MODELARE

MODELA
ECONOMICĂ

Prof. dr. Florica Luban

1
 MODELARE
MODELA
ECONOMICĂ

Partea I
PROLEMATICA MODELARII
ECONOMICE

2
 Cuprins

Resurse si cerinte

Structura cursului MODELARE
ECONOMICĂ (ME)

Modelarea economico-matematică,
alternativă la experimentul din ştiinţele
exacte. Metode. Concepte. Clasificări.
Schema generală a algoritmilor euristici.

Specificitatea construirii modelelor
economico-matematice

3
 Resurse
Materiale didactice:
MODELARE ECONOMICĂ prelegeri
prof. dr. Florica Luban
[1] Cursul MODELARE ECONOMICĂ. Editura ASE,
Bucureşti, 2009. Autori: Raţiu - Suciu C., Luban
F., Hîncu D., Ciocoiu N.
[2] Culegere: MODELARE ECONOMICĂ. Studii de
caz. Teste. Editura ASE, Bucureşti, 2007. Autori:
Raţiu - Suciu C., Luban F., Hîncu D., Ciocoiu N.

4
 Resurse
Alte materiale de studiu:
Andreica M., M. Stoica, F. Luban: METODE
CANTITATIVE ÎN MANAGEMENT. Editura
Economică, Bucureşti 1998
Ratiu Suciu Camelia: MODELARE SI SIMULARE
ECONOMICA. BREVIAR. Editura Economica,
Bucuresti 2009
Albright S.C., Winston W.L.,: MANAGEMENT
SCIENCE MODELING. Thomson South Western,
2007:
Bonini C.P., W. H. Hausman, H. Jr. Bierman:
QUANTITATIVE ANALYSIS FOR
MANAGEMENT. Irwin/ McGraw - Hill
Companies, Inc., 9th Ed., 1997
*** Alte surse bibliografice în bibliografia de la curs şi
culegere
*** Internet: cu un motor de căutare după Modeling 5
 Cerinte

Prezenţa la curs + Prezenţa la seminar

Seminar: Lucrări practice bazate pe studii de caz din curs
sau culegere => se vor regăsi în biletele pentru proba
practică la calculator

rezolvate cu produsele informatice: WinQSB, QM, (sunt
disponibile la adresa www.asecib.ase.ro/soft.htm)

interpretarea economică a rezultatelor

Proiectul: Conform cerinţelor din Partea a IV-a. Proiect
de disciplină. Capitolul 10, pag 245 - 264 din cursul
Modelare Economică, Ed. ASE, 2009:

formularea economică a problemei individualizate prin
firmă, produse şi date;

formulare model şi rezolvare (fără copierea rezultatelor de
la calculator)

analiza economică a rezultatelor conform cerinţelor din
proiect.
6
 Finalizare
1. Predarea proiectului de disciplină: 10-14 mai 2010
2. Proba practică + susţinere proiect: 17 – 28 mai 2010
3. Examen scris: sesiunea mai-iunie 2010. Trei subiecte:

Subiect 1: De raspuns la 4 întrebari

Subiect 2: 25 teste grilă/ teorie

Subiect 3: 25 teste grilă/ rapoarte manageriale
Nota

Prezenţa + studiile de caz din cadrul lucrărilor practice +
proiectul + proba practică şi susţinerea proiectului: 0 - 40
puncte

Prezentarea la proba practică este condiţionată de
predarea prealabilă a proiectului complet (cu 5 module)

ATENŢIE: Proiectul va fi redactat manual şi îndosariat.

NU se copiază listele cu rezultate de la calculator şi NU se
acceptă în proiect pagini imprimate cu rezultate ale
programelor utilizate 7
 Finalizare
Biletele de la proba practică conţin două subiecte:
1) de rezolvat la calculator o problemă de tipul
celor din tematica de seminar;
2) prezentarea unuia din cele 5 module din proiect

Punctajul minim pentru a fi admis la examenul final:

25 puncte

Examenul scris: : participă numai cei care au

promovat proba practică. Se acordă: 0 - 60 puncte.

