3134 * 5 = 15.670 u.m în decembrie
7. Politica managerială privind produsul Mirinda.
Profitul produsului Mirinda în cele trei luni analizate are o evoluţie semnificativă, acesta crescând de la
14.110 în luna octombrie la 15.670 în luna decembrie. Această creştere determină totodată creşterea
vânzărilor. în ceea ce priveşte păstrarea produsului pe piaţă se recomandă consolidarea poziţiei câştigate
prin diversificarea gamei de produse oferite, în acest caz fabricarea de sucuri Mirinda cu diverse arome
sau neacidulate.
O altă strategie de consolidare ar fi îmbunătăţirea designului, crearea unor noi posibilităţi de utilizare.
îmbunătăţirea produsului deja existent necesită mai puţine cheltuieli în comparaţie cu fabricarea unui nou
produs. De asemenea, o altă politică managerială în ceea ce priveşte produsul este scăderea costurilor de
producţie şi adoptarea unei campanii publicitare de promovare adecvate.
MODULUL III: Decizia managerială privind stabilirea strategiei de vânzare în condiţii de

incertitudine şi risc
PEPSICO ROMÂNIA realizează în principal două produse, Mirinda şi Pepsi. Pentru produsele Mirinda
şi Pepsi, 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 Mirinda şi Pepsi este estimată în funcţie de
volumul previzionat al vânzărilor corelat cu vânzările reale din produsele concurente existente pe piaţă
(produsele Fanta, Tutti Frutti şi Schweppes pentru produsul Mirinda şi produsele substitut pentru
produsul Pepsi a cărui cerere fluctuează în funcţie de conjunctura economică). Sunt evidenţiate
următoarele situaţii obiective de evoluţie a vânzărilor:
17
Starea naturii SN1: situaţie favorabilă societăţii PEPSICO ROMÂNIA (condiţii slabe de concurenţă)
Cererea pentru băutura carbogazoasă Mirinda se estimează astfel:
 cota de participare pe piaţă (calculată prin modelul Markov)* 6000 u.f. în luna octombrie =
0,4704 * 6000 =2822,4 u.f.
 1,10 * cota de piaţă (din modelul Markov)* 6000 u.f. în luna noiembrie = 1,10 * 0.5043 * 6000
=1,10 * 3025,8 = 3328,38 u.f.
 1,15 * cota de piaţă (din modelul Markov)* 6000 u.f. în luna decembrie = 1,15 * 0,5224 * 6000
= 1,15 * 3134,4 u.f. = 3604,56 u.f.
Rezultă că în cazul stării naturii SN1, cererea pentru produsul Mirinda se situează la nivelul: 2822,4
u.f. + 3328,38 u.f. + 3604,56 u.f. = 9755,34 u.f.
Cererea pentru produsul Pepsi să fie în luna octombrie la nivelul de 1265.998 u.f. prognozat prin
modelul Brown pentru α = 0,9, apoi în luna noiembrie la nivelul de 1400 u.f. şi în decembrie la 3500
u.f.
Rezultă că în cazul stării naturii SN1, cererea pentru produsul Pepsi se situează la nivelul: 1265,998
+ 1400 + 3500 = 6165,998 u.f.
Starea naturii SN2: condiţii medii de concurenţă pe piaţa produselor Mirinda şi Pepsi
Cererea pentru băutura carbogazoasă Mirinda se estimează astfel:
 cota de piaţă (calculată prin modelul Markov)* 6000 u.f. în luna octombrie = 0,4704 * 6000
=2822,4 u.f.
 cota de piaţă (calculată prin modelul Markov)* 6000 u.f. în luna noiembrie = 0,5043 * 6000
=3025,8 u.f.
 cota de piaţă (calculată prin modelul Markov)* 6000 u.f. în luna decembrie = 0,5224 * 6000 =
3134,4 u.f.
Rezultă că în cazul stării naturii SN2, cererea pentru produsul Mirinda se situează la nivelul: 2822,4+
3025,8+ 3134,4 = 8982,6 u.f.
Cererea pentru produsul Pepsi să fie în luna octombrie la nivelul de 1269,736 u.f. prognozat prin
