Documente Academic
Documente Profesional
Documente Cultură
Tabelul 1.1
Luna calendaristică Vânzări înregistrate (u.m.)
octombrie 21
noiembrie 22
decembrie 16
ianuarie 18
februarie 19
martie 14
aprilie 18
mai 20
REZOLVARE:
Se va aplica Modelul de nivelare/ajustare exponenţială simplă (engl. Single exponential
smoothing):
F(t+1) = Y(t) + (1- )F(t)
unde este constanta de ajustare, 0 1, iar F(1) = Y(0).
Y(t): valoarea efectivă a vânzărilor la momentul t, t=1,...,T;
F(t+1):valoarea ajustată a previziunii realizată la momentul t ptr. momentul t+1;
h reprezintă numărul perioadelor din perioada de prognoză (h=1).
- din bara de sus a ecranului se selectează opțiunea Solve and Analyze/ Perform Forecasting;
- se alege metoda de revolvare SES (Single exponential smoothing) din lista de metode
expusă în partea stângă a ferestrei;
- se alege modul de lucru: metoda de estimare a parametrilor:
Assign Values - iniţializarea valorilor (utilizatorul acorda valori constantei de nivelare)
sau Search for Best – programul informatic inițiază căutarea valorilor optime ale lui
Modelarea Deciziilor Manageriale, Anul III-MANAGEMENT
alpha, în funcșie de o anumită eroare. În cazul alegerii celor mai bune valori, se
desemnează criteriul de comparare:
- MAD (media abaterilor absolute);
- CFE (eroarea de prognoză cumulată);
- MSE (media pătratică a erorilor);
- MAPE (media erorilor procentuale absolute)
- Dacă se selectează opţiunea Assign values se dă valoarea coeficientului alpha prin
completarea câmpului Smoothing constant alpha (0.3). Daca se alege opțiunea Search the
best nu mai este necesară completarea valorii lui alpha.
- se definesc datele inţiale:
Number of periods for forecast - numărul de perioade pentru prognoză = 1,
Initial value F(0) if known - valoarea iniţială corespunzătoare primei prognoze (dacă se
cunoaşte; în caz contrar se lasă câmpul necompletat);
Ok.
Se obţin datele din tabelul următor în care cele mai importante informaţii sunt:
din bara de sus a ecranului se selectează eventual Results şi apoi, una din opţiunile: Show
Forecasting Sumarry, Show Forecasting Detail, Show Forecasting in Graph.
Se revine la datele inițiale prin click pe a treia iconiță din bara de meniuri (de langa
Print); se alege din nou Solve and Analyze/Perform forcasting și se modifică valoarea
lui alpha = 0.9.
Pentru a pune în evidenţă simultan rezultatele noi cu cele anterioare se bifează căsuţa din
stânga – jos Retain other method’s results.
Se obţine tabelul cu previziunea ptr. alpha =0.9 (s-au păstrat în tabel şi datele pentru
alpha=0.3).
Modelarea Deciziilor Manageriale, Anul III-MANAGEMENT
Pentru graphic: din butonul Results, se apelează opţiunea Show Forecasting in Graph.
Se revine la datele inițiale prin click pe a treia iconiță din bara de meniuri (de langa
Print); se alege din nou Solve and Analyze/Perform forcasting și se alege opțiunea
Search the best pentru parametrul metodei.
Se lasă bifată opțiunea Retain other method’s results.
Se caută valoarea optimă a lui alpha (specificând criteriul de căutare) – se recomandă
utilizarea lui MSE (eroarea medie pătratică).
Va rezulta alpha 0.36 conform MSE.
Modelarea Deciziilor Manageriale, Anul III-MANAGEMENT
Cea mai bună previziune se alege prin compararea MSE pentru toate cele trei rezolvări ai
alegerea celei la care MSE este minim.
Modelarea Deciziilor Manageriale, Anul III-MANAGEMENT
Din meniul Window se pot selecta diverse ecrane cu diferite grade de detaliere a soluției:
Modelarea Deciziilor Manageriale, Anul III-MANAGEMENT
Pentru a alege cea mai bună previziune in funcție de o eroare se foloseste opțiunea Window/
Errors as a function of alpha. In exemplul dat se observă ca cea mai mică eroare medie
pătratică MSE este 7.92 pentru alpha 0.36:
Modelarea Deciziilor Manageriale, Anul III-MANAGEMENT
Pentru a vizualiza valoarea previziunii ptr. alpha optim se revine la datele de intrare cu
optiunea Window/Edit data, se modifică valoarea lui alpha (se trece cea optima vizualizata
anterior) si se activează din nou Solve:
Optiunea Save as Excel file permite salvarea datelor si a rezultatelor in Excel (optiunea ar
trebui repetată pentru rezolvarea cu fiecare alpha):
Modelarea Deciziilor Manageriale, Anul III-MANAGEMENT
Transferul datelor in Excel permite editarea acestora într-o formă printabilă, completarea
graficului cu previziunile pentru mai multe valori ale lui alpha, cu media valorilor reale etc.
Aceasta opțiune este foarte utilă pentru realizarea proiectului de disciplină.
Modelarea Deciziilor Manageriale, MANAGEMENT anul III
St caz 3 din cartea Modelarea economica, autori: Ratiu-Suciu, C., Luban, F., Hîncu, D.,
Ciocoiu, N., Editura ASE, Bucuresti, 2009
Pe piaţa detergenţilor 2in1 se află în concurenţă trei produse A1, A2 şi A3. Cotele de
piaţă deţinute în prezent de acestea sunt: 50%, 35%, respectiv 15%. Pe baza unui sondaj de
marketing efectuat asupra unui eşantion reprezentativ de consumatori s-au determinat
orientările preferinţelor acestora faţă de cele trei produse, prezentate în tabelul 4.1.
Tabelul 4.1
Produsul ales la t+1. (Reorientări)
% A1 A2 A3
A1 60 20 20
Produsul ales la t
A2 15 70 15
(Produs părăsit) A3 5 15 80
Pe baza acestor informaţii se doreşte cunoaşterea evoluţiei ponderilor pe piaţă ale
celor trei produse pentru 6 momente de timp.
Rezolvare:
Cotele de piaţă la momentul iniţial se scriu sub forma unui vector linie:
0 = (0,50; 0,35; 0,15)
În funcţie de fidelităţile şi de reorientările consumatorilor se construieşte matricea de
tranziţie de la un produs la altul în două perioade succesive:
0,60 0,20 0,20
P 0,15 0,70 0,15
0,05 0,15 0,80
Se determină ponderea pe piaţă a celor trei produse după 1 an:
0,60 0,20 0,20
= P = (0,50; 0,35; 0,15) 0,15 0,70 0,15 =
1 0·
1
Modelarea Deciziilor Manageriale, MANAGEMENT anul III
2
Modelarea Deciziilor Manageriale, MANAGEMENT anul III
3
Modelarea Deciziilor Manageriale, MANAGEMENT anul III
Pentru obţinerea fidelităţii faţă de Produsul 1 si a reorientărilor de la acesta spre celelalte doua
produse, în linia Initial Prob a tabelului cu datele de intrare se introduce vectorul (1, 0, 0),
apoi se utilizează comenzile Solve and Analyze / Markov Process Step, si se apasă pe
butonul Next period de câte ori este nevoie pentru a afisa prima linie a matricii la puterea
1,2,3 ş.a.m.d
Matricea la diferite puteri este utilă pentru a vizualiza fidelitatea şi reorientarea
consumatorilor într-o perioadă faţă de cele anterioare (ex: Fidelitatea faţă de produsul A1 în
luna a-4-a faţă de luna întâi se citeşte pe prima linie a matricii ridicate la puterea a treia şi este
egală cu 0,299).
Acest aspect nu contravine afirmaţiei cfm. căreia „în modelul lanţurilor Markov matricea de
tranziţie rămâne neschimbată de la o perioada la alta”: fidelitatea in luna a 4-a faţă de a 3-a
este egala cu cea din luna a 2-a faţă de prima lună etc., şi este egală cu 0,6 (preluată mereu din
matricea iniţiala). Valorile diferite sunt corespunzătoare atunci când se discută despre
fidelitatea sau reorientările consumatorilor la distanţa mai mare de o luna în timp.
● Rezolvarea în EXCEL
4
Modelarea Deciziilor Manageriale, MANAGEMENT anul III
Graficul evolutiei cotelor de piață se poate realiza cu opțiunea Insert Chart/ Line din Excel.
Cotele de piaţă în starea de echilibru (steady state) se pot determina folosind SOLVER,
specificând celulele tinţă şi sistemul de restricţii astfel:
5
Modelarea Deciziilor Manageriale, MANAGEMENT anul III
6
Modelarea Deciziilor Manageriale, MANAGEMENT anul III
7
Modelarea Deciziilor Manageriale, MANAGEMENT anul III
8
Modelarea Deciziilor Manageriale, MANAGEMENT anul III
9
Modelarea Deciziilor Manageriale, MANAGEMENT anul III
Se alege din bara de meniuri optiunea File/New, si se completeaza datele generale ale
problemei: Title-optional, Number of states – 3.
