CUPRINS

CAPITOLUL I
OBIECTUL DE STUDIU. CONCEPTE. CLASIFICARI…….……...….pag. 1

CAPITOLUL II
TEHNICILE ADC – PRIVIRE GENERALA …....…………….…..….. pag. 31

CAPITOLUL III
ABORDAREA DECIZIONALĂ A PROBLEMEI RESURSELOR UNUI PROIECT
COMPLEX ………………………………………...…...……................... pag. 51

CAPITOLUL IV
MODELE DE PROGRAMARE LINIARĂ............................................. pag. 88

CAPITOLUL V
MODELE DE GESTIUNE A STOCURILOR....................................... pag. 120

CAPITOLUL VI
ELEMENTE DE TEORIA ASTEPTARII..............................................pag. 158

CAPITOLUL VII
MODELE DE SIMULARE…………………….…………………...….. pag. 181

BIBLIOGRAFIE …………………………………..………………...…. pag. 191

5
 INTRODUCERE

Modelarea şi simularea fenomenelor economice şi sociale reprezintă o disciplină al cărei

obiect îl constituie un divers şi vast grup de probleme din domeniul ştiintelor economice, dar ale
căror metode şi tehnici de abordare provin, în principal, din domeniul aplică ţiilor economice ale
matematicii: cercetare operaţională, statistică, cibernetică, econometrie, teoria sistemelor.
Tipologia problemelor studiate include analiza operativă şi decizională, atât la nivel
microeconomic, cât şi pe cea a reflectării la nivel macroeconomic. Specificul disciplinei este dat
de formalizarea cantitativa a expresiilor ce caracterizează fenomenele şi procesele economico-
sociale extrem de diverse din societate, precum şi de formularea unor soluţii eficiente pornind de
la analiza cuantificată a variabilelor componente ale mediului endogen sau exogen în care
operează.
Abordarea cantitativă a proceselor economice este un rezultat al dezvoltării
managementului stiinţific; principalele contribuţii la aceasta având Peter Drucker, Alfred Sloan
şi Ernest Dale, care au inclus în lucrările lor, notiunile de informaţie şi decizie. O primă aplică ţie
a modelării matematice s-a înregistrat după primul război mondial, când Wilson a construit un
model matematic pentru o problemă de stocare1. În timpul celui de-al doilea război mondial,
armatele aliate au apelat la echipe interdisciplinare formate din experţi, în vederea rezolvării
unor probleme privind planificarea operaţiunilor militare de mare amploare. După război, aceste
echipe numite de „cercetare operaţională” au continuat să dezvolte şi sî aplice în practica o serie
de modele matematice pentru rezolvarea unor probleme manageriale din mediul de afaceri, din
industrie şi transporturi, din cercetare şi proiectare, din agenţiile guvernamentale.
Apariţia şi dezvoltarea calculatoarelor electronice a permis construirea unor modele şi
algoritmi foarte complecşi care formalizează probleme de management dificile ce se pot rezolva
numai cu programe adecvate: programarea producţiei în condiţiile respectării unor funcţii de
eficienţă, gestiunea intreprinderii, planificarea urbană şi sistematizarea teritorială, proiectarea şi
dezvoltarea reţelei de transport în condiţii de optim, alegerea celor mai bune variante
investiţionale, conducerea unor proiecte ştiinţifice de mare amploare şi complexitate (spre
exemplu, programul american Apollo de cucerire a spaţiului cosmic). În aceeaşi perioadă au
1
Wilson, R. H. – A Scientific Routine For Stock Control, Harvard Buşiness Review, 13, 116-128, 1934.

6
apărut o serie de publicaţii stiinţifice de specialitate ce au diseminat în mediul economic şi
univerşitar o serie de rezultate obţinute în modelarea problemelor manageriale: Operations
Research Revue, Management Science, Les cahiers LAMSADE, Production and Inventory
Management etc.
Iniţial, majoritatea modelelor erau de tip determinist şi conduceau la soluţii de optim
economic. după dezvoltarea teoriei probabilităţilor s-au extins şi modelele stochastice, care
furnizeaza soluţii optime cu o anumita probabilitate. În cazul problemelor de tip combinatoric ce
apar în majoritatea proceselor economice, când numărul soluţtiilor admişibile depăşeşte
posibilităţile de explorare exhaustiva, s-a renunţat la căutarea soluţiei optime, decidentul
acceptând o soluţie suboptimă la, găşită cu ajutorul unor algoritmi euristici.
În ultimele decenii, odată cu modernizarea calculatoarelor şi apariţia unor soft-uri tot mai
performante, experimentul, şimularea algoritmilor euristici şi jocurile de întreprindere – metode
cu un pronunţat caracter practic – au permis abordarea şi rezolvarea a numeroase şi complexe
probleme economico-sociale reale.
În capitolele în care am abordat modele, algoritmi euristici şi jocuri, selecţionarea
metodelor şi tehnicilor s-a efectuat pornind de la neceşitatea de a pune la dispoziţia studenţilor
instrumente foloşite în mod curent în aplică ţiile din domeniul managementului firmei,
marketing, activităţile de producţie, aprovizionare-stocare-depozitare, transport.
Multitudinea de cazuri ce pot fi întâlnite în practică a condus la utilizarea unei game largi
de metode şi tehnici, care au fost prezentate gradat, în scopul perfecţionării proceselor
decizionale complexe caracteristice domeniului economic. Modelele de şimulare împreuna cu
metodele euristice vor cunoaşte o largă extindere în toate domeniile de activitate, în special în
elaborarea unor studii de prognoză, în fundamentarea strategiilor de dezvoltare, în conducerea
unor proiecte complexe de mare anvergură, în perfecţionarea organizării producţiei şi a muncii
etc.
Dintre tehnicile prezentate, dinamica industrială de tip Forrester oferă posibilitaţi de
sistematizare a elaborării procedurilor de şimulare, permiţând abordarea în perspectiva dinamica
a fenomenelor şi luarea în considerare a tuturor variabilelor perturbatoare. Metodele euristice
prezentate pot cunoaşte ulterior o amplă dezvoltare, în sensul imbinării rigurozităţii matematice
cu experienţa practică, care are un pronunţat caracter flexibil şi un grad mare de adaptabilitate.

7
 În lucrare s-a inşistat pe ideea foloşirii jocurilor în procesul de instruire şi perfecţionare a
viitorilor manageri, în acest sens putându-se foloşi jocuri cu arie mare de cuprindere, foarte
complexe din punctul de vedere al naturii informaţiilor utilizate: informaţii incomplete, variabile
aleatoare, riscuri şi incertitudini, dar şi al obiectivelor urmărite de participanţi.
Deşi în lucrare nu am acordat un spaţiu larg tratării fenomenelor stochastice, dinamice, de
tip fuzzy şi chiar metodelor euristice, multitudinea de probleme de acest tip ce pot fi întălnite în
practica economică curentă vor permite numeroase extenşii teoretice; dintre acestea trebuie să
menţionăm foloşirea conceptului de interval vag, care poate conduce la o reflectare mai fidelă a
realităţii economice în modelele elaborate, precum şi posibilitatea conceperii unor algoritmi
interactivi flexibili şi adaptabili.
Toate aceste adaptări ale modelării matematice la fenomenele economice concrete au la
baza o concepţie mai corectă şi fundamentată pe un aparat matematic complicat ce ia în
considerare o serie de mărimi (variabile) care intervin în procesul fundamentării complexe a
deciziei. Aceste mărimi implică observări, măsuratori şi raportări bazate pe metodologii
riguroase din punct de vedere ştiinţific şi care permit cuantificarea lor, cu diferite grade de
precizie.
În prezent, o atenţie deosebită se acordă unui alt domeniu al aplicării modelării –
cibernetica economică; concepţia şi abordarea mecanicistă, deterministă, liniară, rigidă a
sistemelor din mediul inconjurător sunt înlocuite cu o noua paradigmă care porneşte de la ipoteza
că haosul, instabilitatea, diverşitatea, dezechilibrul, neliniaritatea şi temporalitatea sunt
dominante în modelele construite în vederea studierii fenomenelor sociale şi economice.
Multe procese economice, comportamentul firmei, evoluţia inflaţiei şi şomajului,
dependenţa variabilelelor de ieşire de factorii de producţie, comportamentul consumatorului,
sunt reprezentate cu ajutorul unor funcţii continue, având proprietăţi matematice riguros definite.
Recent s-a observat că anumite concepte şi interdependenţe, cum ar fi cele ale raportului
echilibru-dezechilibru, stabilitate-instabilitate, staţionaritate-dinamică s.a., frecvent utilizate
pentru a explica fenomene care au loc în economia reală, sunt tot mai deficil de reprezentat cu
ajutorul metodelor matematice claşice. Analiza fractală, studiul şingularităţilor prin metodele
teoriei bifurcaţiei, algoritmii genetici, teoria tulburenţelor şi a haosului, metodele şinergeticii
economice, fac parte din grupul noilor metode utilizate în modelarea cibernetico-economică.

8
 Cursul este foarte util studenţilor care se pragătesc să devină manageri în firme şi
instituţii, dar şi pentru cadrele de specialitate angrenate în procesul de formare continuă prin
perfecţionare postuniverşitară în domeniul economic.
Prin natura aspectelor abordate, prin metodele şi tehnicile prezentate, cursul oferă
cunoştinţele pentru găşirea unor soluţii optime la multe din problemele de decizie operaţională
sau strategică care apar în practica managerială a intreprinderilor sau la nivel macroeconomic şi
formulează soluţii cu caracter general care permit particularizarea lor ăn condiţii specifice date.

CAPITOLUL I

OBIECTUL DE STUDIU. EVOLUŢIE. CONCEPTE. CLASIFICĂRI

Reprezentarea unor fenomene și procese sub forma unor modele constituie o veche
indeletnicire umană, chiar dacă conceptul de model este relaţiv recent, fiind determinată de
complexitatea fenomenelor şi a obiectelor din societate. Pentru inţelegerea şi studierea lor,
oamenii au recurs la şimplificări şi analogii.
În antichitate Aristotel remarca într-unul din studiile sale că “numerele sunt...ideile
lucrurilor” – o puternică abstractizare filozofică.2 Tot Aristotel a formalizat sistemul logic într-un
model devenit claşic, introducând operatorii de logică matematică şi noţiunile de “adevărat”,
“fals” în aprecierea unor ipoteze. Ptolemeu a realizat un prim model astronomic reprezentând
universul prin modelul geocentric. Tot atunci, domeniul care a utilizat cele mai multe modele a
fost geometria – astfel, Euclid a elaborat modelul punctului geometric3.
În feudalism, la începutul secolului al XVI-lea, unul dintre cele mai mari genii ale
umanitătii, Leonardo da Vinci, a creat diverse modele pentru maşini zburătoare, arme de razboi
şi utilaje, pornind de la studii asupra naturii umane, ale păsărilor, ale problemelor de
matematică şi fizică. “Cunoaşterea este fiica experienţei” obişnuia să spună da Vinci 4, primul
22
H. G. Apostle - Aristotle's philosophy of mathematics, Chicago, 1952.
3
Crowe M. J. - Theories of the World from Antiquity to the Renaissance, Dover, 1990.
4
Rosşi P. - The Birth of Modern Science, Blackwell Publishing, 2001.

9
om al Renaşterii care a reuşit să reunească arta cu ştiinţa intr-o şimbioză perfectă. Tot în aceeaşi
perioadă, Francis Bacon a îmbogăţit logica cu o noua metodă – metoda inductivă, construind
teorii şi concepând ipoteze asupra structurii stelelor sau atomilor5.
Primele jocuri de strategie îşi au originea în jocurile de război foloşite că instrumente de
instruire de catre militarii din acea epocă şi care au la bază jocul de şah, recent adus în Europa
din regiunea Aşiei6.
În 1624, Copernic şi Keppler au reprezentat universul prin modelul heliocentric7, iar
Galileo Galilei la univerşitatea din Padova a scris prima lucrare 8 (1632) despre un model
astronomic al universului în care planetele se mişca pe o orbită eliptică în jurul soarelui. în 1672
matematicianul german G. Leibnitz a perfectat sistemul calculului binar, utilizat apoi că model
pentru construirea primei maşini mecanice de calcul şi a dezvoltat topologia matematică
(utilizarea modelelor descriptive în teoria fizica a câmpurilor) 9. în 1679 Isaac Newton a formulat
modelul gravitaţiei (atracţiei) corpurilor – considerată una dintre cele mai importante teorii din
fizica.
In ştiinţele sociale, modelarea a pătruns abia în ultimile 2 secole. La începutul secolului
al XIX-lea, Thomas Malthus a formulat primele modele de creştere demografică în corelaţie cu
creşterea resurselor de hrană10; ulterior, dezvoltarea teoriei probabilităţilor a permis italianului V.
Pareto să realizeze un salt calitativ în modelare prin combinarea metodelor statistice privind
observarea fenomenelor de masă şi a metodelor modelării economico-matematice 11.
In teoria economică incep să apară tot mai multe modele în domeniul economiei politice,
a finanţelor şi a administrării întreprinderilor: I. Fisher – “Mathematical Investigations în the
Theory of Value and Prices”, 1892; F. Taylor – foloşirea metodelor ştiinţifice în procesul de
conducere şi organizare a firmei; H. Fayol şi L. Urwick – proiectarea şi conducerea
5
Malherbe M. - Bacon's method of science, N.Y. Peltonen Editions, 1996.
6
de Lucena L.R. – Repetition of Love and Art of Playing Chess, Salamanca, 1497.
7
J. Keppler – Epitome of Copernican Astronomy, Praga, 1624.
8
Galileo Galilei – Dialog on the two Main World System, Ptolemaic and Copernicus, 1632.
9
Martin D. - The Universal Computer: The Road from Leibniz to Turing, WW Norton, 2000.
10
Malthus T.R. - An essay on the principle of population, 1798 Oxford World's Clasşics reprint.
11
Pareto V. – Principii Fondamentali della Teoria dell’Elasticita, Accademia dei Gerogofili,1869.

10
organizaţiilor pe baze raţionale; H. Ford – un nou model de organizare a liniei de fabricaţie
industrială – producţia în flux (1913).
In lucrările publicate sunt formulate în premieră o serie de principii şi metode de
organizare şi conducere a firmelor, cu importante consecinţe asupra eficienţei economice şi a
productivităţii muncii. S-a pus, pentru prima oară, problema abordării raţionale a mecanismului
complex de funcţionare a unei întreprinderi şi neceşitatea elaborării unor modele reprezentative
care să aibă capacitatea de a reflecta în mod abstract fenomenele şi procesele complexe ce se
manifestă în cadrul întreprinderii, în toate domeniile de activitate: producţie, aprovizionare cu
resurse, transportul şi gestionarea resurselor, distribuţia produselor finite, prelucrarea şi stocarea
informaţiilor în scopul luării deciziilor.
Aria de cuprindere a modelelor se dezvolta continuu: astfel, economistul austriac, Joseph
Shumpeter realizează integrarea studiilor sociologice în teoriile economice, apărând primele
sisteme de dinamică non-liniare 12, iar J. M. Keynes elaborează primele modele macroeconomice
în domeniul creşterii economice, stabilităţii preţurilor, pieţei muncii şi al funcţiei consumurilor.
În acelaşi timp, economistul olandez Jan Tinbergen dezvoltă primul model macroeconomic la
nivel naţional. L. Klein iniţiază un proiect în cadrul căruia ia naştere primul model
macroeconomic la nivel global “Wharton Econometric Forecasting Associates LINK”, pentru
care primeşte un premiu Nobel pentru economie, în anul 1980. Un alt laureat al premiului Nobel
pentru economie (1973), V. Leontief, studiind cele mai importante probleme – cheie: legea
cererii şi ofertei şi elasticitatea empirica a acestora; diviziunea muncii; concentrarea şi
diferenţierea industrială – a formulat metoda de analiză economica, bazată pe ecuaţiile
economice cu curbe indiferente pentru studierea şi pronosticarea conjuncturii comerţului
internaţional, metoda generală de analiza a sistemelor macro şi microeconomice, cunoscută sub
denumirea de modelul input-output13. Aceasta metoda este utilizată şi astăzi de toţi economiştii
lumii. Modelul input-output este astfel conceput pentru a se inţelege mecanismele interne ale
unei economii, dar şi pentru a se fundamenta o politica economică coerentă, respectiv, pentru a
elabora un plan de dezvoltare economică.

12
Moss L. – Joseph Shumpeter and Dynamic Economical, Knowledge Productions, 2006.
13
Leontief V. – Input-Output Economics, NY, Oxford Univerşity Press, 1966.

11
 Şcoala de management a relaţiilor umane, prin reprezentanţii săi marcanţi, îşi aduce
contributia prin formularea unor modele: E. Mayo – modele ale comportamentului resurselor
umane14, A. Maslow – modelul cunoscut sub numele de “piramida nevoilor”15, W. Herzberg şi A.
McClelland – modelele motivaţionale din cadrul organizaţiilor.
Odată cu apariţia primelor calculatoare electronice, a primelor lucrări de cibernetică şi a
primelor colective de cercetare operaţională, se conturează două elemente fundamentale pentru
teoria şi practica economică: informaţia şi decizia. Norbert Wiener – considerat “parintele
ciberneticii economice” – elaborează primele modele cibernetice, dar trebuie subliniată
contribuţia predecesorului sau Stefan Odobleja16, iar J. Von Neumann şi O. Morgenstern (cu
ajutorul conceptului de “utilitate”) construiesc un model matematic al soluţiilor economice.
Trebuie subliniată şi contribuţia economistului român N. Georgescu-Roentgen la dezvoltarea
modelării decizionale17.
In legatura cu procesele decizionale se pun probleme noi: se impune mai multă
rigurozitate stiinţifica, decidenţii trebuie să adopte decizii optime, în condiţiile creşterii
complexitatii structurale şi funcţionale ale firmelor, ale sporirii nivelului tehnologic a utilajelor şi
a specializării accentuate ale profeşiunilor, ale acţiunii factorilor unui mediu extern tot mai
complex şi incert.
In această perioadă, alaturi de procedeele traditionale, bazate pe intuiţie şi experienţa, îşi
fac apariţia o serie de procedee moderne de luare a deciziilor, punându-se bazele celor doua şcoli
în modelarea decizională: şcoala franceză (europeană) şi cea americană; ambele şcoli având
contribuţii majore în fundamentarea şi evoluţia teoriei deciziei că ştiinţă. Procedeele şi tehnicile
decizionale se caracterizează printr-o riguroasă fundamentare teoretică bazată, în general, pe
metode matematice, dar şi pe logici intuitive.
Cele mai moderne abordari în domeniul modelării s-au axat asupra rezolvarii unor
probleme cu impact major asupra întregii omeniri: cuantificarea riscului decizional în şituatii de

14
E. Mayo – The Human Problems of an Industrial Civilization, 1933.

15
A. Maslow – Motivation and Personality, NY, Harper, 1964.

16
Odobleja S. - Pşihologia consonantistă şi cibernetica, Craiova, Scrisul românesc, 2003.

17
N. Georgescu-Roengen – The Entropy Law and the Economic Process, 1971.

12
criza economică, politică sau militară, modelarea strategiilor de dezvoltare în şituaţii de tranziţie
economică, teoriile alternative ale creşterii economice, fundamentarea modelelor de echilibru
multiplu şi convergenţa economică, analiza fenomenelor economico-sociale induse de
globalizare şi mondializare, modelele holistice de prognoză, procesele dinamice ecologice
evolutive.
Aceste realităţi au condus la o adevarată revoluţie informaţional-decizională în domeniul
managementului, disciplina care îşi fundamentează metodele stiinţifice pe procedee dezvoltate
de alte discipline conexe: cercetarea operatională, cibernetică, informatică, pşihologia
organizării, teoria generala a sistemelor, teoria deciziei.

Am utilizat de mai multe ori conceptele de model şi modelare.

Termenul a fost utilizat pentru prima oara de matematicianul E. Beltrami în 1868, într-o
lucrare de geometrie non-euclidiana pentru descrierea primului model al geometriei
hiperbolice18.
Modelul poate fi definit că o reprezentare abstracta şi şimplificată a unui obiect,
fenomen sau proces complex, constituind o reprezentare izomorfă a realităţii, care oferă o
imagine intuitivă, dar riguroasă în sensul structurii logice a sistemului studiat şi care permite
identificarea unor caracteristici dificil de stabilit prin alt mod.
Modelul este o imagine conventională a obiectului cercetat.
Orice model economico-matematic va reprezenta fidel un anumit fenomen, numai în
masura în care se sprijină pe teoria economică care formulează categoriile, conceptele şi legile
obiective ale realităţii economice.
Modelarea reprezintă o metodă de operare (teoretică sau practică) asupra unor obiecte,
fenomene sau procese, cu ajutorul căreia se studiazăa un sistem auxiliar, artificial sau natural
(modelul) şi nu în mod direct obiectul, fenomenul sau procesul care ne interesează, dar cu care
se află într-o corespondenţă obiectivă şi pe care este capabil a le inlocui.
Esenţa metodei modelării constă în înlocuirea sistemului real studiat, printr-un model mai
acceşibil studiului, dar care reprezintă fidel proprietaţile, structura şi particularităţile acestuia.