modelul Brown pentru α =0,2, apoi în luna noiembrie la nivelul 1200 u.f. şi în decembrie la 3200 u.f.
Rezultă că în cazul stării naturii SN2, cererea pentru produsul Pepsi se situează la nivelul: 1269,736 +
1200 + 3200 = 5669,74 u.f.
Starea naturii SN3: situaţie nefavorabilă pentru SC. PROMODEC (concurenţă agresivă a celorlalte
produse)
Cererea din produsul Mirinda se situează la nivelul:
 cota de participare pe piaţă (calculată prin modelul Markov)* 6000 u.f. în luna octombrie =
0,4704 * 6000 =2822,4 u.f.
 0,95 * cota de piaţă (din modelul Markov) * 6000 u.f. în luna noiembrie = 0,95 * 0,5043 * 6000
= 0,95 * 3025,8 = 2874.51 u.f.
 0,90 * cota de piaţă (din modelul Markov) * 6000 u.f. în luna decembrie = 0,90 * 0,5224 * 6000
= 0,90 * 3134,4 u.f. = 2820,96 u.f.
Rezultă că în cazul stării naturii SN3, cererea pentru produsul Mirinda se situează la nivelul: 2822,4
+ 2874,51 + 2820,96 = 8517,87 u.f.
Cererea pentru produsul Pepsi să fie în luna octombrie la nivelul de 1258.031 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 Pepsi se situează la nivelul: 1258.031 +
1000 + 3200 = 5458,03 u.f.
18
Sunt luate în considerare următoarele variante decizionale referitoare la oferta de producţie pentru
următoarele trei luni:
V1 – oferta pentru produsul Mirinda să fie egală cu cererea totală estimată pe baza cotelor de
piaţă din octombrie, noiembrie şi decembrie a.c. obţinute cu modelul Markov =
0,4704*6000 +0,5043*6000 + 0,5224 * 6000 = 2822,4 + 3025,8 + 3134,4 = 8982,6 u.f.,
iar oferta pentru produsul Pepsi 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)] = 1269,736 + 1000 +3200 = 5469,74 u.f.
V2 – oferta pentru produsul Mirinda 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*8982,6 = 9431,73 u.f., iar oferta pentru produsul Pepsi 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*5469,74 = 5196,25 u.f.
V3 - oferta pentru produsul Mirinda 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 * 8982,6 = 8533,47 u.f., iar oferta pentru produsul Pepsi 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*5469,74 = 5743,23 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 Mirinda) * MIN{  (ofertaVi produs Mirinda)k,  (cerereaSNj
k 1 k 1
3 3
produs Mirinda)k} + (profitul unitar Pepsi) * MIN{  (ofertaVi produs Pepsi)k,  (cerereaSNj
k 1 k 1
3
produs Pepsi)k} - (costul unitar producţie Mirinda) * MAX{0, [  (ofertaVi produs Mirinda)k -
k 1
3 3
 (cerereaSNj produs Mirinda)k]}-(costul unitar producţie Pepsi) * MAX{0, [  (ofertaVi
k 1 k 1
3
produs Pepsi)k -  (cerereaSNj produs Pepsi)k]}, unde k = 1 = octombrie, k = 2 = noiembrie, k =
k 1
3 = decembrie.
Din Tabelul 1: profitul unitar Mirinda = 5 u.m./u.f.; profitul unitar Pepsi= 3 u.m./u.f.;
costul unitar producţie Mirinda = 20 u.m./u.f.; costul unitar producţie Pepsi = 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.
19
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
61.322,22 u.m 61.322,22 u.m 49.551,74 u.m
decizională V1
Varianta
62.747,4 u.m 51.519,15 u.m 39.900,9 u.m
decizională V2
Varianta
59.897,04 u.m 58.941,67 u.m 55.799,44 u.m
decizională V3
Pentru individualizarea c = 12 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 Mirinda = Cererea Mirinda = 8982,6 Cererea Mirinda =
9755,34u.f. u.f. 8517,87 u.f.