10
Modelarea Deciziilor Manageriale, MANAGEMENT anul III
După alegerea opţiunii Solve se obţin rezultatele urmatoare (starea stationara sau de
exhilibru):
11
Seminar Modelarea Deciziilor Manageriale, MANAGEMENT anul III
Studiul 17 pag 106 din lucrarea Modelarea economica. Studii de caz. Teste, autori: Raţiu-
Suciu, C., Luban, F., Hîncu, D., Ciocoiu, N., Editura ASE, Bucureşti, 2007
Societatea comercială Alcora S.R.L. lansează pe piaţă un nou produs. Conjunctura pe piaţă poate fi
foarte favorabilă, mediu favorabilă sau nefavorabilă noului produs. Conducerea S.C. ia în
considerare 3 variante posibile de acceptare a produsului pe piaţă:
- produsul să fie acceptat uşor pe piaţă şi să se vândă într-o cantitate de 400 mii bucăţi;
- produsul să se vândă relativ uşor pe piaţă, într-o cantitate de 275 mii bucăţi;
- din produs să se vândă numai 150 mii bucăţi.
Conducerea societăţii are la dispoziţie 3 opţiuni de fabricare a produsului la fabricile din filialele
F1, F2, F3 (tabelul 4.1). Opţiunile se diferenţiază prin cheltuielile fixe pentru desfăşurarea producţiei
şi prin costul variabil unitar.
Tabelul 4.1
F1 4800 23
F2 5000 22
F3 5500 20
Date iniţiale:
3 variante de acceptare a produsului pe piaţă/stări ale naturii:
S1 - acceptarea rapidă a produsului pe piaţă; vânzarea sa în cantitatea de 400 mii bucăţi;
S2 - acceptarea produsului pe piaţă; vânzări în cantitate de 275 mii bucăţi;
S3 - vânzarea produsului să se facă numai în cantitatea de 150 mii bucăţi.
3 opţiuni de fabricare a produsului la fabricile din filialele F1, F2, F3/variantele decizionale:
V1 - produsul se fabrică la filiala 1, cu cheltuieli fixe de 4800 mii um, cost unitar de 23 um;
V2 - produsul se fabrică la filiala 2, cheltuieli fixe de 5000 mii um, cost unitar de 22 um;
V3 - produsul se fabrică la filiala 3, cheltuieli fixe de 5500 mii um, cost unitar de 20 um.
1
Seminar Modelarea Deciziilor Manageriale, MANAGEMENT anul III
2
Seminar Modelarea Deciziilor Manageriale, MANAGEMENT anul III
Se apelează opţiunea Solve and analyse; se specifică apoi valoarea coeficientului de optimism
necesar în aplicarea tehnicii Hurwicz:
3
Seminar Modelarea Deciziilor Manageriale, MANAGEMENT anul III
Rezultă tabelul final cu recomandarea de decizie pentru fiecare tehnică aplicată în condiţii de
incertitudine, cu valoarea atribuită acestor decizii:
4
Seminar Modelarea Deciziilor Manageriale, MANAGEMENT anul III
dintre acestea se va alege valoarea cea mai mare adică, -1950, corespunzătoare alternativei 1.
5
Seminar Modelarea Deciziilor Manageriale, MANAGEMENT anul III
Varianta deciziilor în condiţii de risc (se cunosc probabilităţile asociate stărilor naturii); se reia
introducerea datelor în modulul WINQSB/DA/Payoff Table Analysis, pe primul rând al
6
Seminar Modelarea Deciziilor Manageriale, MANAGEMENT anul III
matricii; adică, cel denumit Prior Probability se introduc probabilităţile asociate stărilor
naturii:
Unde:
● Valoarea aşteptată fără informaţie (cu informaţie incompletă):
EVwithoutI max i 1, m p j cij
j 1, n
7
Seminar Modelarea Deciziilor Manageriale, MANAGEMENT anul III
Se alege din bara de meniuri opțiunea Module, iar apoi se selectează Decision Analysis.
8
Seminar Modelarea Deciziilor Manageriale, MANAGEMENT anul III
Se alege din bara de meniuri opțiunea File/New/1 Decision Tables și se completează datele
generale ale problemei:
- numărul de variante decizionale: Number of Decisions: 3
- numărul de stări ale naturii: Number of Nature States: 3
- Row names: Decision 1....
- Column names: State 1...
9
Seminar Modelarea Deciziilor Manageriale, MANAGEMENT anul III
Se apasă butonul Solve, obținându-se rezultate pentru prima opțiune: 1 Decision Table Results.
Astfel, putem regăsi rezultatele pentru criteriile maxmin, maxmax și Hurwicz.
10
Seminar Modelarea Deciziilor Manageriale, MANAGEMENT anul III
Opţiunea Window/ 2 Regret or Opportunity Loss afișează matricea regretelor, dar și rezultatul în
urma aplicării tehnicii bazate pe minimizarea regretelor.
11
Seminar Modelarea Deciziilor Manageriale, MANAGEMENT anul III
Pentru a obține Valoarea Informației Perfecte, este necesar să ne întoarcem la datele de intrare
(apăsând butonul Edit data) și să tastăm “=” în prima căsuță pentru probabilități. Programul va
atribui trei probabilități egale de manifestare a stărilor naturii.
Apăsăm din nou Solve,obținând încă o coloană EMV – Expected Monetary Value.
EMV se calculează ca suma produselor dintre o valoare a profitului și probabilitatea sa (aici
0.33). Există opțiunea Window/ Expected Value Multiplications pentru a observa suma
înmulțirilor respective.
12
Seminar Modelarea Deciziilor Manageriale, MANAGEMENT anul III
13
Seminar Modelarea Deciziilor Manageriale, MANAGEMENT anul III
14
Seminar Modelarea Deciziilor Manageriale, MANAGEMENT anul III
15
Seminar Modelarea Deciziilor Manageriale, MANAGEMENT anul III
16
Seminar Modelarea Deciziilor Manageriale, MANAGEMENT anul III
17
Seminar Modelarea Deciziilor Manageriale, MANAGEMENT anul III
18
Seminar Modelarea Deciziilor Manageriale, MANAGEMENT anul III
19
Seminar Modelarea Deciziilor Manageriale, MANAGEMENT anul III
20
Seminar Modelarea Deciziilor Manageriale, MANAGEMENT anul III
21
Seminar Modelarea Deciziilor Manageriale, anul III, MANAGEMENT
Studiul de caz 4: Modelarea procesului de lansare pe piaţă a unui nou produs cu arbori de
decizie
Studiul de caz 7 pg. 147–din cartea Modelarea economica, autori: Ratiu-Suciu, C., Luban, F.,
Hincu, D., Ciocoiu, N., Editura ASE, Bucuresti, 2009
Sectorul de cercetări al unei firme de produse alimentare a realizat un nou tip de conservă
de carne. Se pune problema lansării ei pe piaţă după ce produsul a fost testat. Rezultatele testului
au arătat că noul produs nu este inferior produselor similare existente, iar din anumite puncte de
vedere este chiar mai bun.
În aceste condiţii, sectorul de marketing al firmei consideră că probabilitatea ca noul
produs să se bucure de succes este 0,3. În acest caz valoarea actualizată a profitului anual (total)
este de 3.000.000 €. În cazul unui eşec pe piaţă, firma va înregistra o pierdere de 250.000 €.
Date fiind aceste condiţii, admitem că firma poate alege una dintre următoarele trei
variante:
- să renunţe la lansarea noului produs;
- să pună imediat produsul în vânzare;
- să testeze vânzarea produsului într-un supermagazin (la un cost de 50.000 €).
Dacă rezultatele testului arată că produsul nu s-a impus atenţiei clienţilor, conducerea firmei are
alternativele:
să renunţe la fabricarea produsului;
să lanseze produsul pe piaţă.
1
Seminar Modelarea Deciziilor Manageriale, anul III, MANAGEMENT
Rezolvare:
Diferitele situaţii posibile le reprezentăm într-o diagramă (în formă de arbore) în care vom folosi
următoarele simboluri:
ramurile vor reprezenta variantele decizionale: R – renunţare; L – lansare; T – testare.
nodurile vor reprezenta punctele în care apar diversele alternative sub formele □ sau ;
şi anume, dacă conducerea firmei este cea care efectuează alegerea (□), iar dacă
responsabilitatea alegerii uneia din alternativele posibile revine „naturii”, adică unor
factori independenţi de firmă ( ).
nodurile finale se reprezintă cu o foma geometrică diferită pentru a putea face
numerotarea acestora în vederea introducerii corecte in WINQSB.
Reprezentarea sub formă de diagramă este necesară pentru a putea introduce datele în WINQSB.
