MODELARE ECONOMICA

-
PROIECT DE DISCIPLINĂ

Decizia managerială asistată de calculator pentru îndeplinirea

obiectivelor propuse la firma GEO

1. Prezentare generală
2. Situaţia tehnico-economică şi de producţie a firmei "GEO"
3. Obiectivele echipei manageriale pentru trimestrul IV a.c.
4. Decizia managerială asistată de calculator
Estimarea vânzărilor produsului B
Estimarea cererii produsului 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 produsul D.
Programarea activităţilor unui proiect pentru introducerea în fabricaţie a
produsului D.
 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=370>.
Este prezentată situaţia tehnico-economică şi de producţie la S.C. "GEO" S.R.L.,
obiectivele manageriale şi modul de rezolvare în sistem conversaţional.
Proiectul conţine următoarele module :
M1. Estimarea vânzărilor produsului B
M2. Estimarea cererii produsului A 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 produsul D.
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 "GEO"
(individualizată pe student)

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

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

Tabelul 2.
Nr.crt. Luna Vânzări din produsul B (unităţi
fizice)
1 Octombrie (anul 1400 + 370=1770
precedent)
2 Noiembrie (anul 1500 + 370=1870
precedent)
3 Decembrie (anul 1200 + 370=1570
precedent)
4 Ianuarie (anul curent) 1300 + 370=1670
5 Februarie (anul curent) 1100 + 370=1470
6 Martie (anul curent) 1350 + 370=1720
7 Aprilie (anul curent) 1450 + 370=1820
8 Mai (anul curent) 1150 + 370=1520
9 Iunie (anul curent) 1200 + 370=1570
10 Iulie (anul curent) 1100 + 370=1470
11 August (anul curent) 1310 + 370=1680
12 Septembrie (anul curent) 1250 + 370=1620

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

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

4. Decizia managerială asistată de calculator

MODULUL I: Estimarea vânzărilor produsului B

Societatea Comercială GEO S.R.L. are contracte ferme pentru produsul B, numai în
lunile noiembrie şi decembrie a.c. Pentru estimarea volumului vânzărilor produsului B în luna
octombrie a.c., conducerea firmei a hotărât să utilizeze datele din lunile anterioare (Tabelul 2),
care în reprezentare grafică sunt redate în Figura 1.

1600
1550
1500
1450
1400
1350
1300
1250
1200
1150
1100
1050
1000
oct nov dec ian feb mar apr mai iun iul aug sep

Datele reale Media

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. GEO S.R.L. 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 poate face cu unul dintre produsele informatice:
WINQSB/ Forecasting/ Time Series Forecasting/SES, QM for
Windows/Forecasting/Time Series Analysis sau în Excel

QM for Windows/Forecasting/Time Series Analysis cu reprezentare grafică și in Excel

(program ales)

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;
Determinarea valorilor previziunilor de vânzări în baza constantelor de nivelare α =
0,2, α = 0,9 şi, respectiv α optim, și graficul ( în EXCEL) conform valorilor obținute
ALFA –VALOARE OPTIMĂ = 0,27; MSE = 19503,35

Grafic în Ms.EXCEL, arată datele și cum s-a obținut acest grafic în Excel
 2. Analiza comparativă a rezultatelor pentru cele trei valori ale constantei de nivelare;
În cazul constantei de nivelare α = 0,2, previziunea indică 1627,73578 u.f.
În cazul constantei de nivelare α = 0,9, previziunea indică 1623,99788 u.f.
În cazul constantei de nivelare α = 0,27, previziunea indică 1616,03146 u.f.

3. Volumul vânzărilor recomandat să fie luat în considerare pentru producţia din luna
octombrie anul curent. Justificarea recomandării.
Volumul vânzărilor va fi luat în considerare, funcție de corespondența cu cea mai
mică eroare medie pătratică, generată de una dintre valorile coeficientului de
nivelare „α”. În cazul rezolvat, este vorba de 1616,03146 u.f., rezultat
corespondent lui α =0,27, și erorii pătratice medii MSE α0.27 = 21577,84 care este
< MSEα0.2 -19826,09-1627,73578 u.f. care este < MSEα0.9- -1623,99788 u.f. ale
produsului B.
4. Recomandări generale pentru alegerea constantei de nivelare α.