Cererea Pepsi = 6165,998 Cererea Pepsi= 5669,74 Cererea Pepsi = 5458,03
u.f. u.f. u.f.
Varianta decizională V1
Oferta Mirinda
=8982,6 u.f. 61.322,22 u.m. 61.322,22 u.m. 49.551,74 u.m.
Oferta Pepsi =
5469,74 u.f.
Oferta Mirinda =
9431,73 u.f. 62.747,4 u.m. 51.519,15 u.m. 39.900,9 u.m.
Oferta Pepsi =
5196,25 u.f.
Oferta Mirinda =
8533,47 u.f. 59.897,04 u.m.
Oferta Pepsi = 58.941,67 u.m. 55.799,44 u.m.
5743,23 u.f.
20
De exemplu, consecinţa asociată variantei V1 dacă se manifestă starea SN1 a naturii va fi:
Profit (V1, SN1) = 5*MIN{8982,6, 9755,34} + 3*MIN{5469,74, 6165,998} – 20*MAX{0,
(8982,6 - 9755,34)} – 10*MAX{0, (5.469,74 - 6.165,998)} = 5*8.982,6 + 3*5.469,74 – 0 – 0 = 44.913
+ 16.409,22 = 61.322,22 u.m.
Profit (V1, SN2) = 5*MIN{8982,6, 8982,6} + 3*MIN{5469,74, 5.669,74} – 20*MAX{0,
(8982,6 - 8982,6)} – 10*MAX{0, (5469,74 - 5669,74 )} = 5*8982,6 + 3*5.469,74 – 0 – 0 = 44.913 +
16.409,22 = 61.322,22 u.m.
Profit (V1, SN3) = 5*MIN{8982,6 , 8.517,87} + 3*MIN{5.469,74, 5.458,03} – 20*MAX{0,
(8982,6 - 8.517,87)} – 10*MAX{0, (5.469,74 - 5.458,03)} = 5*8.517,87+ 3*5458,03 – 20*464,73 –
10*11,71 = 42.589,35 + 16.374,09 - 9.294,6 - 117,1 = 49.551,74 u.m.
Profit (V2, SN1) = 5*MIN{9.431,73 , 9755,34 } + 3*MIN{5.196,25 , 6.165,998} –
20*MAX{0, (9.431,73-9755,34)}–10*MAX{0,(5196,25-6165,998)} = 5*9.431,73+ 3*5196,25 – 0 – 0
= 47.158,65 + 15.588,75 = 62.747,4 u.m.
Profit (V2, SN2) = 5*MIN{9.431,73, 8982,6} + 3*MIN{5196,25, 5669,74} – 20*MAX{0,
(9.431,73-8982,6)}–10*MAX{0,(5196,25 -5669,74)} = 5*8982,6+ 3*5196,25 – 20*449,13 - 0 =
44.913 + 15.588,75– 8982,6 = 51.519,15 u.m.
Profit (V2, SN3) = 5*MIN{9.431,73 8.517,87} + 3*MIN{5.196,25 , 5.458,03} – 20*MAX{0,
(9.431,73-8.517,87)}–10*MAX{0,(5196,25-5458,03)} = 5*8.517,87+ 3*5.196,25– 20*913,86 - 0 =
42.589,35 + 15.588,75– 18.277,2 = 39.900,9 u.m.
Profit (V3, SN1) = 5*MIN{8.533,47, 9755,34 } + 3*MIN{5.743,23, 6.165,998} – 20*MAX{0,
(8.533,47 - 9755,34)}–10*MAX{0,( 5743,23 - 6.165,998)} = 5*8.533,47 + 3*5743,23– 0 - 0 =
42.667,35 + 17.229,69 = 59.897,04 u.m
Profit (V3, SN2) = 5*MIN{8.533,47, 8982,6} + 3*MIN{5.743,23, 5.669,74} – 20*MAX{0,
(8.533,47 - 8982,6)}–10*MAX{0,(5.743,23 - 5669,74)} = 5*8.533,47+ 3*5669,74 – 0 – 10*73,49 =
42.667,35 + 17.009,22 – 734,9= 58.941,67 u.m.
Profit (V3, SN3) = 5*MIN{8.533,47, 8.517,87} + 3*MIN{5.743,23, 5.458,03} – 20*MAX{0,
(8.533,47 - 8.517,87)}–10*MAX{0,(5743,23-5458,03)} = 5*8.517,87 + 3*5458,03– 20* 15,6 –
10*285,2 = 42.589,35 + 16.374,09 -312– 2.852= 55.799,44 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 următorul program informatic:
QM for Windows/Decision Analysis/Decision Tables
21
22
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;
23
Cea mai potrivită regulă de decizie este criteriul Hurwicz, deoarece acesta analizează cel mai
bun,dar şi cel mai slab rezultat al variantei de decizie. Având atât un rezultat favorabil cât şi un
rezultat nefavorabil, putem lua o decizie potrivită, conform acestui criteriu.
24
2. Estimarea costului maxim pentru achiziţionarea unor informaţii complete asupra stărilor naturii;
Costul maxim pentru achiziţionarea unor informaţii complete asupra stărilor naturii este 1743,63,
valoarea unei informaţii incomplete este 58212,72.
3. Recomandări de alegere a valorii coeficientului de optimism  pentru regula/ criteriul Hurwicz şi

