Programul de studii: Management

CUPRINS

LABORATORUL 5 .............................................................................................................. 2

APLICAȚII DE ANALIZA DECIZIEI ......................................................................................... 2

5.1 Aplicația 5.1 – Tabele de decizie .................................................................................... 2
5.2 Aplicația 5.2 – Arbori de decizie ..................................................................................... 7
5.3 Aplicația 5.3 – Metoda Factor Rating ........................................................................... 13
5.4 Aplicația 5.4 – Programarea liniară multiobiective ....................................................... 16
5.5 Aplicația 5.5 – Alegerea unei strategii de marketing - Tabele de decizie ........................ 24
5.6 Aplicația 5.6 – Alegerea unei strategii de marketing - Arbori de decizie ......................... 29

5-1
 LABORATORUL 5
APLICAȚII DE ANALIZA DECIZIEI

LABORATORUL 5
APLICAȚII DE ANALIZA DECIZIEI
Decision Analysis
5.1 Aplicația 5.1 – Tabele de decizie

▪ O companie de construcții imobiliare investește în dezvoltarea unui complex

rezidențial, cu prețul unui ansamblu de locuit (casă, grădină, alte dotări)
cuprins între 300.000 u.m. (0,3 Mu.m.) şi 1.400.000 u.m. (1,4 Mu.m.)
▪ Compania a solicitat elaborarea unor proiecte de arhitectură cu 30 de case,
60 de case şi 90 de case.
▪ Problema de decizie constă în alegerea dimensiunii complexului rezidențial
care să conducă la un profit maxim, în condiții de incertitudine legate de
cererea de asemenea ansambluri de locuit
▪ Compania are următoarele alternative de decizie:
▪ d1 = un complex rezidențial mic cu 30 de case
▪ d2 = un complex rezidențial mediu cu 60 de case
▪ d3 = un complex rezidențial mare cu 90 de case
▪ Alegerea celei mai bune alternative de decizie va depinde de gradul de
incertitudine generat de cererea de case de locuit
▪ Pentru aplicația analizată, avem următoarele stări ale naturii:
▪ s1 = cerere ridicată de case
▪ s2 = cerere redusă de case
▪ Să presupunem că pentru dezvoltarea imobiliară compania consideră, într-o
abordare optimistă, că evaluarea inițială şi subiectivă a probabilității ca
cererea să fie ridicată (s1) este 0,8, iar probabilitatea ca cererea să fie redusă
(s2) va fi probabilitatea evenimentului contrar, respectiv 1 - 0,8 = 0,2
▪ Avem deci: P (s1) = 0,8 şi P (s2) = 0,2.
▪ Tabelul de decizie este:
Starea naturii
Alternative de decizie Cerere ridicată (s1) Cerere redusă (s2)
P (s1) = 0,8 P (s2) = 0,2
Complex mic (d1) 8 7
Complex mediu (d2) 14 5
Complex mare (d3) 20 -9

5-2
 LABORATORUL 5
APLICAȚII DE ANALIZA DECIZIEI

Rezolvare:
▪ Pentru rezolvarea problemei de decizie în QM utilizăm modulul Decision
Analysis cu opțiunea Decision Tables.
▪ În ecranul de creare a setului de date alegem opțiunile (Figura 5.1.1):
▪ Number of Decisions: 3
▪ Number of Nature States: 2
▪ Objective: Profits (maximize)
▪ Datele de intrare sunt redate în Figura 5.1.2, în care alegem coeficientul de
optimism (Hurwicz Alpha) 𝛼 = 0.6
▪ Rezolvarea problemei este redată în Figura 5.1.3
▪ Valoarea medie a alternativelor de decizie cu probabilități este redată în
Figura 5.1.4
▪ Valoarea informației perfecte este redată în Figura 5.1.5
▪ Tabelul de regret (pierderea de oportunitate) este redat în Figura 5.1.6
▪ Tabelul Hurwicz calculat pentru 𝛼 = 0, .01, .02, … .99,1.00 este redat în
Figura 5.1.7

