Programul de studii: Management

CAIET DE APLICAȚII
MODELAREA PROCESELOR
ECONOMICE

Ciocanel Marian Alexandru

Anul III, Grupa 1

2020-2021
CUPRINS

1. PROGRAMARE LINIARĂ..............................................................................................1

1.a PROGRAMARE LINIARĂ MIXTĂ................................................................................5

2. PROBLEMA DE TRANSPORT.......................................................................................8

3. PROGRAMARE LINIARĂ MULTIOBIECTIV...............................................................11

4. MANAGEMENTUL PROIECTELOR (PERT/CPM) TRIPLE TIME ESTIMATE............14

4.a MANAGEMENTUL PROIECTELOR (PERT/CPM) CRASHING.................................17

4.b MANAGEMENTUL PROIECTELOR (PERT/CPM) COST BUDGETING....................20

5. REȚELE (GRAFURI) SHORTEST ROUTE...................................................................23

5.a REȚELE (GRAFURI) MINIMUM SPANNIG TREE.....................................................26

5.b REȚELE (GRAFURI) MAXIMAL FLOW....................................................................28

6. ANALIZA DECIZIEI DECISION TABLES......................................................................31

6.a ANALIZA DECIZIEI DECISION TREES(GRAPHICAL)..............................................35

6.b ANALIZA DECIZIEI FACTOR RATING......................................................................37

7. GESTIUNEA STOCURILOR.........................................................................................40
1. PROGRAMARE LINIARĂ

1.1 Studiul de caz

O firmă trebuie să răspundă unei cereri de 45 unități dintr-un produs eșalonată pe o

perioadă de 7 luni. La începutul fiecărei luni firma se poate aproviziona cu orice cantitate din
produsu comandat la un preț ce variază de la o lună la alta astfel:
Luna Cererea Preț unitar (mii lei)
I 5 20
II 3 22
III 5 15
IV 7 19
V 8 18
VI 4 17
VII 6 11

Să se defi nească un model pentru politi ca opti ma de aprovizionare a

fi rmei astf el încât toate cererile să fi e sati sfăcute ști ind că în stoc se găsesc la
începutul fi ecărei luni 4 unități din perioada anterioară, capacitatea maximă a
depozitului este de 15 unități, iar la sfârșitul ulti mei luni toate modelele sunt
vândute.

1.2 Modelul
 X1 = cantitatea cu care se aprovizionează firma în luna I
 X2 = cantitatea cu care se aprovizionează firma în luna II
 X3 = cantitatea cu care se aprovizionează firma în luna III
 X4 = cantitatea cu care se aprovizionează firma în luna IV
 X5 = cantitatea cu care se aprovizionează firma în luna V
 X6 = cantitatea cu care se aprovizionează firma în luna VI
 X7 = cantitatea cu care se aprovizionează firma în luna VII

 Restricțiile PPL:

x1 ≥ 0

{
x2 ≥ 0
x3 ≥ 0
x4 ≥ 0
x5 ≥ 0
x6 ≥ 0
x7 ≥ 0

 Funcția obiectiv:

1
 min { 20 x 1+ 22 x 2+ 15 x 3 +19 x 4 +18 x5 +17 x 6 +11 x 7 }

1.3 Rezolvarea în QM
În QM utiliză m modulul Linear Programming:

(1) În ecranul de creare a setului de date alegem opțiunile (Figura 1.1):

 Number of Constrains: 14
 Number of Variables: 7
 Objective: Minimize
(2) Datele de intrare sunt redate în Figura 1.2
(3) Rezultatele soluției calculate sunt redate în Figura 1.3
(4) Analiza de senzitivitate este redată în Figura 1.4

Figura 1.1

2
Figura 1.2

3
 Figura 1.3

Figura 1.4

1.4 Concluzii
(1) Soluția optimă rezultată este:
 x 1=4 produse ;
 x 2=0 produse ;
 x 3=15 produse ;
 x 4 =0 produse;
 x 5=1 produse;
 x 6=6 produse

(2) Profitul maxim este de 338 u.m.