11
12
16
17
13
-50,000.00
18
19
14
20
21
15
10
2
Seminar Modelarea Deciziilor Manageriale, anul III, MANAGEMENT
Number of Nodes/Events (Including Terminals): numărul de noduri, inclusiv cele finale (21).
3
Seminar Modelarea Deciziilor Manageriale, anul III, MANAGEMENT
4
Seminar Modelarea Deciziilor Manageriale, anul III, MANAGEMENT
Pentru a obţine valorile medii ale acestor noduri plecăm de la probabilităţile estimate de experţi pe
baza unor experienţe anterioare (şi prezentate în tabelul 6.12).
Calculăm probabilităţile condiţionate ale unui succes sau unui eşec, ştiind că s-a produs unul
dintre evenimentele a), b) sau c).
Ştim că din 100 de cazuri, în 50 se va produce (a), iar în trei dintre acestea lansarea produselor se
va bucura de succes, etc.
Probabilitatea unui:
succes când s-a produs a) este 3/50 sau 0,06
eşec când s-a produs a) este 47/50 sau 0,94
succes când s-a produs b) este 7/25 = 0,28
eşec când s-a produs b) este 18/25 = 0,72
succes când s-a produs c) este 20/25 = 0,80
eşec când s-a produs c) este 5/25 = 0,20
Calculăm valorile nodurilor de tip eveniment/șansă (C) folosind formula valorii așteptate maxime:
7 3.000.000 * 0,06 – 250.000 * 0,94 = - 55.000 €
8 3.000.000 * 0,28 – 250.000 * 0,72 = 660.000 €
9 3.000.000 * 0,80 – 250.000 * 0,20 = 2.350.000 €
În nodul 4 există cele două alternative (renunţare sau lansare pe piaţă a produsului):
în caz de renunţare, pierderea = 0;
în caz de lansare, pierderea este de 55.000 €
Se recomandă renunțarea.
În nodul 5 există două alternative și se alegeea cea cu profir maxim, respectiv lansarea
produsului deoarece astfel s-ar obține 660.000 u.m..
Analiza făcută pentru nodul 6 conduce la aceeaşi concluzie, adică este avantajos să se
lanseze produsul pe piaţă, deoarece venitul mediu al firmei va fi de 2.350.000 u.m.
5
Seminar Modelarea Deciziilor Manageriale, anul III, MANAGEMENT
În nodul 3 se pot manifesta 3 stări ale naturii/evenimente, respectiv (a), (b) sau (c), iar evaluarea
nodului 3 se face luând în considerare toate aceste situații, respectiv:
Vor trebui plătiţi 50.000 € pentru a ajunge la nodul 3, în aceste condiţii, valoarea netă a nodului 3
este: 7523.500 – 50.000 = 702.500 €
- se apasă butonul Results; se alege opţiunea de reprezentare grafică a arborelui decizional: Show
decision tree graph
- se recomandă bifarea căsuţei Display the expected values for each node or event (din stânga-jos)
pentru a se reprezenta arborele cu valorile numerice asociate fiecărui nod decizional/ de tip şansă).
6
Seminar Modelarea Deciziilor Manageriale, anul III, MANAGEMENT
Se recomanda analiza senzitivității solutiei la modificarea costului de testare din 50.000 u.m. in
20.000 u.m. și la modificarea probabilităților asociate răspunsurilor la test.
În cazul unor cheltuieli de testare de 20.000 u.m. decizia optimă va fi de testare a produsului, după
care, în funcție de modul în care consumatorii vor răspunde la test, se recomandă:
- lansarea produsului și obținerea unui profit mediu de 660.000 u.m., în cazul unui răspuns
mediu favorabil (b)
- lansarea produsului și obținerea unui profit mediu de 2.350.000 u.m., în cazul unui
răspuns foarte favorabil (c)
METODA 1
Se alege din bara de meniuri opțiunea File/New/2 Decision Trees și se completează datele
generale ale problemei:
- numărul de ramuri: 20
- row names: se bifează branch 1, …
7
Seminar Modelarea Deciziilor Manageriale, anul III, MANAGEMENT
Se rezolvă problema cu Solve, iar rezultatele obținute sunt: (Window/ 1 Decision Tree Results)
8
Seminar Modelarea Deciziilor Manageriale, anul III, MANAGEMENT
Soluția este cea marcată cu roșu în coloana Branch use, ca Always. Mai jos, în bara de explicații,
se specifică faptul că este necesară o ramură ca cea formată din nodurile 1 și 2, întrucât reprezintă
alternativa cea mai bună, ce aduce un profit mediu de 725000.
Programul a adăugat în coloana Node Type, tipul fiecărui nod (decizie sau șansă), dar și valoarea
calculată a acestora, în coloana Node Value.
9
Seminar Modelarea Deciziilor Manageriale, anul III, MANAGEMENT
Nota: Reprezentarea de mai sus nu este competa si nu este recomandabila pentru a fi inclusa in
proiectul de disciplina sau in analizele economice. O reprezentare fidela ce respecta regulile de
intocmire a a unui arbore de decizie este obtinuta cu metoda 2 (grafica).
METODA 2
Există și opțiunea de a selecta din bara de meniuri File/New/3 Decision Trees Graphical.
Introducem numele problemei si selectam la Objective optiunea: Profits (maximize).
Desenarea arborelui de decizie se face folosind optiunile din partea dreapta a ecranului. Pornim de
la nodul 1, știm că acesta se leagă de nodurile 2, 3 și 10. Prin urmare, în căsuța ”n:” tastăm 3.
Apoi apăsăm Add n branches.
Mai jos, exista opțiunea de denumi ramurile, de a adăuga probabilități și valori ale profitului.
Pentru a completa date pentru nodul următor, se face click pe nod și automat se vor schimba
căsuțele (exemplu: va apărea scris: Data for branch 1-2 sau Data for branch 1-3 sau Data for
branch 1-4).
10
Seminar Modelarea Deciziilor Manageriale, anul III, MANAGEMENT
Dăm click pe nodul 2, îi selectăm două ramuri, le denumim, le scriem probabilitățile și profiturile.
Știm că nodurile care pleacă din nodul 2, sunt noduri finale, însă, nu avem opțiunea de a le desena
diferit, prin punct, așa cum se poate face în Winqsb. Nici numărătoarea în arbore nu va fi aceeași.
Totuși numărul de noduri va rămâne 21.
Mai departe, dăm click pe fiecare nod în parte și completăm cu datele necesare până la construire
arborelui.
11
Seminar Modelarea Deciziilor Manageriale, anul III, MANAGEMENT
12
Seminar Modelarea Deciziilor Manageriale, anul III, MANAGEMENT
13
Seminar Modelarea Decziilor Manageriale, anul III, MANAGEMENT
Tabelul 1
Criterii/ Variante
decizionale Masina A Masina B Masina C Masina D
Sens criteriu
Rezolvare:
Criterii/
Variante decizionale Masina A Masina B Masina C Masina D Coef. de
importanta
Pretul 0.00 0.34 1.00 0.64 0.3
Consum de carburant 0.00 0.83 1.00 0.90 0.2
Imbunatatiri 1 0.5 0 0 0.16
Nr. de usi 1.00 0.00 0.00 1.00 0.14
Spatiu interior 1 0.66 0.33 0 0.1
Motorul 1.00 0 0.50 1.00 0.1
1
Seminar Modelarea Decziilor Manageriale, anul III, MANAGEMENT
Ierarhizarea variantelor:
I. Rezolvarea cu Excel
2
Seminar Modelarea Decziilor Manageriale, anul III, MANAGEMENT
Matricea utilitatilor
Criterii/Variante Coef. de
Masina A Masina B Masina C Masina D
decizionale importanta
Pretul 0,00 0,34 1,00 0,64 0,3
Consum de
arburant 0,00 0,83 1,00 0,90
(litri/100 km) 0,2
Imbunatatiri 1 0,5 0 0 0,16
3
Seminar Modelarea Decziilor Manageriale, anul III, MANAGEMENT
4
Seminar Modelarea Decziilor Manageriale, anul III, MANAGEMENT
Se introduc mai întâi numărul de criterii (6) și numărul de variante de decizie (4).
5
Seminar Modelarea Decziilor Manageriale, anul III, MANAGEMENT
Se apasă Solve. La datele inițiale introduse de utilizator, programul adaugă utilitățile globale
maxime (Weighted Total), fără a prezenta calcul efectiv al lor (a se vedea rezolvarea în
Excel).