Figura 5.1.1

5-3
 LABORATORUL 5
APLICAȚII DE ANALIZA DECIZIEI

Figura 5.1.2

Figura 5.1.3

5-4
 LABORATORUL 5
APLICAȚII DE ANALIZA DECIZIEI

Figura 5.1.4

Figura 5.1.5

5-5
 LABORATORUL 5
APLICAȚII DE ANALIZA DECIZIEI

Figura 5.1.6

Figura 5.1.7

5-6
 LABORATORUL 5
APLICAȚII DE ANALIZA DECIZIEI

5.2 Aplicația 5.2 – Arbori de decizie

▪ Să se construiască arborele de decizie pentru problema de decizi din Aplicația

5.1

Rezolvare:
▪ Pentru rezolvarea problemei de decizie în QM utilizăm modulul Decision
Analysis cu opțiunea Decision Trees.
▪ În ecranul de creare a setului de date alegem opțiunea (Figura 5.2.1):
▪ Objective: Profits (maximize)

Figura 5.2.1

5-7
 LABORATORUL 5
APLICAȚII DE ANALIZA DECIZIEI

▪ Ecranul inițial în care vom adăuga cele 3 ramuri de decizie:

▪ Selectăm Number of branches: 3
▪ Apasăm butonul Add n branches

▪ Ecranul rezultat cu 3 ramuri de decizie:

5-8
 LABORATORUL 5
APLICAȚII DE ANALIZA DECIZIEI

▪ În continuare selectăm nodul 2 și adăugăm 2 ramuri, selectăm nodul 3 și

adăugăm 2 ramuri și selectăm nodul 4 și adăugăm 2 ramuri.
▪ Obținem arborele de decizie cu toate nodurile si ramurile:

5-9
 LABORATORUL 5
APLICAȚII DE ANALIZA DECIZIEI

▪ Revenim la Selected node 2 si redenumim Decision 1 ca fiind d1 – Complex

mic si apoi apăsăm butonul Redraw.
▪ Selectăm apoi nodurile 3 si 4 si redenumim deciziile.
▪ Obținem arborele de mai jos:

▪ Revenim la Selected node 5 si completăm

▪ Event 1 ca fiind s1 – Cerere ridicată
▪ Probability cu valoarea .8
▪ Profit cu valoarea 8.
▪ Apăsăm butonul Redraw.

▪ Continuăm cu Selected node 6 si completăm

▪ Event 1 ca fiind s2 – Cerere redusă
▪ Probability cu valoarea .2
▪ Profit cu valoarea 7.
▪ Apăsăm butonul Redraw.
▪ Obținem arborele următor:

5-10
 LABORATORUL 5
APLICAȚII DE ANALIZA DECIZIEI

▪ Continuăm procedeul pentru nodurile selectate succesiv 7, 8, 9 și 10 și

obținem arborele următor.

5-11
 LABORATORUL 5
APLICAȚII DE ANALIZA DECIZIEI

▪ Arborele fiind complet definit, apăsam butonul Solve și obținem soluția

finală, respectiv arborele de mai jos, cu valorile medii EMV calculate pentru
fiecare ramură de decizie și decizia

max(EMV) = d3 – Complex mare.

5-12
 LABORATORUL 5
APLICAȚII DE ANALIZA DECIZIEI

5.3 Aplicația 5.3 – Metoda Factor Rating

▪ Să se aplice metoda Factor Rating evaluarea și selectarea furnizorilor unei

firme industriale.
▪ Datele de intrare sunt prezentate în tabelul de mai jos:

Criterii Pondere Scor alternative (opțiuni) (1-100)

(Factori) factori
Furnizor 1 Furnizor 2 Furnizor 3
▪ Prețul de livrare .50 90 80 75
▪ Calitatea produselor .30 70 85 70

▪ Termenul de livrare .20 65 75 85

Total 1.00

▪ Calculăm scorurile ponderate și sumăm valorile obținute

▪ Scorul ponderat maxim se obține pentru Furnizorul 2

Criterii Pondere Scor ponderat alternative (opțiuni)

(Factori) factori
Furnizor 1 Furnizor 2 Furnizor 3
▪ Prețul de livrare .5 .5 x 90 = 45 .5 x 80 = 40 .5 x 75 = 37.5
▪ Calitatea produselor .3 .3 x 70 = 21 .3 x 85 = 25.5 .3 x 70 = 21
▪ Termenul de livrare .2 .2 x 65 = 13 .2 x 75 = 15 .2 x 85 = 17
Total 1.0 79 80.5 75.5

▪ Pentru rezolvarea problemei anterioare în QM utilizăm modului Decision

Analysis cu opțiunea Factor Rating sau direct modulul Factor Rating
▪ În ecranul de creare a setului de date alegem opțiunile (Figura 5.3.1):
▪ Number of Criterions: 3
▪ Number of Options: 3
▪ Datele de intrare sunt redate în Figura 5.3.2
▪ Rezolvarea problemei este redată în Figura 5.3.3