(3) Există mai multe soluții optime, cu limitele de variație din analiza de senzitivitate
(Figura 1.4)

4
1.a PROGRAMARE LINIARĂ MIXTĂ

1.1.a Studiul de caz

O firmă realizează 2 produse din că tină , notate P1 și P2 , pentru care se
utiliezază 3 componente, notate A,B și C. Produsul P1 se ambalează in lă dițe de 50 kg ,
iar produsul P2 se realizează si se vinde la bucată . Consumurile unitare și cantită țiile
sunt redate în tabelul urmă tor:
Componenta Produsul P1 Produsul P2 Disponibil
A 30 0,5 2000
B 18 0,4 800
C 2 0,1 200

O ladiță de 50 kg din produsul P1 se vinde cu 85 u.m., iar un kg din produsul P2

se vinde cu 1.5 u.m.

1.2.a Modelul

 x 1= numă r de ladițe din produsul P1

 x 2= numă r din produsul 2

Produse/Variabile Disponibil
Resurse P1 P2 Cantitate de
x1 x2 componente
R1 Componenta A 30 .5 ≤ 2000
R2 Componenta B 18 .4 ≤ 800
R3 Componenta C 2 .1 ≤ 200

Profit unitar 85 1.5

Funcția obiectiv
Profit 85 x 1+1.5 x 2 ⟶ max

5
 30 x 1 +0.5 x 2 ≤ 2000


{
18 x 1+ 0.4 x 2 ≤ 800
Resticțiile PPL: 2 x 1 +0.1 x2 ≤ 200
x1 ≥ 0
x2 ≥ 0
Funcția obiectiv:max { 85 x 1 +1.5 x 2 }

1.3.a Rezolvarea în QM
În QM utiliză m modulul Integer & Mixed Programming:

(1) În ecranul de creare a setului de date alegem opțiunile (Figura 2.1):

 Number of Constrains: 3
 Number of Variables: 2
 Objective: Maximize
(2) Datele de intrare sunt redate în Figura 2.2
(3) Rezultatele soluției calculate sunt redate în Figura 2.3
(4) Analiza de senzitivitate este redată în Figura 2.4

Figura2.1

6
Figura2.2

Figura2.3

7
 Figura2.4

1.4 Concluzii
(1) Soluția optimă rezultată este :
a. Produse X1 au fost realizate 44
b. Produse X2 au fost realizate 16
(2) Profitul maxim este de 3764 u.m.

8
2. PROBLEMA DE TRANSPORT

2.1 Studiul de caz

O firmă asigură transportul produselor pij de la depozitele Di la centrele de desfacere Cj,
conform tabelului de mai jos. Determinaţi cantită ţile xij ce trebuie transportate de la
fiecare depozit la centre astfel încâ t costul total al transportului să fie minim.
C1 C2 C3 Disponibil
D1 20 30 10 100
D2 30 40 25 300

D3 35 15 20 100
Cerere 150 125 225

2.2 Modelul
 C1=Centrul de desfacere 1
 C2=Centrul de desfacere 2
 C3=Centrul de desfacere 3
 D1=Depozitul 1
 D2=Depozitul 2
 D3=Depozitul 3

9
2.3 Rezolvarea în QM
În QM utiliză m modulul Transportation:

(1) În ecranul de creare a setului de date alegem opțiunile (Figura 3.1):

a. Number of Constrains: 3
b. Number of Variables: 3
c. Objective: Minimize
(2) Datele de intrare sunt redate în Figura 3.2
(3) Rezultatele soluției calculate sunt redate în Figura 3.3

Figura 3.1

Figura 3.2

10
 Figura 3.3

2.4 Concluzii

(1) Soluția optimă rezultată este:

 D2

(2) Costul total este de 11125 u.m.

11
3. PROGRAMARE LINIARĂ MULTIOBIECTIV

3.1 Studiul de caz

O firmă realizează 2 produse P1 şi P2 , care necesită procese de prelucrare şi de
asamblare. La prelucrare, pentru produsul P1 sunt necesare 3 ore de manoperă , iar
pentru produsul P2 sunt necesare 4 ore de manoperă . La asamblare, pentru produsul
P1 sunt necesare 7 ore de manoperă , iar pentru produsul P2 sunt necesare 6 ore de
manoperă . Manopera totală disponibilă este de 13 ore la prelucrare şi 40 de ore la
asamblare. Profitul zilnic pentru P1 este de 8 u.m., iar pentru P2 este de 7 u.m.
Se cere definirea variabilelor.