6
Seminar Modelarea Deciziilor Manageriale, anul III MANAGEMENT
(Studiul de caz 4 din cartea RSC, LF, HD, CN, Modelare economică, Ed. ASE, 2009, p. 100)
Funcţia obiectiv:
max (57x1 + 70x2 + 50x3)
Restricţiile liniare:
x1 + x2 + x3 8000
x1 + x2 + x3 10000
0,2x1 + 0,3x2 + 0,1x3 2400
Restricţiile referitoare la semnul variabilelor:
x1 0
x2 0
x3 0
24
J. A. Lawrence, B. A. Pasternack, Applied Management Science. A Computer Integrated Approach for Decision
Making. John Wiley & Sons Inc., New York, 1998
1
Seminar Modelarea Deciziilor Manageriale, anul III MANAGEMENT
I. Rezolvarea cu WINQSB/Lp-ilp
Rezolvarea cu produsul informatic WINQSB presupune parcurgerea următoarelor etape:
• se selectează modulul Linear and Integer Programming (LP-ILP)
Introducerea datelor problemei - se completează următoarele câmpuri:
Problem Title - titlul problemei (opţional)
Number of Variables – numarul variabilelor modelului (Variables): 3
Number of Constraints – numarul restricțiilor (Constraints): 3
Objective Criterion – sensul optimizării funcției obiectiv: Maximizare
2
Seminar Modelarea Deciziilor Manageriale, anul III MANAGEMENT
Prin rezolvarea modelului de programare liniara (Solve and Analyze – Solve the Problem) se
obține următorul raport:
3
Seminar Modelarea Deciziilor Manageriale, anul III MANAGEMENT
4
Seminar Modelarea Deciziilor Manageriale, anul III MANAGEMENT
Prima parte a Tabelului 5.1 se referă la soluţia optimă a modelului de programare liniară.
Coloana Solution value conţine soluţia optimă, adică varianta decizională care conduce
la cea mai bună valoare a criteriului de performanţă specificat prin funcţia obiectiv. Astfel,
programul de producţie propus pentru luna următoare prevede realizarea de 7000 m Stofa2 şi
3000 m Stofa3. Produsul Stofa1 nu face parte din programul optim de producţie.
5
Seminar Modelarea Deciziilor Manageriale, anul III MANAGEMENT
Coloana Unit cost or profit c(j) conţine coeficienţii variabilelor de decizie din funcţia
obiectiv. În exemplul numeric, aceşti coeficienţi reprezintă preţurile unitare de vânzare propuse
de decident.
Tabelul 5.1
Combined Report
Decision Solution Unit Total Reduced Basis Allowable Allowable
Variable Value Cost or Contri- Cost Status Min. c(j) Max. c(j)
Profit bution
c(j)
1 X1 0 57.00 0 -3.00 at bound -M 60.00
2 X2 7000.00 70.00 490000.00 0 basic 64.00 150.00
3 X3 3000.00 50.00 150000.00 0 basic 44.00 70.00
Objective Function (Max)= 640000.00
Partea a doua a Tabelului 5.1 se referă la restricţiile liniare ale problemei de programare
liniară. În lipsa unor denumiri specificate de utilizator, restricţiile sau constrângerile au fost
denumite C1, C2 şi C3.
Coloana Left Hand Side conţine valoarea fiecărei restricţii în raport cu soluţia optimă.
Coloana Right Hand Side conţine valorile specificate de decident pentru termenii
liberi din partea dreaptă a sistemului de restricţii.
6
Seminar Modelarea Deciziilor Manageriale, anul III MANAGEMENT
Coloana Slack or Surplus conţine valorile optime ale variabilelor de rezervă (slack)
sau de surplus. Se observă că se vor realiza 2000 m în plus faţă de cantitatea totală contractată de
8000 m.
Coloana Shadow Price conţine valorile optime ale variabilelor duale care se mai
numesc preţuri duale sau preţuri umbră. Ele sunt asociate restricţiilor liniare. Preţul umbră este
diferit de zero numai dacă restricţia asociată este verificată cu egalitate de către soluţia optimă a
primalei. Astfel, restricţiile C2 şi C3 sunt verificate cu egalitate, au preţurile umbră de 40 u.m. şi
respectiv 100 u.m. Preţurile umbră sunt folosite la analiza senzitivităţii valorii optime a funcţiei
obiectiv primale la variaţia termenilor liberi din partea dreaptă a restricţiilor liniare.
Coloanele Allowable Min RHS şi Allowable Max RHS definesc pentru fiecare
restricţie, intervalul de variaţie al termenului bi din partea dreaptă (RHS) pentru care este valabil
preţul umbră asociat, în ipoteza că nu se modifică alţi coeficienţi ai modelului. Astfel, preţul
umbră de 100 u.m. asociat restricţiei C3 este valabil pentru variaţia disponibilului b3 de materie
primă de import MI între 1000 kg şi 3000 kg.
Analiza senzitivităţii soluţiei optime curente la variaţia unui singur coeficient din funcţia obiectiv
Se observă că s-au obţinut patru intervale de variaţie pentru preţul unitar de vânzare al
produsului Stofa1: trei intervale la dreapta preţului iniţial de 57 u.m./metru propus de decident şi
un singur interval la stânga lui. În Figura 5.1 este reprezentată variaţia valorii funcţiei obiectiv
adică a venitului total care poate fi realizat dacă se modifică preţul de vânzare pentru Stofa1, iar
7
Seminar Modelarea Deciziilor Manageriale, anul III MANAGEMENT
M
900000
Valoarea functiei obiectiv
800000
700000 700000
640000
640000
640000
600000
-M
30 40 50 57 60 70 80 M
90
Coeficientul lui x1 din functia obiectiv
Figura 5.1
In coloana Slope din Tabelul 5.2, este prezentat, pentru fiecare interval de variaţie al
coeficientului lui x1, raportul dintre variaţia funcţiei obiectiv şi variaţia coeficientului. In acest
tip de parametrizare, raportul reprezintă chiar valoarea optimă a variabilei decizionale al cărui
coeficient variază. Rezultă că pentru preţul de vânzare cuprins între 57 u.m./metru şi 60
u.m./metru, valoarea lui x1 în programul optim de producţie este zero. Aceeaşi situaţie apare şi
pentru un preţ mai mic de 57 u.m./metru.
Prin urmare, valoarea x1 = 0 este optimă pentru orice preţ mai mic de 60 u.m./metru. Dacă preţul
de vânzare pentru Stofa1 va deveni mai mare de 60 u.m./metru atunci se va modifica programul
de producţie. Din coloanele Leaving Variable şi Entering Variable se observă că în acest caz va
ieşi din program x3, adică Stofa3 şi va intra în program x1, adică Stofa1.
Dacă valoarea coeficientului lui x1 variază între 60 u.m./metru şi 70 u.m./metru atunci
venitul total creşte de la 640000 u.m. la 700000 u.m., iar valoarea optimă a lui x1 va fi de 6000
metri. Dacă preţul de vânzare pentru Stofa1 devine mai mare de 70 u.m./metru atunci va ieşi din
program Stofa2 şi va deveni pozitivă variabila de rezervă asociată restricţiei C3 referitoare la
materia primă de import.
Pentru preţul mai mare de 70 u.m./metru pentru Stofa1, programul optim de producţie
constă în realizarea de 10000 metri Stofa1.
Analiza senzitivităţii preţurilor umbră curente la variaţia unui singur termen din partea
dreaptă a restricţiilor
Această analiză se referă numai la soluţia optimă curentă a dualei.
Se studiază invariabilitatea soluţiei optime duale, adică a preţurilor umbră optime, la variaţia unui
singur termen liber din partea dreaptă a sistemului de restricţii liniare, în ipoteza că ceilalţi
coeficienţi ai modelului nu se modifică.
Din Tabelul 5.1 rezultă că, în cazul modificării unui termen liber în intervalul definit
pentru fiecare restricţie prin Allowable Min RHS şi Allowable Max RHS, variabilele x2 şi x3 vor
rămâne variabile bazice nenegative, iar x1 va avea valoarea zero, fiind nebazică. În noua situaţie,
se vor realiza tot produsele Stofa2 şi Stofa3 ca şi în soluţia optimă iniţială, dar în alte cantităţi
8
Seminar Modelarea Deciziilor Manageriale, anul III MANAGEMENT
deoarece s-a modificat un termen liber şi atunci vectorul b => b', astfel încât xB = B-1b' 0
pentru Produsul Stofa1 nu va fi inclus în programul optim de producţie.
Dacă se cunoaşte intervalul de variaţie al termenului liber bi şi preţul umbră asociat ui, în
ipoteza că ceilalţi coeficienţi ai modelului nu se modifică, se poate determina variaţia
corespunzătoare a valorii optime a funcţiei obiectiv primale. Preţul umbră ui arată cu cât se va
modifica valoarea optimă a funcţiei obiectiv, dacă s-ar putea mări cu o unitate termenul liber bi.
În cazul exemplului numeric analizat, preţul umbră asociat restricţiei C3 referitoare la
materia primă de import MI este 100 u.m./kg. Acest preţ este valabil (adică rămâne neschimbat)
dacă disponibilul de resursă MI variază între 1000 kg şi 3000 kg. Dacă disponibilul de resursă
creşte de la cantitatea curentă 2400 kg la 2500 kg, atunci se va obţine un spor de
venit = (2500 – 2400)*100 = 10000 u.m., adică venitul total va fi de
(640000 + 10000) = 650000 u.m. De asemenea, dacă disponibilul de resursă scade de la
cantitatea curentă 2400 kg la 2300 kg, atunci se va obţine o reducere de venit = (2300 –
2400)*100 = -10000 u.m., adică venitul total va fi de (640000 – 10000) = 630000 u.m.