Alte informaţii:

Cercul ştiinţific studenţesc => Lucrări de licenţă
8
 Structura cursului
Problematica Modelarea proceselor Simularea
modelării economice proceselor
economice economice
-Obiectul de
Modelarea fenomenelor de
Definiţii
studiu piaţă (metode şi tehnici de
-Metode previziune; evoluţia pe piaţă a
Tipuri
Concepte unor produse concurenţiale;
Clasificări modelarea structurii de
-Schema gen. sortimentale) simulare
concepere
Modelarea situaţiilor
algoritmilor concurenţiale
Aplicaţii
euristici
Modele economico-matematice
-Specificitatea pentru utilizarea şi alocarea
construirii resurselor (programare
modelelor dinamică, analiza ADC,
economico- probleme de stocare).
matematice
Modele multicriteriale

Modele fuzzy

9
 Necesitatea modelării în
management
O lungă perioadă de timp s-a considerat că elaborarea
unor decizii bune presupune "artă şi talent"
obţinute după o lungă experienţă şi învăţare din
"încercări şi greşeli“
-Astazi, progresul Necesitatea MODELELE,
tehnico-stiintific, SCENARIILE,
construirii unui SIMULAREA şi
globalizarea, GÂNDIREA
cresterea => viitor dorit,
PROSPECTIVĂ
concurentei simulat înainte preced deciziile
de luarea unei pentru evaluarea
-Preîntâmpinarea diverselor variante
decizii decizionale, înainte
greşelilor extrem de adoptarea lor
de costisitoare =>
efectivă
10
 Scurt istoric

1890
F. Taylor: bazele managementului ştiinţific
H. Ford, H. Fayol: „Scoala clasică a organizării”
1900
H. Gantt: graficele Gantt
A. Markov: lanţuri Markov
1910
W. Harris: bazele Teoriei stocurilor
E. Erlang: bazele Teoriei firelor de aşteptare

11
 Scurt istoric

1920
Stewart; Dodge; Romig: Teoria controlului calităţii
1930
John von Neumann şi O. Morgenstern: Teoria jocurilor
1940
Bazele Cercetărilor Operaţionale
G. Dantzig: Metoda Simplex pentru modelele de
programare liniară
Primele calculatoare electronice
Simularea Monte Carlo (John von Neumann şi
Stanislaw Ulam) 12
 Scurt istoric

1950

Şcoala neoclasică a
Kuhn şi Tucker: condiţiile de
organizării: optim pentru modelele de
Peter Drucker programare neliniară
Alfred Sloan
Gomory şi Balaş: metode pentru

Ernest Dale rezolvarea problemelor de

programare în numere întregi;
(informaţie, decizie) metoda "branch and bound"

Metoda PERT-CPM

Bellman: programarea dinamică

13
 Scurt istoric
1960

Şcoala
Limbajele de simulare:

comportamentului SIMSCRIPT, GPSS
(Relaţiile umane;
Zadeh: teoria

descentralizarea mulţimilor fuzzy sau vagi

deciziei)
Institutul de

Elton Mayo Management Science

Abraham Zalesnick
D.C. Peltz
14
 Scurt istoric
1970
Apar microprocesoarele
Primele sisteme de inteligenţă artificială: SISTEMELE
EXPERT
1980
Kachian (Rusia) şi Karmarkar (SUA): noi proceduri de
programare liniară
Calculatoarele personale PC
Produse software pentru problemele de MS
implementate pe PC
Sisteme bazate pe cunoştinţe
15
 Scurt istoric
1990 - prezent
Pachetele de programe de tip foi de calcul:
QUATROPRO; EXCEL includ module de
optimizare şi simulare
Reţele neuronale; Algoritmi genetici, Agenţi inteligenţi
INTERNET
Societatea informaţională
Globalizarea
Societatea bazată pe cunoştinţe
Managementul cunoştinţelor
Viitorul?
16
 Viitorul ?
În anul 1958, într-un interviu, John von Neumann
vorbea despre faptul că progresul tehnico-ştiinţific
accelerat lasă să se întrevadă un fel de
singularitate, dincolo de care viaţa şi lumea aşa
cum le ştim noi nu mai pot exista.
Conceptul a fost în mod formal lansat în 1993 de către
matematicianul Vernor Vinge şi dezvoltat apoi de
către experţi precum Ray Kurzweil (Legea
întoarcerilor accelerate) şi Eliezer Yudkowsky.

17
 Viitorul ?
Legea întoarcerilor accelerate (Law of Accelerating
Returns) este o teză publicată de Ray Kurzweil
Ray Kurzweil (2005): The Singularity Is Near:When
Humans Transcend Biology. Viking Adult Press.
ISBN: 0670033847.
Ray Kurzweil (2005):The Age of Spiritual Machines:
When Computers Exceed Human Intelligence.
Penguin. ISBN 0140282025.