In situația în care nu se poate stabili un trend, sau o variație sezonieră, se va utiliza un

singur parametru „α” pentru alegerea constantei de nivelare conform modelului de nivelare
exponențială primară - în jurul mediei .
La alegerea coeficientului de nivelare „α” se va respecta relația 0 ≤ α ≤ 1 , alegere care
influențează decisiv rezultatele de previziune pentru perioada „t+1” conform relației
matematice: Ft+1=αXt +(1-α)Ft.
Alegem o valoare apropiată de 1 (ex. 0,9) și una apropiată de zero (ex. 0,2). Apoi, cerem
programului să caute cea mai bună valoare, specificând calculul erorii înmvarianta MSE. Se
consideră ca rezultat prognoza cea mai bună, cea corespunzătoare MSE cu valoarea cea mai
mică, căreia îi corespunde eroarea de previziune cea mai mică.
În utilizarea acestui model de previziune, decidentul poate să aleagă admiterea
fluctuațiilor mari în previziune, α 0, sau a fluctuațiilor mici, α 1, stabilind prin simulare
valoarile lui α.

MODULUL II: Estimarea cererii produsului A în condiţii de concurenţă

La începutul lunii septembrie a.c., S.C. GEO S.R.L. a organizat o anchetă asupra unui
eşantion reprezentativ de (1000+370=1370) 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+370=770) 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. GEO S.R.L. 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
4
∑ cp ti =1
pentru i=1,2,3 astfel ca suma tuturor să fie 1 ( i=1 ), sau ca procente:
4

0≤cpi ≤100 , pentru i=1,...,4 şi ∑ cp ti =100

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
4

0≤p ≤1 ∑ pij =1
decembrie} a.c., ij , i=1,...,4, j=1,...,4, şi astfel încât i=1 ;
pii = coeficientul de fidelitate faţă de produsul i, pentru i=1,2,3,4.
Pe baza datelor furnizate de anchetele efectuate rezultă:
S 0= ( 400+c
1000+c
220
1000+c
230
1000+c
150
1000+c )
= (0,56; 0,16; 0,17; 0,11) 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 ,50
0 , 20 0 ,10
0 ,10
0 ,15
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 = 370 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;

Matricea probabilitaților de tranziție, primele 4 linii și linia „Initial Prob.” -

vectorul cotelor inițiale de piață, valorile din tabel semnifică ponderi.

Cotele de piață pentru fiecare produs și timpii de recurență, în starea de echilibru,

pentru fiecare produs, se obțin cu „Solve and analyze” și „solve steady state”. Timp de
recurență: durata la care clientul cumpără încă un produs.
Cotele de piață simultane ale celor 4 produse în cele trei luni urmatoare.
2. Analiza influenţei campaniei de publicitate asupra vânzărilor produsului A;

Campania de publicitate nu a avut efectul scontat. La inceputul lunii octombrie, cota de

piață a produsului A scade de la 56% la ≈ 55,55%, cu 0,45 % următoarea luna se menține
sensul de scădere față de valoarea inițială, procentul de scădere este de 0,38% (55,17 %),
ca la finalul perioadei să înregistrăm o scădere fata de septembrie cu 0,30% (54,87%).

3. Ponderea limită pe piaţă la care poate ajunge produsul A dacă matricea de tranziţie
rămâne neschimbată un număr mare de perioade;
Ponderea limită în cazul menținerii neschimbate a matricei de tranziție, este dată în
tabelul „Stady state” - cu evoluția pe piață a produselor concurențiale, valoarea
minimă la care se poate ajunge cu cota de piață, este de 0,5434%.

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

reorientărilor către produsele concurenţiale;
Datele sunt obținute introducând vectorul 1,0,0,0 în linia „Initial Prob.” în matricea
probabilităților de tranziții.
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;
Conform estimărilor, volumul vânzărilor va fi:
Octombrie: 0,5555 x 6 000 = 3 333 u.f.
Noiembrie: 0,5517 x 6 000 = 3 310,2 u.f.
Decembrie: 0,5487 x 6 000 = 3 292,2 u.f.