Preţul umbră poate fi folosit pentru analiza investiţiei necesare pentru suplimentarea
resursei. Pentru ca investiţia să poată fi recuperată, preţul unitar de achiziţie trebuie să fie mai mic
decât preţul umbră de 100 u.m.
În ipoteza că ceilalţi coeficienţi ai modelului nu se modifică, iar disponibilul de resursă MI
variază între 1000 kg şi 3000 kg, programul optim de producţie va include numai tipurile Stofa2 şi
Stofa3. Tipul Stofa1 nu va face parte din programul de producţie pentru luna următoare. În
terminologia teoriei programării liniare, pentru acest interval de variaţie, x1 este variabilă nebazică,
iar x2 şi x3 sunt variabile bazice. De aceea, intervalul [1000; 3000] este interval de admisibilitate al
soluţiei de bază curente.
Tabelul 5.5
Parametric Analysis for LP Sample Problem - Right-Hand-Side
From RHS To RHS From To Leaving Entering
of C3 of C3 OBJ Value OBJ Value Slope Variable Variable
1 2400.00 3000.00 640000.00 700000.00 100.00 X3 Slack_C3
2 3000.00 M 700000.00 700000.00 0
3 2400.00 1000.00 640000.00 500000.00 100.00 X2 Slack_C2
4 1000.00 800.00 500000.00 400000.00 500.00 Surplus_C1
5 800.00 -Infinity Infeasible
S-au obţinut cinci intervale de variaţie pentru disponibilul de materie primă: două
intervale la dreapta disponibilului de 2400 kg şi trei intervale la stânga lui. În Figura 5.3 este
reprezentată variaţia valorii funcţiei obiectiv adică a venitului total care poate fi realizat dacă se
modifică disponibilul de resursă MI, iar ceilalţi termeni liberi se menţin la 8000 metri de stofă
contractată şi respectiv 10000 metri cerere maximă estimată.
9
Seminar Modelarea Deciziilor Manageriale, anul III MANAGEMENT
Figura 5.3
În coloana Slope din Tabelul 5.5, este prezentat, pentru fiecare interval de variaţie al
termenului liber b3, raportul dintre variaţia funcţiei obiectiv şi variaţia termenului liber. In acest
tip de parametrizare, acest raport reprezintă chiar valoarea optimă a preţului umbră asociat
restricţiei al cărui termen liber variază. Rezultă că pentru disponibilul de resursă cuprins între
2400 kg şi 3000 kg, valoarea optimă a preţului umbră asociat va fi de 100 u.m./kg. Aceeaşi
situaţie apare şi dacă disponibilul de resursă se reduce de la 2400 kg la 1000 kg. Prin urmare,
preţul umbră optim de 100 u.m./kg este valabil pentru orice disponibil de resursă cuprins între
1000 kg şi 3000 kg. Dacă disponibilul de resursă va deveni mai mare de 2400 kg atunci se va
modifica programul de producţie. Din coloanele Leaving Variable şi Entering Variable se
observă că în acest caz va ieşi din program x3, adică Stofa3 şi va deveni pozitivă variabila de
rezervă Slack_C3, adică va rămâne materie primă neutilizată.
Dacă firma dispune de o cantitate de resursă de import MI mai mare de 3000 kg, atunci
venitul total de 700000 u.m. rămâne neschimbat, iar valoarea optimă preţului umbră asociat este
zero.
În cazul unei cantităţi de resursă MI mai mică de 1000 kg, va ieşi din programul de
producţie Stofa2 şi va deveni pozitivă variabila Slack_C2 care reprezintă cererea fără contract
neonorată.
Dacă se reduce cantitatea de resursă de la 1000 kg la 800 kg, venitul total se reduce de la
500000 u.m. la 400000 u.m. Preţul umbră al resursei pentru acest interval de variaţie este de 500
u.m./kg.
Pentru o cantitate de resursă MI mai mică de 800 kg nu există soluţie admisibilă, adică nu
se poate realiza cantitatea de stofă contractată.
10
Seminar Modelarea Deciziilor Manageriale, anul III MANAGEMENT
- Rezolvarea cu optiunea Solver. Dupa activarea optiunii se adauga restrictiile din fereastra Subject
to the constraints dand click pe butonul Add.
11
Seminar Modelarea Deciziilor Manageriale, anul III MANAGEMENT
ANSWER REPORT
Result: Solver found a solution. All Constraints and optimality conditions are satisfied.
Solver Engine
Engine: Simplex LP
Solution Time: 0 Seconds.
Iterations: 4 Subproblems: 0
Solver Options
Max Time 100 sec, Iterations 100, Precision 0,000001
Max Subproblems Unlimited, Max Integer Sols Unlimited, Integer Tolerance 5%, Solve Without
Integer Constraints
12
Seminar Modelarea Deciziilor Manageriale, anul III MANAGEMENT
Variable Cells
Original
Cell Name Value Final Value Integer
$B$11 x1 0 0 Contin
$C$11 x2 0 7000 Contin
$D$11 x3 0 3000 Contin
Constraints
Cell Name Cell Value Formula Status Slack
$E$6 c1 LHS 10000,00 $E$6>=$G$6 Not Binding 2000,00
$E$7 c2 LHS 10000,00 $E$7<=$G$7 Binding 0
$E$8 c3 LHS 2400,00 $E$8<=$G$8 Binding 0
$B$11 x1 0 $B$11>=0 Binding 0
$C$11 x2 7000 $C$11>=0 Not Binding 7000
$D$11 x3 3000 $D$11>=0 Not Binding 3000
SENSITIVITY REPORT
Microsoft Excel 14.0 Sensitivity Report
Worksheet: [aplicatie PL in xls.xls]model PL
Variable Cells
Final Reduced Objective Allowable Allowable
Cell Name Value Cost Coefficient Increase Decrease
$B$11 x1 0 -3 57 3 1E+30
$C$11 x2 7000 0 70 80 6
$D$11 x3 3000 0 50 20 6
Constraints
Final Shadow Constraint Allowable Allowable
Cell Name Value Price R.H. Side Increase Decrease
$E$6 c1 LHS 10000 0 8000 2000 1E+30
$E$7 c2 LHS 10000 40 10000 14000 2000
$E$8 c3 LHS 2400 100 2400 600 1400
LIMITS REPORT
Microsoft Excel 14.0 Limits Report
Worksheet: [aplicatie PL in xls.xls]model PL
Objective
Cell Name Value
$F$2 valoarea functiei obiectiv 640000
13
Seminar Modelarea Deciziilor Manageriale, anul III MANAGEMENT
Introducem valorile coeficienților fiecărei variabile din funcția obiectiv și restricții. Automat, în
ultima coloană se compune forma inecuațiilor și a funcției obiectiv.
14
Seminar Modelarea Deciziilor Manageriale, anul III MANAGEMENT
15
Seminar Modelarea Deciziilor Manageriale, anul III MANAGEMENT
16
Seminar Modelarea Deciziilor Manageriale, anul III MANAGEMENT
Un alt mod de a afișa atât soluția primalei (Solution), cât și soluția dualei (Dual) este disponibil
prin accesarea Window/ Original Problem w answers.
17
Seminar Modelarea Deciziilor Manageriale, anul III MANAGEMENT
Studiul de caz 10 din Raţiu-Suciu C., Luban F., Hîncu D., Ciocoiu N., Modelare
economică, Editura ASE, Bucureşti, 2009
Funcţiile obiectiv
1. Maximizarea venitului total
(max) f1(x) = 60x1 + 120x2 + 90x3
2. Minimizarea timpului necesar de lucru
(min) f2(x) = 15x1 + 10x2 + 19x3
3. Minimizarea consumului total din materia primă de import
(min) f3(x) = 0,2x1 + 0,6x2 + 0,4x3
1
Seminar Modelarea Deciziilor Manageriale, anul III MANAGEMENT
Restricţiile de nenegativitate:
x1 0, x2 0, x3 0,
Funcţiile scop:
2
Seminar Modelarea Deciziilor Manageriale, anul III MANAGEMENT
Restricţiile scop:
C4: 60x1 + 120x2 + 90x3 – Venitsupl + Venitm = 2700
C5: 15x1 + 10x2 + 19x3 – Timpsupl + Timpm = 215
C6: 0,2x1 + 0,6x2 + 0,4x3 – Mimpsupl + Mimpm = 4,4
Restricţiile de nenegativitate:
x1 0, x2 0, x3 0, Venitsupl 0, Venitm 0, Timpsupl 0, Timpm 0, Mimpsupl
0. Mimpm 0
3
Seminar Modelarea Deciziilor Manageriale, anul III MANAGEMENT
Vom edita numele variabilelor, accesând din bară Edit/ Variable Names. Modificăm numele
începând cu X4. Astfel vom obține din nou tabelul în care vom completa valorile din funcțiile scop
și restricții.