18
E. Beltrami – Essay on an interpretation of non-Euclidian geometry, 1868.

13
Integrarea modelării în metodele de cercetare a fenomenelor economico-sociale a permis un salt
calitativ în macroprevizionare.
Complexitatea şi diverşitatea lumii reale au condus la elaborarea unor modele foarte
variate, utilizarea acestora devenind o neceşitate obiectivă în toate domeniile de activitate.
Sistematizarea mulţimii tipurilor de modele elaborate se poate face pe baza mai multor criterii:
1. După natura fizica a elementelor modelului:
- modele fizice (materiale, tehnice): imitative;
- modele abstracte (conceptuale, imaginate, ideale): utilizează un limbaj şimbolistic şi
pot fi de două tipuri:
* cantitative (numerice);
* calitative (logice).
- modele hibride.
2. După modul de reflectare a caracteristicilor obiectului:
- modele normative (standarde): cum trebuie să fie?
- modele descriptive: cum este? cum va fi?
3. După sfera de reflectare a problematicii economice:
- modele macroeconomice: modele de ansamblu ale economiei mondiale
sau naţional e;
- modele mezoeconomice: la nivel regional sau de ramura economica;
- modele microeconomice: la nivel de corporatie sau intreprindere.
4. După domeniul de provenienta:
- modele cibernetico-economice: caracterizate prin relaţiile input-output
şi evidentierea fenomenului de autoreglare (bucla de feed-back);
- modele econometrice: elementele numerice sunt determinate statistic;
- modele ale cercetarii operationale: permit obţinerea unei soluţii optime pentru
fenomenul studiat;
- modele din teoria deciziei: presupun luarea în considerare a mai multor
criterii de evaluare a variantelor, precum şi a factorilor de risc şi
incertitudine;
- modele de marketing (modele ale comportamentului consumatorului);

14
- modele financiare (modele ale optimului cifrei de afaceri sau a valorii întreprinderii,
modelul punctului de echilibru monetar, modelul lui Philips privind corelaţia inflaţie-
somaj s.a.);
- modele de şimulare: se produc experimente asupra sistemului studiat cu ajutorul unor
programe specializate implementate pe calculator.
5. După caracterul variabilelor:
- modele deterministe;
- modele stochastice (aleatoare, probabilistice, euristice).
6. După natura variabilelor:
- modele discret-secvenţiale: apar variabile care pot fi puse în
corespondenta cu mulţimea numerelor naturale;
- modele continue: apar variabile cu puterea continuului.
7. După factorul timp:
- statice: fenomenul este surprins la un moment dat;
- dinamice: stabile sau nestabile, pe parcursul derularii fenomenului.
8. După modul de construire:
- cu increment fix: creşterea timpului este constanta;
- cu increment variabil.
9. După gradul de şimilitudine între model şi original:
- modele iconice: proprietăţile se pastrează, iar diferenţele sunt
nesemnificative;
- modele analogice: nu se mai pastreaza nimic din ceea ce reprezintă
formele exterioare de identificare sau manifestare a originalului, ci doar
esenţa acestuia;
- modele şimbolice: nu au natura fizică, ci numai şimbolică.
10. După scop:
- modele explicative: urmăresc precizarea sau relevarea esenţei
sistemului studiat;
- modele predictive: permit anticiparea modului de desfasurare a unui
fenomen;

15
 - decizionale: permit determinarea unor indicatori pe care se poate
intemeia decizia asupra procesului studiat sau a mecanismului său de
evolutie.

Procesul modelarii presupune parcurgerea urmatoarelor etape:

a) cunoasterea şi analiza detaliată a realităţii sistemului ce se modelează;
b) construirea propriu-zisă a modelului economico-matematic, luand în considerare toate
variabilele şi restrictiile mediului;
c) experimentarea modelului şi evaluarea soluţiilor obţinute;
d) implementarea modelului în practica şi actualizarea soluţiilor.
Pentru a fi valabil, un model economico-matematic trebuie să indeplineasca o serie de
cerinte:
- să fie reprezentativ;
- să aiba valoare cognitivă şi aplică tivă (să se bazeze pe o teorie riguros ştiinţifica şi să
reflecte structura reala a fenomenului studiat);
- să fie adaptabil cu usurinţă la schimbările factorilor de mediu sau la evoluţia
procesului;
- să fie flexibil;
- să fie valid;
- să aşigure respectarea proporţiei mărimilor variabile şi constante utilizate;
- să poată fi supus şimulării cu ajutorul calculatorului.
Am utilizat de mai multe ori termenul de şimulare (experimentare). Modelarea
economico- matematică este foloşita de manager că o alternativă la “experimentul” utilizat în
stiintele exacte.
“Experimentul” în sensul strict al cuvântului, nu este posibil, sau nu este raţional, atunci
când sistemul analizat este un fenomen economic, un organism social, militar sau
guvernamental, sisteme ce nu pot fi supuse, în ansamblu, riscului experimentării.
Experimentarea unui model se poate face:
- “in vivo”: modelul se aplică în practica asupra sistemului real;

16
 - “in vitro”: experimentarea modelului se face prin generarea unor şituaţii posibile ale
sistemului şi prin analizarea consecinţelor acestor variante prin intermediul unor
programe speciale de calculator. Acest mod de experimentare se numeste şimulare.
Modelarea procedurală aşistată de calculator se bazează pe ipoteza că decidentul
reprezintă persoana care formulează variantele referitoare la comportamentul sistemului analizat
şi şingurul care poate raţiona asupra consecinţelor obţinute. Majoritatea modelelor procedurale
se bazează pe tehnica şimularii, în conformitate cu care decidentul adopta decizii în funcţie de
cunoştinţele dobândite asupra fenomenului studiat, de experienţa acumulată şi a ipotezelor
formulate cu privire la comportamentul acestuia, în funcţie de factorii endogeni sau exogeni.
Calculatorul şimulează evoluţia sistemului în funcţie de deciziile adoptate, furnizâand
decidentului consecinţele (exprimate prin diverşi indicatori de eficienţă) acestora asupra
sistemului, iar decidentul, în urma analizei datelor obţinute, fie le acceptă, fie că formulează noi
ipoteze ce conduc la noi decizii. Acest dialog interactiv este posibil numai prin utilizarea unor
programe specializate de şimulare pe calculator, iar rezultatul constă în perfecţionarea şi
dezvoltarea unor abilităţi managerilor.

CAPITOLUL II

TEHNICILE ADC – PRIVIRE GENERALA

3.1. Metodele ADC - scurta prezentare

Metodele şi tehnicile de planificare şi conducere a lucrărilor complexe, cunoscute sub

denumirea generica de “Analiza Drumului Critic“ ocupă o poziţie importantă în ansamblul
instrumentarului de metode moderne aflate în prezent la dispoziţia utilizatorilor din cele mai
diverse domenii de activitate. ADC este o metodă utilizată în conducerea proiectelor complexe,
permitând planificarea pe termen mediu şi scurt, programarea operativa a execuţiei, precum şi

17
actualizarea periodica a acestor proiecte tinand seama de factorii: timp, cost şi resurse, având
drept scop obţinerea unei eficienţe maxime.
ADC utilizează noţiuni elementare din teoria grafelor, dispunând însă de un aparat ce
apeleaza la procedee matematice specifice, deterministice şi probabilistice, ceea ce ne face să o
consideram că un capitol foarte bine definit al cercetarii operationale şi nu că o aplicaţie a teoriei
grafelor.
Conceptele fundamentale necesare pentru definirea obiectului ADC sunt:
1) Proiectul - privit că un sistem dinamic;
2) Activităţile - subsisteme componente ale proiectului;
3) Evenimentele - momente de timp caracteristice în desfaşurarea proiectului.
Proiectele se definesc că procese complexe sau acţiuni de mare amploare orientate către
atingerea unui obiectiv bine definit. Caracteristicile unui proiect sunt următoarele:
 un scop, care poate fi: un produs, o informaţie sau un rezultat de natură organizatorică;
obiectivul trebuie să fie bine definit prin diferiţi parametrii cantitativi sau calitativi;
 un ansamblu de activităţi a căror realizare permite atingerea scopului propus;
 un proces tehnologic (o succesiune logica), specific proiectului respectiv, care impune o
anumită ordine de execuţie a activităţilor componente, adică determină relaţia de precedenţa.

Activitatea poate fi definită că o parte distinctă dintr-un proiect, care poate consuma timp
şi/sau resurse (materiale, forţă de muncă, financiare etc.). Durata unei activităţi reprezintă timpul
necesar pentru efectuarea ei şi poate fi exprimată în orice fel de unitati de timp. Intre doua
activităţi pot exista anumite relaţii de ordine:
activitatea Ai precede activitatea Aj ( Ai < Aj );

sau relaţii de indiferenţă. În mulţimea activităţilor unui proiect se disting activităţi iniţiale (nu au
alte activităţi precedente) şi activităţi finale (nu au activităţi care le succed).
Durata exacta a unei activităţi (dj) se poate cunoaste numai după terminarea sa, dar se
utilizeaza şi metode probabilistice sau statistice pentru determinarea ei inainte de executarea
activităţii.

18
 Tipurile de evaluare determinista a duratei unei activităţi utilizate frecvent iau în
considerare:
 constanţa: durata normală corespunde unor condiţii obişnuite şi unor resurse normale;
 variabila discreta: duratele minime, medii şi maxime corespund unor resurse minime,
medii, respectiv maxime.
 variabila continua: durata variaza continuu între durata minima (dij) şi cea maxima
(Dij).
Tipuri de evaluare probabilistă a duratei activităţilor:
 prin trei estimări: aij - este durata optimista (minimă);
bij - este durata peşimista (maximă);
mij - este durata cea mai probabila (medie).
 repartiţie discretă finită: fiecarei durate posibile îi corespunde o
anumită probabilitate;
 distribuţie teoretică: durata dij este o variabilă aleatoare cu o anumită
funcţie de repartitie F(x).
Costul unei activităţi variază în funcţie de durata activităţii. Cazul cel mai simplu este
acela în care funcţia cost-durata este liniară. Costul activităţii poate fi:
 constant: costul normal corespunde duratei şi condiţiilor de lucru
normale;
 variabila discretă: cele trei costuri estimate corespund duratelor -
accelerată, medie şi incetinită;
 variabila continuă: costul activităţii depinde de natura acesteia.
Evenimentele sunt momente caracteristice în cadrul unui proiect şi constau în termene de
începere şi terminare, minime şi maxime, ale activităţilor ce alcătuiesc proiectul, fiind
determinate de tehnologie (relaţii de precedenţă sau restricţii), de duratele activităţilor şi de
resursele disponibile la un moment dat.

Pentru realizarea unui proiect se poate elabora un număr imens de soluţii posibile ce
constau intr-o mulţime de programe admisibile având scopul de a minimiza sau maximiza un
anumit criteriu economic: durata totală de execuţie, costul total, folosirea uniformă a resurselor

19
sau încadrarea în anumite disponibile. Programul optim este acea desfasurare a proiectului,
precizată prin termenele de începere a activităţilor, care conduce la o eficienţă economică
maximă, exprimată printr-un sistem coerent de indicatori.
Se cunoaşte faptul că în metoda ADC modelarea structurii proiectului se face prin
grafice-reţea numite grafuri. Reprezentarea proiectului sub forma unui graf, permite amplasarea
activităţilor fie pe arcele acestuia (in acest caz nodurile reţelei reprezintă evenimente), fie pe
nodurile retelei (săgeţile orientate redau relaţiile de ordine ale activităţilor), în funcţie de metoda
aleasă.

3.2. Clasificarea procedeelor ADC

Principalele procedee sau metode ADC utilizate în practică sunt:

- CPM (Critical Path Method), PERT (Program Evaluation and Review Tehnique), MPM
(Metra Potential Method), RAMPS (Resource Allocation and Multi-Project Scheduling), RPSM
(Resource Planning and Scheduling Method), LESS (Least Cost Estimating and Scheduling),
CRAM (Contract Requirement Recording Analyşis and Management), SCANS (Scheduling and
Control by Automated Network System), PPS (Project Planning System), GRASP (General
Resource Allocation and Scheduling Program), GERT (Graphical Evaluation and Review
Technique).

Clasificarea metodelor ADC se poate face în funcţie de mai multe criterii, cele mai
importante fiind :

a) parametrul ce se optimizeaza:
 timpul: metode din clasa ADC-TIMP;
 costul: metode ADC-COST;
 resursele: metode ADC-RES.
b) tipul de modele matematice utilizate:
 modele cu caracter determinist;

20
  modele probabilistice;
 modele euristice;
 modele de simulare.
c) natura parametrilor analizati şi controlati:
 procedee cu parametrii de natura deterministă;
 procedee cu parametrii de natura stohastică.
d) numărul parametrilor luaţi în considerare:
 procedee cu un şingur parametru (timpul);
 procedee cu doi parametrii (timp şi cost; timp şi manopera);
 procedee cu trei parametrii(timp, cost şi manopera);
 procedee cu mai multi parametrii (timp, cost, manopera şi alte
resurse; timp cost, manopera şi performanta tehnica).
e) tipul de reţea foloşit pentru analiza programului:
 retele cu activităţile pe arce;
 retele cu activităţile pe noduri.
f) numărul proiectelor supuse simultan analizei:
 procedee pentru analiza unui singur proiect;
 procedee pentru analiza multiproiectelor.
g) mijloacele foloşite la prelucrarea informatiei:
 manuale;
 cu elaborare electronică.
h) mărimea proiectului:
 proiecte cu reţele foarte mari (peste 10.000 activităţi);
 proiecte cu reţele mijlocii (1.500 - 10.000 activităţi);
 proiecte cu reţele reduse (sub 1.500 activităţi).

Principalele procedee sau metode ale ADC, utilizate în practica curenta, sunt:

1. CPM este folosit pentru elaborarea programelor temporale. Structura proiectului este
reprezentată printr-o reţea cu activităţile pe arce. Fiecărei activităţi i se asociază durata normală,

21
evaluată printr-o singura valoare. CPM se aplică proiectelor cu activităţi bine cunoscute, a caror
durata se poate aprecia cu suficienta exactitate.
2. MPM are aceleaşi caracteristici că CPM. Deosebirea dintre ele consta în faptul că
MPM utilizeaza retele cu activităţile pe noduri şi exista posibilitatea de a tine seama de
suprapunerea unor activităţi.
3. PERT se aplică proiectelor alcatuite din activităţi cu durate imprecis
cunoscute sau incerte. Durata unei activităţi este evaluata prin trei estimari: pesimistă, cea mai
probabilă şi optimistă. În metoda PERT se utilizeaza retele cu activităţile pe arce. În afara
programului temporal se pot calcula probabilităţile de realizare a unor termene impuse.
Procedeele CPM, MPM şi PERT fac parte din clasa ADC/TIMP, deoarece unicul parametru
analizat este timpul.
4. CPM-COST. Structura proiectului se reprezintă printr-o reţea cu activităţile pe arce,
parametrii analizaţi fiind timpul şi costul. Costul unei activităţi depinde liniar de durata
activităţii. Obiectivul procedeului este generarea unui program temporal, care minimizeaza
costul total al proiectului.
5. PERT-COST este o dezvoltare a procedeului PERT, obţinandu-se pe lângă un
program temporal şi un program de costuri. PERT/COST este orientat spre controlul costului în
vederea evitării eventualelor depăşiri.
6. MANPOWER LEVELING (Nivelarea Manoperei). Obiectivul urmărit este obţinerea
unei diagrame optime de folosire a forţei de munca, pentru un proiect cu durata fixa. Activităţile
au durate şi resurse constante. Metoda constă în stabilirea unui program temporal prin CPM, care
este apoi imbunătăţit, astfel încat să se realizeze o "nivelare" a forţei de munca pe intreaga
perioada de execuţie.
7. MANPOWER SCHEDULING (Programarea manoperei). Scopul este obţinerea unui
program compatibil cu resursele disponibile limitate. După ce se elaboreaza un program
temporal prin CPM, acesta este modificat în aşa fel incat în fiecare interval de timp resursele
existente să nu fie depaşite. Activităţile au durate şi resurse constante.
8. RESOURCE ALLOCATION (Alocarea resurselor). Pornind de la premisa că unei
activităţi i se pot aloca diferite niveluri de resurse, se cauta un program temporal compatibil cu
resursele limitate disponibile.

22
 9. MULTI-PROJECT SCHEDULING (Programarea multiproiectelor). Este o tehnica
de programare analoga lui Manpower Scheduling, cu deosebirea că se aplică la mai multe
proiecte care se executa simultan.
10. RESOURCE ALLOCATION and MULTI-PROJECT SCHEDULING (Alocarea
resurselor şi programarea multiproiectelor). Este o metodă complexă de analiză a
multiproiectelor care îşi propune să genereze un program timp-cost-resurse prin luarea în
considerare a unei game variate de restricţii. Resursele se alocă diverselor activităţi pe baza unor
criterii elastice.
11. GRAFURI DECIZIONALE SIMPLE (H. Eisner, 1962). Este o metodă care preia
tehnica elaborării arborilor decizionali din teoria deciziei, alegăndu-se din mai multe alternative
strategia optimă, cu ajutorul unor criterii de apreciere obiective, a factorilor de mediu ce intervin
în desfasurarea activităţilor proiectului.
12. RETELE GENERALIZATE (S. E. Elmaghraby, 1964). Utilizează o logică extinsa
faţă de cea normală a graficelor-reţea, în sensul că sunt acceptate circuite sau cicluri de
activităţi; graful se rezolva printr-o algebra cu reguli bine stabilite de compunere şi reducere
succesiva a activităţilor, în final întreaga reţea reducându-se la un singur arc.
Aceste reţele permit descrierea fidelă a unor proprietăţi ale proiectelor cu evenimente
probabiliste, frecvente în domeniul cercetării şi al producţiei industriale. Retelele Elmaghraby
sunt alcătuite din:
1) patru categorii de noduri; fiecare nod avănd doua funcţii: una de intrare - care
reflectă efectul activităţilor imergente şi alta de ieşire - care simbolizeaza gradul de
pregatire acumulat în vederea execuţiei activităţilor emergente;
2) arce orientate, cărora li se asociaza doi parametrii: durata şi probabilitatea de
realizare.
13. METODA GERT (Evaluare grafica şi analiza tehnica, C. Pritsker, 1966). Având în
special o dezvoltare teoretica, aplicarea metodei consta în asocierea de calcule statistice
activităţilor grafului, iar apoi prin intermediul unui aparat matematic complicat, face o analiză a
proiectului în univers probabilist, atât la nivelul activităţilor, cât şi la acela al reţelei. Obiectivul
metodei este aflarea probabilităţii de realizare şi a termenelor de timp ale fiecărui nod.
Caracteristicile principale ale metodei GERT sunt:

23
 1) proiectul este descris printr-o reţea ale cărei noduri reprezintă operatii logice şi ale
cărei arce reprezintă activităţi;
2) pentru fiecare activitate se evaluează de catre specialişti, probabilitatea de realizare;
3) o serie de alti parametrii aditivi sau multiplicativi pot fi asociaţi fiecărei activităţi:
durata, siguranta, costul;
4) o realizare a reţelei constituie o multitudine de arce şi noduri care reprezintă
descrierea proiectului intr-un caz particular.
14. PROCEDEUL Meyer-Shaffer. Funcţiile liniare, ce descriu relaţia cost-durata [C ij
(tij )] aferente activităţilor proiectului, pot avea o expresie analitică generală (neconvexă,
neconcavă); curba costurilor directe L (T) rezultată se obţine utilizând programarea liniară în
numere intregi.
15. PROCEDEUL Orkand-Moder-Phillips. Această medodă porneşte de la premisa că
funcţiile cost-durata [Cij (tij )] sunt exprimate sub forma discretă şi prescru utilizarea unei
metodologii aproximative pentru determinarea unor puncte semnificative ale curbei costurilor
directe L (T), care să duca la exprimarea sa în forma analitică.

3.3. Caracterizarea procedeului CPM

In procedeele CPM, MPM şi PERT se considerăă timpul ca unic parametru supus analizei
şi, din acest punct de vedere, ele au fost grupate în clasa ADC/TIMP.