3.2 Modelul
Variabilele de deviație pot fi definite astfel:
 𝑑1 − : nerealizarea (valorică ) a obiectivului de profit
 𝑑1 + : depă șirea (valorică ) a obiectivului de profit
 𝑑2 − : neutilizarea (în ore) a timpului de prelucrare
 𝑑2 + : depă șirea (în ore) a timpului de prelucrare
 𝑑3 − : neutilizarea (în ore) a timpului de asamblare
 𝑑3 + : depă șirea (în ore) a timpului de asamblare
 𝑑4 − : nerealizarea (în buc.) a numă rului de produse P2
 𝑑4 + : depă șirea (în buc.) a numă rului de produse P2
Restricții : ¿ Funcția obiectiv min ⁡¿

3.3 Rezolvarea în QM
În QM utiliză m modulul Liner Programming:

(1) În ecranul de creare a setului de date alegem opțiunile (Figura 3.1):

a. Number of Constrains: 4

12
 b. Number of Variables: 10
c. Objective: Minimize
(2) Datele de intrare sunt redate în Figura 3.2

Rezultatele soluției calculate sunt redate în Figura 3.3

Figura 3.1

Figura 3.2

13
 Figura 3.3

3.4 Concluzii
X2=6,67 : S-a realizat 6,67 produse P2
D1+ = 6,67
D2+=13,67
D4- = 1,33

14
4. MANAGEMENTUL PROIECTELOR (PERT/CPM) TRIPLE TIME
ESTIMATE

4.1 Studiul de caz

Se consideră un proiect compus din 10 activită ți. Condiționă rile dintre activită ți ,
cele trei durate estimate pentru fiecare activitate, cost activitate, durata reducere si
costul reducere sunt date în tabell de mai jos:
Activitate Activită ți Durata Cost Durata Cost
a precedente Optimistă Cea mai Pesimistă activitate reducere reducere
probabilă
A - 4 5 12 300 1 450
B - 1 1.5 5 600 1 900
C A 2 3 4 400 1 550
D A 3 4 11 700 2 1000
E A 2 3 4 500 1 650
F C 1.5 2 2.5 800 1.5 1100
G D 1.5 3 4.5 1000 2 1450
H B,E 2.5 3.5 7.5 900 2 1500
I H 1.5 2 2.5 600 1.5 900
J F,G,I 1 2 3 500 1 650

4.2 Rezolvarea în QM
În QM utiliză m modulul Project Management(PERT/CPM)
 Triple time estimate:
(1) În ecranul de creare a setului de date alegem opțiunile (Figura 5.1):
 Number of Activities: 10
 Table Structure: Immediate predecessor list
(2) Datele de intrare sunt redate în Figura 5.2
(3) Rezultatele soluției calculate sunt redate în Figura 5.3

15
Figura 5.1

Figura 5.2

16
 Figura 5.3

4.3 Concluzii

17
4.a MANAGEMENTUL PROIECTELOR (PERT/CPM) CRASHING

4.1.a Studiul de caz

Se consideră un proiect compus din 10 activită ți. Condiționă rile dintre activită ți ,
cele trei durate estimate pentru fiecare activitate, cost activitate, durata reducere si
costul reducere sunt date în tabell de mai jos:
Activi Activită ți Durata Cost Durata Cost
tatea precedent Optimistă Cea mai Pesimistă activitate reducere reducere
e probabilă
A - 4 5 12 300 1 450
B - 1 1.5 5 600 1 900
C A 2 3 4 400 1 550
D A 3 4 11 700 2 1000
E A 2 3 4 500 1 650
F C 1.5 2 2.5 800 1.5 1100
G D 1.5 3 4.5 1000 2 1450
H B,E 2.5 3.5 7.5 900 2 1500
I H 1.5 2 2.5 600 1.5 900
J F,G,I 1 2 3 500 1 650

4.2.a Rezolvarea în QM
În QM utiliză m modulul Project Management(PERT/CPM)
 Crashing:
(1) În ecranul de creare a setului de date alegem opțiunile (Figura 6.1):
 Number of Activities: 10
 Table Structure: Immediate predecessor list
(2) Datele de intrare sunt redate în Figura 6.2
(3) Rezultatele soluției calculate sunt redate în Figura 6.3