5-13
 LABORATORUL 5
APLICAȚII DE ANALIZA DECIZIEI

Figura 5.3.1

Figura 5.3.2

5-14
 LABORATORUL 5
APLICAȚII DE ANALIZA DECIZIEI

Figura 5.3.3

5-15
 LABORATORUL 5
APLICAȚII DE ANALIZA DECIZIEI

5.4 Aplicația 5.4 – Programarea liniară multiobiective

▪ O firmă realizează 2 produse P1 şi P2, care necesită procese de prelucrare şi

de asamblare.
▪ La prelucrare, pentru produsul P1 sunt necesare 2 ore de manoperă, iar
pentru produsul P2 sunt necesare 3 ore de manoperă.
▪ La asamblare, pentru produsul P1 sunt necesare 6 ore de manoperă, iar
pentru produsul P2 sunt necesare 5 ore de manoperă.
▪ Manopera totală disponibilă este de 12 ore la prelucrare şi 30 de ore la
asamblare.
▪ Profitul zilnic pentru P1 este de 7 u.m., iar pentru P2 este de 6 u.m.
▪ Pentru determinare cantităților întregi din P1 şi P2 care maximizează profitul
zilnic avem o problemă de programare liniară în numere întregi
▪ Să presupunem acum că firma asimilează în fabricație un nou produs, care
implică anumite cheltuieli de resurse şi afectează producția curentă
▪ În aceste condiții managementul firmei își propune următoarele obiective:
▪ Obiectivul 1: Realizarea unui profit zilnic de 30 u.m. în perioada de
asimilare a noului produs:
▪ Obiectivul 2: Utilizarea integrală a orelor disponibile la activitatea
de prelucrare
▪ Obiectivul 3: Evitarea depășirii orelor de manoperă la activitatea
de asamblare
▪ Obiectivul 4: Realizarea cerințelor contractuale de a produce cel
puțin 7 unități din produsul P2
▪ Se cere să se definească variabilele de deviație şi problema de programare
liniară multiobiective şi să se rezolve problema

5-16
 LABORATORUL 5
APLICAȚII DE ANALIZA DECIZIEI

Rezolvare:

▪ Variabilele de deviație pot fi definite astfel:

▪ 𝑑1− : nerealizarea (valorică) a obiectivului de profit
▪ 𝑑1+ : depășirea (valorică) a obiectivului de profit
▪ 𝑑2− : neutilizarea (în ore) a timpului de prelucrare
▪ 𝑑2+ : depășirea (în ore) a timpului de prelucrare
▪ 𝑑3− : neutilizarea (în ore) a timpului de asamblare
▪ 𝑑3+ : depășirea (în ore) a timpului de asamblare
▪ 𝑑4− : nerealizarea (în buc.) a numărului de produse P2
▪ 𝑑4+ : depășirea (în buc.) a numărului de produse P2

▪ Cu aceste variabile de deviație, problema de programare liniară

multiobiective are forma:
𝑚𝑖𝑛ሼ𝑑1− + 𝑑2− + 𝑑3+ + 𝑑4− ሽ
‫ۓ‬
ۖ
ۖ7𝑥1 + 6𝑥2 + 𝑑1− − 𝑑1+ = 30
ۖ
2𝑥1 + 3𝑥2 + 𝑑2− − 𝑑2+ = 12
− +
‫۔‬6𝑥1 + 5𝑥2 + 𝑑3 − 𝑑3 = 30
ۖ 𝑥2 + 𝑑4− − 𝑑4+ = 7
ۖ 𝑥𝑖 ≥ 0, 𝑖 = 1, 2
ۖ
‫ ≥ 𝑗𝑑 ە‬0, 𝑗 = 1, 2, 3, 4
▪ Să notăm faptul că variabilele de deviație 𝑑1+ , 𝑑2+ , 𝑑3+ , 𝑑4+ au un impact pozitiv
asupra realizării obiectivelor şi pot fi omise din expresia funcției obiectiv
▪ Vom rezolva mai întâi problema utilizând programarea liniară, considerând 2
variabile aferente produselor și 4 variabile de deviație (8 variabile
considerând 𝑑𝑗− și 𝑑𝑗+ ), iar funcția obiectiv urmărind minimizarea variabilelor
de deviație
▪ În QM utilizăm modulul Linear Programming
▪ În ecranul de creare a setului de date alegem (Figura 5.4.1):
▪ Number of Constraints: 4
▪ Number of Variables: 10
▪ Objective: Minimize
▪ Datele de intrare sunt redate în Figura 5.4.2
▪ Rezolvarea problemei este redată în Figura 5.4.3