18
 Viitorul ?
1. Evoluţiaaplică feedbackuri pozitive în
sensul că metodele superioare, rezultate
dintr-o etapă a progresului evoluţionar,
sunt folosite pentru a crea următoarea
treaptă. Drept rezultat rata progresului
unui proces evoluţionar creşte exponenţial
în decursul timpului. În timp,
"ordinea"informaţiei conţinută într-un
proces evoluţionar (măsura a cât de bine
informaţia serveşte unui scop) creşte.
19
 Viitorul ?
2. În alt feedback pozitiv, imediat ce un anume proces
evoluţionar (de ex.: calculul) devine mai eficient (eficienţă
de costuri), resurse sporite sunt alocate spre progresul
continuu al acelui proces. Aceasta duce la o a doua creştere
exponenţială (rata creşterii exponenţiale însăşi creşte
exponenţial)
3. O anume paradigmă (o metodă sau abordare pentru a rezolva
o problemă, de ex: micşorarea tranzistorilor sau a unui
circuit integrat ca metodă de a crea computere mai
puternice) oferă creştere exponenţială până când metoda îşi
epuizează potenţialul. Când aceasta se întâmplă, (de ex., o
schimbare fundamentală în abordare), are loc un schimb
paradigmatic, care permite creşterii exponenţiale să
continue.

20
 Viitorul ?
Ray Kurzweil ajunge la concluzia că de la apariţia
Universului, şi mai ales de la apariţia vieţii pe
Pământ, evoluţia a avut loc exponenţial (chiar
dublu exponenţial) şi nu liniar.
Se estimează că în aproximativ 20-30 de ani,
computerele vor depăşi puterea de calcul a
creierului uman, care este la aprox. 1014
operaţii pe secundă.

21
 Viitorul ?
Acest salt tehnologic ultrarapid va duce la evenimente
aproape imposibil de imaginat pentru specia homo
sapiens: contopirea dintre inteligenţa biologică şi cea
non-biologică (mind uploading), oameni aproape
nemuritori şi nivele înalte de superinteligenţă care se
răspândesc rapid în întreg Universul (de aceea este
folosit termenul de singularitate: specia umană nu are
cum să înţeleagă ce va urma (gaură neagră) la fel
precum o bacterie nu poate înţelege ce este un om, atât
de mare va fi progresul tehnico-ştiinţific)
Filme S-F: Terminator, Matrix…
22
 Obiectivele cursului de ME:

Obiectul de studiu al disciplinei: (curs ME, pag. 13)

ME este o disciplină economică de graniţă cu
matematica şi tehnica de calcul şi se ocupă
cu fundamentarea deciziei manageriale în
condiţii de eficienţă pentru organizaţie, cu
ajutorul unor modele economico-matematice
şi cu posibilitatea utilizării tehnicii de calcul.

23
 Obiectivele cursului de ME:

Construirea unor modele economico-
matematice pentru asistarea deciziei
manageriale;

Utilizarea unor produse informatice pentru
rezolvarea modelelor economico-matematice;

Analiza, interpretarea economică a soluţiilor
obţinute prin rezolvarea modelelor;

Recomandarea unor decizii pe baza soluţiilor
obţinute.

24
 Conceptul de model
MODEL: Sistem teoretic sau material cu
ajutorul căruia pot fi studiate proprietăţile şi
evoluţia unui sistem complex considerat
sistem original, faţă de care modelul
prezintă anumite analogii
=> MODELUL = instrument de cunoaştere
indirectă a realităţii obiective
=> Esenţa modelării constă în înlocuirea
sistemului real cu unul artificial, mai
accesibil studiului
25
 Conceptul de model
În economie: MODELUL constituie pentru
manageri o alternativă la experimentele
utilizate în ştiinţele exacte.
Un model reprezinta un instrument prin care
procesul de gandire umana poate fi
amplificat.
Astfel, un model implementat pe calculator
permite unui utilizator sa simuleze, sa
vizualizeze si sa-si imbogateasca cunostintele
despre entitatea, fenomenul sau procesul
reprezentat prin model.
26
 Conceptul de model

=> MODELUL = reprezentare simplificată sau

o abstractizare => identificarea
caracteristicilor esenţiale ale procesului
studiat în raport cu scopul urmărit şi în
raport cu o teorie economică explicativă.
=>Dacă teoria economică, pe baza căreia se
face simplificarea, se poate exprima logic
şi/sau matematic => model economico -
matematic

27
 Conceptul de model

⇒ Definiţie din cursul ME (pag. 18): modelul este o

reprezentare izomorfă a realităţii, care oferă o
imagine intuitivă, dar riguroasă în sensul structurii
logice a fenomenului studiat şi permite
descoperirea unor legături şi legităţi greu de
stabilit pe alte căi.