surclasarea variantelor decizionale pentru valorile coeficientului de optimism   [0, 1].
Prin utilizarea programului QM for Windows şi prin analiza rezultatelor obţinute în tabelul Hurwicz
Table, se poate observa între ce valori ale lui  o anumită variantă se situează pe locul cel mai
favorabil, care este pe locul doi şi care pe locul trei, etc.
Se aplică formula de calcul a lui Hurwicz pentru cele 3 variante considerand  necunoscută; egalând
variantele două câte două se obţin 3 valori ale lui . Astfel, se identifică patru subintervale pentru , se
alege cate o valoare pentru  din fiecare subinterval, se rulează problema în QM for Windows/Decision
Analysis pentru fiecare valoare aleasă şi se analizează care este ordinea de preferinţă a variantelor pe
fiecare interval.
25
1. Surclasarea variantelor decizionale pe baza rezultatelor din tabelul „Hurwicz Table”
Pentru intervalul [0, 0,81) ordinea variantelor este V3/V1/V2
Pentru intervalul [0,82, 0.84) ordinea variantelor este V1/V3/V2
Pentru intervalul [0.85, 0.87) ordinea variantelor este V1/V2/V3
Pentru intervalul [0,88, 1) ordinea variantelor este V2/V1/V3
2. Surclasarea variantelor decizionale pe baza calcului intervalelor de variaţie ale lui alpha:
Criterul lui Hurwicz implică =[0,1]:
Se alege max hi=*maxj cij+(1-)*minj cij ; cij- consecinţa economică în cazul alegerii variantei
decizionale i şi a manifestării stării j a naturii.
V1 : h1= *61322,22+(1-)*49551,74=61322,22 + 49551,74 - 49551,74=11770,48 + 49551,74
V2 : h2=*62747,4+(1-)*39900,9 =22846,5+ 39900,9
V3 : h3=*59897,04+(1-)*55799,44=4097.6+55799,44
Se egalează relaţiile:
h1=h2:11770,48+49551,74=22846,5+39900,9=>-11076,02=-9650.84=>=0,87 aparţine [0,1]
h2=h3: 22846,5+39900,9=4097,6+55799,44=>18748,9=15898,54=>=0,84
h1=h3:11770,48+49551,74=4097,6+55799,44=>7672,88 =6247,7=>=0.81
Se realizează intervalele : [0, 0,81) ; [0,82, 0,84) ; [0,85, 0,87) ; [0,88, 1].
Pentru intervalul [0, 0,81) calculăm pentru =0,50
Ordinea variantelor ţinând cont de cea mai potrivită regulă de decizie (Hurwicz) : V3/V1/V2
26
Pentru intervalul [0,82, 0,84) : =0.83
Ordinea variantelor ţinând cont de cea mai potrivită regulă de decizie ( Hurwicz): V1/V3/V2
Pentru intervalul [0,85, 0,87) : =0,86
Pentru intervalul [0,88, 1) : =0,97
27
4. Decizia în condiţii de risc
28
Cea mai bună decizie în condiţii de risc este varianta 1 (decision 1), 58968,13.
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. PEPSICO ROMÂNIA S.A. a creat un nou produs