CPM (Critical Path Method) este cel mai uzual procedeu al ADC. Singurul parametru
programat şi controlat este timpul, fiecare activitate având o durată constantă, corespunzatoare
condiţiilor normale de lucru.
CPM este considerat un procedeu fundamental al ADC, deoarece procedeele mai
perfectionate şi mai moderne, nu au facut altceva decat să adânceasca şi să extinda noţiunile sale
de bază, fără să le anulezeze sau să le infirme.
Procesul de conducere a unui proiect prin CPM contine urmatoarele etape:

24
 etapa de programare, în care scopul principal este obţinerea unui program calendaristic de
desfăşurare a activităţilor.
1) Se analizeaza structura proiectului: - se imparte în activităţi, în funcţie de
tehnologie ;
- se stabilesc relaţiile de ordine intre
activităţi;
- se traseaza graficul-reţea.
2) Se analizeaza programul temporal: - se evalueaza durata fiecarei activităţi;
- se calculează programul cu durata
minima şi maxima, stabilindu-se
rezervele de timp;
- se imbunatăţeşte programul.
 etapa de control, în care se fac actualizari periodice prin care programul este în mod continuu
adaptat şituaţiei reale.

CPM este un procedeu determinist, durata unei activităţi fiind evaluată printr-un număr
constant. El poate fi aplicat de personalul care conduce proiectul, spre deosebire de alte procedee
mai evoluate care necesita calculatoare electronice şi analişti specializaţi.
CPM are un domeniu de aplicare foarte vast (orice intreprindere, organizaţie economică
sau de alta natură are un proiect de realizat), iar costul conducerii prin CPM reprezintă 0,3 - 1%
din valoarea proiectului. Acest cost variază în funcţie de gradul de organizare al aplicării, de
natura şi mărimea proiectului.
Eficienţa economică este deosebit de ridicată, obţinandu-se economii de
5 -15% la preţul de cost şi reducerea duratei de execuţie cu 20 - 35%. Rezultatele folosirii
procedeului CPM variază în limite largi, depinzănd de organizarea, rigoarea şi consecvenţa
aplicaţiilor.

A. Reprezentarea activităţilor-arc
Activităţile pot fi de trei tipuri:
 propriu-zise: cele care consumă timp şi resurse;

25
 aşteptari: consumă timp;
 fictive: nu consumă nici timp şi nici resurse.
Fiecarei activităţi i se asociază un parametru care reprezintă timp, cheltuieli, resurse etc.
Activităţile unui proiect pot fi:
 intocmiri de studii, proiecte, caiete de sarcini;
 procese tehnologice (proiectare, execuţie);
 perioade de aşteptari tehnologice (priza betonului, proba de presiune);
 avize, aprobări, comenzi, convorbiri pentru contractari;
Evenimentele, momente caracteristice ale unei acţiuni complexe descrise printr-un graf
ADC, reprezintă stadii de realizare a activităţilor, respectiv terminarea uneia sau mai multor
activităţi şi/sau inceperea uneia sau mai multor activităţi. Evenimentele pot fi reprezentate în graf
prin cerculete numite noduri, care se numeroteaza, de obicei, secvential.

Reguli:
1. numărul nodului de inceput al unei activităţi trebuie să fie totdeauna mai mic decat
numărul nodului de sfarşit.
2. Orice graf ADC are un singur nod iniţial şi un singur nod final (terminal).
3. în graful ADC nu sunt admise circuite (succesiuni de activităţi pentru care terminarea
unei activităţi coincide cu inceperea uneia din activităţile care o preced).
4. Orice activitate trebuie să aiba cel puţin o activitate precedenta şi cel puţin una care îi
succede, exceptând activităţile care incep cu nodul iniţial şi cele care se termină în nodul final.
5. Regula de figurare a activităţilor care incep în acelaşi nod.
6. Fiecarui arc i se asociază durata activităţii pe care o reprezintă, înscriindu-se aceasta
durata în grafic;
7. Regula evitării introducerii unor dependenţe nereale (neprevazute în
tabelul de condiţionări);
8. Reguli privind aspectul geometric al reţelelor:
- activităţile nu se desenează în general la scară;
- se preferă liniile drepte orizontale cu sensul arcelor stânga-dreapta sau cca. 450 cu
sens SV - NE sau NV - SE.

26
 B. Termenele evenimentelor
Consideram nodul i evenimentul final al activităţilor ( h 1, i),( h2, i) ,..., (hm , i) şi, în acelaşi
timp, evenimentul iniţial al activităţilor (i, j1), (i, j2) ,..., (i, jn).
Notam cu tim termenul minim al evenimentului i.
Acesta reprezintă momentul cel mai devreme posibil de terminare a tuturor activităţilor
care converg în i şi se calculează astfel:

t0m = 0 (nodul iniţial se numerotează cu zero);

t im = max (thm + dh1i), (th2m + dh2i), ... , (thmm + dhmi)
unde dhgi (g = 1,2,..., m) reprezintă duratele activităţilor care converg în i.
Notam cu tiM - termenul maxim al evenimentului i.
Acesta reprezintă momentul cel mai tarziu posibil de incepere a activităţilor care pleaca
din i şi se calculează astfel:
ttM = tfm (f este numărul de ordine al nodului final)
tiM = min (tj1M - dij1), (tj2M - dij2), ..., (tjnM - dijn)
unde dijk , (k = 1,2, ..., n) reprezintă duratele activităţilor care pleaca din i.

C. Rezervele activităţilor

Rezerva totală a unei activităţi (i - j) reprezintă intervalul maxim cu care poate fi

amanata o activitate fără a periclita termenul final al acţiunii complexe şi se calculează cu
expresia:
Rt = tjM - tiM - d ij

Rezerva liberă a unei activităţi (i - j) are semnificatia intervalului cu care se poate amana
o activitate fără a consuma din rezerva activităţilor care ii succed şi se calculează cu expresia:

R (i , j) = tjm - tim - d ij

Rezerva independentă (sigură) a unei activităţi (i - j) are expresia:

Rs(i , j) = tjm - tiM - d ij

27
şi consumarea ei nu are nici o consecinţă asupra celorlalte activităţi.

Rezerva intermediară a activităţii (i - j) este intervalul maxim de timp cu care se poate

mări durata activităţii (i - j) fără ca să se depaseasca durata totală a proiectului şi fără să se
anuleze rezervele unor activităţi precedente şi are expresia:
R i(i - j) = tjM - tiM - d ij

Rezervele de timp au o deosebita importanţă atât din punct de vedere al cresterii

productivităţii muncii şi al stabilirii numărului de muncitori, cât şi din punctul de vedere al
necesarului de materiale.

D. Termenele de incepere şi de terminare ale activităţilor

O activitate (i - j) se poate desfasura intre termenul minim al evenimentului i şi termenul

maxim al evenimentului j.
Când activitatea (i - j) nu dispune de rezerva totală, inceputul ei va coincide obligatoriu
cu termenul minim al evenimentului i, iar sfarşitul ei cu termenul maxim al evenimentului j.
Definim:
- termenul minim de incepere a activităţii (i - j):

tijmi = tim

- termenul minim de terminare a activităţii (i - j):

tijmt = tim + d ij

- termenul maxim de terminare a activităţii (i - j):

t ijMt = t jM

- termenul maxim de începere a activităţii (i - j):

t ijMi = tiM - d ij

Drumul critic al unui graf este succesiunea activităţilor dintre nodul iniţial şi nodul final,
care au rezerva totală nulă. Drumul critic reprezintă succesiunea cu durata maxima din graf. Prin

28
tehnica de calcul a drumului critic se gaseste, deci, durata minima posibila de realizare a acţiunii
complexe.

E. Calculul termenelor şi rezervelor de timp;

determinarea drumului critic

Procesul de elaborare a unui program CPM se materializează în urmatoarele piese: lista

activităţilor, reţeaua CPM cu termenele evenimentelor şi trasarea drumului critic, tabelul
termenelor şi rezervelor de timp ale activităţilor, graficul Gantt.
Lista activităţilor necesară realizării graficului reţea se intocmeste după ce proiectul a fost
descompus în activităţi şi cuprinde: denumirea activităţii (simbolul activităţii), activităţile directe
precedente (condiţionarile), durata fiecărei activităţi.
Tabelul termenelor şi rezervelor de timp este de forma celui de mai jos:

Nr . denum. activit. durata term. term. term. term. rezerva obs.

crt. activit. imediat min. min. max. max. totală
(cod) preced. de de de de
incep. term. incep. term.
di tijmi tijmt t ijMi t ijMt Rt
0 1 2 3 4 5 6 7 8 9

Calculul termenelor minime se face pornind de la tPmi (col 4), după care elementele din
coloana 5 se obţin cu formula t mt = t mi + d, ţinand seama şi de formula de calcul a termenelor
minime (când completăm coloana 4 pentru o activitate i luăm cea mai mare din valorile înscrise
în coloana 5 în dreptul activităţilor care preced pe i).
Calculul termenelor maxime se face plecând de la tTMT (col 7), după care elementele din
coloana 6 se obţin cu formula t Mi = t MT - d, ţinand seama şi de formula de calcul a termenelor
maxime (când completam coloana 7 pentru o activitate i luăm cea mai mica dintre valorile
inscrise în col. 6 în dreptul activităţilor care au ca activitate imediat precedenta pe i).
Intr-un graf ADC se defineste un drum printr-o succesiune de activităţi parcursa în sens
direct, în care evenimentul final al fiecarei activităţi coincide cu evenimentul iniţial al activităţii
urmatoare. Intr-o reţea CPM exista mai multe drumuri complete, cu lungimi diferite. Drumul
complet cu lungimea maxima se numeste drumul critic. Durata totală minima de execuţie a
unui proiect este egala cu lungimea drumului critic.

29
 In col.8 se inscriu rezervele totale, iar în coloana 9 (observatii) se noteaza activităţile de
pe drumul critic (care au rezervele totale nule).
Graficul calendaristic tip Gantt reprezintă un instrument de mare utilitate. El oferă
informatii privind desfasurarea lucrarilor şi esalonarea resurselor (forta de munca, materii prime
şi materiale, utilaje, fonduri banesti etc.). Se realizeaza astfel: - abscisa reprezintă axa
timpului pe care se noteaza cu 0 momentul de
incepere a proiectului;
- pe liniile paralele la axa timpului se prezinta intervalele de execuţie ale
activităţilor relaţiv la originea 0.

F. Avantajale procedeului CPM

Avantajele generale ale procedeului CPM sunt urmatoarele:

 Activitatea de programare şi control se desfasoara pe baze ştiinţifice şi cu un grad inalt de
precizie.
 Prin intocmirea retelei se va cunoaste interdependenta diferitelor activităţi, precum şi
importanţă fiecareia pentru realizarea proiectului în ansamblul lui.
 Programul stabilit este bine fundamentat, fiind foloşita cu eficienta intreaga formatie
disponibila.
 Se mareste eficienta muncii de coordonare prin concentrarea atentiei asupra factorilor
hotaratori datorata cunoasterii activităţilor critice.
 Foloşirea calculatoarelor electronice permite programarea şi controlul proiectelor mari şi
rezolva problema operativitatii.
 Imbunatatirea considerabila a programarii şi controlului duce la scurtarea termenelor de
execuţie şi la reducerea pretului de cost.
 Evaluarea performantelor realizate prin aplică rea CPM sunt foarte diferite, deoarece depind
de un număr foarte mare de factori: natura proiectului, mijloacele de calcul foloşite,
componenta şi competenta analistilor, etc., dar reducerile duratelor şi costului ating 40%, 25%
din valoarea lucrarilor de execuţie a proiectului complex.

3.4. Caracterizarea procedeului MPM

30
 Metoda potentialelor (MPM) este o varianta a metodei CPM care utilizeaza reprezentarea
activităţilor prin noduri şi a condiţionarilor prin arce. Ea permite inceperea unei activităţi inainte
de terminarea activităţii care o condiţioneaza şi, reciproc, terminarea ei după inceperea
activităţilor pe care le condiţioneaza.
MPM prezinta avantajul că elaborarea retelei este şimplificata prin inlaturarea
evenimentelor şi activităţilor critice, datorita corespondentei biunivoce intre elementele
proiectului (activităţi şi evenimente) şi cele ale modelului (arce şi noduri), existand deci
posibilitatea de suprapunere în timp a activităţilor ceea ce reduce numărul de activităţi faţă de
metoda CPM. De asemenea, modificarile se fac cu usurinta, introducerea sau anularea unor
activităţi, neantrenand alterarea restului retelei. Termenele şi rezervele activităţilor se pot obtine
pe calea cea mai scurta, calculul programului fiind mai puţin laborios.
MPM este un procedeu ADC/TIMP determinist, ceea ce inseamna ca:
 şingurul parametru analizat este timpul;
 durata fiecarei activităţi este o constanta.
MPM este o generalizare cuprinzatoare a procedeului CPM pe care il contine că pe un
caz particular:
In fiecare nod exista sase compartimente în care se inscriu elementele (pentru o activitate
i):
 numărul (şimbolul) activităţii i;
 durata activităţii d i;
 termenul minim de incepere a activităţii i (t imi);
 termenul minim de terminare a activităţii i (t imt);
 termenul maxim de incepere a activităţii i (t iMi);
 termenul minim de terminare a activităţii i (t iMt);
Din condiţia că o activitate i să nu inceapa până la terminarea tuturor celor care o
condiţioneaza, rezulta:

timi = max ( t gmt , t hmt , ... , t mmt )

timt = timi + d i

31
iar din condiţia că o activitate să nu se termine după inceperea celor pe care le condiţioneaza,
rezulta:

t iMt = min ( t jmi , t rmi , ... , t nmi )

t iMi = t iMt - d i

Tinand cont de relaţiile:

Rit = t iMt - t iMi - d i şi t iMt - d i = t iMi

Rezerva totală va avea expresia:

Rit = t iMi - t iMi

Nodurile pot fi reprezentate şi sub forma unor patrate, unde:

i,j - activităţi;
di - durata activităţii i;
a ij - distanta critica intre activităţi;
t ij - reprezintă intervalul de timp minim intre inceperea activităţii i
şi inceperea activităţii j; poate avea 3 (trei) valori:
 t ij < d i - activitatea j poate incepe inainte de terminarea completa a
activităţii i;
 t ij = d i - activitatea j poate incepe numai după terminarea completa a
activităţii i;
 t ij > d i - activitatea j poate incepe după un interval de timp care este
mai mare decat durata activităţii i.

Fazele preliminare intocmirii unei retele MPM sunt:

1. descompunerea proiectului în activităţi;
2. stabilirea relaţiilor de precedenta intre activităţi.

Intr-o reţea MPM trebuie să existe relaţia:

32
 t s (j) - t s (i)  t ij , unde t s (j), t s (j) - termenele minime de incepere
ale activităţilor i şi j.

Rezerva totală a unei activităţi i:

R t (i) = ts (i) - t s (i)

Rezerva libera:
R t (i) = min t s (j) - t s (i) - t ij

In cazul în care t ij = d i vom avea urmatoarele formule:

t s (j) = 0, j=0

t s (j) = max t s(i) + d i, 0  j < n+1

şi
ts (i) = t s(n+1), i = n+1

ts (i) = min ts (j) - d i, 0  i < n+1

Termenele de terminare ale activităţilor se calculează astfel:

t f (i) = t s(i) + d i

tf (i) = ts (i) +d i

unde t f (i) - termenul minim de terminare al activităţii i;

tf (i) - termenul maxim de terminare al activităţii i.

In procedeul MPM toate restrictiile temporale sunt exprimate prin distantele critice dintre
activităţi. Retelele MPM cuprind doua durate pentru fiecare activitate: distanta critica şi durata
integrala.
Distanta critica depinde de duratele activităţilor i şi j şi de distantele admişibile intre
inceperile şi terminarile activităţilor.

t ij = f (d i, d j, a ij, bij),

33
unde: a ij - intervalul minim de timp intre inceperea lui i şi inceperea lui j;
bij - distanta minima intre terminarea activităţii i şi terminarea activităţii j.

Exista 4 cazuri în calculul distantei critice, şi anume:

1) Când durata activităţii i este mai mare decat cea a activităţii j:
t ij = d i + b ij - d j
2) Când durata activităţii i este mai mica decat cea a activităţii j:
t ij = a ij
3) Când cele doua activităţi nu se suprapun, iar j poate incepe după terminarea
lui i:
t ij = d i

4) Când exista o decalare intre terminarea activităţii i şi inceperea lui j:

t ij = d i + g ij

g ij - intervalul de decalare intre terminarea activităţii i

şi inceputul activităţii j;

Termenele minime de incepere a activităţilor:

t s (j) = 0, j=0

t s (j) = max ts (i) - t ij,0 < j < n+1 (n - activităţi)

Termenele maxime de incepere:

ts (i) = t s (n + 1) , i = n +1

t s (i) = min  t s (j) - t ij, 0  i < n+1 (n-activităţi)

3.5. Comparatie intre CPM şi MPM

CPM şi MPM sunt doua procedee care au un obiectiv comun - conducerea proiectelor
complexe prin analiza determinista a parametrului timp. MPM se deosebeste de CPM prin doua
caracteristici principale:

34
 a) inlocuirea retelei G1 printr-o reţea de tip G4;
b) inlocuirea notiunii de durata prin conceptul mai general de distanta
critica;
Vom examina pe rand aceste doua deosebiri esentiale.
a) Se admite faptul că intr-o reţea ADC, indiferent de tipul ei, arcele reprezintă activităţile
unui proiect. în G1 pentru fiecare activitate exista un arc, iar fiecare nod reprezintă inceputul
uneia sau mai multor activităţi. în G 4 pentru fiecare activitate i, exista unul sau mai multe arce - s
arce (s fiind numărul activităţilor direct succedente lui i).
Pentru a transforma o reţea G1 intr-o reţea G4 este necesar că pentru fiecare nod din G1 să
introducem s noduri în G4. Proliferarea nodurilor are scopul să creeze un nod iniţial distinct
fiecarei activităţi.
b) Dacă unele activităţi succeşive ale unui proiect se suprapun partial, neglijarea acestui
fenomen conduce la stabilirea unei durate totale de execuţie eronate. Deoarece fenomenul
suprapunerii este frecvent, se impune adoptarea unui aparatadecvat pentru reprezentarea lui, şi
anume, conceptul de distanta critica. Fiecarei activităţi i se asociaza s distante critice. Rezulta
clar că retelele G1 nu sunt adecvate pentru aşimilarea notiunii de distanta critica.
Sistemul de restrictii:
ts ( j ) - ts ( i ) > di (1)

poate fi descris cu aceeaşi fidelitate de retelele G 1 şi G4. Deci, în cazul în care nu se tine seama
de suprapuneri, deosebirile dintre CPM şi MPM nu sunt esentiale, deoarece la ambele procedee
informatia de intrare şi cea de ieşire au exct acelaşi continut.
Sistemul de restrictii:
ts ( j ) - ts ( i ) > tij (2)

nu poate fi reprezentat corect decat prin retele G4, intrucat pentru fiecare activitate exista un
număr de arce corespunzator numărului de distante critice asociate acestei activităţi.
Tinand seama de cele aratate mai sus, raporturile dintre CPM şi MPM se pot descrie în
felul urmator:

35
1) Exista un şingur sistem ADC/TIMP cu caracteristicile urmatoare:
 obiectivul: conducerea proiectelor prin analiza determinista a parametrului timp;
 schema aplică rii sistemului;
 modelul matematic: reţeaua ADC;
 informatia de intrare: [ G, tij ];
 informatia de ieşire: [ ts( i,j ) ].
2) In cazul în care proiectul este suficient de bine descris prin mulţimea de restrictii (1), exista
doua variante de determinare a programului: prin CPM sau prin MPM. Ambele variante
conduc la aceeaşi soluţie.
3) In cazul în care proiectul nu este corect descris prin mulţimea de restrictii (1), adica atunci
când fenomenul suprapunerii activităţilor este prezent, trebuie să admitem ansamblul de
restrictii (2). Soluţia problemei nu poate fi determinata decat prin intermediul unei retele
MPM şi pe baza conceptului de distanta critica.
Faţă de CPM, procedeul MPM prezinta urmatoarele avantaje:
 elaborarea retelei este şimplificata prin inlaturarea evenimentelor şi a activităţilor
fictive;
 modificarile în proiect se fac cu usurinta, introducerea sau anularea unor activităţi
neantrenand alterarea restului retelei;
 exista posibilitati de a se reprezenta în mod firesc unele categorii de restrictii
temporale: continuitatea, suprapunerea sau decalarea în timp a activităţilor;
 calculul programului este mai puţin laborios, obtinandu-se usor parametrii cei mai
importanti: termenele şi rezervele de timp ale activităţilor.
Multi practicieni considera că avantajul cel mai important pe care il oferă retelele MPM
consta în faptul că permit o reprezentare extrem de şimpla a suprapunerii activităţilor (şimilar
graficelor Gantt), ceea ce permite o buna vizualizare a desfasurarii în timp a proiectului.