6. Evoluţia profitului asociat produsului A;

Profit octombrie: 3 333 u.f. x 5 u.m. = 16 665 u.m.
Profit noiembrie: 3 310,2 u.f. x 5 u.m. = 16 551 u.m.
Profit decembrie: 3292,2 u.f. x 5 u.m. = 16 461 u.m.

7. Politica managerială privind produsul A.

Deși a beneficiat de o campanie de publicitate, cota de piață a produsului a scăzut.
Campania nu a avut succes, este foarte clar, trebuie stabilite cauzele și adaptată
tehnica promoțională. Sau, se poate ca scăderea sa fie din cauza unor calități
intrinseci ale produselor C1,C2,C3 care, deși au o cotă de piață mult mai mică, au
generat migrarea clienților către ele, deoarece le satisfac o anumită nevoie, pe care
nu o găsesc la produsul A. Trebuie văzut dacă este necesară o reproiectare a acestui
produs, chiar dacă scăderea nu este dramatică într-o economie de piață, important
este ca această scădere să nu depășească anumite valori de fluctuație și să intre pe
trendul produselor cu scădere datorată duratei de viață care se apropie de finalul
perioadei de existență pe piață.
 MODULUL III: Decizia managerială privind stabilirea strategiei de
vânzare în condiţii de incertitudine şi risc

PROMODEC realizează în principal două produse, A şi B. Pentru produsele A şi B,

volumul vânzărilor variază întâmplător de la o lună la alta, iar conducerea 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 GEO (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 = 0,5555 * 6000 = 3 333 u.f.
 1,10 * cota de piaţă (din modelul Markov)* 6000 u.f. în luna noiembrie = 1,10 *
0,5517 * 6000 = 3 641,22 u.f.
 1,15 * cota de piaţă (din modelul Markov)* 6000 u.f. în luna decembrie = 1,15 *
0,5487 * 6000 = 3 786,03 u.f.
Rezultă că în cazul stării naturii SN1, cererea pentru produsul A se situează la nivelul:
3333 u.f. + 3641,22 u.f. + 3786,03 u.f. = 10 760,25 u.f.
- cererea pentru produsul B să fie în luna octombrie la nivelul de 1623,99788 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:
1623,99788 + 1400 + 3500 = 6523,99788 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 =
0,5555 * 6000 =3333 u.f.
 cota de piaţă (calculată prin modelul Markov)* 6000 u.f. în luna noiembrie =
0,5517 * 6000 =3310,2 u.f.
 cota de piaţă (calculată prin modelul Markov)* 6000 u.f. în luna decembrie =
0,5487 * 6000 = 3292,2 u.f.
Rezultă că în cazul stării naturii SN2, cererea pentru produsul A se situează la nivelul:
3333 + 3310,2 + 3292,2 = 9 935,4 u.f.
- cererea pentru produsul B să fie în luna octombrie la nivelul de 1627,73578 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:
1627,735578 + 1200 + 3200 = 6 027,73578 u.f.