18
Figura 6.1

Figura 6.2

19
 Figura 6.3

4.3.a Concluzii

20
4.b MANAGEMENTUL PROIECTELOR (PERT/CPM) COST
BUDGETING

4.1.b Studiul de caz

Se consideră un proiect compus din 10 activită ți. Condiționă rile dintre activită ți ,
cele trei durate estimate pentru fiecare activitate, cost activitate, durata reducere si
costul reducere sunt date în tabell de mai jos:
Activi Activită ți Durata Cost Durata Cost
tatea precedent Optimistă Cea mai Pesimistă activitate reducere reducere
e probabilă
A - 4 5 12 300 1 450
B - 1 1.5 5 600 1 900
C A 2 3 4 400 1 550
D A 3 4 11 700 2 1000
E A 2 3 4 500 1 650
F C 1.5 2 2.5 800 1.5 1100
G D 1.5 3 4.5 1000 2 1450
H B,E 2.5 3.5 7.5 900 2 1500
I H 1.5 2 2.5 600 1.5 900
J F,G,I 1 2 3 500 1 650

4.2.b Rezolvarea în QM
În QM utiliză m modulul Project Management(PERT/CPM)
 Crost Bugeting:
(1) În ecranul de creare a setului de date alegem opțiunile (Figura 7.1):
 Number of Activities: 10
 Table Structure: Immediate predecessor list
(2) Datele de intrare sunt redate în Figura 7.2
(3) Rezultatele soluției calculate sunt redate în Figura 7.3

21
Figura 7.1

Figura 7.2

22
 Figura 7.3

4.3.a Concluzii

23
5. REȚELE (GRAFURI) SHORTEST ROUTE

5.1 Studiul de caz

Consideră m rețeaua din figura de mai jos, cu 8 noduri ,cu originea în nodul 1 și
destinația în nodul 8. Ramurile conțin duratele de timp (in minute) dintre noduri. Dorim
să determină m drumul cu durata cea mai scurtă de la nodul 1 la toate celelate noduri
pâ nă la nodul 8.

6
2 5
4 1 7 4

4 4 6
1
5

3 4 1 3 6

3 7 8
8 10

5.2 Rezolvarea în QM
În QM utiliză m modulul Networks
 Shortest Route
(1) În ecranul de creare a setului de date alegem opțiunile (Figura 8.1):
 Number of Branches: 13
 Network type :Directed
(2) Datele de intrare sunt redate în Figura 8.2
(3) Rezultatele soluției calculate sunt redate în Figura 8.3

24
Figura 8.1

Figura 8.2

25
 Figura 8.3

5.3 Concluzii

Cea mai scurta ruta de la nodul 1 la nodul 8 :

Nodul 1 ⟶Nodul 4 distanta 5
Nodul 4 ⟶Nodul 6 distanta 4
Nodul 6 ⟶Nodul 8 distanta 6
Cu o durata de 15 minute

26
5.a REȚELE (GRAFURI) MINIMUM SPANNIG TREE

5.1.a Studiul de caz

Conderă m rețeau din figura de mai jos. Să se aplice metoda drumului minim într-un
arbore extins, pentru a determina durata minimă pentru a conecta cele 8 noduri.

6
2 5
4 1 7 4

4 4 6
1
5

3 4 1 3 6

3 7 8
8 10

5.2.a Rezolvarea în QM
În QM utiliză m modulul Networks
 Minimum Spannig Tree
(1) În ecranul de creare a setului de date alegem opțiunile (Figura 9.1):
 Number of Branches: 13
(2) Datele de intrare sunt redate în Figura 9.2
(3) Rezultatele soluției calculate sunt redate în Figura 9.3

27
 Figura 9.1

Figura 9.2

Figura 9.3

5.3.a Concluzii
Durata minimă nedecesară de a conecta toate cele 8 noduri este de 25 de minute

28
5.b REȚELE (GRAFURI) MAXIMAL FLOW

Se considera rețeaua din figura de mai jos, care reprezintă fluxurilor de biciclete, care
traversează un sat cu 4 intersecți, de la nord la sud. Ramurile rețelei descriu fluxurile de
mașini, în ambele sensuri, între intersecțile din sat la orele de vâ rf .

