ETAPELE MODELĂRII CANTITATIVE

Etapa I. Definirea problemei

Prin “definirea problemei” înţelegem:
 stabilirea existenţei problemei
 determinarea nivelului de importanţă a acesteia
 evidenţierea simptomelor problemei
 măsurarea în parametri cât mai precişi a consecințelor acesteia.

Colectarea datelor istorice şi estimarea datelor viitoare este una din cele mai
practicate metode pentru această etapă.

Etapa a II-a. Clasificarea problemei

Această etapă implică conceptualizarea problemei astfel ca să o putem
clasifica într-o categorie de probleme definibilă.
După gradul de complexitate şi structurare distingem următoarele clase de
probleme:
- probleme bine structurate
- probleme standard
- probleme slab structurate
- probleme nestructurate

Problemele bine structurate se caracterizează prin cel mai înalt grad de

formalizare matematică şi urmăresc selectarea unei variante de decizie pe baza unuia
sau mai multor criterii. Elementele logice pot fi cuantificate (determinist sau
probabilistic), eliminându-se aproape integral, incertitudinea legată de evoluţia
procesului. Sunt predictibile şi condiţiile impuse de mediul (ambianţa) în care se
desfăşoară procesul analizat.
Problemele standard au un grad ridicat de formalizare matematică și definite
clar obiectivele şi variantele de acţiune.
Problemele slab structurate au un grad ridicat de complexitate, fiind
caracterizate prin existenţa unor variabile cantitative şi calitative, care se
condiţionează reciproc, generând incertitudine în cuantificarea lor.
Problemele nestructurate au cel mai înalt grad de complexitate şi
incertitudine. În plus, au un caracter probabilist şi dinamic neputând fi rezolvate la fel
ca problemele bine structurate, standard sau slab structurate.

Etapa a III-a. Formularea şi construcţia modelului matematic

MODELUL va fi întotdeauna o reprezentare simplificată a realităţii, care
implică parcurgerea următoarelor faze:
 conceptualizarea problemei
 abstractizarea ei într-o formă matematică.

Modelarea implică o serie de aspecte dintre care cele mai importante sunt:
 A) - componentele modelului;
B) - structura modelelului;
C) - relaţiile matematice;
D) - validarea modelului.

A. Componentele modelelor matematice. Toate modelele matematice sunt alcătuite

din trei componente de bază, conectate cu ajutorul relaţiilor matematice (logice):
 variabilele rezultat;
 variabilele de decizie;
 variabilele necontrolabile.

• Variabilele rezultat reflectă nivelul eficacităţii sistemului şi sunt în mod logic

dependente.
• Variabilele de decizie sunt elementele din problemă posibil de controlat. Sunt
clasificate matematic ca fiind independente.
• Variabile necontrolabile. Sunt factori (variabile independente) care afectează
variabilele rezultat dar care nu sunt sub controlul decidentului (de exemplu: ratele
dobânzii; reglementările privind impozitarea; preţurile practicate de furnizori).

B. Structura modelelor matematice. Componentele modelului matematic sunt

legate printr-o serie de expresii matematice asemenea ecuaţiilor şi inecuaţiilor.

C. Relaţiile matematice din model. Relaţiile matematice dintr-un model pot include
două părţi principale: funcţia obiectiv şi restricţiile.
• Funcţia obiectiv. Aceasta exprimă modalitatea în care variabilele dependente din
model sunt legate de variabilele independente.
• Restricţiile exprimă limitările impuse de sistem şi datorate reglementărilor,
concurenţei, penuriei resurselor tehnologice sau altor variabile necontrolabile.

D. Validarea modelului. Verificarea modelului se realizează cu date reale.

Etapa a IV-a. Rezolvarea modelului

Înseamnă găsirea unei mulţimi de valori specifice pentru variabilele de decizie care ne
conduc la un nivel dezirabil al rezultatului.
Principalele etape (pași) în rezolvarea modelelor sunt:

Pasul I: Stabilirea criteriului de alegere a modelului si a soluției acestuia.