- Starea naturii SN3: situaţie nefavorabilă pentru SC. GEO (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 = 0,5555 * 6000 =3333 u.f.
  0,95 * cota de piaţă (din modelul Markov) * 6000 u.f. în luna noiembrie = 0,95 *
0,5517 * 6000 = 3144,69 u.f.
 0,90 * cota de piaţă (din modelul Markov) * 6000 u.f. în luna decembrie = 0,90 *
0,5487 * 6000 = 2962,98 u.f.
Rezultă că în cazul stării naturii SN3, cererea pentru produsul A se situează la nivelul:
3333 + 3144,69 + 2962,98 = 9440,67 u.f.
- cererea pentru produsul B să fie în luna octombrie la nivelul de 1616,03146 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:
1616,03146 + 1000 + 3200 = 5816,03146 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 =
0,5555*6000 +0,5517*6000 + 0,5487 * 6000 = 3333+3310,2+3292,2=9935,4
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)] = 1627,73578 +
1000 +3200 = 5827,73578 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*9935,4 = 10 432,17 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*5827,73578 = 5536,348991
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 * 9935,4 = 9438,64 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*5827,73578 = 6119,122569
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
3 3
∑ ∑
(cerereaSNj produs A)k} + (profitul unitar B) * MIN{ k =1 (ofertaVi produs B)k, k =1
3
∑
(cerereaSNj produs B)k} - (costul unitar producţie A) * MAX{0, [ k =1 (ofertaVi produs A)k
 3 3
∑ ∑
- k =1 (cerereaSNj produs A)k]} - (costul unitar producţie B) * MAX{0, [ k =1 (ofertaVi
3
∑
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 = 10 760,25 Cererea A =9 935,4 u.f. Cererea A = 9 440,67
u.f. Cererea B =6 027,73578 u.f.
Cererea B = 6523,99788 u.f. Cererea B = 5
u.f. 816,03146 u.f.
Varianta decizională V1
Oferta A =
9935,4 u.f. 67 160,20734 u.m. 67 160,20734 u.m. 54 639,80118 u.m.
Oferta B =
5827,73578 u.f.
 Varianta decizională V2
Oferta A =
10432,17 u.f.
Oferta B 68 769,896973 u.m. 61 264,514623 u.m. 49 252,871663 u.m.
=5536,348991
u.f.
Varianta decizională V3
Oferta A =
9438,64 u.f. 65 550,567707 u.m. 74 297,73945 u.m. 61 650,98329 u.m.
Oferta B =
6119,122569 u.f.

De exemplu, consecinţa asociată variantei V1 dacă se manifestă starea SN1 a naturii

va fi:
Profit (V1, SN1) = 5*MIN{9935,4, 10760,25} + 3*MIN{5827,73578, 6523,99788} –
20*MAX{0, (9935,4 – 10760,25)} – 10*MAX{0, (5827,73578 – 6523,99788)} = 67
160,20734 u.m.
Profit (V1, SN2) = 5*MIN(9935,4; 9935,4) + 3*MIN(5827,73578; 6027,73578) –
20*MAX(0,( 9935,4 - 9935,4)) – 10*MAX(0,( 5827,73578 - 6027,73578)) = 67 160,20734
u.m.
Profit (V1, SN3) = 5*MIN(9935,4; 9440,67) + 3*MIN(5827,73578; 5816,03146) –
20*MAX(0,(9935,4- 9440,67)) – 10*MAX(0,(5827,73578- 5816,0146)) = 54639,80118 u.m.

Profit (V2, SN1) = 5*MIN(10432,17; 10760,25) + 3*MIN(5536,348991; 6523,99788)

– 20*MAX(0,(10432,17 - 10760,25)) – 10*MAX(0,(5536,348991 - 6523,99788)) = 68
769,896973 u.m.
Profit (V2, SN2) = 5*MIN(10432,17; 9935,4) + 3*MIN(5536,348991; 6027,73578) –
20*MAX(0,( 10432,17 - 9935,4)) – 10*MAX(0,(5536,348991- 6027,73578)) = 61
264,514623 u.m.
Profit (V2, SN3) = 5*MIN(10432,17; 9440,67) + 3*MIN(5536,348991; 5816,03146)
– 20*MAX(0,(10432,17 - 9440,67)) – 10*MAX(0,( 5536,348991 - 5816,03146)) = 49
252,871663 u.m.

Profit (V3, SN1) = 5*MIN(9438,64; 10760,25) + 3*MIN(6119,122569; 6523,99788)