⇒ Modelul trebuie să fie reprezentativ => este

necesara validarea concordantei dintre datele din
sistemul real si datele obtinute prin rezolvarea unui
model al sistemului real

28
Trecerea de la sistemul real la un model
real, prin abstractizare şi simulare

29
 Datele folosite in modelarea economico-matematica

Din punct de vedere al preciziei, marimile utilizate

pentru caracterizarea proceselor economice pot fi:
- marimi certe, deterministe=>modele deterministe
=>metode deterministe de rezolvare=> solutie optima
- marimi stochastice sau probabiliste=>modele
stochastice =>metode stochastice=> rezultate
probabiliste
- marimi vagi sau fuzzy => modele fuzzy =>metode
fuzzy=>rezultate fuzzy care au asociate grade de
apartenenta

30
 Datele folosite in modelarea economico-matematica

Din punct de vedere al volumului de date, marimile

obtinute din sistemul real:
- volum redus=>modele fuzzy
- volum mare =>dispersie mare =>modele probabiliste
=>dispersie mica=>modele deterministe

31
 Clasificarea modelelor
D.p.d.v. al structurii proceselor reflectate:
-modele cu profil tehnologic
-modele informaţional – decizionale
-modele informatice
-modele ale relaţiilor umane
D.p.d.v. al naturii datelor:
-modele deterministe
-modele stochastice
-modele vagi (fuzzy)
D.p.d.v. al factorului timp:
-statice
-dinamice 32
 Clasificarea modelelor

D.p.d.v. al sferei de reflectare:
macroeconomic, microeconomic,
mezoeconomic

D.p.d.v. al domeniului de provenienţă:
cibernetice, econometrice, cercetări
operaţionale, teoria deciziei, modele de
marketing etc.

În cadrul fiecărei grupe, modelele pot fi
descriptive sau normative (daca
maximizeaza sau minimizeaza o functie
obiectiv)
33
 Metode de rezolvare

Obtinerea solutiei unui model presupune
parcurgerea unei succesiuni coerente de operaţii
logice şi aritmetice =>algoritm
Un algoritm se caracterizează prin:

Universalitate: asigură prelucrarea pentru un
număr mare de valori ale parametrilor modelului;

Finititudine din punct de vedere al timpului de
calcul si al spatiului de memorie de calculator

Determinism: se stie in fiecare moment ce operatie
trebuie sa se efectueze
34
 Metode de rezolvare

Pentru anumite tipuri de modele se pot
defini caracteristicile solutiei optime S*
inainte de rezolvare.

In aceste situatii, algoritmii pot furniza o
solutie S care poate fi
-soluţie exactă: daca S-S* = 0
-soluţie aproximativă: daca │S-S*│ = ε < εa

In cazul in care nu se pot defini
caracteristicile solutiei optime S* problema
se rezolva prin incercari sau tatonari =>
metode euristice
35
 Metode de rezolvare
Metode euristice: reguli pe baza cărora se
poate determina o soluţie satisfăcătoare
a problemei decizionale; deşi nu
garantează găsirea soluţiei optime, ele
pot uşura drumul spre soluţia optimă
deoarece regulile se bazează pe succesul
obţinut în situaţii similare (sisteme
expert)

36
 Metode de rezolvare
Daca se pune accent pe algoritm si se acordă rol
secundar modelului => modelare procedurală

Modelare procedurală =>poate fi realizată
prin două tipuri de strategii:
1) modelare generală: pentru toate deciziile
necesare pentru rezolvarea unei probleme
manageriale (ex. probleme de aprovizionare...)
2) modelare pentru anumite tipuri de decizii
(alegerea furnizorului; stabilirea cantitatii de
aprovizionat etc.)
37
 Metode de rezolvare
Cele mai multe modele procedurale au la bază
principiul simulării:

Pe baza cunoştinţelor, experienţei acumulate şi a
ipotezelor formulate cu privire la comportamentul
sistemului decidentul propune o varianta de
decizie;

Calculatorul simulează evoluţia sistemului condus
în funcţie de decizia propusă, furnizând
decidentului consecinţele acesteia asupra
sistemului;

Decidentul pe baza analizei rezultatelor obţinute,
fie că adoptă decizia propusă, fie formulează noi
ipoteze ce conduc la noi decizii.
38
 Metode de rezolvare
Schema generală de concepere
a algoritmilor euristici
H. Simon: algoritmul rezolvatorului de
probleme
Ideea de bază: dacă sunt respectate anumite
restricţii, este avantajos ca în fiecare etapă
de calcul să se obţină cât mai mult pe linia
funcţiei de performanţă => algoritm de tip
„greedy” (lacom)
39
40
 Alte teme
Despre:

Sisteme Suport de Decizie si Sisteme Inteligente de
Management

Specificitatea construirii modelelor economico-
matematice

Structura de mulţimi a unui sistem în abordare statică şi în
abordare dinamică

Localizarea modelării economico-matematice destinate rezolvării
unor probleme manageriale

Calitatea informaţiei şi metode de luare a deciziei prin prisma
preciziei şi completitudinii datelor

Etapele procesului de modelare

Tipologia modelelor economico-matematice

=> la sfarsitul semestrului

41