4
Seminar Modelarea Deciziilor Manageriale, anul III MANAGEMENT
Prin rezolvarea cu WINQSB/Gp - igp se obţin rezultatele din Tabelul 7.3. Semnificaţia
coloanelor este aceeaşi ca şi în cazul modelelor de programare liniară unicriterială.
Tabelul 7.3
Solution Summary for Studiul de caz 7.1
Decision Solution Basis Reduced Cost Reduced Cost Reduced Cost
Variable Value Status Goal 1 Goal 2 Goal 3
1 X1 12 basic 0 0 0
2 X2 0 at bound 0 60 -35
3 X3 5 basic 0 0 0
4 Venitsupl 0 at bound 0 1 0
5 Venitm 1530 basic 0 0 0
6 Timpsupl 60 basic 0 0 0
7 Timpm 0 at bound 0 0 1
8 Mimpsupl 0 at bound 1 -300 75
9 Mimpm 0 at bound 0 300 -75
Goal 1: Minimize G1 = 0
Goal 2: Minimize G2 = 1530
Goal 3: Minimize G3 = 60
5
Seminar Modelarea Deciziilor Manageriale, anul III MANAGEMENT
Deviaţia în minus Venitm = 15300 u.m. arată că se va obţine un venit total egal cu (2700 –
1530) = 1170 u.m.
Deviaţia în plus Timpsupl = 60 ore arată că timpul necesar de lucru este egal cu (215 + 60) =
275 ore.
Costurile reduse sunt mai mari sau egale cu zero numai pentru scopul cu prioritate 1
deoarece soluţia este optimă numai în raport cu acest scop: minimizarea deviaţiei în plus faţă de
consumul minim de materie primă de import. Soluţia este suboptimală pentru celelalte două scopuri.
Tabelul 7.4
Sensitivity Analysis of the Right-Hand-Sides for Studiul de caz 7.1
Right Allowable Allowable Shadow Shadow Shadow
Constraint Hand Min. RHS Max. RHS Price Price Price
Side Goal 1 Goal 2 Goal 3
1 Material1 <= 10 8.2 M 0 0 0
2 Cerere Pcs1+Pcs2 >= 12 -M 12 0 0 0
3 Cerere PCs3 >= 5 3.2 5 0 20 -11
4 Venit = 2700 1170 M 0 1 0
5 Timp = 215 -M 275 0 0 -1
6 Mimport = 4.4 4.4 5 0 -300 75
Pe baza datelor din Tabelul 7.4 se pot realiza analize de senzitivitate. Astfel, pentru
restricţia 3, dacă cererea variază între 3,2 şi 5 tone, atunci preţul umbră în raport cu scopul 2 este 20,
iar în raport cu scopul 3 este -11. Rezultă că, dacă se reduce cererea pentru Pcs3 cu 1 tonă, adică =
-1, atunci valoarea lui Goal 2 = Venitm va deveni egal cu (1530 + *preţul umbră) = 1530 - 20 =
1510 u.m. Venitul total realizat va fi egal cu (2700 – 1510) = 1190 u.m., adică va creşte cu 20 u.m.
faţă de 1170 u.m. De asemenea, valoarea lui Goal 3 = Timpsupl va deveni egal cu (60 + *preţul
umbră) = 60 +(-1)*(-11) = 71 ore. Timpul necesar de lucru va fi egal cu (215 +71) = 286 ore.
Conflictul dintre scopul cu prioritate 1 şi celelalte două scopuri poate fi atenuat prin
utilizarea preţurilor umbră asociate fiecărui scop. Restricţia 6 conţine deviaţia Mimpsupl care este
minimizată prin funcţia scop 1. Pentru această restricţie, în cazul variaţiei consumului de
materie primă de import între 4,4 tone şi 5 tone, preţul umbră asociat scopului cu
prioritate 2 este (-300), iar preţul umbră asociat scopului cu prioritate 3 este 75. Rezultă că, dacă
este relaxat nivelul de aspiraţie pentru consum de la
4,4 tone la 5 tone, adică = 0,6 tone, atunci valoarea lui Goal 2 = Venitm
va deveni egal cu (1530 + *preţul umbră) = 1530 + 0,6*(-300) = 1350 u.m.
Venitul total realizat va fi egal cu (2700 – 1350) = 1350 u.m., adică va creşte cu 180 u.m. faţă de
1170 u.m. De asemenea, valoarea lui Goal 3 = Timpsupl va deveni egal cu (60 + *preţul umbră) =
60 +0,6*75 = 105 ore. Timpul necesar de lucru va fi egal cu (215 +105) = 320 ore.
Se accesează modulul Window/Goal Programming, apoi din File se selecteaza New (pentru
generarea unui fisier nou).
Se completează cu numărul de scopuri sau restricții și numărul de variabile necunoscute.
6
Seminar Modelarea Deciziilor Manageriale, anul III MANAGEMENT
7
Seminar Modelarea Deciziilor Manageriale, anul III MANAGEMENT
Dupa introducerea datelor in tabel, prin alegerea optiunii Solve sunt generate rezultatele cu valori
pentru fiecare dintre cele 9 variabile (cele 3 necunoscute și cele 6 deviații în plus și în minus).
8
Seminar Modelarea Deciziilor Manageriale, anul III MANAGEMENT
9
Seminar Modelarea Deciziilor Manageriale
Studiul de caz 24 din RSC, Fl, DH, NC, Modelare Economica, Ed. ASE, 2007
O firmă dezvoltă un proiect definit de 11 activităţi pentru care specialiştii au stabilit duratele
maxime/normale şi minime (exprimate în zile), costul normal şi costul maxim aferent urgentării
executării fiecărei activităţi (tabelul 5.4).
Tabelul 5.4
Nr. Denumire Activitate Durata Cost
crt. activităţi precedenta
Normala Minima Normal (aferent Majorat (aferent
duratei normale) duratei minime)
1 A 20 11 2 11
2 B A 25 15 12 37
3 C B,E 26 16 15 45
4 D C,G,I 8 6 1 11
5 E 36 12 102 174
6 F A 9 7 2 14
7 G F 50 25 35 60
8 H 36 33 45 48
9 I H 40 30 32 52
10 J 22 12 11 24
11 K J 45 25 28 68
Echipa managerială doreşte să cunoască:
- durata normală şi durata cea mai mică de realizare a proiectului cât şi costurile totale
corespunzătoare;
- durata medie de realizare a proiectului, costul asociat acestei durate şi eşalonarea în timp a
activităţilor pentru obţinerea duratei medii;
- durata optimă în cazul unui buget total disponibil de 310 u.m;
- analiza stadiului de realizare a proiectului la 50 de zile de la începerea activităţilor.
Metode de rezolvare
1
Seminar Modelarea Deciziilor Manageriale
Evident, durata lucrării are numeroase implicaţii asupra costului. De aceea este deosebit de
important de determinat acea durată a acţiunii complexe căreia îi corespunde un cost minim.
- Fiecare activitate considerăm că are două durate de execuţie, şi anume, una normală
(asimilată duratei maxime de execuţie a activităţii) şi o durată de execuţie minimă (crash), la care se
poate ajunge prin măsuri de urgentare.
- Funcţia cost - durată este descrescătoare, deoarece orice efort de urgentare este însoţit de
creşterea cheltuielilor. Costul unitar al urgentării se calculează ca un raport între diferenţa costurilor şi
a duratelor de execuţie a activităţilor.
Pentru fiecare activitate se solicită denumirea, precedenţele (care pot fi identificate în graful din figura
5.1), costurile şi duratele normale şi urgentate (tabelul 5.10).
Tabelul 5.10
WINQSB /PERT-CPM COST-DURATA DAYS 11 MATRIX
Immediate Predecessor
Activity Activity Normal Crash Normal Crash
(list number/name,
Number Name Time Time Cost Cost
separated by',')
1 A 20 11 $2 $11
2 B A 25 15 $12 $37
3 C B,E 26 16 $15 $45
4 D C,G,I 8 6 $1 $11
5 E 36 12 $102 $174
6 F A 9 7 $2 $14
7 G F 50 25 $35 $60
8 H 36 33 $45 $48
9 I H 40 30 $32 $52
10 J 22 12 $11 $24
11 K J 45 25 $28 $68
2
Seminar Modelarea Deciziilor Manageriale
Pentru calculul duratei totale normale se apelează opţiunea Solve and Analyze – Solve Critical Path
Using Normal Time (tabelul 5.11). Prin rezolvare se afişează, pentru fiecare activitate a proiectului,
termenele minime şi maxime de începere, respectiv de terminare a fiecărei activităţi şi rezerva totală
de timp a fiecărei activităţi (Slack).
Activităţilor aflate pe drumul critic le corespunde o rezervă totală de timp egală cu zero. Activităţile
aflate pe drumul critic sunt A, D, F, şi G şi există un singur drum critic.