– 20*MAX(0,( 9438,64 - 10760,25)) – 10*MAX(0,( 6119,122569 - 6523,99788)) = 65
550,567707 u.m.
Profit (V3, SN2) = 5*MIN(9438,64; 9935,4) + 3*MIN(6119,122569; 6027,73578) –
20*MAX(0,( 9438,64 - 9935,4)) – 10*MAX(0,( 6119,122569 - 6027,73578)) = 74 297,73945
u.m.
Profit (V3, SN3) = 5*MIN(9438,64; 9440,67) + 3*MIN(6119,122569; 5816,03146) –
20*MAX(0,( 9438,64 - 9440,67)) – 10*MAX(0,( 6119,122569 - 5816,03146)) = 61
650,98329 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. GEO S.R.L 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. GEO S.R.L. 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. GEO S.R.L. 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 800+370=117
Cerere mare (probabilitatea =0.3)
unui utilaj (probabilitatea=0.7) (cost (20+370=390) u.m.) 0
nou Cerere medie (probabilitatea =0.6) 600+370=970
(cost Cerere mică (probabilitatea=0.1) 500+370=870
(20+370=39 Ore suplimentare de lucru Cerere mare (probabilitatea=0.3) 600+370=970
0)u.m) (cost (2+370=372) u.m.) Cerere medie (probabilitatea=0.6) 500+370=870
Cerere mica (probabilitatea=0.1) 400+370=770
Conjuctură nefavorabilă Utilizarea capacităţii existente Cerere mare (probabilitatea=0.3) 500+370=870
(probabilitatea=0.3) Cerere medie (probabilitatea=0.6) 400+370=770
Cerere mică (probabilitatea=0.1) 200+370=570
Ore Conjuctură favorabilă Instalarea unui utilaj nou Cerere mare (probabilitatea=0.3) 600+370=970
suplimentare (probabilitatea=0.7) (cost (20+370=390) u.m.)
de lucru Cerere medie (probabilitatea=0.6) 500+370=870
(cost Cerere mică (probabilitatea=0.1) 200+370=570
(2+370=372) Instalarea unui utilaj nou şi
Cerere mare (probabilitatea=0.3) 500+370=870
u.m.) ore suplimentare de lucru
(cost (22+2*370=762) u.m.) Cerere medie (probabilitatea=0.6) 400+370=770
Cerere mică (probabilitatea=0.1) 200+370=570
Conjuctură nefavorabilă Ore suplimentare de lucru Cerere mare (probabilitatea=0.3) 400+370=770
(probabilitatea=0.3) (cost (2+370=372) u.m.) Cerere medie (probabilitatea=0.6) 400+370=770
Cerere mică (probabilitatea=0.1) 200+370=570
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;
Continuăm cu opțiunea „Solve and Analyze” / „Solve the problem” și obținem următorul
tabel, acesta conține reprezentarea tabelară a arborelui de decizie, apoi setăm prin „draw
decision three” cum va arăta informația expusă în graful cu arborele decizional, a doua casetă
de pe această pagină .
Continuăm cu obținerea arborelui în formă grafică, se selectează „Results” / „Show
decizion three graph.
2. Analiza rezultatelor şi indicarea variantelor optime atât în primul an cât şi în cel de
al doilea an.

Deși profitul rezultat din diferența orelor suplimentare la instalare și câștigul în

urma instalării este mic în primul an , doar de 285,06 u.m., faptul că este pozitiv și
cu posibilitate de creștere pentru anii următori, poate influența benefic decizia de
instalare a utilajului, mai ales că în previziunile pentru anul al doilea vedem că
profitul adus crește la 630 de u.m. mai bun decât acela în varianta plății orelor
suplimentare, care s-ar ridica la 518 u.m. În condițiile evitării plății orelor
suplimentare la instalare, se poate achiziționa și cel de-al doilea utilaj și se poate
obține un profit care poate fi maximizat pe viitor.

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

(minim 2 scenarii).

1. I Cererea mare scade de la probabilitate 0,3 la probabilitate 0,2, concomitent cu

cresterea cererii medii de la 0,7 la 0,8.
Soluția aleasă la modelul de modificare a parametrilor cererii, arată că valorile de
profit s-au modificat nefavorabil, în sensul că au scazut de la 285,06 u.m. la 270,04
u.m. pe diferența ore suplimentare-instalare dar arată pe anul următor o crestere de la
630 la 670 u.m.
II Valoarea cererii mari este de la 0,7 la 0,6, iar cea medie de la 0,3 la 0,4.
Configurația parametrilor de probabilitate în acest caz generează o situație
defavorabilă prin scăderea profitului și în primul și în cel de-al doilea an. Concluzia:
eforturile trebuiesc îndreptate către influențarea creșterii cererilor din piață care
deja înregistrează valori previzionate mari și medii.