3.6. Caracterizarea metodei PERT

In practica, se mai utilizeaza o alta clasa de proiecte la care duratele activităţilor nu sunt
cunoscute Dacăt cu un grad mare de imprecizie sau sunt chiar incerte. Pentru acestea, în special

36
cele din domeniul cercetarii şi dezvoltarii tehnologice ( care sunt proiecte complexe de mare
anvergura, cuprinzand zeci de mii de activităţi ) se utilizeaza sistemul PERT.
PERT s-a dezvoltat în doua variante:
1) metoda PERT/TIME - orientata spre analiza timpului;
2) metoda PERT/COST - preocupata de analiza simultana a termenelor şi
costurilor.
Traşaturile principale ale metodei PERT sunt urmatoarele:
 durata unei activităţi este evaluata prin trei estimari: peşimista, cea mai probabila şi
optimista;
 proiectul este reprezentat printr-o reţea în care se evidentiaza evenimentele; accentul pus pe
evenimentele “cheie” permite o reperare a fazelor importante ale proiectului, atât în etapa
de programare, cât şi în cea de control;
 programul obtinut prin calculatiile PERT contine aceleaşi elemente că şi un program CPM;
în plus, se pote evalua probabilitatea de realizare a termenelor planificate;
 in etapa de control procedura este identica că aceea din procedeul CPM.
In esenta, sistemul PERT se caracterizeaza prin aparatul statistic foloşit pentru evaluarea
programului, prin faptul că permite calculul probabilităţii de realizare a termenelor planificate şi
prin foloşirea conceptului operational de eveniment cheie.
Principalele funcţiuni ale sistemului PERT sunt:
1) Instrument de conducere pentru definirea şi coordonarea acţiunilor ce urmează a fi
intreprinse în scopul atingerii obiectivelor majore ale proiectului;
2) Complex de tehnici, capabil să ajute luarea celor mai eficiente decizii, fără a fi el insuşi un
generator automat de decizii;
3) Complex de proceduri, care furnizeaza informatii de natura statistica privind incertitudinile
referitoare la realizarea unor activităţi ale proiectului;
4) Metoda de calcul, permitand conducatorilor sa-şi concentreze atentia asupra:
a) problemelor latente care reclama o decizie şi/sau o soluţie;

37
 b) ajustarilor (referitoare la durate, resurse şi performante) necesare pe parcursul
execuţiei, în vederea imbunatatirii capacitatii organizatiei de a-şi indeplini obiectivele
sale.

A. Retele PERT

Principiile de intocmire a unei retele PERT sunt urmatoarele:

 fiecare activitate este reprezentata printr-un arc;
 fiecare nod corespunde unui eveniment care poate fi:
a) inceperea unei activităţi,
b) terminarea unei activităţi;
 numărul evenimentelor retelei, precum şi tipul fiecaruia depinde, în mare masura, de
cel care le intocmeste.
Cu cât se introduc mai multe evenimente cu atât creste numărul activităţilor fictive.
Retelele PERT au urmatoarele dezavantaje:
 nu sunt standardizate, neexistand un ansamblu unitar şi echivos de reguli de
constructie;
 numărul activităţilor fictive este mare;
 sistemul de constructie este hibrid, având caracteristici atât ale retelelor CPM, cât şi
retelelor MPM, insă nu pe cele favorabile.
Retelele PERT au insă avantajul că pot scoate în evidenta eveimentele cheie ale
proiectului; ansamblul acestora formeaza jaloanele principale ale programarii şi controlului
proiectului. Conceptul de drum critic permite concentrarea atentiei şi eforturilor asupra
activităţilor determinante, esentiale ale proiectului.

B. Calculul duratei unui program PERT

In metoda PERT proiectul este descris printr-o reţea G, de tip G 1 (CPM) sau G2 (PERT).
Duratele activităţilor sunt evaluate prin trei estimari:
aij - durata optimista: durata minima de execuţie a unei activităţi
în condiţii normale;

38
 mij - durata cea mai probabila: estimatia cu cea mai mare
probabilitate de realizare;
bij - durata peşimista: intervalul de timp maxim de realizare a
activităţii ij.
Deci informatia de intrare are continutul:

I1 = { G; aij , mij , bij }

Cu ajutorul formulelor (1) şi (2), aceasta informatie este transformata in:

I2 = { G; tij , D2ij }

aij + 4mij + bij bij - aij

tij = ------------------- (1) ; D ij = ( --------- )2
2
(2)
6 6

Metoda PERT admite urmatoarele ipoteze referitoare la durata unui proiect:

1) Drumul critic este identic cu acela care rezulta din revenirea la un model determinist;
2) Durata totală a proiectului este o variabila aleatoare cu distributie normala a carei medie tn şi
disperşie D2n sunt:
n n
tn =  tij (3) ; Dn= 2
 Dij (4)
(i,j)  Dcr (i,j)  Dcr

unde Dcr este drumul critic.

Formula (3) arata că durata drumului proiectului (termenul minim al evenimentului final)
este egala cu suma duratelor medii ale activităţilor critice.
Formula (4) arata faptul că disperşia duratei proiectului este egala cu suma disperşiilor
activităţilor critice.
Dupa traşarea retelei proiectului, procedura PERT impune parcurgerea urmatoarelor
etape:
1) evaluarea duratei fiecarei activităţi prin trei estimari: optimista, cea mai probabila, peşimista;
2) calculul duratelor medii foloşind formula (1);

39
3) calculul termenelor evenimentelor, a termenelor şi rezervelor activităţilor comform
procedeului CPM, conşiderând duratele activităţilor că fiind deterministe şi egale cu mediile
lor;
4) calculul probabilităţii de realizare a termenului final prestabilit;
5) calculele prevazute la etapa 4 se pot efectua, în mod facultativ şi pentru termene intermediare
planificate;
6) Dacă rezultatele obtinute la etapele 4 şi 5 nu sunt acceptabile, se revizuieste programul.
Metoda PERT adopta un punct de vedere probabilist pentru analiza unui proiect, insă
accepta ipoteze şimplificatoare care, din punct de vedere matematic nu au o justificare
corespunzatoare. Procedura PERT poate fi rezumata astfel:
a) Durata unei activităţi este o variabila aleatoare cu distributie beta, având media egala cu (a +
4m + b)/6 şi abaterea medie patratica (a - b)/6.
b) Problema de tip probabilist este reformulata în termeni deterministi, inlocuind duratele
activităţilor prin mediile lor.
c) Rezulta un drum critic Dcr , corespunzator modelului determinist.
d) Se admite că durata proiectului este o variabila aleatoare cu distributie normala, a carei medie
este lungimea lui Dcr şi a carei disperşie este egala cu suma disperşiilor activităţilor continute
în Dcr .
e) Find date o serie de termene planificate, stabilite independent de analiza PERT a proiectului,
se pot calcula pe baza datelor obtinute la d) probabilităţile de realizare a acestor termene.
Durata totală medie a unui proiect, calculata prin metoda PERT, difera de cea reala din
cauza urmatoarelor ipoteze principale (neconfirmate pe deplin):
 durata unei activităţi are o distributie beta;
 cele trei estmari sunt exacte;
 durata medie a unei activităţi este (a + 4m + b)/6;
 durata totală este egala cu lungimea drumului critic stabilit în mod determinist.
Cu toate acestea, se poate concluziona că metoda PERT da rezultate bune pentru că
aproximatiile sale sunt tolerabile, iar controlul execuţiei proiectului aduce corecturile necesare
printr-o reglare continua.

40
 Sporirea gradului de exactitate este legata de complicarea procedeului; în
stadiul actual metoda PERT raspunde atât neceşitatilor, cât şi exigentelor de exactitate solicitate
în practica.

3.7. Analiza costului optim

Analiza costului realizarii unui obiectiv de investitii în funcţie de durata de execuţie

constituie o problema importanţă în care pot fi utilizate instrumente ADC. Pentru o anumita
durata a proiectului exista o mulţime de programe posibile, fiecarui program fiindu-i asociat un
cost. Analiza costului optim este necesara în urmatoarele cazuri:
a) durata normala este prea mare şi dorim că să cunoastem costul aferent unei scurtari cu un
anumit interval de timp;
b) conşiderente de ordin economic impun cautarea programului de lucru care corespunde
costului total minim.
Pentru a rezolva aceasta problema trebuie să se stabileasca timpul afectat fiecarei
activităţi şi termenul cel mai potrivit pentru realizarea intregului proiect, ceea ce presupune în
mod necesar existenta anticipata a diferitelor durate posibile pentru unele sau chiar pentru toate
activităţile proiectului.
Presupunerea facuta este realista, deoarece majoritatea proiectelor pot fi realizate intr-un
timp mai lung sau mai scurt, prin cresterea sau scaderea resurselor disponibile (utilaje, forta de
munca, fonduri).

Cel care a incercat să rezolve aceasta problema este J.E.Kelley 19.

Notam cu: (i - j) - o activitate din proiect;
U - seria tuturor activităţilor.
Pentru activitatea (i - j) exista doua durate extreme:

d ij - reprezintă cea mai scurta durata posibila a activităţii respective, fără

a cere costuri prohibitive sau a schimba natura proiectului;
D ij - este durata normala şi se aşimileaza cu durata maxima.
19

41
 t ij - durata activităţii (i - j) o variabila care poate lua valori intr-un
interval limitat inferior de d ij şi superior D ij.

unde d ij  t ij  D ij

Scurtarea duratei unei activităţi implica intenşificarea procesului de productie şi este

legata de cheltuieli suplimentare. Rezulta ca, costul unei activităţi este o funcţie de durata:

C ij = f (t ij) - este o funcţie descrescatoare, deoarece efortul de

urgentare este insotit de cresterea cheltuielilor;

Dependenta funcţionala intre Cij şi tij poate fi complexa: patratica, neliniară, concava sau
discreta, insă se poate aproxima cu o funcţie liniară:
C ij (t ij) = a ij + b ij t ij unde a ij şi b ij - constante.

Aceste constante se pot determina Dacă se cunosc costurile corespunzatoare duratei

normale şi celei minime, astfel:

p ij - costul activităţii (i - j) corespunzator duratei d ij

q ij - costul activităţii (i - j) corespunzator duratei D ij

a ij = ( p ijD ij - q ijd ij ) / (D ij - d ij)

şi
ij = (q ij - p ij ) / (D ij - d ij)

Costul se va scrie, deci, astfel :

C ij(t ij) = (p ijD ij - q ijd ij) / (D ij - d ij) - (p ij - q ij) / (D ij - d ij) t ij

Coeficientii lui tij poarta numele de cost marginal sau cost unitar al urgentarii (w ij):
C ij(t ij) = a ij - w ij (t ij)

Costul marginal pune în evidenta descresterea costului odata cu cresterea duratei.

Costul total este alcatuit din:

42
 costuri directe (Cd): costul manoperei, costul resurselor;
 costuri indirecte (Ci): cheltuieli generale, retributia personalului tehnician administrativ, alte
cheltuieli de regie;
 costurile asociate eficientei economice sau costul imobilizarii fondurilor pe perioada când
investitiile nu intra în funcţiune.
Pentru realizarea efectiva a soluţiei optime determinata prin procedeele de analiza a
costului, este necesar să apelam la procedeele ADC de control multilateral şi activ al costului
care să permita elaborarea unui program eficient.
Procedeele ADC pentru controlul costului se caracterizeaza prin:
a) in etapa de programare: alcatuirea unui program judicios timp/cost;
b) in etapa de execuţie: crearea unui aparat de conducere capabil să reactioneze prompt, să
exploreze cu rapiditate domeniul variantelor posibile şi să ia deciziile optime.

3.8. Actualizarea, descompunerea, integrarea şi condensarea grafelor ADC

Este cunoscut faptul că în desfasurarea reala a proiectelor au loc diverse abateri de la

programul stabilit şi că aceste abateri devin mai imporatante pe masura avansarii lucrarilor. De
aceea, actualizarea este absolut necesara pentru aface programarea viabila; ea prezinta totodata
avantaje considerabile, intrucat permite luarea masurilor de corectie: alocarea de resurse
suplimentare, concentrarea eforturilor asupra activităţilor critice afectate, reprogramarea unor
activităţi etc. Actualizarea are că scop punerea în evidenta a eventualelor intarzieri şi a luarii
masurilor de recuperare a lor.
Graficele - reţea se actualizeaza parcurgand urmatoarele etape:

1) Se cerceteaza, la data actualizarii, care activităţi sunt terminate, care sunt în curs de execuţie şi
care sunt inca neatacate;
2) Se reevalueaza duratele activităţilor neatacate şi a celor în curs de execuţie;
3) Se considera durata activităţilor executate că fiind nula şi tinand cont de acest lucru se
recalculează noile termene, iar pentru restul activităţilor, duratele reestimate; Dacă la momentul

43
actualizarii succeşiunile şi condiţionarile intre activităţile neexecutate se modifica, o data cu
reevaluarea duratelor se stabilesc şi noile condiţionari;
4) Se recalculează drumul critic foloşind noile durate şi se noteaza durata să cu Dca;

Notam cu: Ta - momentul la care se face actualizarea;

D - durata iniţiala;
Da = Ta + Dca - noua estimare a duratei acţiunii.
Sunt posibile urmatoarele cazuri:
 Dacă Da  D : lucrarea se va incadra în termenul planificat şi nu sunt
necesare masuri speciale;

 Dacă Da > D: sunt necesare masuri de scurtare a duratei Dca prin

redistribuirea sau suplimentarea resurselor.

In general, nu se pot prescrie masuri şi proceduri valabile şi aplică bile diferitelor cazuri
ce se pot ivi. Aceasta se explica prin natura cu totul particulara a cauzelor care genereaza abateri
de la executia programului: resurse insuficiente, fenomene neprevazute de ordin tehnic sau
climateric, completari sau precizari în structura proiectului. Dacă nu exista posibilitati de
remediere a intarzierilor, se adopta un nou termen final rezultat din şituaţia creata.
In cazul retelelor mari, la traşarea şi/sau calculul acestora se folosesc procedee care au la
baza operatiile:
- descompunerea: presupune impartirea retelei în mai multe subretele, sau a unui proiect în
subproiecte;
- condensarea: inseamna reducerea retelei la un număr restrans de noduri şi arce;
- integrarea: reprezintă operatia prin care, în urma compunerii unui număr oarecare de
subretele se obtine o reţea unica.

Aceste trei operatii se aplică atunci când traşarea unei şingure retele este imposibila din
cauza dimenşiunilor, cât şi din cauza duratei de elaborare (nu se pot foloşi mai multe echipe de
analisti).
Când numărul activităţilor care rezulta prin integrarea graficelor reţea, pe obiect este
foarte mare, se recomanda condensarea graficului reţea integrat, pastrandu-se principalele

44
caracteristici. Noul grafic condensat obtinut (numit grafic coordonator) se construieste tinand
seama de regulile :
 graficul condensat trebuie să contina nodurile de inceput şi finale ale graficului integrat şi ale
fiecaruia din graficele pe obiect;
 trebuie să cuprinda activităţile şi nodurile de pe drumul critic;
 va contine şi alte activităţi importante care vor fi urmarite în mod special.
Principalele tehnici utilizate în prezent la realizarea graficelor coordonatoare sunt:
a) tehnici şimple: - activităţi de şinteza de tip “hamac”;
- activităţi şi/sau evenimente “cheie”.
b) tehnici evoluate : - skeletonizarea;
- metoda de condensare-integrare succeşiva.
Grafurile coordonatoare au aparut că urmare a preocuparilor continue în vederea obtinerii
unei eficiente maxime în conducerea lucrarilor de investitii, constituind o fuziune metodologica
intre Analiza de sistem şi ADC.

CAPITOLUL III

ABORDAREA DECIZIONALĂ A PROBLEMEI RESURSELOR UNUI

PROIECT COMPLEX

4.1. Formularea problemei de alocare globala a resurselor

45
 Motivatia infiintarii, organizarii şi funcţionarii unei intreprinderi este data de cererea de
produse şi servicii care se manifesta pe piata; aceasta ii determina atât profilul, cât şi condiţiile
în care urmează sa-şi desfasoare activitatea. funcţionalitatea acesteia impune insă aşigurarea
(alaturi de alti factori de productie) a resurselor materiale şi tehnice necesare în concordanţă cu
volumul de activitate stabilit în raport cererile de consum inregistrate pe piata din aval.
Punerea în miscare a intregului angrenaj specific unei firme (cu profil de productie
industriala sau de constructii) precum şi a planificarii judicioase a activităţilor aferente,
presupune declansarea sistemului general de relaţii dintre funcţiunile principale ale acesteia, cu
deosebire pe fluxurile de informare-investigare a pietei, de intocmire a portofoliului de comenzi,
de planificare-comandare a bazei materiale şi tehnice, de aşigurare a resurselor financiare şi
umane.
Resursele materiale, energetice, de echipamente tehnice, financiare etc., se aşigura din
mediul exterior intreprinderii şi neceşita cheltuieli ridicate în stransa legatura cu strategiile de
gestionare şi alocare a acestor resurse conform obiectivelor urmarite.
Analiza resurselor unui proiect poate fi abordata prin urmatoarele metode:
1) analogice;
2) funcţionale;
3) programare liniară;
4) procedee euristice.
Metodele analogice se bazeaza fie pe capacitatea mintii omenesti de a rezolva unele
probleme combinatorice, fie prin utilizarea unei analogii electice.
Metodele funcţionale studiaza profilele resurselor şi construiesc un model matematic al
lor. Profilele resurselor necesare sunt reprezentate prin funcţii cu parametrii nedeterminati care
sunt apoi astfel aleşi incat să rezulte o alocare convenabila a resurselor.
Prin programarea liniară se realizeaza o abordare ampla, care conduce la obţinerea
soluţiei optime a diverselor probleme de alocare a resurselor. Dezavantajul acestei metode consta
în faptul că nu poate fi aplică ta din motive de ordin practic: numărul de inecuatii (restrictii),
chiar şi pentru proiecte mici, este imens.

46
 Procedeele euristice reprezintă calea cea mai potrivita pentru programarea proiectelor cu
resurse limitate. Aceste procedee constau în cautarea sistematica a unei soluţii “bune” (apropiata
de cea optimă ) cu ajutorul unor reguli de natura practica.
De regula, alocarea resurselor se efectueaza de catre decidenti aflati pe un nivel ierarhic
superior celor care le utilizeaza; sunt utilizate diferite metode matematice în funcţie de specificul
problemei de alocare.
Formularea generala a problemei de alocare a resurselor se poate face numai în stransa
legatura cu metodele ADC. în cadrul acestora s-au formulat doua categorii de probleme privind
resursele :
a) problema nivelarii: conşiderând termenul final de execuţie al unui proiect complex că
fiind obligatoriu şi egal cu durata drumului critic, se urmăreşte planificarea
activităţilor (in limita intervalelor de timp aferente), astfel incat diagrama (profilul)
fiecarui necesar de resurse să fie cât mai “uniforma” (aplatisat);
b) problema alocarii: conşiderând pentru fiecare resursa în parte un disponibil stabilit în
timp, se urmăreşte determinarea duratei minime de timp în care se poate executa
proiectul complex.
Data fiind importanţă fiecareia din cele doua probleme enuntate, în ultimii ani s-au
elaborat o serie de algoritmi matematici, iar cu ajutorul calculatoarelor electronice şi a unor
programe adecvate s-a reuşit rezolvarea unor probleme complexe de diverse tipuri.
Formularea riguros- matematică a problemei alocarii resurselor conduce la modele de
dimenşiuni şi complexitati deosebite ce pot fi rezolvate practic numai cu ajutorul programelor de
calculator elaborate de specialisti informaticieni.
Principalele elemente care intra în structura unei probleme de alocare sunt:
1) Resursele care urmează să fie alocate (ce alocam ?);
2) Disponibilul total din aceste resurse (cat putem să alocam ?);
3) Sursele de aprovizionare (de unde avem resursele ?);
4) Disponibilul de resurse pe fiecare sursa (ce cantitate de resursa putem aproviziona de la
fiecare furnizor ?);
5) Beneficiarii (cui repartizam resursele ?);
6) Necesarul de resurse pe fiecare beneficiar (cat trebuie să alocam fiecaruia ?);

47
 7) Orizontul de timp pentru care se face alocarea (pentru ce perioada de timp alocam ?);
8) Condiţiile (restrictiile) de alocare (in ce condiţii este posibila alocarea ?);
9) Criteriile de performanta ale alocarii (prin intermediul caror marimi apreciem
alocarea ?);
10) Obiectivele şi strategiile de alocare (ce urmarim şi prin ce metode vom atinge
obiectivele alocarii ?);
11) Consecinţele alocarii (ce efecte se vor obtine ?);
12) Starile mediului ambiant în care este posibila efectuarea alocarii şi probabilităţile
de aparitie a lor (in ce context se realizeaza alocarea ?).
In practica pot apare probleme cu un număr mai restrans de elemente decat cele
prezentate sau cu un număr mai mare, în funcţie de specificul problemei şi de modalitatea de
delimitare a elementelor considerate.