Tabelul 5.11
Activity Analysis for cost-durata (Using Normal Time)
On
Activity Activity Earliest Earliest Latest Latest Slack
Critical
Name Time Start Finish Start Finish (Ls-Es)
Path
1 A Yes 20 0 20 0 20 0
2 B no 25 20 45 28 53 8
3 C no 26 45 71 53 79 8
4 D Yes 8 79 87 79 87 0
5 E no 36 0 36 17 53 17
6 F Yes 9 20 29 20 29 0
7 G Yes 50 29 79 29 79 0
8 H no 36 0 36 3 39 3
9 I no 40 36 76 39 79 3
10 J no 22 0 22 20 42 20
11 K no 45 22 67 42 87 20
Project Completion Time = 87 days
Total Cost of Project = $285 (Cost on CP = $40)
Number of Critical Path(s) = 1
1 A no 11 0 11 20 31 20
2 B no 15 11 26 32 47 21
3 C no 16 26 42 47 63 21
4 D Yes 6 63 69 63 69 0
5 E no 12 0 12 35 47 35
6 F no 7 11 18 31 38 20
7 G no 25 18 43 38 63 20
8 H Yes 33 0 33 0 33 0
9 I Yes 30 33 63 33 63 0
10 J no 12 0 12 32 44 32
11 K no 25 12 37 44 69 32
Project Completion Time = 69 days
(Cost on CP =
Total Cost of Project = $544 $111)
Number of Critical Path(s) = 1
Produsul informatic WINQSB permite realizarea unor analize suplimentare prin opţiunea Perform
Crashing Analysis. Această opţiune permite:
3
Seminar Modelarea Deciziilor Manageriale
1. Calculul costului pentru o durată dorită specificată (Meeting the desired completion time)
(tabelul 5.13).
Prin rezolvare se afişează: timpul normal şi timpul urgentat al fiecărei activităţi, timpul propus,
costul suplimentar datorat urgentării, costul normal şi costul propus. Astfel, activitatea A, care are o
durată normală de 20 zile este urgentată la 14 zile, iar costul normal de 2 u.m. se majorează cu 6
u.m. care este costul datorat urgentării. În acest caz activităţile urgentate sunt A şi H.
Tabelul 5.13
Crashing Analysis for cost-durata (durata totală 81 zile şi cost optim)
Activity Critical Normal Crash Suggested Additional Normal Suggested
Name Path Time Time Time Cost Cost Cost
1 A Yes 20 11 14 $6 $2 $8
2 B no 25 15 25 0 $12 $12
3 C no 26 16 26 0 $15 $15
4 D Yes 8 6 8 0 $1 $1
5 E no 36 12 36 0 $102 $102
6 F Yes 9 7 9 0 $2 $2
7 G Yes 50 25 50 0 $35 $35
8 H Yes 36 33 33 $3 $45 $48
9 I Yes 40 30 40 0 $32 $32
10 J no 22 12 22 0 $11 $11
11 K no 45 25 45 0 $28 $28
Overall Project: 81 $9 $285 $294
2. Calculul duratei de realizare în cazul unui buget limitat specificat (Meeting the desired
budget cost) (tabelul 5.14).
În cazul unui buget disponibil de 310 u.m., proiectul poate fi realizat în 75.67 zile, iar
activităţile urgentate sunt A, G, H şi I.
4
Seminar Modelarea Deciziilor Manageriale
Tabelul 5.14
Crashing Analysis for cost-durata (cu bugetul disponibil de 310 u.m.)
Activity Critical Normal Crash Suggested Additional Normal Suggested
Name Path Time Time Time Cost Cost Cost
1 A Yes 20 11 16.66 $3.33 $2 $5.33
2 B Yes 25 15 25 0 $12 $12
3 C Yes 26 16 26 0 $15 $15
4 D Yes 8 6 8 0 $1 $1
5 E no 36 12 36 0 $102 $102
6 F Yes 9 7 9 0 $2 $2
7 G Yes 50 25 42 $8 $35 $43
8 H Yes 36 33 33 $3 $45 $48
9 I Yes 40 30 34.66 $10.67 $32 $42.67
10 J no 22 12 22 0 $11 $11
11 K no 45 25 45 0 $28 $28
Overall Project: 75.67 $25.00 $285 $310
3. Calculul costului optim pentru realizarea proiectului în termenele urgentate (Finding the
minimum cost schedule) (tabelul 5.15).
Prin specificarea acestei opţiuni se obţine costul total urgentat optim de 334 u.m. aferent duratei
minime de 69 zile. Activităţile urgentate sunt A, D, G şi H.
Tabelul 5.15
Crashing Analysis for cost-durata (69 zile şi cost optim)
Suggeste
Activity Critical Normal Crash Suggested Additional Normal
d
Name Path Time Time Time Cost Cost
Cost
1 A Yes 20 11 12 $8 $2 $10
2 B Yes 25 15 25 0 $12 $12
3 C Yes 26 16 26 0 $15 $15
4 D Yes 8 6 6 $10 $1 $11
5 E no 36 12 36 0 $102 $102
6 F Yes 9 7 9 0 $2 $2
7 G Yes 50 25 42 $8 $35 $43
8 H Yes 36 33 33 $3 $45 $48
9 I Yes 40 30 30 $20 $32 $52
10 J no 22 12 22 0 $11 $11
11 K no 45 25 45 0 $28 $28
Overall Project: 69 $49 $285 $334
In tabelul costurilor si in graficul costurilor, sunt date costurile zilnice şi costurile cumulate în
funcție de termenele minime și maxime de începere (ES, LS).
Tabelul cu evoluţia costurilor pe unitate de timp (pe zi) şi în varianta cumulată (pe întregul
interval de 81 de zile):
PERT/Cost Analysis for studiu 24 (After Crashing)
Project Time Cost Schedule Cost Schedule Total Cost Total Cost
in zile Based on ES Based on LS Based on ES Based on LS
1 1 $5.36 $2.03 $5.36 $2.03
2 2 $5.36 $2.03 $10.72 $4.05
3 3 $5.36 $2.03 $16.08 $6.08
4 4 $5.36 $2.03 $21.44 $8.10
5 5 $5.36 $2.03 $26.80 $10.13
6 6 $5.36 $2.03 $32.16 $12.16
7 7 $5.36 $2.03 $37.52 $14.18
5
Seminar Modelarea Deciziilor Manageriale
6
Seminar Modelarea Deciziilor Manageriale
● Variabilele de decizie:
x1, x2, …, x8 reprezintă termenele minime de începere calculate în nodurile 1,2, …, 8 din
graficul ADC “activitate-arc”:
● restricţiile modelului – termenul de începere în nodul j este mai mare decât suma dintre
termenul minim de începere pentru activităţile incidente acestui nod şi duratele
activităţilor; de exemplu, pentru activitatea A: x2 ≥ x1 + 20
● condiţiile de nenegativitate:
x1, x2, …,x8>=0.
●minimizarea duratei de realizare a proiectului:
min (x1+x2+...+x8).
7
Seminar Modelarea Deciziilor Manageriale
Rezolvarea modelului:
8
Seminar Modelarea Deciziilor Manageriale
Adjustable Cells
Original
Cell Name Value Final Value
$C$4 x1= valoare variabile de decizie 0 0
$C$5 x2= valoare variabile de decizie 0 20
$C$6 x3= valoare variabile de decizie 0 36
$C$7 x4= valoare variabile de decizie 0 22
$C$8 x5= valoare variabile de decizie 0 45
$C$9 x6= valoare variabile de decizie 0 29
$C$10 x7= valoare variabile de decizie 0 79
$C$11 x8= valoare variabile de decizie 0 87
Constraints
Cell Name Cell Value Formula Status Slack
$I$4 A restrictii 20 $I$4>=$K$4 Binding 0
$I$5 B restrictii 25 $I$5>=$K$5 Binding 0
$I$6 C restrictii 34 $I$6>=$K$6 Not Binding 8
$I$7 D restrictii 8 $I$7>=$K$7 Binding 0
$I$8 E restrictii 45 $I$8>=$K$8 Not Binding 9
$I$9 F restrictii 9 $I$9>=$K$9 Binding 0
$I$10 G restrictii 50 $I$10>=$K$10 Binding 0
$I$11 H restrictii 36 $I$11>=$K$11 Binding 0
$I$12 I restrictii 43 $I$12>=$K$12 Not Binding 3
$I$13 J restrictii 22 $I$13>=$K$13 Binding 0
9
Seminar Modelarea Deciziilor Manageriale
Constraints
Final Lagrange
Cell Name Value Multiplier
$I$4 A restrictii 20 5
$I$5 B restrictii 25 1
$I$6 C restrictii 34 0
$I$7 D restrictii 8 1
$I$8 E restrictii 45 0
$I$9 F restrictii 9 3
$I$10 G restrictii 50 2
$I$11 H restrictii 36 1
$I$12 I restrictii 43 0
$I$13 J restrictii 22 1
$I$14 K restrictii 65 0
10
Seminar Modelarea Deciziilor Manageriale
Începem să completăm tabelul cu datele de intrare. Întrucât am ales Crashing ca metodă, vom
completa cu durata normală și urgentată, cu valorile costului normal și urgentat, dar și cu
activitățile precedente.