Mirinda cu gust de Kiwi care a fost testat pe piaţă şi care este acceptat de către utilizatori. Pentru
realizarea produsului conducerea S.C. PEPSICO ROMÂNIA 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. PEPSICO ROMÂNIA 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+12=812
unui utilaj (probabilitatea=0.7) (cost (20+12=32) u.m.) Cerere medie (probabilitatea =0.6) 600+12=612
nou Cerere mică (probabilitatea=0.1) 500+12=512
(cost
Ore suplimentare de lucru Cerere mare (probabilitatea=0.3) 600+12=612
(20+12=32)u
(cost (2+12=14) u.m.) Cerere medie (probabilitatea=0.6) 500+12=512
.m)
Cerere mica (probabilitatea=0.1) 400+12=412
Conjuctură nefavorabilă Utilizarea capacităţii existente Cerere mare (probabilitatea=0.3) 500+12=512
(probabilitatea=0.3) Cerere medie (probabilitatea=0.6) 400+12=412
Cerere mică (probabilitatea=0.1) 200+12=212
Ore Conjuctură favorabilă Instalarea unui utilaj nou Cerere mare (probabilitatea=0.3) 600+12=612
29
suplimentare (probabilitatea=0.7) (cost (20+12=32) u.m.) Cerere medie (probabilitatea=0.6) 500+12=512
de lucru
(cost Cerere mică (probabilitatea=0.1) 200+12=212
(2+12=14)u. Instalarea unui utilaj nou şi
Cerere mare (probabilitatea=0.3) 500+12=512
m.) ore suplimentare de lucru
(cost (22+2*12= 46) u.m.) Cerere medie (probabilitatea=0.6) 400+12=412
Conjuctură nefavorabilă Ore suplimentare de lucru Cerere mare (probabilitatea=0.3) 400+12=412
(probabilitatea=0.3) (cost (2+12=14) u.m.) Cerere medie (probabilitatea=0.6) 400+12=412
Rezolvare
Rezolvarea problemei se poate face cu urmatorul program informatic:
QM for Windows/Decision Analysis/Decision Trees
30
Raportul managerial va include:
1. Reprezentarea arborelui decizional cu valorile asociate tuturor nodurilor;
31
2. Analiza rezultatelor şi indicarea variantelor optime atât în primul an cât şi în cel de al doilea an.
În primul an se recomandă instalarea utilajului nou, pentru că profitul aşteptat este mai mare decât în
cazul orelor suplimentare, respectiv 567,6 unităţi monetare în comparaţie cu 449,4 unităţi monetare.
În al doilea an dacă conjunctura este favorabilă se va alege instalarea unui nou utilaj deoarece profitul
aşteptat este de 662 u.m., în comparaţie cu situaţia în care s-ar alege orele suplimentare unde profitul
aşteptat este de 532 u.m., iar dacă conjuctura va fi nefavorabilă se recomandă utilizarea capacităţii
existente cu un profit aşteptat de 422 u.m.
32
3. Analiza senzitivităţii soluţiei la variaţia probabilităţilor de realizare a stărilor naturii (minim 2
scenarii).
Scenariul 1
Anul t Anul t+1