4.2. Tipologia problemelor de alocare

Pornind de la elementele prezentate şi caracteristicile lor, se poate realiza o clasificare a

tipurilor de probleme de alocare în funcţie de mai multe criterii:
1) Un prim criteriu de grupare il constituie numărul resurselor care trebuie alocate:
 cele mai şimple probleme de alocare sunt acelea în care se repartizeaza o şingura
resursa, care poate fi de natura materiala, umana, tehnica, financiara etc;
 mult mai complexe sunt problemele de alocare în care se repartizeaza mai multe
resurse, care la randul lor pot fi de doua tipuri:
- omogene;
- neomogene.
Analiza resurselor omogene ia în considerare doua cazuri:
- resurse substituibile (total sau partial);
- resurse nesubstituibile.
In primul caz se vor preciza condiţiile şi efectele diferitelor variante de substituire a
resurselor intre ele. Astfel de probleme au un grad de dificultate ridicat şi neceşita apelarea la
metode specifice de rezolvare bazate pa algoritmi euristici.

48
 In al doilea caz alocarea se poate realiza simultan, prin metode adecvate, sau iterativ, prin
descompunerea problemei în subprobleme componente ce iau în considerare repartizarea unei
şingure resurse şi se rezolva în mod independent. Cea de a doua cale este condiţionata de
existenta unor relaţii de independenta intre resurse.
2) Din punctul de vedere al tipului de relaţii existent intre resurse, se disting urmatoarele
probleme de alocare:
 cu relaţii structurale;
 cu relaţii funcţionale;
 cu relaţii de independenta.
Trebuie subliniat faptul că relaţiile dintre resurse apar doar la nivelul solicitantilor şi
introduc restrictii suplimentare în modelele matematice de alocare. Relaţiile funcţionale intre
resurse apar atunci când scopul pentru care sunt alocate nu poate fi atins fără a respecta
corespondentele funcţionale dintre resursele implicate de acesta. Astfel de relaţii apar indiferent
de tipul resurselor (omogene sau neomogene).
3) Dupa proprietăţile lor, resursele se pot grupa în doua categorii:
 resurse stocabile (materii prime, materiale, fonduri financiare - care se
consuma integral pe masura desfasurarii activităţii, stocul disponibil
diminuandu-se treptat pe masura consumului efectiv);
 resurse nestocabile (forta de munca, capacitatea de productie a maşinilor şi
utilajelor - care au un anumit nivel de disponibilitate în unitatea de timp:
neconsumarea acestui disponibil duce la pierdereadiferenţei neconsumate în
acel interval respectiv).
La randul lor, resursele stocabile se pot grupa în funcţie de numărul de ori în care
participa la procesul de productie:
 resurse reutilizabile (exemplu - în constructii se
refolosesc cofrajele metalice);
 resurse nereutilizabile (cimentul, varul, nişipul).
In cazul resurselor nestocabile se impune acordarea unei atentii speciale în alegerea
programului de utilizare, datorita restrictiilor economice foarte severe ce trebuie luate în
considerare.

49
 4) O alta caracteristica a resurselor după care pot fi grupate problemele de alocare o
constituie gradul de perisabilitate. Astfel distingem:
 resurse perisabile;
 resurse neperisabile.
In problemele de alocare cu resurse stocabile perisabile trebuie luata în considerare
perioada de timp în care acestea pot fi stocate şi condiţiile de stocare ceea ce impune noi restrictii
matematice modelului.
Dacă resursele sunt sezoniere, dar neperisabile în cursul orizontului
de timp pentru care se face alocarea, atunci problema este echivalenta cu aceea a alocarii
resurselor neperisabile.
5) Un alt criteriu de clasificare a problemelor de alocare este modul în care este luat în
considerare factorul timp - ce reprezintă o resursa nestocabila de o natura speciala:
 probleme de alocare dinamica (in cadrul carora se vor urmari armonizarea în
timp a obiectivelor cu resursele alocate);
 probleme de alocare statica (factorul timp este luat în considerare implicit,
realizandu-se o repartizare a resurselor în funcţie de nivelul cererii exprimate pe
intreg orizontul de timp). Aceste probleme corelate cu nivelul ierarhic la care se
rezolva problemele de alocare conduce la definirea a trei tipuri:
a) probleme de alocare operativa, în care nivelul ierarhic de conducere la care se
rezolva este inferior şi se refera la un orizont de timp redus, iar timpul scurs intre
momentul rezolvarii problemei şi cel al implementarii soluţiei este foarte scurt ;
b) probleme de alocare strategica, rezolvate la nivelul conducerii unor
departamente sau al economiei naţional e şi care vizeaza alocarea resurselor pe
sectoare de activitate pe un orizont mare de timp;
c) probleme de alocare tactica, în cadrul carora sunt detaliate soluţiile
problemelor de alocare strategica în perspectiva valorificarii eficiente a resurselor.
Acestea se rezolva la nivel microeconomic şi se refera la orizonturi de timp de maxim
cinci ani.
7) Relaţiv la perioada de timp în care se inregistreaza efectele alocarii, distingem:

50
  probleme de alocare cu efecte imediate (implementarea soluţiei se face în “timp real“
sau simultan cu identificarea soluţiei);
 probleme de alocare cu efecte propagate pe un orizont de timp mare ( mărimea
medie a acestui orizont de timp la nivelul economiei sau al unor sectoare de activitate
în problemele de alocare a fondurilor de investitii poarta numele de lag).
8) In funcţie de gradul de cunoastere a consecinţelor diferitelor variante de alocare,
numărului de variante, a parametrilor problemei de alocare se disting:
 probleme de alocare în condiţii de certitudine;
 probleme de alocare în condiţii de incertitudine;
 probleme de alocare în condiţii de de risc;
 probleme de alocare vag definite.

In abordarea practica a problemelor de alocare, majoritatea se reduc la tipul de alocare în

condiţii de certitudine. în realitate, natura datelor unei probleme de alocare este hibrida, unele
sunt deterministe, altele stochastice sau vagi. Un astfel de model nu a fost semnalat în literatura
de specialitate.
9) In funcţie de numărul criteriilor luate în considerare la evaluarea efectelor alocarii,
exista:
 probleme de alocare unicriteriale;
 probleme de alocare multicriteriale (majoritatea problemelor de alocare sunt de
acest tip, intrucat decizia de alocare a resurselor este adoptata prin prisma mai
multor criterii de natura economica).
10) după numărul surselor de provenienta a resurselor se disting:
 probleme de alocare cu o şingura sursa de provenienta a resursei;
 probleme de alocare cu mai multe surse.
In primul caz avem probleme de alocare globala (statica sau dinamica) în care se
urmăreşte stabilirea cantitatii care se va repartiza din resursa disponibila fiecarui consumator.
In cazul existentei mai multor surse (furnizori) apare o problema de repartitie care poate
fi de doua tipuri:
a) cu repartitie directa (Dacă se aşigura relaţii directe intre furnizori şi beneficiari);

51
 b) cu centre intermediare (pentru anumite categorii de beneficiari aprovizionarea cu
resurse se face prin intermediul unor unitati specializate).
11) In funcţie de corespondenta dintre numărul furnizorilor şi cel al beneficiarilor s-
au definit doua tipuri de probleme de alocare:
 cu corespondenta biunivoca, numita problema de afectare (in care unui beneficiar
ii corespunde un şingur furnizor sau în cazul alocarii mai multor resurse, fiecarui
beneficiar ii corespunde integral o şingura resursa);
 cu corespondente multiple, constituind problema de repartitie (formeaza
majoritatea problemelor de alocare).
12) Dupa raportul existent intre nivelul resurselor disponibile şi cel al cererii totale
exista:
 probleme de alocare echilibrate;
 probleme de alocare cu resurse excedentare;
 probleme de alocare cu resurse deficitare.

In cazul problemelor cu resurse excedentare apare neceşitatea delimitarii volumului

resurselor care vor fi alocate în raport cu cele disponibile. Dacă resursele sunt nestocabile, atunci
orice rezerva creata va constitui o pierdere la nivelul posesorului acesteia.
In cazul alocarii resurselor deficitare apar mari dificultati generate de caracterul restrictiv
al modelului. Pentru rezolvarea acestora se parcurg doua etape aferente soluţionarii a doua
subprobleme componente. Prima este de alocare globala şi stabileste ce cantitate de resursa va fi
repartzata fiecarui beneficiar; a doua subproblema (de repartitie) apare numai în cazul existentei
a mai multor furnizori carora li se arondeaza beneficiarii în limita soluţiei primei subprobleme.
13) Un ultim criteriu de clasificare il constituie numărul de niveluri ierarhice
implicate în rezolvarea sa:
 cu doua niveluri ierarhice (pe nivelul superior se afla posesorul resursei ce urmează
să o aloce, iar pe nivelul inferior se afla beneficiarul acesteia);
 cu mai multe niveluri ierarhice (vizeaza cu predilectie alocarea resurselor în profil
departamental sau teritorial).

52
 Rezolvarea acestor probleme este posibila fie iterativ, prin descompunerea lor în mai
multe probleme cu doua niveluri ierarhice şi tratarii lor în mod secvential pornind de la ultimul
nivel ierarhic spre primul, fie global, prin construirea unui model de alocare care să cuprinda
simultan toate restrictiile care apar la diferite niveluri ierarhice. Tratarea iterativa este posibila
prin construirea fiecarei subprobleme aferente a doua niveluri ierarhice succeşive, considerata că
distincta de urmatoarea dar luand în considerare soluţia de alocare oferita de subproblema
precedenta, sau cu subordonarea soluţiilor partiale strategiei globale de alocare.
Strategiile şi obiectivele care pot apare intr-o problema de alocare sunt multiple:
 maximizarea efectelor globale, cu sau fără prioritati de alocare;
 maximizarea gradului de realizare simultana a obiectivelor sau de satisfacere a cererii
solicitantilor;
 minimizarea eforturilor;
 uniformizarea gradului de satisfacere a beneficiarilor.
Referitor la restrictiile care apar în cadrul problemelor de alocare, mentionam:
 de relaţii intre resurse;
 de atingere a unor obiective sau performante;
 de prioritati de alocare;
 de corespondente intre furnizori şi beneficiari;
 de incadrare în volumul de resurse disponibil.
Modelele de alocare a resurselor sunt construite în funcţie de strategia urmarita de
utilizator şi generata de obiectivele proprii ale celui care rezolva problema. Dacă în problema
sunt specificăte obiectivele prioritare ale fiecarui beneficiar, atunci este posibila construirea unui
model care să genereze o strategie de alocare specifică , care să satisfaca realizarea acestor
obiective. în acest mod se urmăreşte armonizarea alocarii resurselor cu obiectivele beneficiarilor,
luand nastere o problema de armonizare a obiectivelor locale cu resursele potentiale.
In problemele de armonizare apar informatii detaliate şi relaţii suplimentare, care descriu
obiectivele, procesele şi restrictiile aparute în activitatea de productie. Aceste probleme se
intrepatrund cu probleme specifice programarii productiei, cu problemele de transport, cu
metodele ADC, cu modelele de gestiune a stocurilor, s.a., aparand în literatura de specialitate sub
terminologii specifice activităţilor luate în considerare.

53
 4.3. Metode de alocare statica a resurselor stocabile

4.3.1. Formularea problemei de alocare globala

Sa se aloce un volum Ri din resursa i la n solicitanti, astfel incat:

a) să se maximizeze gradul de satisfacere:
1. simultana a solicitantilor, sau
2. globala a solicitantilor.
b) să nu se depaseasca disponibilul existent: Ri.

Notam cu xkij - cantitatea de resurse i alocata solicitantului j în varianta de alocare k, iar

cu K numărul maxim de variante de alocare:
xkij  0,Ri
n
 xkij  Ri ; k : Z+   0 , K
j=1

Subliniem faptul că intre varianta de alocare k şi valorile pe care le ia x kij exista în

urmatoarea relaţie:

Xkij = k qi

unde:
Rj
qi =  ; K  0
K

Aşadar, se presupune că disponibilul Ri din resursa i poate fi alocat la cei n solicitanti în

K variante posibile cu mentiunea că fiecare combinatie este un multiplu de ratie q i în care s-a
divizat resursa. Aceasta ratie qi are semnificatia celei mai mici cantitati care poate fi alocata unui
solicitant.
In consecinţă, vom avea:
Pentru k = 0 x0ij = 0

54
 k=1 x1ij = 1 - q i

k=2 x2ij = 2 - q i
.............................................
k=K xKij = K  q i = Ri

numărul maxim de variante de alocare K este prestabilit de utilizatori în funcţie de natura

resursei, mulţimea variantelor de alocare pe care doresc să le exploateze. Dacă acest parametru
nu este precizat de utilizatori, atunci ratia qi pe baza careia se va determina K va fi considerata
exogena, astfel:

K = Ri / qi  , deci K va reprezenta partea intreaga a raportului Ri / q i

In acest caz: Kqi  Ri
Mentionam faptul că posibilitatea obtinerii unei variante satisfacatoare de alocare
depinde de mărimea parametrului K.
Revenind la problema de alocare formulata, se constata că pentru criteriul a1) trebuie
rezolvata urmatoarea problema:

Sa se aloce o cantitate Ri din resursa i la n solicitanti, astfel incat gradul de satisfacere

simultana a cererii să fie maxim:

max min g ij ( xk ij )
1ji

n unde: g ij ( xk ij ): R   0 , 1
 x k ij  Ri
j=1

O modalitate de construire a funcţiei g ij (xk ij) poate fi urmatoarea:

0, Dacă k = 0

xk ij
g ij (xk ij ) =  , Dacă c ij > xk ij

55
 c ij

1, Dacă c ij  xk ij

unde c ij reprezintă cererea solicitantului j din resursa i.

funcţia g ij ( xk ij ) poate fi construita şi în alte variante în raport cu natura resursei.

Pentru şituaţia a2), în care se urmăreşte maximizarea gradului global de satisfacere a
solicitantilor, problema se va formula astfel:

n
max F ( x ij ) =  g ij (xk ij )
k

j=1

n
 xk ij  Ri , x ij = kq i , k   0 , K 
j=1

unde: F ( xk ij ) reprezintă suma gradelor de satisfacere a solicitantilor

corespunzatoare variantelor de alocare xk ij.

4.3.2. Rezolvarea problemei de alocare cu ajutorul

programarii dinamice secventiale

Problema formulata mai sus poate fi rezolvata cu ajutorul metodelor de programare

dinamica secventiala determinista şi fuzzy. Acestea permit o repartizare globala a resurselor
pe obiective (solicitanti) şi nu iau în considerare variatia intenşitatii consumului în cursul
orizontului de timp pentru care se realizeaza alocarea.

Algoritmul de calcul asociat şituaţiei a1):

Etapa 1: Se construieste şirul de funcţii:

fn ( Rin) = max gin ( xk i,n ), xk i,n   0 , Ri ; k = 0 , K

fn-1 ( Ri, n-1) = max min  gi , n-1 (xk i , n-1 ), fn ( Ri , n-1 - xk i , n-1 )

56
Ri , n-1   0 , Ri  ; xk i , n-1   0 , Ri, n-1  ; k = 0 , K
.................................................................................

f1 ( Ri1 ) = max min  gi,1 ( xk i,1 ), f2 ( Ri,1 - xk i,1 ) ;

Ri,1   0, Ri  ; xk i,1   0, Ri,1 ; k= 0,K

Etapa 2: Se identifica strategia optimă la de alocare:

x i,1 corespunzator lui f1 ( Ri ) = f1 (x i,1 )

x i,2 corespunzator lui f2 ( Ri - x i,1 )

..........................................................
n-1
x i,n corespunzator lui fin ( Ri -  x i,j )


j=1

Algoritmul de calcul aferent şituaţiei a2):

Se trateaza secvential problema (conform algoritmului de programare dinamica

secventiala):

xk i1 + xk i2 = U1 , U2  Ri

k= 0,K

U1 + xk i3 = U2
...........................................

Un-2 + xk în = Un-1  Ri ; k = 0 , K

Paşii algoritmului sunt urmatorii:

a) se calculează setul de funcţii:

f0,1 ( xk ij ) = g i1 (xk i1 ) , k = 0 , K

f0,2 ( U1 ) = max  g i1 (xk i1 ) + g i2 ( U1 - xk i1 ) , xk i1 = 0 , U1

f0,3 ( U2 ) = max ( f0,2 (U1) + g i3 (U2 - U1) , U1 = 0 , U2

.........................................................................................
f0,n (Ri) = max ( f0,n-1 (Un-2) + gn (Ri - Un-2 ) , Un-2 = 0 , Ri

57
 b) se identifica strategia optimă la de alocare pornind de la funcţia obiectiv:

max F ( xk i1 , xk i2 , ... xk în ) = f0,n (Ri)  xin astfel incat:

n
 x ij = Ri
j=1
Observatie:
Gradele de satisfacere ale solicitantilor g ij(xk ij) pot fi calculate după aceeaşi funcţie în
ambele şituatii cu precizarea că în şituaţia a2) acestea vor fi amplificate cu coeficientii de
importanţă j prestabiliti.

APLICATIA PRACTICA 4.1:

O antrepriza de constructii utilizeaza în principal cinci resurse pe care urmează să le

repartizeze pentru efectuarea a trei lucrari de constructii-montaj. Se cere să se gaseasca acea
varianta de alocare care aşigura:
a) maximizarea gradului global de realizare a lucrarilor;
b) maximizarea gradului de realizare simultana a lucrarilor.

In tabelul urmator sunt redate gradele (in procente) de realizare a lucrarilor pentru diferite
variante de alocare a resurselor:

Lucrari L1 L2 L3
Nr. resurse
0 0 0 0
1 10 20 25
2 30 40 50
3 50 60 75
4 70 80 100
5 90 100 100

58
 Se normalizeaza datele din acest tabel şi se noteaza cu g i(x) - gradul de realizare a
lucrarii i la o alocare de x resurse şi v 0j - valoarea politicii optimă le de alocare a resurselor
pentru lucrarile Lj.

Rezolvare:
Cazul a) Pentru a gaşi soluţia de alocare care să maximizeze gradul global de realizare a
lucrarilor vom apela la algoritmii (claşici) de programare dinamica secventiala.

Pasul 1. Vom determina politica optimă la de alocare a resurselor pentru primele doua
lucrari:
x g1(x) g2(x) v0,2 soluţia optimă 
0 0 0 0 (0,0)
1 0,1 0,2 0,2 (0,1)
2 0,3 0,4 0,4 (0,2)
3 0,5 0,6 0,6 (0,3)
4 0,7 0,8 0,8 (0,4)
5 0,9 1,0 1,0 (0,5)

Pasul 2: Vom determina politica optimă la de alocare a resurselor pentru toate cele trei
lucrari:

x v0,2(x) g3(x) v0,3 soluţia

optimă 
0 0 0 0 (0,0,0)
1 0,2 0,25 0,25 (0,0,1)
2 0,4 0,50 0,50 (0,0,2)
3 0,6 0,75 0,60 (0,0,3)
4 0,8 1,00 1,00 (0,0,4)
5 1,0 1,00 1,00 (0,1,4)

Deci, soluţia optimă va fi: lucrarii a doua i se va aloca o resursa, iar celei de-a treia patru
resurse, realizandu-se astfel integral aceasta lucrare. Lucrarea a doua se va realiza în proportie de
20%, iar prima deloc.

Cazul b) Pentru a gaşi soluţia de alocare care să maximizeze gradul de realizare

simultana a celor trei lucrari vom apela la algoritmul de programare dinamica fuzzy:

59
Pasul 1. Se construieste şirul de funcţii:

f3(5) =1; f3(4) =1; f3(3) = 0,75; f3(2) = 0,5; f3(1) = 0,25; f3(0) = 0.
f3(x) = g3(x)

min ( g2(0), f3(5) ) = 0

min ( g2(1), f3(4) ) = 0,2
min ( g2(2), f3(3) ) = 0,4
f2(5) = 0,5 = max min ( g2(3), f3(2) ) = 0,5
min ( g2(4), f3(1) ) = 0,25
min ( g2(5), f3(0) ) = 0

min ( g2(0), f3(4) ) = 0

min ( g2(1), f3(3) ) = 0,2
f2(2) = 0,4 = max min ( g2(2), f3(2) ) = 0,4
min ( g2(3), f3(1) ) = 0,25
min ( g2(4), f3(0) ) = 0

min ( g2(0), f3(3) ) = 0

min ( g2(1), f3(2) ) = 0,2
f2(3) = 0,25 = max min ( g2(2), f3(1) ) = 0,25
min ( g2(3), f3(0) ) = 0

min ( g2(1), f3(2) ) = 0

f2(2) = 0,2 = max min ( g2(2), f3(1) ) = 0,2
min ( g2(23, f3(0) ) = 0

min ( g2(0), f3(1) ) = 0

f2(1) = 0,25 = max min ( g2(1), f3(0) ) = 0

f2(0) = 0,25 = max min ( g2(0), f3(0) ) = 0

min ( g1(0), f2 (5) ) = 0

min ( g1(1), f2 (4) ) = 0,1
min ( g1(2), f2 (3) ) = 0,25
f1(5) = 0,25 = max min ( g1(3), f2 (2) ) = 0,2
min ( g1(4), f2 (1) ) = 0
min ( g1(5), f2 (0) ) = 0

60
 min ( g1(0), f2 (4) ) = 0
min ( g1(1), f2 (3) ) = 0,1
f1(4) = 0,2 = max min ( g1(2), f2 (2) ) = 0,2
min ( g1(3), f2 (1) ) = 0
min ( g1(4), f2 (0) ) = 0

min ( g1(0),f2 (3) ) = 0

min ( g1(1), f2 (2) ) = 0,1
f1(3) = 0,1 = max min ( g1(2), f2 (1) ) = 0
min ( g1(3), f2 (0) ) = 0

min ( g1(1), f2 (2) ) = 0

f1(2) = 0 = max min ( g1(2), f2 (1) ) = 0
min ( g1(3), f2 (0) ) = 0

min ( g1(2), f2 (1) ) = 0

f1(2) = 0 = max min ( g1(3), f2 (0) ) = 0

f1(0) = 0 = max min ( g1(0), f2 (0) ) = 0

Pasul 2. Soluţia problemei se stabileste astfel:

Se pleaca de la funcţia f1(5). Se observa că are valoarea 0,25 pe care o obtinem din
combinatia (g1(2), f2 (3) ). Deci, acestei funcţii ii corespunde gradul de apartenenta g 1(2), care
reprezintă gradul de realizare a primei lucrari la o alocare a doua resurse.