Un criteriu (principiu) de alegere se referă la o decizie privind acceptabilitatea
unei soluţii. Dintre principiile de opţiune, următoarele sunt de un interes deosebit:

a1. Optimizarea. O alternativă optimă este una care este demonstrabil cea mai bună
dintre toate alternativele posibile. Modelele proiectate pentru a optimiza sunt numite
"modele normative". Un astfel de model trebuie să conțină un criteriu de decizie
pentru selectarea celei mai bune alternative (opţiuni) şi în acelaşi timp să probeze că
alternativa selectată este într-adevăr optimă.

a2. Suboptimizarea. Uneori o soluţie care este optimă din punctul de vedere al unei
activități poate fi suboptimă din punctul de vedere al întregului.
 Totuşi, suboptimizarea este o abordare des utilizată, multe din probleme fiind
pentru început abordate din această perspectivă.

a3. Criteriul suficienţei (satisfacţiei). În multe cazuri se aceptă soluţii satisfăcătoare

mai slabe decât cea mai bună, deoarece optimizarea este de obicei inaccesibilă.
Într-o modalitate satisfăcătoare, se stabileşte un nivel dorit al obiectivelor şi
apoi se caută alternative până când este găsită una care întâlneşte sau satisface
obiectivele sau scopurile propuse. Satisfacţia ca principiu de alegere este folosit în
modelele descriptive care descriu procesele aşa cum sunt ele în realitate, neexistând o
garanţie că alternativa selectată este optimă. Modelele descriptive sunt de obicei
aplicate în situaţii de decizie în care modelele normative nu sunt aplicabile.

a4. Alte criterii de alegere. În plus faţă de optimizare, suboptimizare, satisfacţie sau
suficienţă mai sunt şi alte principii de alegere, mai puţin comune și utilizate.

Pasul II. Experimentarea şi evaluarea modelului. În general, această activitate

implică cinci aspecte:
1. Generarea alternativelor.
2. Previziunea rezultatului fiecărei alternative.
3. Relaţia rezultate - obiective (legarea rezultatelor cu obiectivele).
4. Compararea alternativelor.
5. Selectarea alternativelor.

bl. Generarea alternativelor. Procesul de elaborare a deciziei implică căutarea unor

soluţii alternative generate de model la problema de rezolvat.
Modelul este folosit fie să evalueze alternativele date, sau să genereze şi apoi
să evalueze alternativele.

b2. Proiectarea rezultatului fiecărei alternative sau pe scurt previziunea. Pentru a

se putea evalua fiecare alternativă este necesar să se prognozeze rezultatul acesteia în
viitor.

b3. Relaţia rezultate - obiective. Valoarea unui rezultat este judecată, apreciată în
termenii sau în funcţie de obţinerea obiectivelor. De exemplu, profitul este un rezultat,
în timp ce maximizarea profitului este obiectivul şi amândouă sunt exprimate în bani.
În alte cazuri, un rezultat poate fi exprimat în alţi termeni decât cei ai
obiectivului (ex. producţie fizică sau bani). În astfel de cazuri este necesar să se
transforme rezultatul în aşa fel ca să fie exprimat în termenii obiectivului.

b4. Compararea alternativelor. O dată ce activităţile precedente au fost realizate,

pot fi comparate obiectivele şi selectată una dintre alternative. Unele din problemele
dificile considerate în această etapă sunt:

• Existența unor obiective multiple. Majoritatea modelelor sunt bazate pe analiza unui
singur obiectiv. În realitate însă, în multe situaţii decizionale pot exista mai multe
obiective multiple.
• Sensibilitatea la schimbare. Variabilele rezultat pot fi în special sensibile la
schimbări sau erori în unele din variabilele independente etc.
b5. Selectarea unei alternative. Procesul sfârşeşte cu o alegere, opţiune, respectiv
selectarea şi recomandarea unei soluţii (sau un curs de acţiune alternativ).

Pasul III. Tehnicile analitice comparativ cu cele numerice, cantitative.

TEHNICILE ANALITICE folosesc relaţii matematice pentru a conduce la o soluţie

optimă. Astfel, modelele analitice sunt deductive prin natura lor, în contrast cu
modelele numerice, care prin natura lor sunt inductive.

TEHNICILE NUMERICE constau din comparare prin încercare a câtorva soluţii

propuse. Tehnicile numerice care produc soluţii optime sunt bazate pe enumerarea
complexă a alternativelor bazate pe algoritmi.

Pasul IV. Clasificarea soluţiilor. Soluţiile pot fi clasificate ca fezabile şi nonfezabile;

optimale şi nonoptimale sau unice şi multiple.

• Soluţiile fezabile şi nonfezabile. O soluţie fezabilă satisface toate cerinţele şi

restricţiile impuse de problemă. Violarea unei sau mai multora din aceste cerinţe
rezultă într-o soluţie inacceptabilă sau nonfezabilă.