estimat
(cost
(20+12=32)u
.m)
suplimentare (probabilitatea=0.8) (cost (20+12=32) u.m.)
de lucru Cerere medie (probabilitatea=0.6) 500+12=512
m.) Cerere mare (probabilitatea=0.3) 500+12=512
ore suplimentare de lucru
33
34
Scenariul 2
Anul t Anul t+1

estimat
(cost
(20+12=32)u
.m)
suplimentare (probabilitatea=0.8) (cost (20+12=32) u.m.)
de lucru Cerere medie (probabilitatea=0.5) 500+12=512
m.) Cerere mare (probabilitatea=0.4) 500+12=512
ore suplimentare de lucru
35
36
37
MODULUL V. Programarea activităţilor unui proiect pentru introducerea în fabricaţie a
produsului Mirinda cu gust de Kiwi
Realizarea studiului de fezabilitate pentru introducerea în fabricaţie a unui nou produs Mirinda
cu gust de kiwi la S.C.PEPSICO ROMÂNIA 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+12=102 135+12=147
Elaborare program
B - 5 2 16+12=28 30+12=42
marketing
Pregătire documentaţie
C A 6 3 3+12=15 4+12=16
tehnică
100+12=11
D Construire prototip A 11 6 120+12=132
2
Elaborare prospect de
E A 4 3 6+12=18 7+12=19
marketing
F Estimare cost de producţie C 3 2 2+12=14 3+12=15
G Testare tehnică a producţiei D 6 4 60+12=72 70+12=82
H Studiul pieţei B,E 8 4 20+12=32 50+12=62
Estimare cerere şi preţ de
I H 3 2 2+12=14 3+12=15
vânzare
J Redactare studiu final F,G,I 3 2 2+12=14 3+12=15
Conducerea S.C.PEPSICO ROMÂNIA 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 +10*12=480) u.m.
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
QM for Windows/ Project Management PERT – CPM/Single Time Estimate
38
39
Raportul managerial în care se analizează rezultatele obţinute va include:
1. Graficul reţea al activităţilor proiectului;
40
41
2. Reprezentarea grafică a costului proiectului în funcţie de durata totală de realizare, cu ajutorul punctelor
de coordonate:
(Durata totală normală, Costul total normal);
(Durata totală minimă, Costul total maxim);
(Durata totală minimă, Costul total optim);
(Durata totală medie, Costul total optim asociat).
Durata totală normală: 32 zile