Aşadar: x1  = 2

In continuare, se cauta gradul de apartenenta asociat funcţiei f 2(5-2) = f2(3). Observam că

f2(3) = 0,25 şi se obtine pentru g2(2). Deci, x2 = 2.
Implicit, x1 = 1, că urmare a faptului că primelor doua lucrari li s-au alocat doua resurse.
Gradul de realizare a lucrarilor va fi: - prima 30%
- a doua 40%
- a treia 25%

61
 Probleme analoage celei de mai sus intalnim în domeniul investitional, în care se cere
alocarea unui fond limitat de investitii pentru realizarea mai multor obiective în derulare, la un
moment dat (sau pentru o perioada data).

4.3.2. Modele liniare de alocare globala a resurselor stocabile

In paragraful 2 s-a precizat faptul că intr-o problema de alocare exista minimum doua
niveluri ierarhice; pe cel superior se şitueaza decidentul care aloca resursele, iar pe cel inferior -
beneficiarii acestora.
La nivelul ierarhic superior (furnizorul i): apare restrictia obligatorie oricarei probleme
de alocare: incadrarea în volumul total disponibil, Rj , din resursa i a sumei cantitatilor alocate
beneficiarilor j (xij):
m
 xij  Rj , j  J = 1, 2, ... , m 
j=1

Dacă resursele sunt omogene şi aditive, iar incadrarea lor în volumul total respecta unele
corelaţii structurale (spre exemplu, vom presupune că fondul de investitii destinat activităţii de
constructii-montaj reprezintă 80% din fondul total de investitii în orizontul de timp dat, iar cel
destinat achizitionarii de utilaje - 20%), atunci vom avea urmatoarele relaţii intre volumul total şi
cel disponibil din fiecare resursa şi volumul total:
n
 Ri = R
iI

Ri =  i R

n n
Deci, R =  i R cu observatia:  i = 1, unde i  0 reprezintă ponderea
i i
resursei i în volumul total al resurselor disponibile.

In cazul resurselor omogene nonaditive se va cauta posibilitatea exprimarii lor în aceeaşi

unitate de masura (conventionala) prin aducerea la un numitor comun, în funcţie de un etalon sau
o anumita caracteristica.

62
 Dacă resursele i şi k sunt substituibile, atunci disponibilul extins din resursa i va fi: Ri + s
ik Rk , unde s ik reprezintă coeficientul de substituibilitate a resursei i cu resursa k. în problemele
în care resursa i este substituibila cu mai multe resurse, disponibilul extins devine:

n
Ri +  s ikRk , unde: I  I reprezintă sub mulţimea resurselor care pot
kI
ki
substitui resursa i.

Dacă I = I - i, adica toate celelalte resurse pot să substituie resursa i, atunci
disponibilul total extins din resursa i va fi:
n
Ri +  s ikRk
kI
ki

Pot exista şituatii în care, deşi intre resurse intalnim relaţii structurale, ele apar
independente la nivelul ierarhic superior. Spre exemplu, la alocarea produselor finite şi a pieselor
de schimb aferente acestor produse, fiecare dintre ele va fi considerata independenta, corelaţiile
insa, se vor urmari la nivelul ierarhic inferior.
O alta şituaţie posibila este aceea în care resursele sunt independente, dar la nivelul
ierarhic inferior sunt alocate, pe lângă acestea şi combinatii structurale de altfel de resurse. Spre
exemplu, la alocarea diferitelor SDV-uri pe unitati de productie, se vor repartiza atât SDV-uri
independente, cât şi sisteme tehnologice complexe a caror structura le include pe primele
( partial sau total ).
Dacă aceste combinatii de resurse independente se constituie integral din cele
disponibile, fără a fi necesare resurse suplimentare, ele nu vor aparea că resurse distincte la
nivelul ierarhic superior. în caz contrar, vor trebui integrate acestor resurse.
La nivelul ierarhic inferior (beneficiarului j) , principalele restrictii sunt:
 de incadrare în cerintele minime (v ij) şi maxime (V ij) ale beneficiarului j;

v ij  x ij  Vij , i  I; j  J
 de corelare structurala cu celelalte destinatii (sectoare, ramuri) la nivelul resurselor totale (Xj)
alocate:

63
 x ij
 -
ij < <  +ij ; i  I
Xj
n
 x ij = Xj , j  J
iI
unde  -ij şi  +ij reprezintă ponderile minime, respectiv maxime ale resursei i în volumul
resurselor alocate beneficiarului j ; Xj = volumul total al resurselor alocate beneficiarului j.
Asupra acestuia din urma se va impune urmatoarea restrictie:
n n
 v ij  Xj   V ij
i i
m
In final, va trebui respectata condiţia:  Xj  R.
j
Dacă resursele sunt substituibile, atunci relaţia poate fi reformulata astfel:
v ij  x ij + s ik x ik  Vij
sau
n
v ij  x ij +  s ik x ij  Vij
kI
ki

In cazul în care apar resurse, apar corelaţii structurale sau sunt alocate atât independent
unele de altele, cât şi sub forma unor combinatii structurale sau funcţionale, la nivelul fiecarui
beneficiar j apare condiţia că volumul resursei independente să fie cel puţin egal cu volumul
solicitat de resursa r, care o integreaza în structura (x ij) intr-o proportie pe care o vom nota cu s
ir :
x ir - s ir x rj  0

sau cel mult egala cu cantitatea din resursa care o integreaza în structura, dar nu prin procesul de
alocare:

64
 Observatie: Dacă integrarea resurselor independente în resurse agregate se face prin
procesul de alocare, atunci numărul de variabile ale modelului va creste o data cu numărul
resurselor (comparativ cu cele de pe nivelul ierarhic superior).
Vom nota cu I" aceasta extenşie a mulţimii resurselor I. Prin urmare, la nivelul ierarhic
inferior, resursele vor apartine reuniunii celor doua mulţimi I"  I.
Intre resursele apartinand mulţimilor I" şi I exista urmatoarea relaţie:
n n
 x rj <  X ij , j  J
rI" iI

Sunt cazuri în care alocarea resurselor este corelata cu unele obiective ale beneficiarilor
exprimate prin indicatorii şintetici I fj :
n
 e fi x ij <> Ifj
i

unde: e fi reprezintă nivelul indicatorului f că urmare a alocarii unei unitati din resursa i.
Restrictia poate surprinde şi condiţia de incadrare a cheltuielilor cu resursele alocate în resursele
financiare ale beneficiarilor.
funcţia obiectiv globala va urmari fie maximizarea efectelor pe unitatea de resursa
alocata sau pe total, fie minimizarea eforturilor unitare sau globale.

n m
opt   c ij x ij
i j
unde: c ij reprezintă efectele (sporul de productie, beneficiul) sau eforturile
(costurile) alocarii unei unitati din resursa i.

De preferat este constituirea unei funcţii şinteza care să reuneasca atât efectele, cât şi
eforturile alocarii.
Programarea liniară cunoaste un larg camp de aplică bilitate, atât în rezolvarea
problemelor de alocare globala a resurselor, cât şi a celor de armonizare a obiectivelor cu
resursele. Ea presupune convexitatea domeniului soluţiilor admişibile de alocare şi liniaritatea
restrictiilor şi a funcţiilor de performanta. Atunci când natura datelor problemei de alocare este
determinista, aceasta va fi rezolvata cu ajutorul programarii liniare conventionale, iar Dacă este

65
vaga, vom apela la programarea flexibila sau robusta. Sunt frecvente şituatiile în care unii
parametri ai problemelor de alocare sunt aleatori, ceea ce va conduce la utilizarea metodelor
stochastice de rezolvare a acestora.

3.3.3. Probleme de alocare a resurselor, de tip repartitie (transport)

In cadrul programarii liniare, un loc important il ocupa problemele de transport. în

general, problemele de transport permit rezolvarea şituatiilor decizionale de repartitie a
resurselor (de regula, omogene şi independente) de la un anumit număr de furnizori (unde
acestea sunt disponibile) la beneficiari (unde sunt necesare).
Se cunoaste faptul că în problemele de alocare globala resursa este centralizata la nivelul
ierarhic superior, urmarindu-se gaşirea raspunsului la intrebarea: "Cat vom aloca din fiecare
resursa fiecarui beneficiar ?" Problemele de repartitie urmaresc să raspunda la intrebarea: "Cine
va furniza fiecarui beneficiar resursele necesare sau planificate şi cât anume ?"
Intrucat în practica economica intalnim o diverşitate de probleme de repartitie, este dificil
să evidentiem o structura invarianta, comuna acestora. Totuşi, exista cateva tipuri pe care le
intalnim cu o frecventa relaţiv ridicata în practica, motiv pentru care ne vom opri doar asupra
acestora.

4.3.3.1. Probleme de repartitie cu o şingura resursa

Cea mai şimpla problema de repartitie este aceea în care avem de repartizat o şingura
resursa. în ceea ce urmează o vom denumi problema elementara, urmand că la aceasta să fie
reduse şi unele probleme cu mai multe resurse independente.
Formularea problemei: să se repartizeze o anumita resursa disponibila la furnizorii
(depozitele) i ( i = 1 , m ), în cantitatile a 1 , a2 , ... , am , beneficiarilor (consumatorilor) j ( j = 1 ,
n ), al caror necesar este b1 , b2 , ... , bn , astfel incat cheltuielile totale ocazionate cu transportul
resursei de la furnizori la beneficiari să fie minime (sau timpul necesar transportului să fie
minim).
Ipoteza de lucru: Intreaga cantitate disponibila la furnizori va fi alocata beneficiarilor
care ne se vor aproviziona din alte centre cu resursa în cauza.

66
 Vom nota cu: x ij - cantitatea de resursa ce urmează a fi repartizata de la
furnizorul i la beneficiarul j;
t ij - timpul de transport al unei unitati fizice din resursa
considerata de la furnizorul i la beneficiarul j;
d ij - distanta în kilometri de la furnizorul i la beneficiarul j;
c ij - costul transportului unei unitati fizice de resursa pe o
distanta de un kilometru.
Restrictiile modelului:
a) Cantitatea livrata de furnizori să fie egala cu disponibilul;
x11 + x12 + ... + x ln = a1
..................................
....................................
x m1 + x m2 + ... + x mn = am
b) Cantitatea totală primita de beneficiari să fie egala cu necesarul:

x11 + x 21 + ... + x m1 = b1
....................................
....................................
x 1n + x 2n + ... + x mn = b n

c) Cantitatile repartizate vor fi cel puţin egale cu 0:

x ij  0

funcţia de optimizat:
 minimizarea cheltuielilor totale de transport:
n m
 min    c ijd ijx ij
i j
 minimizarea timpului total de transport:
n m
 min    t ij x ij
i j

Observatie: Dacă cij este constant, atunci semnificatia acestuia în model va fi modificata
şi va exprima costul transportului pe distanta dij a unei unitati fizice de resursa, iar funcţia
obiectiv va fi:

67
  min    c ij x ij
i j
In plus, modul în care a fost formalizata problema presupune existenta unui echilibru
intre disponibil şi necesar:

 a i =  bj
i j

In practica, cele mai frecvente probleme sunt cu resurse deficitare, adica:  a i <  bj şi
numai pentru anumite resurse avem probleme cu resurse excedenta-
re:  ai >  bj
i j

Se observa că în structura matricei modelului apar doar doua elemente. cate unul pe
fiecare coloana, ceea ce permite apelarea la unele metode specifice rezolvarii problemelor de
transport. Acestea cuprind metode bazate pe imbunatatirea succeşiva a soluţiei (metoda
potentiala) şi metoda reducerii succeşive a neconcordantelor. Dacă funcţiile obiectiv ataşate
modelului sunt neliniare, atunci vor trebui apelate metodele de cautare aleatoare. Deoarece, în
procesul rezolvarii, problemele neechilibrate sunt echilibrate prin introducerea unor furnizori sau
beneficiari fictivi, care vor aparea în funcţia obiectiv cu costuri zero, nu vom semnala în
continuare decat condiţiile de echilibru.
In consecinţă, problemele de repartitie vor putea constitui variante ale problemelor de
transport, şi anume: neechilibrate, cu rute interzise (când apare restrictia de repartizare a resursei
de la un anumit furnizor la un anumit beneficiar), cu centre legate (atunci când avem mai multi
furnizori ai resursei în aceeaşi localitate), cu grupe de centre legate (când beneficiarii din diferite
centre legate se aprovizioneaza în comun prin intermediul unor depozite aferente unei anumite
societati comerciale), cu centre intermediare (când intre furnizori şi beneficiari apar depozite
care stocheaza temporar resursa), tridimenşionale (când sunt repartizate mai multe resurse), cu
resurse partial substituibile, cu capacitati de transport limitate.
Pe baza acestor tipuri de probleme, coordonatorii de balanta vor putea elabora repartitii şi
aronda beneficiarii la furnizori. Alte domenii de aplică bilitate pot fi: repartizarea sistemelor de

68
maşini agricole pe lucrari în cursul campaniilor, a diferitelor substante chimice pe diverse culturi,
a utilajelor speciale şi a materialelor pe santiere de constructii.

In structura problemei pot aparea unele modificari în sensul ca, atunci când resursa nu
este omogena, trebuie introduşi coeficienţi de omogenizare, transformarea resursei furnizorului i
în resursa furnizorului h (i = h), care este considerata etalon sau intr-una conventionala. Dacă
sunt luate în considerare şi capacitatile de transport D ij de la furnizorul i la beneficiarul j, vor
aparea restrictiile:
x ij  D ij

sau variante ale acestora, iar soluţia problemei va cuprinde şi planul de transport al resursei.
In practica pot exista şituatii în care, în cursul orizontului de timp pentru care se face
alocarea, numărul furnizorilor şi al beneficiarilor să nu ramana identic cu cel luat iniţial în
considerare. Spre exemplu, prin punerea în funcţiune a unor capacitati noi de productie, apare
perspectiva cresterii atât a numărului furnizorilor (Dacă unele dintre ele vor avea în profil
resursa considerata), cât şi a numărului beneficiarilor (Dacă vor solicita resursa).
Exista insă şi perspectiva reducerii furnizorilor, Dacă unii dintre ei şi-au contractat
intreaga productie cu beneficiarii externi sau nu au realizat-o datorita unor motive obiective
(restructurare sau inchidere). numărul beneficiarilor se poate reduce că urmare a modificarii
profilului de fabricatie sau a structurii sortimentale, eliminandu-se produsele care solicita
resursa.
Rezolvarea unei astfel de probleme este posibila cu ajutorul programarii liniare
parametrice. Vom nota cu i cantitatea de resursa ce devine disponibila prin aparitia a m
furnizori şi j cantitatea suplimentara solicitata prin aparitia a n beneficiari. Dacă numărul
furnizorilor şi al beneficiarilor scade, cei doi parametri  i şi  j vor avea valori negative.
Condiţia de echilibru al unei astfel de probleme este:

m n
 i =  j
i=1 j=1

Restrictia de nenegativitate a termenului liber:

69
 ai + i  0 , i=1,m

bj + j  0 , j=1,n

Problema de repartitie cu centre variabile (noi) va fi urmatoarea:

n+n
 x ij = a i +  i , i = 1,m + m
j=1

m+m
 x ij = b j +  j , j = 1,n +  n
i=1

m+m n+n
 min    c ijx ij
i =1 j=1

unde:
a i = 0 pentru i > m;  i = 0 pentru i < m
b j = 0 pentru j > n ;  j = 0 pentru j < n

ai + i  0 , i = 1,m + m

bj + j  0 , j = 1,n + n

m+m n+n
 (a i +  i) =  (b j +  j )
i=1 j=1

In aceasta problema s-a presupus aparitia a m furnizori şi a n beneficiari.

In cazul în care apar doar m furnizori, iar numărul beneficiarilor rămâne constant, în
problema de mai sus n va fi nul, iar în cazul cresterii numărului de beneficiaricu n şi
mentinerii constante a numărului furnizorilor, m va fi egal cu zero.

3.3.3.2. Probleme de repartitie cu centre intermediare şi o şingura resursa

Modelul standard elementar de repartitie a unei resurse se refera la cazurile când un

produs se transfera direct de la anumite surse la anumite destinatii.

70
 In unele şituatii poate să nu fie economic transferul direct şi să fie necesara trecerea
produsului prin alte "surse" sau alte "destinatii" inainte de a ajunge la destinatia finala. Problema
poate fi considerata că o problema de repartitie generalizata în sensul definit de Orden, în care în
afara transferului de resurse la destinatii este permis şi transferul intre surse, cât şi intre
destinatii. în aceasta problema toate centrele (localitatile) pot fi atât surse, cât şi destinatii.
Se fac urmatoarele notatii:
x ij = cantitatea de produs care se repartizeaza de la centrul i la centrul j,
pentru i  j, i = 1, ... n; j = 1,...,n;
x ii = cantitatea aflata în tranzit în centrul i, pentru i = 1, ...,n;
a i = cantitatea disponibila în centrul i, pentru i = 1, ...,n;
b j = cantitatea necesara (ceruta) în centrul j, pentru j = 1, ...,n;
c ij = costul de transfer al unei unitati de la centrul i la centrul j, pentru
i = 1,...,n; j = 1,...,n. (c ij poate fi chiar distanta dintre centrele i şi j).

funcţia obiectiv:
Minimizarea cheltuielilor totale de repartitie se realizeaza cu ajutorul funcţiei:
n n n
 min  f (x) =   c ijx ij +  c ijx*ij
i=1 ji i=1
j=1

supusa la urmatoarele restrictii de balanta pentru fiecare centru de repartitie:

 Total expediat - total tranzit = disponibil
n
 x ij - x*ii = a i , pentru i = 1,...,n
j=1
ji
 Total primit - total tranzit = necesar
n
 x ij - x*jj = b j , pentru j = 1,...,n
i=1
ji
 Restrictia de nenegativitate:

71
 x ij  0, pentru i=1,...,n; j=1,...,n;
In plus, că problema să aiba soluţie:
 Total disponibil = total necesar

n n
 ai =  bj = L
i=1 j=1
Acest model se deosebeste de modelul de transport obisnuit prin faptul că are în
restrictii variabilele x* ij , respectiv x* jj cu coeficienţi negativi.
Este evident ca, în fiecare centru, cantitatea în tranzit nu va depaşi disponibilul total şi
prin urmare:

x* ii  L
Introducând variabila de abatere x ii se obtine:
x* ii + x ii = L
de unde x* ii = L - x ii

Prin inlocuirea lui x* ii în ecuatiile de balanta se obtine problema de repartitie obisnuita:

n
 x ij = L + a i , pentru i =1,...,n
j=1

n
 x ij = L + b j , pentru j =1,...,n
i=1

cu funcţia obiectiv:
n n
(min) f(x) =   c ij x ij
i=1 j=1
Problema se rezolva cu algoritmul şimplex modificat pentru problema de transport.
Pentru a obtine soluţia optimă a problemei originale se vor determina valorile x * ii cu ajutorul
relaţiei: x* ii = L - x ii

3.3.3.3. Probleme de repartitie a mai multor resurse

72
 Cele mai frecvente şituatii sunt acelea în care furnizorii dispun de mai multe resurse pe
care beneficiarii le solicita în funcţie de nevoile proprii. în continuare, se va formula o astfel de
problema de repartitie cu mai multe resurse independente
(intre resurse nu exista relaţii de substituibilitate sau de corelare funcţionala şi
structurala cu toate că ele se exprima în aceleaşi unitati de masura, fiind insă de tipodimenşiuni
diferite).
Formularea problemei: să se repartizeze cele p resurse independente disponibile la
furnizorii i în cantitatile z ik ( i=1,m; k=1,p ), beneficiarilor j al caror necesar este b jk , astfel incat
cheltuielile totale de transport al resurselor să fie minime.
Formalizarea problemei: Vom nota:
x ijk - cantitatea din resursa k repartizata de la furnizorul i , beneficiarului j;
a ij - cantitatea totală de resurse planificata a se livra de la furnizorul i la
beneficiarul j;
A i - cantitatea totală de resurse disponibila a se livra de furnizorul i;
B j - cantitatea totală de resurse solicitata de beneficiarul j;
Z k - cantitatea totală din resursa k disponibila la cei m furnizori;
cijk - costul transportului unei unitati fizice din resursa k de la furnizorul i la
beneficiarul j.
Restrictiile modelului:
a) Suma cantitatilor repartizate din cele p resurse de furnizorul i la beneficiarul j să fie egala cu
cantitatea totală planificata a se livra de la furnizorul i la beneficiarul j:
p
 x ijk = a ij, i = 1,m , j = 1,n
k=1
b) Suma cantitatilor repartizate din resursa k de la toţi furnizorii i, beneficiarului j să fie egala
cu necesarul solicitat de acesta din resursa respectiva:

m
 x ijk = b kj, k = 1,m , j = 1,n
i=1

c) Cantitatea totală din resursa k repartizata de la furnizorul i la cei n beneficiari să fie egala cu
disponibilul:

73
 n
 x ijk = z ij, i = 1,m ; k = 1,p
j=1

d) Cantitatile repartizate să fie cel puţin nule:

x ijk  0

funcţia obiectiv consta în minimizarea cheltuielilor totale ocazionate de transportul

celor p resurse de la m furnizori la n beneficiari:

m n p
 min     c ijk x ijk
i=1 h=1 k=1

Termenii liberi ai modelului vor trebui să satisfaca urmatoarele condiţii de echilibru:

 Suma cantitatilor disponibile la furnizorul i din cele p resurse este egala cu suma cantitatilor
planificate a se livra de la furnizorul i la cei n beneficiari, respectiv cu cantitatea totală de
resurse disponibila la furnizorul i:

p n
 z ik =  a ij = A i , i = 1,m
k=1 j=1

 Suma cantitatilor disponibile la cei m furnizori din resursa k este egala cu suma cantitatilor
solicitate de cei n beneficiari din resursa k, respectiv cu disponibilul total din resursa k:

m n
 z ik =  b jk = Z k , k = 1,p
i=1 j=1

 Suma cantitatilor din cele p resurse solicitata de beneficiarul j este egala cu suma cantitatilor
totale de resurse ale celor m furnizori planificate a se livra beneficiarului j, respectiv cu
necesarul total de resurse al beneficiarului j:

p m
 b jk =  a ij = B j , j = 1, n
k=1 i=1

74
 In urma rezolvarii modelului vom obtine atât xijk cât şi aij. O astfel de problema face
parte din clasa problemelor de transport tridimenşionale cu trei restrictii axiale (cu sume şimple).