11
Seminar Modelarea Deciziilor Manageriale
Pentru calculul costului în cazul unei durate dorite specificate, se accesează Window / Crash
Schedule. Putem observa că pentru o durată de 81 de zile, costul proiectului va fi mai mare față
de cel normal cu 9, deci 285+9=294
12
Seminar Modelarea Deciziilor Manageriale
Pentru a obține termenele minime (Early) și maxime (Late) de început (Start) și de sfârșit
(Finish), dar și rezerva de timp (Slack) și a vedea activităţile aflate pe drumul critic (cu rezerva de
timp zero 0, trecută cu roșu), se accesează din bara de sus o altă metodă. De exemplu, dacă
accesăm Single Time Estimate, vom afla drumul critic pentru proiectul cu durata normală.
13
Seminar Modelarea Deciziilor Manageriale
Ne întoarcem la datele de intrare prin butonul Edit Data și selectăm ca metodă, din bara de sus,
Cost Budgeting pentru calculul costului normal. Vom observa că din datele de intrare rămân doar
cele pentru durată și cost normale.
14
Seminar Modelarea Deciziilor Manageriale
Apăsăm Solve, iar din meniul Window/ Charts putem selecta graficele de diverse tipuri (grafice
Gantt, graful activităților sau un grafic buget vs cost sau graficul costurilor).
15
Seminar Modelarea Deciziilor Manageriale
Graful definit de cele 11 activităţi (cu duratele normale aferente) este reprezentat în figura 1.
F 6 G
9 50
A B
20 2 25
E 5 C D
1 36 26 7 8 8
H
36 I
3 40
J K
22 4 45
Figura 1
Întrucât, pentru fiecare activitate, s-a estimat şi costul implicat de urgentarea activităţii
(tabelul 5.4), pentru echipa managerială este importantă stabilirea relaţiei care există între
reducerea duratei activităţilor şi evoluţia costului proiectului.
16
Seminar Modelarea Deciziilor Manageriale
Durată Cost
87 285
69 334
81 294
Cu aceste date se reprezintă funcţia cost - durată în figura 2.
COST
334
294
285
69 81 87 DURATA
Figura 2
Valorile acestei funcţii sunt examinate şi conturează decizia ce se poate lua pentru cazul
analizat.
Constatăm că o reducere a duratei de execuţie cu 6 zile conduce la o creştere a costului cu 9
unităţi monetare, iar o reducere cu 18 zile conduce la o creştere a costului cu 49 unităţi monetare.
Realizarea în 81 zile a proiectului se face cu un cost de 294 u.m., mai mic decât bugetul
disponibil de 310 u.m.
17
Seminar Modelarea Deciziilor Manageriale
Studiul de caz 25 din RSC, Fl, DH, NC, Modelare Economica, Ed. ASE, 2007
O firmă dezvoltă un proiect complex format din 11 activități pentru care nu se cunosc cu
exactitate duratele activităților. În aceste condiții s-a apelat la experți pentru a estima durata
fiecărei activități și astfel s-au obținut câte trei estimări pentru fiecare activitate, respectiv:
- durata optimistă (Optimistic time - a);
- durata medie probabilă (Most likely time - m);
- durata pesimistă (Pessimistic time – b).
Informațiile referitoare la intercondiționările între activități și duratele acestora sunt
prezentate în tabelul 5.18.
Tabelul 5.18
Activităţi Activitate Optimistic time Most likely time Pessimistic time
precedenta (a) (m) (b)
A 10 16 20
B A 15 20 26
C B,E 14 20 24
D C,G,I 5 7 9
E 14 24 35
F A 6 8 10
G F 26 40 45
H 32 34 37
I H 30 35 42
J 12 17 19
K J 24 35 43
Pentru rezolvare se apelează opţiunea Solve and Analyze – Solve Critical Path. Pentru
fiecare activitate se calculează durata medie, termenele minime şi maxime de începere, respectiv
de terminare, rezerva totală de timp şi deviaţia standard (tabelul 5.20).
Tabelul 5.20
Activity Analysis for PERT
Name On Activity Earliest Earliest Latest Latest Slack Activity Standard
Critical Mean Start Finish Start Finish (LS-ES) Time Deviation
Path Time Distribution
1 A no 15.667 0 15.667 7.333 23 7.333 3-Time 1.667
2 B no 20.167 15.667 35.833 29.667 49.833 14 3-Time 1.833
3 C no 19.667 35.833 55.5 49.833 69.5 14 3-Time 1.667
4 D Yes 7 69.5 76.5 69.5 76.5 0 3-Time 0.667
5 E no 24.167 0 24.167 25.667 49.833 25.667 3-Time 3.5
6 F no 8 15.667 23.667 23 31 7.333 3-Time 0.667
7 G no 38.5 23.667 62.167 31 69.5 7.333 3-Time 3.167
8 H Yes 34.167 0 34.167 0 34.167 0 3-Time 0.833
9 I Yes 35.333 34.167 69.5 34.167 69.5 0 3-Time 2
10 J no 16.5 0 16.5 25.5 42 25.5 3-Time 1.167
11 K no 34.5 16.5 51 42 76.5 25.5 3-Time 3.167
Project Completion Time = 76.50 days
Number of Critical Path = 1
Tabelul 5.21
Probability Analysis for PERT
Critical Path Probability to Probability to Probability to
Finish Finish Finish
in 76.50 days in 81 days in 69 days
H --> I --> D 0.5000 0.9764 0.0005
Prin rezolvarea studiului de caz cu produsul informatic WINQSB se obţine durata medie de
realizare a proiectului de 76,5 zile. Gradul de nesiguranţă în evaluarea duratelor activităţilor este
măsurat prin intermediul abaterii standard. Probabilitatea de realizarea a proiectului în 76,5 zile
este de 0,5, iar aceasta creşte odată cu indicarea unei durate de realizare mai mari (0,97 pentru 81
zile), respectiv scade pentru durate mai mici (0,0005 pentru 61 de zile). (tabelul 5.21).
Apăsăm Solve și obținem durata medie, termenele minime şi maxime de începere, respectiv de
terminare, rezerva totală de timp şi deviaţia standard. Cu roșu sunt trecute valorile 0 pentru
rezerva de timp, fapt ce indică activitățile aflate pe drumul critic.
MANAGEMENT
PROGRAMAREA EXAMENELOR- ANUL III , semestrul II
01.06.2020– 14.06.2020 ,
ZIUA DATA SERIA A SERIA B SERIA C
LUNI
01.06.2020
MARTI 02.06.2020 Ora 9,00 Comunicare şi negociere în afaceri-Prof. Popescu Ora 10,30 Comunicare şi negociere în afaceri.-Prof. Popescu Ora 12,00 Comunicare şi negociere în afaceri -Prof. Popescu
Ora 14,00 restanță Metodologii manageriale-Prof Popa Ora 14,00 restanță Metodologii manageriale -Prof Popa Ora 14,00 restanță Metodologii manageriale -Prof Popa
MIERCURI 03.06.20120 Ora 13,30 restanță Manag. producției- Prof Nedelcu Ora 13,30 restanță Manag. producției- Prof Nedelcu Ora 13,30 restanță Manag. producției- Prof Nedelcu
Ora 13,30 restanță Econometrie – Prof. Cristache S Ora 13,30 restanță Econometrie – Prof. Țoțan L
JOI 04.06.20120 Ora 07,30 Analiză economico-financiară -Prof.Dinu Eduard Ora 07,30 Analiză economico-financiară -Prof.Oancea Negescu Ora 07,30 Analiză economico-financiară Prof.Hristea
VINERI 05.06.2020
SAMBATA 06.06.2020
Ora 10.30 Evaluarea întreprinderii- Prof. Oancea Negescu
DUMINICA 07.06.2020
LUNI 08.06.2020
MARTI 09.06.2020 Ora 10,30 Manag. aprovizionării şi vânzărilor- Prof. Jiroveanu Ora 13,30 Manag. aprovizionării şi vânzărilor - Prof. Corboș Ora 16,30 Manag. aprovizionării şi vânzărilor - Prof. Corboș
MIERCURI 10.06.2020
JOI 11.06.2020 Ora 10,30 Modelarea deciziilor manageriale- Prof.Nadia Ora 13,30 Modelarea deciziilor manageriale - Prof.Nadia Ciocoiu Ora 16,30 Modelarea deciziilor manageriale - Prof.Nadia Ciocoiu
Ciocoiu
VINERI
12.06.2020
SAMBATA 13.06.2020 Ora 8.00 Management comparat - Prof. Năstase Ora 09,00 Management comparat -Prof. Ceptureanu S