Cost total normal: 420
Durata totală urgentată: 19 zile
Cost total urgentat: 545
Cost total optim pentru realizarea proiectului in termenele urgentate: 420+101,5= 521,5
Pentru o durată de 26 zile, costul proiectului este mai mare faţă de cel normal cu
28,2=>420+28,2=448,2
42
Reprezentare grafică:
DURATĂ COST
32 420
19 545
26 448,2
3. Durata optimă în cazul unui buget total de (360 +10*12=480) u.m.;
43
4. Drumul critic pentru proiectul cu durată medie;
44
5. Termenele minime şi maxime de începere şi de terminare pentru fiecare activitate.
Termenele minime se observă de pe coloana Early Start, iar termenele maxime de pe coloana Late, cele
de început de pe coloana Late Start, iar cele de final de pe coloana Late Finish, iar rezerva de timp de pe
coloana Slack.
45
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;
46
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.
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.
47
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.
48
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).
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:
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;
49
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;
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
Fidelitati/reorientari
0.6875
0.7 0.6242
0.6
0.5
0.4
0.3
0.1853
0.2 0.155
0.1 0.08 0.0976
0.05 0.05 0.0775 0.0929
0.1
0
oct nov dec
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.
50
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:
51
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

9 ore-sup Chance node 520
10 capac-exist Chance node 410
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
52
Node/Event Type Expected Decision
value
Overall Expected Value = 544
Tabelul cu rezultate în WINQSB/DA
Obţinerea arborelui în formă grafică:
53
1. Reprezentarea arborelui decizional cu valorile asociate tuturor nodurilor
54
Modelare economică 55
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
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
55
56
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
Obs: Tabelul 12/R se obține cu opțiunea Perform Crashing Analysis/ Meeting the desired
completion time pentru 25 săptămâni.
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
Modelare economică 57
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.
57

Proiect Modelare PDF

Încărcat de

Informații document

Titlu original

Drepturi de autor

Formate disponibile

Partajați acest document

Partajați sau inserați document

Opțiuni de partajare

Vi se pare util acest document?

Este necorespunzător acest conținut?

Drepturi de autor:

Formate disponibile

Proiect Modelare PDF

Încărcat de

Drepturi de autor:

Formate disponibile

Academia de Studii Economice din Bucureşti

Nume: ANTON TEODORA MARIA

Proiectul la disciplina "Modelarea economică" oferă studenţilor facultăţii de Management

2. Situaţia tehnico-economică şi de producţie a firmei " PEPSICO ROMÂNIA " (individualizată

1.Obiectivele echipei manageriale pentru trimestrul IV a.c.

2. Decizia managerială asistată de calculator

MODULUL I: Estimarea vânzărilor băuturii carbogazoase Pepsi

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

Modelul lui Brown de nivelare exponenţială simplă este de forma:

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

4. Recomandări generale pentru alegerea constantei de nivelare α.

MODULUL II: Estimarea cererii băuturii Mirinda în condiţii de concurenţă

Se fac următoarele ipoteze:

Modelul economico matematic bazat pe teoria lanţurilor Markov este de forma: S t 1  S t  Pt / t 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.

Pe baza datelor furnizate de anchetele efectuate rezultă:

S0=( 0.4071; 0.2174; 0.2273; 0.1482)

2. Analiza influenţei campaniei de publicitate asupra vânzărilor produsului Mirinda.

6. Evoluţia profitului asociat produsului Mirinda.

7. Politica managerială privind produsul Mirinda.

MODULUL III: Decizia managerială privind stabilirea strategiei de vânzare în condiţii de

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

3. Recomandări de alegere a valorii coeficientului de optimism  pentru regula/ criteriul Hurwicz şi

Pentru intervalul [0, 0,81) calculăm pentru =0,50

Pentru intervalul [0,85, 0,87) : =0,86

Pentru intervalul [0,88, 1) : =0,97

4. Decizia în condiţii de risc

Anul t Anul t+1

Anul t Anul t+1

Durata totală normală: 32 zile

3. Durata optimă în cazul unui buget total de (360 +10*12=480) u.m.;

MODULUL I: Estimarea vânzărilor produsului B

Rezolvarea cu WINQSB/Fc pentru c=0:

CFE -711.32 -162.22 -570.25

Analiza economică a rezultatelor:

4. Recomandări generale pentru alegerea constantei de nivelare α

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

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

State Name State Probability Recurrence Time

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

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

Analiza economică a rezultatelor

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

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

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

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

Evoluţia fidelităţii faţă de A şi a reorientărilor de la A la celelalte produse în raport cu luna

Fidelitatea faţă de A Reorientarea de la A2001 la C2

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

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

Rezolvarea cu WINQSB/ Decision Analysis/Decision Tree Analysis pentru c=0

1 dec init d 2,3

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

2 instalare Chance node 564

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

Overall Expected Value = 544

Tabelul cu rezultate în WINQSB/DA

Obţinerea arborelui în formă grafică:

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