5-17
 LABORATORUL 5
APLICAȚII DE ANALIZA DECIZIEI

Figura 5.4.1

Figura 5.4.2

5-18
 LABORATORUL 5
APLICAȚII DE ANALIZA DECIZIEI

Figura 5.4.3

▪ Utilizând programarea liniară, am obținut următoarea soluție:

▪ 𝑥2 = 6: realizarea a 6 produse P2, care determină un profit de 36 u.m.
▪ 𝑑1+ = 6: depășirea obiectivului de profit de 30 u.m. cu 6 u.m.
▪ 𝑑3− = 0 și 𝑑3+ = 0: obiectivul 3 de utilizare a orelor de asamblare este
realizat
▪ 𝑑4− = 1: nerealizarea obiectivului de 7 produse P2, cu 1 bucată
▪ Celelalte variabile de deviație sunt 0
▪ Valoarea minimă a funcției obiectiv de minimizare a variabilelor de
deviație este 1

▪ Vom analiza problema de programare multiobiectiv prin definirea unor

nivele de prioritate (priority levels) pentru obiective
▪ Un nivel de prioritate 𝑃𝑗 , 𝑗 = 1, 2, … , 𝑚 este asociat fiecărei variabile de
deviație, și vom clasifica obiectivele ținând cont de ordinea de prioritate
𝑃1 ≻ 𝑃2 ≻ ⋯ ≻ 𝑃𝑚

5-19
 LABORATORUL 5
APLICAȚII DE ANALIZA DECIZIEI

▪ Pentru problema analizată, considerăm următoarele priorități și nivele

(variabilele de deviație care nu apar în funcția obiectiv sunt cu prioritate 0):

Nivel
Obiectiv Prioritate
𝑑𝑗+ 𝑑𝑗−
▪ Obiectivul 1 𝑃1 0 1
▪ Obiectivul 2 𝑃2 0 2
▪ Obiectivul 3 𝑃3 3 0
▪ Obiectivul 4 𝑃4 0 4

▪ În problemele de programare liniară multiobiective, este posibil să alocăm

obiectivelor același nivel de prioritate, dar să le asociem diferite ponderi
(weights) 𝑊𝑗 , 𝑗 = 1, 2, … , 𝑚
▪ Ponderile pot fi alocate și ca factori de penalizare a nererealizării
obiectivelor (în ordine descrescătoare)
𝑊1 ≺ 𝑊2 ≺ ⋯ ≺ 𝑊𝑚
▪ Funcția obiectiv a problemei de programare liniară multiobiective se poate
scrie:
𝑚𝑖𝑛ሼ𝑊1 𝑃1 + 𝑊2 𝑃2 + ⋯ + 𝑊𝑚 𝑃𝑚 ሽ
▪ Pentru problema analizată, considerăm următoarele ponderi și valori
(variabilele de deviație care nu apar în funcția obiectiv sunt cu pondere 0):

Valoare
Obiectiv Pondere
𝑑𝑗+ 𝑑𝑗−
▪ Obiectivul 1 𝑊1 0 1
▪ Obiectivul 2 𝑊2 0 1
▪ Obiectivul 3 𝑊3 1 0
▪ Obiectivul 4 𝑊4 0 1

5-20
 LABORATORUL 5
APLICAȚII DE ANALIZA DECIZIEI

▪ Vom rezolva acum problema utilizând programarea liniară multiobiective,

considerând 2 variabile aferente produselor și 4 variabile de deviație, iar
funcția obiectiv urmărind minimizarea variabilelor de deviație
▪ În QM utilizăm modulul Goal Programming
▪ În ecranul de creare a setului de date alegem (Figura 5.4.4):
▪ Number of Goals or Constraints: 4
▪ Number of Variables: 2
▪ Datele de intrare sunt redate în Figura 5.4.5
▪ Rezolvarea problemei este redată în Figura 5.4.6