• Soluţii optimale şi nonoptimale. O soluţie optimă este cea mai bună din toate
soluţiile fezabile. Pentru ca o soluţie să fie declarată optimă, trebuie să se probeze că
toate soluţiile fezabile au fost cercetate şi că soluţia propusă este mai bună decât
oricare altă soluţie. O soluţie fezabilă care nu poate fi clasificată ca optimă este
considerată nonoptimă.

• Soluţii unice şi multiple. Dacă există numai o soluţie optimă, ea este numită unică.
Dacă două sau mai multe soluţii optime sunt identificate, atunci există soluţii
multiple. Ultimul caz este de obicei preferat de manageri şi specialiştii în teoria
deciziilor deoarece el le oferă mai multă flexibilitate în implementarea unei soluţii.
Modelele matematice nu pot include unii factori de comportament şi calitativi.
În compararea soluţiilor optime multiple, managementul poate include consideraţii
privind astfel de varibile care fac soluţia mai acceptabilă.

 Soluţii statice şi dinamice.

Soluțiile statice sunt stabilite fără să se țină seama de influența factorului timp.
Soluțiile dinamice sunt deci dependente de factorul timp și ne arată tendinţe şi
evoluţii în timp.

Etapa a V-a.Validarea modelului şi analiza sensibilităţii

După ce modelul a fost construit este necesar să se cunoască cât de bine acesta
reprezintă realitatea. Adesea exactitatea unui model nu poate fi evaluată, apreciată
până soluţiile modelului nu sunt generate.
Procesul de validare poate fi considerat ca un proces în două trepte.

 Prima treaptă este să determine dacă modelul reprezintă într-adevăr sistemul

sau fenomenul care este supus reprezentării.
  A doua treaptă este de a se determina dacă modelul este corect în construcţia
internă, în sensul logicii şi programării.

Una din modalităţile de validare a modelului este de a-l încerca cu diferite

mulţimi de date posibile şi a se vedea dacă soluţiile seamănă cu comportamentul
istoric al modelului. De exemplu, dacă un model descrie comportarea vânzărilor ca o
funcţie a ratei dobânzii, atunci îl putem testa prin luarea în considerare a câtorva rate
ale dobânzilor şi să examineze ce nivel al vânzărilor va fi prognozat pentru fiecare
rată, pentru ca apoi să comparăm aceste rezultate cu datele istorice efectiv întâmplate
în comportamentul vânzărilor. Desigur dacă modelul nu a fost capabil să descrie cu
succes exactitatea istorică a comportamentului, modelul nu va fi considerat valid
pentru a realiza previziuni viitoare şi de aici sunt necesare ajustări în model.
O altă modalitate de validare a modelului este să rezolvăm modele mai
simple şi să vedem dacă rezultatele au sens pentru utilizatori.

Analiza sensibilităţii reprezintă o încercare de a ajuta managerii atunci când aceştia

manifestă neîncredere în privinţa exactităţii sau importanţei relative a informaţiei
modelelor.
De interes în analiza sensibilităţii pot fi:

1. Determinarea schimbării ce poate apărea într-o variabilă independentă înainte ca o

modificare să apară în soluţia recomandată.

2. Semnificaţia şi importanţa unei schimbări în soluţia propusă rezultată dintr-o

schimbare într-o variabilă independentă.

3. Stabilirea variabilelor independente celor mai sensibile. Aceasta înseamnă că acele

variabile suferind schimbări uşoare, nesemnificative, vor determina ca valoarea
variabilelor dependente să se schimbe semnificativ.

4. Stabilirea faptului dacă soluţia include variabile sensibile care, atunci când sunt
schimbate puţin sau semnificativ, vor modifica soluţia astfel că ea nu va fi optimă.
Invers, soluţiile insensibile sunt mult mai uşor de implementat deoarece
rezultatele lor previzionate sunt mult mai sigur că vor apărea şi deci managementul
poate modifica soluţia propusă cu o mai mică pierdere în eficacitatea sistemului.

Etapa a VI-a. Interpretarea şi implementarea

Rezultatele generate de un model reprezintă o soluţie la un scenariu simplificat
al realităţii. Deci în multe cazuri rezultatul pare abstractizat, respectiv în simboluri
matematice, sau în terminologie tehnică. De aceea, înainte de implementare, soluţia
recomandabilă este supusă raţionamentului managementului, respectiv interpretată.
Implementarea unei soluţii este un proces diferit, iar pentru multe cazuri este
mai greu să se implementeze o soluţie decât să o construim şi să rezolvăm un model.