3.3.3.4. Probleme de repartitie cu centre intermediare şi mai multe resurse

In practica economica se intalnesc numeroase cazuri în care corespondentele dintre

furnizori (producatori) şi beneficiari (consumatori) nu sunt directe, intre acestia intervenind
unele centre intermediare.
Exemple de astfel de centre constituie depozitele societatilor comerciale care desfac
marfuri "en gros" şi care mijlocesc relaţiile dintre intreprinderile producatoare de bunuri de
consum şi unitatile comerciale cu amanuntul; depozitele de materiale care realizeaza interfaţă
dintre furnizorii de materiale de constructie şi santierele de constructii; intreprinderile
producatoare: intre centrele care furnizeaza materiile prime şi centrele de consum care primesc
produsul finit. în continuare, se va formula o problema de alocare în care toate resursele trebuie
să treaca prin unul din centrele intermediare.

Formularea problemei: să se repartizeze cele p produse disponibile la furnizorii i în

cantitatile z ik (i = 1,...,m; k = 1,...,p) beneficiarilor j ( j = 1,...,n) al caror necesar este b jk cu
condiţia de a trece prin cele q centre intermediare, astfel incat cheltuielile totale de transport să
fie minime.
Formalizarea problemei: Semnificatia şimbolurilor utilizate:
B k - cantitatea totală din resursa k necesara celor n beneficiar;
C h - cantitatea totală de resurse care va trece prin centrul intermediar h (h=1,...,q);
B j - cantitatea totală de resurse necesara beneficiarului j;
z ik - cantitatea din resursa k, disponibila la furnizorul i;
A i - cantitatea totală de resurse disponibila la furnizorul i;
c ij - intreaga cantitate de resurse expediata de furnizorul i beneficiarului j;
e ih - cantitatea totală de resurse expediata de furnizorul i, care va trece prin centrul
intermediar h;
d kh - cantitatea din resursa k, necesara beneficiarului j;
g ihj - cantitatea totală din resursa primita de beneficiarul j, prin centrul intermediar

75
 h;
a ikh - cantitatea din resursa k, expediata de furnizorul i prin centrul intermediar h;
bihj - cantitatea totală de resurse expediata de furnizorul i beneficiarului j prin
centrul intermediar h;
c ikj - cantitatea din resursa k, expediata beneficiarului j de furnizorul i;
d khj - cantitatea din resursa k, expediata beneficiarului j prin centrul intermediar h;
c ikhj - costul transportului unei unitati fizice din resursa k, expediata de furnizorul
i, beneficiarului j prin centrul intermediar h;
D k - cantitatea totală din resursa k expediata de toţi furnizorii;
x ikhj - cantitatea din resursa k, repartizata beneficiarului j, de la furnizorul i şi care
va fi expediata prin centrul intermediar h.
Observam că o astfel de problema este tetradimenşionala. Ea va fi formalizata în funcţie
de datele disponibile, intr-una din cele trei variante fundamentale: cu patru restrictii axiale (cu
sume şimple), cu sase restrictii planare (sume duble) sau cu patru restrictii spatiale (exprimate
prin sume triple). Se vor presupune cunoscute urmatoarele elemente: c ikhj > 0, a ikh > 0, b ihk > 0
şi implicit, mulţimea furnizorilor, beneficiarilor, resurselor şi a centrelor intermediare.
Restrictiile modelului:
a) Cantitatea din resursa k primita de cei n beneficiari de la furnizorul i prin centrul intermediar h
să fie egala cu cantitatea din resursa k, expediata de furnizorul i prin centrul intermediar h:
n
 x ikhj = a ikh , i = 1,m; k = 1,p; h = 1,q
j=1

b) Cantitatea totală din cele p resurse repartizata beneficiarului j, de la furnizorul i, prin centrul
intermediar h, să fie egala cu cantitatea de resurse expediata de furnizorul i beneficiarului j, prin
centrul h;
p
 x ikhj = b ihj , i = 1,m; h = 1,q; j = 1,n
k=1

c) Cantitatea din resursa k expediata de furnizorul i catre beneficiarul j, prin toate centrele
intermediare, să fie egala cu cantitatea din resursa k, expediata beneficiarului j de furnizorul i;
q

76
  x ikhj = c ikj , i = 1,m; k = 1,p; j = 1,n
h=1

d) Cantitatea din resursa k, expediata de cei m furnizori, beneficiarului j, prin centrul intermediar
h, să fie egala cu cantitatea totală din resursa k, expediata beneficiarului j prin centrul
intermediar h;
m
 x ikhj = d khj , k = 1,p; h = 1,q; j = 1,n
i=1

e) Cantitatile repartizate din resursa k să fie cel puţin nule:

x ikhj  0, i = 1,m; k = 1,p; h = 1,q; j = 1,n

funcţia obiectiv a modelului urmăreşte minimizarea cheltuielilor totale de transport al

resurselor:
m p q n
 min      c ikhj x ikhj
i=1 k=1 h=1 j=1

Termenii liberi trebuie să satisfaca urmatoarele condiţii de echilibru:

 Cantitatea din resursa k expediata de furnizorul i prin toate centrele

intermediare este egala cu cantitatea din resursa k receptionata de toţi beneficiarii de la
furnizorul i, respectiv cu cantitatea disponibila la furnizorul i din resursa k:

q n
 a ikh =  c ikj , i = 1,m; k = 1,p
h=1 j=1

 Cantitatea totală de resurse expediata de furnizorul i prin centrul intermediar h

este egala cu cantitatea receptionata de toţi beneficiarii de la furnizorul i şi cu
cantitatea totală disponibila de resurse furnizorului i:

p q n
 z ik =  e ih =  c ij = A i , i = 1,m;
k=1 h=1 j=1

77
 Suma cantitatilor din resursa k expediata de cei m furnizori este egala cu cantitatea din
resursa k, ce trece prin toate centrele intermediare, respectiv cantitatea din resursa k
receptionata de toţi beneficiarii şi cu intreaga cantitate expediata din resursa k de catre toţi
furnizorii:

m q n
 z ik =  d kh =  b jk = D k , k= 1,p;
i=1 h=1 j=1

 Suma cantitatilor de resurse expediate de toţi furnizorii prin centrul h este egala cu suma
cantitatilor de resurse care trec prin centrul intermediar h, respectiv cu intreaga cantitate
receptionata de beneficiari prin intermediul centrului h şi cantitatea totală de resurse care trece
prin acest centru:

m p n
 e ih =  d kh =  g hj = C h , h = 1,q;
i=1 k=1 j=1

 Cantitatea totală de resurse expediata de furnizori beneficiarului j este egala cu suma

cantitatilor necesare din fiecare resursa beneficiarului j, respectiv cu cantitatea de resurse
primita de beneficiarul j de la toate centrele intermediare şi cu intreaga cantitate de resurse
necesara beneficiarului j:

m p q
 c ij =  b jk =  g hj = B j , j = 1,n;
i=1 k=1 h=1

 Suma cantitatilor de resurse disponibile la furnizori este egala cu suma cantitatilor necesare
din fiecare resursa şi cu suma celor care trec prin centrele intermediare, respectiv cu intreaga
cantitate necesara beneficiarilor:

m p q n
 A i =  Bk =  Ch =  B j
i=1 k=1 h=1 j=1

Observam că şi aceasta problema presupune că resursele sunt independente şi exprimate

în aceleaşi unitati de masura. Atunci când dimenşiunea problemei va fi mare este posibila

78
descompunerea în doua subprobleme: prima va consta în repartizarea resurselor pe centre
intermediare, iar a doua în elaborarea planului de aprovizionare a beneficiarilor cu resurse de la
centrele intermediare.
Problemele de repartitie prezentate surprind doar cateva din şituatiile decizionale care
apar în practica economica. Diverşitatea acestor şituatii conduce, adeseori, la formularea unor
probleme derivate ale celor tratate, limitand posibilitatea rezolvarii lor cu ajutorul metodelor
specifice de tip transport.

3.3.4. Modele de alocare construite cu ajutorul programarii

liniare în numere intregi

Printr-o problema de programare liniară în numere intregi se intelege o problema de

programare liniară în care cel puţin asupra unei parti dintre variabile exista restrictia de a lua
numai valori intregi. în cazul problemelor de alocare a resurselor aceasta metoda va fi utilizata
numai atunci când unitatile de masura ale resurselor nu vor fi divizibile ( ex: număr de personal,
bucati, etc. ) sau variabilele modelelor vor desemna cantitati indivizibile. Atunci când restrictia
de integritate este comuna tuturor variabilelor, problema va fi de programare liniară totală în
numere intregi, iar când se refera doar la o parte dintre acestea, problema va fi de programare
liniară mixta în numere intregi. Un caz particular de astfel de probleme il constituie programarea
booleeana (0,1) în care unele sau toate variabilele pot lua valori binare, fiind şi aceasta totală sau
mixta.
Dintre algoritmii de rezolvare a problemelor liniare în numere intregi, o larga utilizare o
au cei elaborati de Gomory20. Acestia se bazeaza pe adaugarea succeşiva a unor restrictii
suplimentare, care sunt verificate de orice program în numere intregi a problemei iniţiale.
Pentru rezolvarea problemelor de programare liniară în numere intregi booleene exista
algoritmi euristici şi deterministi. Dintre acestia evidentiem algoritmul aditiv al lui Balas 21,
algoritmii de tip "branch and bound" şi algoritmii construiti pe baza teoriei grafurilor.
Exista probleme de repartitie în care corespondentele intre resurse şi obiective sunt
biunivoce, probleme denumite de afectare. Acestea se mai regasesc în literatura de specialitate

20
21

79
sub denumirea de probleme ale numirii în funcţie sau de alegere şi pot fi tratate cu ajutorul
programarii booleene.
Modelul matematic asociat problemei booleene va urmari valorile lui x ij astfel incat să
respecte restrictiile:
n
 x ij  1, i = 1,m unde xij = { 1,0 }
j=1

m
 x ij  1, j = 1,n
i=1
şi să maximizeze (minimizeze) expresia:

m n
 max    a ij x ij unde aij = { 1,0 }
i=1 j=1
m n
 min    t ij x ij
i=1 j=1

unde t ij reprezintă timpul necesar realizarii obiectivului j urmarit.

Dacă se impune condiţia repartizarii biunivoce i -> j, atunci restrictiile vor deveni
egalitati:
n
 x ij = 1, i = 1,m
j=1
m
 x ij = 1, j = 1,n
i=1

Rezolvarea problemei în aceste condiţii presupune că i = j.

Pentru a putea fi utilizat la rezolvarea unei probleme de afectare, un algoritm "branch and
bound" (BB) trebuie să contina urmatoarele reguli:
 reguli pentru ramificarea de la un nod intermediar la alte noduri;
 reguli de determinare a marginii inferioare a funcţiei obiectiv în noduri;
 reguli pentru alegerea unui nod intermediar din care se continua ramificarea;
 reguli de recunoastere a unui nod care contine soluţii neadmişibile sau

80
 neoptimă le;
 reguli de recunoastere a unui nod final care contine o soluţie optimă .

Dacă în structura modelului apar restrictiile de egalitate, iar funcţia obiectiv va fi de

minimizare a timpului maxim de realizare a temelor de catre cercetator:
n
min max  t ij x j
j=1

atunci se va apela la algoritmul elaborat de Ducamp.

APLICATIA PRACTICA 4.2:

O antrepriza de constructii are la dispoziţie cinci tipuri diferite de resurse pe care

urmează să le repartizeze la cinci santiere. Pretul unitar exprimat în unitati monetare (u.m) pe
unitatea de resursa alocata fiecarui santier este dat în tabelul urmator:

Santierul 1 2 3 4 5
Resursa
1 80 20 80 40 70
2 10 20 60 10 60
3 50 70 20 10 40
4 30 40 50 60 80
5 20 20 60 10 50

Se cere să se gaseasca acea varianta de alocare care conduce la cele mai mici cheltuieli
cu alocarea resurselor. Necunoscutele problemei sunt xij reprezentand resursa i care va fi
repartizata santierului j.
Notam cu p ij pretul unitar al resursei i alocata la santierul j. Deci se cere:

min   p ij x ij
i j

 x ij = 1 i,j = 1,5
i

 x ij = 1
j

81
 x ij este variabila booleana.

Vom rezolva aceasta problema cu ajutorul unui algoritm euristic elaborat de Ackoff -
Saşieni 22.
Paşii algoritmului:
Pasul 1. Pentru fiecare rand al tabelului anterior se alege elementul cu valoarea cea mai
mica. Aceasta se scade din valorile tuturor elementelor de pe randul respectiv.
Pasul 2. Obtinem o matrice cu cel puţin un element zero pe fiecare rand şi coloana. Dacă
matricea are doar un element nul pe fiecare rand şi coloana, problema este rezolvata: se aloca
fiecare resursa santierului caruia ii corespunde elementul zero.
Pasul 3. Dacă matricea contine pe linii sau coloane mai mult decat un element nul, se
procedeaza astfel:
a) se taie cu un număr minim de linii coloanele şi randurile care nu au doua sau mai
multe elemente nule astfel incat fiecare zero să fie taiat cel puţin o data.
b) se cauta cel mai mic dintre elementele ramase netaiate, adaugandu-se fiecarui element
existent la intersectia a doua linii şi scazandu-se din elementele netaiate.
c) se repeta cele doua operatii anterioare până când rămâne cate un şingur element nul pe
fiecare rand sau coloana.
Rezolvare:
Pasul 1. Elementele minime pe randuri din tabel sunt: 20, 10, 10, 30, 10. Scazandu-le din
celelalte elemente de pe randurile asociate obtinem (a). Elementele minime pe coloane sunt: 0, 0,
10, 0, 30. Scazandu-le din coloanele matricei (a) obtinem (b):

(a) 1 2 3 4 5
1 60 0 60 20 50
2 0 10 50 0 50
3 40 60 10 0 30
4 0 10 20 30 50
5 10 10 50 0 50
(b) 1 2 3 4 5
1 60 0 50 20 20
2 0 10 40 0 20

22

82
 3 40 60 0 0 0
4 0 10 10 30 20
5 10 10 40 0 20

Pasul 2. Observam că nu se respecta condiţia de oprire a algoritmului.

Pasul 3. Se efectueaza un număr minim de taieturi.
Cea mai mica valoare ramaşa în matrice este 10. Noua matrice va fi:

1 2 3 4 5
1 70 0 50 30 20
2 0 0 30 0 10
3 50 60 0 10 0
4 0 0 0 30 10
5 10 0 30 0 10

Deşi nu avem cate un şingur element nul pe fiecare linie şi coloana este posibila alocarea
astfel: resursa 1 va fi alocata santierului doi, resursa 4 va fi alocat santierului trei. Implicit,
resursa 5 va fi alocata santierului patru, iar resursa 2 santierului unu. în final, resursa 3 rămâne
aşignata santierului cinci. Aceasta soluţie conduce la cheltuieli totale de 20+10+30+50+10 = 120
unitati monetare.

3.3.5. Probleme de alocare cu una sau mai multe resurse

şi un număr mare de solicitanti

Sunt frecvente şituatiile în care numărul solicitantilor dintr-o resursa data este foarte
mare. O astfel de problema poate fi descompusa în doua subprobleme de repartitie, şi anume:
1. Solicitantii sunt grupati tipologic în cateva clase reprezentative astfel incat cei dintr-o
anumita clasa să fie integrati în aceeaşi strategie de alocare. în acest mod, în prima etapa,
problema se reduce la a identifica strategiile de alocare pe clasele de solicitanti. Rezultatul
alocarii va indica cât anume i s-a repartizat fiecarei clase din resursa totală.
2. Urmatoarea etapa consta în reluarea problemei de repartitie din cadrul fiecarei clase în
vederea repartizarii pe fiecare solicitant a resursei alocate în etapa iniţiala pentru clasa
respectiva. Observam că o astfel de problema este laborioaşa, rezultatele alocarii depinzand în
mare masura de acuratetea gruparii în clase a solicitantilor. Sunt prezentate mai jos cateva
metode de grupare tipologica a solicitantilor în funcţie de starea lor economico - financiara (prin

83
solicitant se va intelege, în continuare, o intreprindere). Aceste metode se regasesc frecvent sub
denumirea de metode de recunoastere a şituatiilor economice( de bonitate ).
Presupunem că datorita gradului ridicat de complexitate a problemelor cu care se
confrunta intreprinderile, gruparea (descrierea) acestora se va realiza în patru clase definite cu
ajutorul variabilelor lingvistice: FOARTE BUNA, BUNA, SATISFACATOARE şi CRITICA.
Fiecare variabila va defini, de fapt, clasa de şituatii careia ii apartine o anumita
intreprindere în funcţie de obiectivele urmarite. Dacă se urmăreşte aprecierea bonitatii financiare
a acesteia, atunci contextul va fi definit prin mulţimea indicatorilor de solvabilitate, lichiditate şi
rentabilitate a activităţii economice.
Aprecierea apartenentei unei şituatii amintite mai sus poate fi realizata în doua moduri:
a) se dau "coordonatele" claselor, se calculează gradul de apartenenta a şituatiilor k la
fiecare clasa în parte şi se repartizeaza după o anumita procedura uneia dintre clase;
b) se grupeaza şituatiile analizate în patru clase după caracteristicile acestora fără a se
compara cu coordonatele claselor. în acest caz vom avea cel puţin patru şituatii care urmează
să fie analizate, iar aprecierea lor va fi realizata în funcţie de distantele dintre caracteristici.
Aşadar, în primul caz, aprecierea apartenentei unei şituatii la una dintre cele patru clase
neceşita - în prealabil - delimitarea "performantelor" fiecarei clase în parte. Vom presupune că
numărul criteriilor prin prisma carora analizam o şituaţie data k este n, iar valorile prestabilite ale
acestora în cadrul fiecarei clase j vor fi: c 1io, i =1,m; j =1,4 şi vor constitui elementele vectorului
Cj .
Aceste valori pot fi considerate fie coordonatele clasei j, fie ale unei şituatii
reprezentative din clasa j. Şituaţia k va fi caracterizata de consecinţele c ik , ale celor m criterii pe
care le vom considera elementele vectorului Ck. Analiza apartenentei acestei şituatii la una din
clasele j poate fi abordata determinist cu ajutorul metodelor bazate pe coeficientii de asociere şi
şimilitudine.
Cateva dintre aceste vor fi prezentate şi analizate prin prisma obiectivului propus:
1) Produsul vectorial:
qj 1k = Cj Ck

Acest coeficient exprima numărul de criterii satisfacute.