2 6 4
5
20
1 6
30

40 4
7 30
1 4 10 7
5 12
30 23
4

14
15 20
3 6
30 15

5.2.b Rezolvarea în QM
În QM utiliză m modulul Networks
 Maximal Flow
(1) În ecranul de creare a setului de date alegem opțiunile (Figura 10.1):
 Number of Branches: 10
(2) Datele de intrare sunt redate în Figura 10.2
(3) Rezultatele soluției calculate sunt redate în Figura 10.3

29
Figura 10.1

Figura 10.2

30
 Figura 10.3

5.3.b Concluzii

Numarul maxim pe care fluxul l-a atins este de 30

31
6. ANALIZA DECIZIEI DECISION TABLES

6.1 Studiul de caz

O fermă trebuie să se decidă asupra plantă rii unor pomi fructiferi, avâ nd urmă toarele
alternative de decizie:
 d 1:Plantarea pomilor fructiferi in cantită ți mici
 d 2:Plantarea pomilor fructiferi in cantită ți mari
 d 3:Plantarea pomilor fructiferi in cantită ți foarte mari

Profiturile ce vor fi realizate depind de cererea pieței:

 s1:Cererea este în creștere
 s2:Cererea este stabilă
 s3:Cererea este în descreștere

Alternative Stă rile naturii

De decizie S1 S2 S3
D1 50 20 -10
D2 100 35 -40
D3 200 40 -120
Probabilită ț 0.35 0.40 0.25
i

6.3 Rezolvarea în QM
În QM utiliză m modulul Decision Analysis
 Decision Tables
(1) În ecranul de creare a setului de date alegem opțiunile (Figura 11.1):
 Number of Decisions: 3
 Number of Nature States: 3
 Objective:Profits
 α:0.75
(2) Datele de intrare sunt redate în Figura 11.2
(3) Rezultatele soluției calculate sunt redate în Figura 11.3
(4) Rezultatele multiplicarii valorilor asteptate în Figura 11.4
(5) Informația perfecta în Figura 11.5
(6) Regretul sau pierderea oportunită ții în Figura 11.6

32
Figura 11.1

Figura 11.2

33
Figura 11.3

Figura 11.4

34
 Figura 11.5

Figura 11.6

6.4 Concluzii

35
6.a ANALIZA DECIZIEI DECISION TREES(GRAPHICAL)

6.1.a Studiul de caz

Să se elaboreze arborele de decizie.
Alternative Stă rile naturii
De decizie S1 S2 S3
D1 50 20 -10
D2 100 35 -40
D3 200 40 -120
Probabilită ț 0.35 0.40 0.25
i

6.2.a Rezolvarea în QM
În QM utiliză m modulul Decision Analysis
 Decision Trees
(1) În ecranul de creare a setului de date alegem opțiunile (Figura 12.1):
 Objective:Profits
(2) Datele de intrare sunt redate în Figura 12.2
(3) Rezultatele soluției calculate sunt redate în Figura 12.3

Figura 12.1

36
 Figura 12.2

Figura 12.3

6.3.a Concluzii
D3 este cea mai favorabilă pentru ferma care dorește să planteze pomi fructiferi.

37
6.b ANALIZA DECIZIEI FACTOR RATING

6.1.b Studiul de caz

O patiserie utilizează metoda Factor Rating pentru a evaluarea și selectarea furnizorilor
de materie primă . Brutaria consideră 3 furnizori și 3 criterii de evaluare

Criterii Pondere Scor alternative(1-100)

(Factori) factori
F1 F2 F3
C1 Preț materie primă 0,25 80 70 60
C2 Calitate materie primă 0,40 40 50 80
C3 Termene de livrare 0,35 60 90 70

6.2.a Rezolvarea în QM
În QM utiliză m modulul Decision Analysis
 Factor Rating
(1) În ecranul de creare a setului de date alegem opțiunile (Figura 13.1):
 Number of Criterions:3
 Number of Options:3
(2) Datele de intrare sunt redate în Figura 13.2
(3) Rezultatele soluției calculate sunt redate în Figura 13.3

38
Figura 13.1

Figura 13.2

39
 Figura 13.3

6.3.b Concluzii

Furnizorul 3 a acumulat cel mai mare punctaj în evaluare 71.5

40
7. GESTIUNEA STOCURILOR

7.1 Studiul de caz

7.2 Modelul

7.3 Rezolvarea în QM

7.4 Concluzii

41
42