Figura 5.4.4

5-21
 LABORATORUL 5
APLICAȚII DE ANALIZA DECIZIEI

Figura 5.4.5

Figura 5.4.6

5-22
 LABORATORUL 5
APLICAȚII DE ANALIZA DECIZIEI

▪ Soluția problemei, cu analiza deviațiilor și modul de atingere a obiectivelor,

este prezentată în Figura 5.4.6.
▪ Primele două obiective au variabilele de deviație negative egale cu 0, ceea
ce indică atingerea completă a acestor obiective, iar variabilele de deviație
pozitive au ambele valori de 6, ceea ce indică o depășire a acestor obiective
cu 6 fiecare.
▪ Obiectivul 3 are ambele variabile de deviație egale cu 0, ceea ce indică
atingerea completă a acelui obiectiv, în timp ce obiectivul 4 are variabila de
deviație negativă egală cu 1, indicând nerealizarea cu 1

5-23
 LABORATORUL 5
APLICAȚII DE ANALIZA DECIZIEI

5.5 Aplicația 5.5 – Alegerea unei strategii de marketing - Tabele de decizie1

▪ O firmă dezvoltă o nouă linie de produse. Managementul firmei împreună cu

departamentul de marketing studiază alegerea strategiei de marketing și de
producție. Se conturează 3 strategii de acțiune:
▪ A – Agresivă
▪ B – Medie
▪ C – Prudentă
▪ Analiza pieței pune în evidență 2 stări posibile ale naturii:
▪ P – Reacție puternică
▪ S – Reacție slabă
▪ Departamentul de marketing apreciază probabilitățile stărilor naturii:
▪ Prob{P} = 0.45
▪ Prob{S} = 0.55
▪ Tabelul de decizie (matricea plăților / câștigurilor în milioane u.m.):

Starea naturii
Alternative de decizie P – Reacție puternică S – Reacție slabă
P (s1) = 0,45 P (s2) = 0,55
A – Agresivă 30 -8
B – Medie 20 7
C – Prudentă 5 15

▪ Să se determine strategia de marketing care determină câștigul maxim.

Rezolvare:
▪ Pentru rezolvarea problemei de decizie în QM utilizăm modulul Decision
Analysis cu opțiunea Decision Tables.
▪ În ecranul de creare a setului de date alegem opțiunile (Figura 5.5.1):
▪ Number of Decisions: 3
▪ Number of Nature States: 2
▪ Objective: Profits (maximize)
▪

1Lixăndroiu, D. (2014). Modelarea deciziei economice, Editura Economică, București, pag.

118

5-24
 LABORATORUL 5
APLICAȚII DE ANALIZA DECIZIEI

▪ Datele de intrare sunt redate în Figura 5.5.2, în care alegem coeficientul de

optimism (Hurwicz Alpha) 𝛼 = 0.6
▪ Rezolvarea problemei este redată în Figura 5.5.3
▪ Valoarea medie a alternativelor de decizie cu probabilități este redată în
Figura 5.5.4
▪ Valoarea informației perfecte este redată în Figura 5.5.5
▪ Tabelul de regret (pierderea de oportunitate) este redat în Figura 5.5.6
▪ Tabelul Hurwicz calculat pentru 𝛼 = 0, .01, .02, … .99,1.00 este redat în
Figura 5.5.7

Figura 5.5.1

5-25
 LABORATORUL 5
APLICAȚII DE ANALIZA DECIZIEI

Figura 5.5.2

Figura 5.5.3

5-26
 LABORATORUL 5
APLICAȚII DE ANALIZA DECIZIEI

Figura 5.5.4

Figura 5.5.5

5-27
 LABORATORUL 5
APLICAȚII DE ANALIZA DECIZIEI

Figura 5.5.6

Figura 5.5.7

5-28
 LABORATORUL 5
APLICAȚII DE ANALIZA DECIZIEI

5.6 Aplicația 5.6 – Alegerea unei strategii de marketing - Arbori de decizie

▪ Să se construiască arborele de decizie pentru problema de decizi din Aplicația

5.5

Rezolvare:
▪ Pentru rezolvarea problemei de decizie în QM utilizăm modulul Decision
Analysis cu opțiunea Decision Trees.
▪ În ecranul de creare a setului de date alegem opțiunea (Figura 5.6.1):
▪ Objective: Profits (maximize)
▪ Arborele cu toate datele completate este redat în Figura 5.5.2
▪ Arborele cu toate valorile calculate este redat în Figura 5.5.2
▪ Decizia este adoptarea Strategiei B – Medie cu o valoare medie de câștig de
12.85

Figura 5.6.1

5-29
 LABORATORUL 5
APLICAȚII DE ANALIZA DECIZIEI

Figura 5.6.2

Figura 5.6.3

5-30