2) Produsul vectorial cu vectorul complementar:

84
 qj 2k = Cj Ck + Cj Ck
Coeficientul qj 2k exprima numărul total de caracteristici comune cu cele ale clasei
analizate.

3) Coeficientul lui Tanimoto23:

m
 cjio ckt
i=1
qj 3k =
m m m
 c jio +  ck i -  c jio cki
i=1 i=1 i=1

Acest coeficient exprima gradul de asociere cu caracteristicile j.

4) Complementul distantei relaţive Hamming24:

1 m
qj 4k = 1 -  c jio - ck i
m i=1

Acest coeficient normalizat exprima numărul relaţiv total al caracteristicilor comune cu

clasa j.

5) Coeficientul de şimilaritate al lui B. Roy25 ( modificat ):

m
 c jio = ck i
i=1
qj 5k = 1 -
m
m +  c jio ck i
i=1

Coeficientul qj5k exprima gradul de asociere a şituaţiei k cu clasa analizata, cu

evidentierea proprietăţii pozitive a caracteristicii.

23
24
25

85
 6) Coeficientul de şimilitudine al lui M. Stoica26:

 Cj Ck +  Cj Ck
q j
6k =
 Cj Ck +  Cj Ck + d (Cj , Ck)
unde:  = coeficient de importanţă pentru asemanarea caracteristicilor a doua şituatii
care exprima realizarea criteriului;
 = coeficient de importanţă pentru asemanarea caracteristicilor a doua şituatii
care exprima nerealizarea criteriului;
d = distanta dintre caracteristicile şituaţiei k şi ale clasei i care poate fi calculata
ca:
 distanta Hamming absoluta:
m
D (Cj, Ck) =  c jio = ck i
i=1

 distanta Hamming relaţiva:

d (Cj, Ck)
 (Cj, Ck) =
m

 distanta euclidiana absoluta:

m
e (Cj, Ck) =  (c jio - ck i)
i=1

 distanta euclidiana relaţiva:

e (Cj , Ck)
d (Cj, Ck) =
m

Coeficientii  +  satisfac urmatoarele condiţii:

 +  = 1, 0    1, 0    1;

26

86
 De regula,  se alege aproape de 1, iar  aproape de zero.

Modelele de recunoastere a şituatiilor economice prezentate oferă decidentilor informatii

agregate, calitative asupra starii procesului economic analizat. Cu ajutorul lor se poate
diagnostica starea unui sistem economic, dar ele reprezintă doar o etapa preliminara în
elaborarea unor modele procedurale de analiza şi corectie a evolutiei sistemelor economice.
Realizarea unor astfel de modele neceşita un volum mare de informatii pe care algoritmii de
calcul vor trebui să le inglobeze sub forma unor ecuatii şi restrictii matematice.
Separarea acestora de programele de calculator necesare rezolvarii modelelor este
posibila în cadrul unor sisteme expert sau de aşistare a deciziilor.

3.4. Algoritmi euristici de alocare a resurselor

Alocarea euristica consta în repartizarea resurselor pentru fiecare zi din desfasurarea

acţiunii complexe şi fiecarei activităţi componente, în condiţiile urmatoare:
1) sa se respecte disponibilul şi necesarul resurselor alocate;
2) sa se respecte relaţiile de ordine (intercondiţionarile) dintre activităţi;
3) urgentarea maxima a lucrarilor, care este echivalenta cu minimizarea termenului final
de execuţie a proiectului.
In general, etapele de rezolvare a problemelor de alocare a resurselor sunt urmatoarele 3):
a) se rezolva problema ADC-TIMP, construindu-se graful corespunzator acţiunii
complexe considerate şi se calculează termenele şi rezervele de timp ale activităţilor,
determinandu-se drumul critic;
b) se traseaza profilul disponibilului resurselor considerate;
c) incepand cu activităţile care iniţiale (au termenul minim de incepere zero) şi apoi în
ordinea crescatoare a termenelor minime de incepere, se examineaza posibilitatea de
a programa aceste activităţi, astfel incat să nu apara depaşiri ale necesarului faţă de
disponibil, pentru nici o resursa;
d) când se ajunge în şituaţia că la un moment dat apare o astfel de depaşire, se incearca
rezolvarea ei prin operatii de amanare a unora dintre activităţi;

87
 e) operatia de amanare poate fi aplică ta la doua sau mai multe activităţi care incep la
acelaşi termen introducându-se o regula de prioritate care permite să se stabileasca
care anume dintre activităţi se programeaza şi care se amana.
In teoria şi practica ADC se mentioneaza urmatoarele criterii de amanare:
 prioritatea după rezerva totală cea mai mica (se amana activitatea cu rezerva
totală de timp cea mai mare);
 prioritate după durata cea mai mica;
 prioritatea după termenul minim de incepere (se prefera activitatea cu tmi cel
mai mic);
 prioritatea după termenul maxim de incepere (se prefera activitatea cu tMi cel
mai mic);
 prioritatea după termenul maxim de terminare (se prefera activitatea cu tmt cel
mai mic);
 prioritatea după intervalul corespunzator activităţii (se prefera activitatea i cu
tMt - tmt minim).
f) se continua procedeul până când toate activităţile sunt programate, iar toate resursele
alocate nu depasesc disponibilul.
Aceste amanari conduc chiar la depaşirea termenului final al proiectului complex,
calculat în faza ADC-TIMP; în acest caz noţiunea de drum critic sufera o modificare, devenind
echivalentul duratei minime în care poate fi executata o acţiune complexa în limita resurselor
disponibile.
In general, procedeele euristice de rezolvare a problemelor alocarii resurselor stocabile
iau în considerare durate fixe pentru activităţi şi nu admit intreruperea acestora. exista insă şi
procedee care recomanda scurtarea sau lungirea duratelor de execuţie a activităţilor, după nevoie,
prin alocarea suplimentara sau retragerea de resurse, precum şi posibilitatea de a intrerupe unele
activităţi (de regula cele necritice).
In continuare prezentam un algoritm de alocare a resurselor stocabile, precum şi o aplică
tie acestuia:
Algoritm euristic pentru alocarea resurselor stocabile

88
 Algoritmul de alocare a resurselor stocabile utilizeaza că regula de prioritate principala -
rezerva totală de timp cea mai mica, iar că regula secundara de prioritate - incarcarea la
maximum a capacitatilor disponibile.
Ipoteze:
Fie proiectul complex definit de activităţile aij, (i = 1,2,...,n ; j = 1,2,...,m), condiţionarile
intre activităţi, necesarul ri,j,k din resursa k (k = 1,2,...,q ) pentru fiecare activitate aij a proiectului
complex şi disponibilul Dk din fiecare resursa k.

Etapa preliminara
Se rezolva problema ADC-timp, construindu-se graful corespunzator proiectului complex
considerat şi calculand termenele activităţilor, rezervele de timp şi drumul critic.

Etapa de programare efectiva a activităţilor

Ipoteze:
Fie ciclul L al algoritmului ce are că termen de incepere momentul T al execuţiei
proiectului complex. Se introduc notatiile:

Rij* = rezerva totală conventionala pentru activitatea aij având durata dij;
tijMt = termenele maxime de terminare, distincte ale activităţilor;
tij = termenele de incepere distincte, ale activităţilor (se includ termenele minime de
incepere conform calculelor efectuate în graf, precum şi termenele de incepere recalculate în
urma amanarii unor activităţi);
CT = mulţimea activităţilor cândidate a se programa la momentul T;
ET = mulţimea activităţilor în curs de execuţie la momentul T;
AT = mulţimea activităţilor amanate de la momentul T;
PT = mulţimea activităţilor programate a se executa la momentul T;
fL = durata minima de amanare a activităţilor din AT (durata ciclului T );
ST,k = stocurile din resursele k existente la sfarşitul ciclului L (la momentul
T );
ST+fL,k = stocurile din resursele k existente la sfarşitul ciclului L (la momentul T+eL );
NC = necesarul cumulat al activităţilor programate sau amanate la momentul T.

89
 Pasul 1. Se determina mulţimile CT şi ET ( pentru ciclul 1, T = 0, ET = 0 ); astfel: ET = {
aij / aij  ( ET - fL-1  PT - fL-1 ), tij + dij  T )}. CT = { aij / tij = T }.
Pasul 2. Se calculează: Rij* = tijMt - tij - dij.
Se ordoneaza activităţile din CT în sensul crescator al rezervei de timp Rij*. Dacă exista
mai multe activităţi aij  CT pentru care Rij* = Rminij se alege, dintre ele, activitatea aminij pentru
care rminij,k = min [ rij,k ] pentru () k.
Pasul 3. Consta în determinarea necesarului cumulat, pentru activităţile din ET, în modul
urmator:

NCk,T =  rij,k pentru () k. (1)

aij  ET

Pasul 4. Se actualizeaza necesarul cumulat NCk,T calculat cu formula (1) conform

indicatiilor ce urmează :
Fie aminij  CT , activitatea cu rezerva de timp cea mai mare şi rij,k necesarul din ()
resursa k, corespunzator activităţilor aminij.
Dacă se respecta restrictia:

NCk,T  Dk,T pentru () k. (2)

activitatea aminij se programeaza la momentul T ( min aminij  PT ).

Necesarul cumulat actualizat ( NCk,T ) la momentul T va fi:

NT = NCk,T + rij,k pentru () k. (3)

Dacă restrictia (2) nu se respecta, pentru cel puţin o resursa k, atunci aminij este cândidata
pentru a fi amanata ( aij  AT ).
Nivelul cumulat la momentul T devine:

NCk,T = NCk,T - rij,k pentru () k. (3’)

90
 Se analizeaza în acelaşi mod activitatea cu rezerva de timp în valoare relaţiva imediat
superioara (devenita aminij ); procesul continuandu-se până când se epuizeaza toate activităţile din
CT.
In continuare, se mai calculează durata ciclului curent L astfel:

fL = min [( tij + dij - T ); aij  ( ET  PT), dij  0 ].

Dacă AT ={0}, algoritmul se continua cu pasul 8.

Pasul 5. Se analizeaza stocurile din resursele k existente la momentul T.
Dacă ST,k = 0 pentru cel puţin o resursa k, atunci se amana toate activităţile din AT şi
algoritmul se continua cu pasul 8.
Dacă ST,k  0 pentru () k, se selecteaza amij care are rezerva totală conventionala cea mai
mica, dintre toate activităţile mulţimii AT.
Pasul 6. Pentru amij  AT, se calculează necesarul actualizat r’m,k şi intenşitatea Ik, utilizand
formulele:

r’m,k = rm,k - NT,k = Dk,T -  rij,k pentru () k şi aij  ET  PT

ST,k , Dacă fL > dmij

dmij
Ik = pentru () k
ST,k , Dacă fL < dmij
fL
Pasul 7. A) Dacă:
Ik > r’m,k pentru () k (4)

sunt posibile doua şituatii:

a) fL > dmij , atunci amij se programeaza ( aij  PT ), iar fL şi NIVk,T devin:

fL = dij ;

NIVk,T = NIVk,T + rm,k pentru () k ; (5)

algoritmul se continua cu pasul 8.

b) fL < dmij ; au loc urmatoarele operatii:

91
 Se actualizeaza NIVk,T conform relaţiei (5), iar stocurile ST + fL,k vor fi:

ST + fL,k = ST,k + DISPh * fL - NIVk,T * fL pentru () k

şi pentru aij  ET U PT U amij. (6)

Se determina mulţimea ET + fL U dmij şi durata minima (DIF) pe parcursul careia exista

depaşire de disponibil în ciclul urmator:
DIF = min [( tij + dij - fL - T ), aij  ET + fL U amij ].
Pentru aij  ET + fL U dmij, se calculează necesarul cumulat (NIV’k,T + fL ), pentru ()
resursa k, conform relaţiei (1).
Se analizeaza restrictia:
NIV’k,T + fL * DIV < ST + fL,k + DISPK * DIF pentru () k. (7)

1. Dacă relaţia (7) se respecta, atunci amij se programeaza ( amij  PT );

algoritmul se continua cu pasul 9.
2. Dacă relaţia (7) nu se respecta pentru cel puţin o resursa k, atunci amij
se amana ( amij  AT ); NIVk,T se recalculează cu formula (3), iar stocurile din resursele k se refac
la nivelul iniţial de la momentul T;

ST,k = ST + fL,k + r’m,k * fL , pentru () k. (8)

Pentru şituaţia 2., algoritmul se reia de la pasul 6 analizandu-se activitatea din mulţimea
AT ( devenita amij ) cu rezerva totală conventionala de timp imediat mai mare.
*) Dacă:
Ik < r’m,k pentru cel puţin o resursa k, atunci amij se amana (amij  AT ). Algoritmul se reia de
la pasul 6 pentru activitatea din mulţimea AT (devenita amij ) cu rezerva conventionala de timp
imediat mai mare.
Pasul 8. Se determina stocurile ST + fL,k pentru () k şi pentru
aij  ET U PT, cu formula (7).
Pasul 9. Dacă AT = {0} se trece la ciclul urmator L + 1. în caz contrar se recalculează
timpii de incepere pentru aij  AT în felul urmator:

92
 Taij = Tl + fL

Operatia urmatoare consta în recalcularea termenelor de incepere ( tai,j ) a acelor activităţi

( aai,j ) care se vor amana datorita amanarii unor activităţi care le condiţioneaza ( aai,j  AT ):

tai,j = max [ tai,j + daij ].

Pasul 10. Se reia algoritmul de la pasul 1, continuandu-se programarea tuturor

activităţilor, până când mulţimile CT, ET şi PT devin vide.

3.5. Abordarea decizională a problemei resurselor unui proiect

Tehnicile conventionale de alocare a resurselor opereaza, de regula, cu una sau mai multe
resurse. Nu acelaşi lucru se intampla cu metodele de nivelare a resurselor, intrucat modelele
cunoscute propun aplatisarea profilului pentru o şingura resursa. Un prim proces decizional apare
în stabilirea resursei “esentiale” pentru proiectul considerat, pe baza unor criterii economice
fundamentate de specialistii proiectului. Pot fi utilizate metodele decizionale de grup sau cele
multicriteriale.
In cazul în care se doreste nivelarea mai multor resurse simultan, se pune problema: care
va fi profilul optim ce se va lua în considerare ?
Raspunsul va fi dat în urma analizei multitudinii de profile optime rezultate în urma
aplică rii algoritmilor de nivelare pentru fiecare resursa considerata, dintr-o perspectiva
multicriteriala a problemei.
Exista o şingura cale operationala: - atribuirea unor utilităţi fiecarei resurse şi construirea
unei nivelari corespunzatoare cu acea diagrama care minimizeaza suma utilităţilor
corespunzatoare fiecarei diagrame a resurselor considerate.
Procesul decizional intervine în nivelarea resurselor şi în momentul stabilirii obiectivului
(criteriului) uniformizarii profilului necesarului:

93
 minimizarea sumei variatiilor absolute din profil;
 minimizarea valorii maxime;
 minimizarea variatiei maxime.
in funcţie de dezideratele conducatorilor proiectului.

CAPITOLUL V

MODELE DE PROGRAMARE LINIARĂ

5.1. Formele problemei de programare liniară

1. FORMA GENERALĂ
Se spune că o problemă de programare liniară este prezentată sub forma generală, dacă
este scrisă astfel:
[opt] f = c1 x 1 + c2 x 2 + … + cn x n
ai 1 x 1 + ai 2 x 2 + … + ai n x n ≤ bi , 1≤i≤k
ai 1 x 1 + ai 2 x 2 + … + ai n x n = bi , k+1≤i≤l
ai 1 x 1 + ai 2 x 2 + … + ai n x n ≤ bi , l+1≤i≤m

xj ≥ 0, 1≤ j ≤ p
xj ≤ 0, p+1≤j≤q
xj oarecare, q + 1 ≤ j ≤ n

O problemă de programare liniară este dată sub forma generală dacă, indiferent de
funcţia obiectiv şi de scopul optimizării, aceasta are restricţii de toate felurile şi variabile de toate
semnele.

2. FORMA STANDARD
O problemă de programare liniară este prezentată sub forma standard dacă este scrisă
desfaşurat astfel:

94
 n
[opt] f = Σ cj xj
j=1
n
Σ aij xj = bj , 1 ≤ i ≤ m
j=1
xj ≥ 0 , 1 ≤ j ≤ n
sau matriceal: [opt] f = cx

Ax = b
x≥0,

unde A aparţine Mm,1 (R), c aparţine M1,n (R), şi x aparţine Mn,1 (R).
În cazul formei standard toate restricţiile sunt egalităţi şi toate variabilele sunt nenegative.
Un caz particular remarcabil al formei standard îl constituie aşa numita “formă standard
de lucru”. Aceasta presupune că b ≥ 0 şi că în matricea A există o matrice unitate de ordin egal
rangului lui A. Această formă particulară stă la baza metodologiei de soluţionare a problemelor
de programare liniară.

3. FORMA CANONICĂ
O problemă de programare liniară este prezentata sub forma canonică dacă este scrisă sub
forma:
n
[max] f = Σ cj xj
j=1

n
Σ aij xj ≤ bj , 1 ≤ i ≤ m
j=1
xj ≥ 0 , 1 ≤ j ≤ n

în cazul unei probleme de maximizare sau sub forma:

n
[min] f = Σ cj xj
j=1

n
Σ aij xj ≥ bj , 1 ≤ i ≤ m

95
 j=1
xj ≥ 0 , 1 ≤ j ≤ n
în cazul unei probleme de minimizare, ceea ce matriceal înseamnă:

[max] f = cx [min] f = cx

Ax = b Ax = b
x≥0 sau x≥0

Orice problemă de minimizare poate fi transformată într-o problemă de maximizare:

[min] f = - [max] f

4. TRECEREA DE LA FORMA GENERALA LA FORMA STANDARD

Având în vedere că cele două forme de prezentare, procedura de trecere comportă două
etape şi anume:
1. Pozitivitatea variabilelor problemei, care se obţine printr-o schimbare de variabilă sau
transformare liniară şi anume:

yj , yj ≥ 0, dacă xj ≥ 0
xj = - yj , yj ≥ 0, dacă xj ≤ 0
yj - yj + 1 , yj ≤ 0, yj +1 ≥ 0, dacă xj are semn oarecare

2. Transformarea inegalităţilor în egalităţi, care se face prin introducerea unor variabile

de compensare (de egalizare sau de ecart) nenegative, prin adunarea la membrul cel mic al
fiecărei inegalitaţi, astfel că:
n n
a) dacă Σ aij xj ≤ bj , atunci avem Σ aij xj + yi = bi , yi ≥ 0
j=1 j=1
n n
b) dacă Σ aij xj ≥ bj , atunci avem Σ aij xj - yi = bi , yi ≥ 0
j=1 j=1
Nu există nici o legătură între variabilele de la transformarea de semn şi cele de
compensare. Pot fi aceleaşi litere sau nu, dar cu alţi indici.Variabilele de compensare intră în
funcţia obiectiv cu coeficienţii zero.

5. TRECEREA DE LA FORMA GENERALĂ LA FORMA STANDARD

96
 Deoarece în ambele forme de prezentare variabilele sunt nenegative, trecerea de la forma
canonică la forma standard înseamnă transformarea inecuaţiilor în ecuaţii prin introducerea
variabilelor de compensare că şi în cazul precedent.

6. TRECEREA DE LA FORMA GENERALĂ LA FORMA CANONICĂ

Având în vedere cele două forme de prezentare, procedura de trecere comportă două
etape şi anume:
1. pozitivitatea variabilelor problemei, care se realizeaza că în cazul trecerii de la forma
generală la forma standard.
2. transformarea tuturor restricţiilor în inegalităţi de acelaşi sens, operaţiune care are la baza
următoarele echivalente:

a) a ≤ b dacă şi numai dacă (-a) ≥ (-b);

a ≤b
b) a = b dacă şi numai dacă a≥ b

Acestea permit astfel schimbarea sensului unor inegalităţi prin înmulţirea acestora cu (-1)
precum şi înlocuirea unei egalităţi prin două inegalităţi de sens opus (sau de acelaşi sens după
înmulţirea uneia dintre ele cu (-1)).

5.2. Rezolvarea unei probleme de programare liniară cu ajutorul algoritmului ŞIMPLEX

Denumirea algoritmului este legata de faptul că un poliedru convex se mai numeşte şi

şimplex. Având în vedere că soluţiile optime ale unei probleme de programare liniară se află
printre vârfurile poliedrului convex (sau şimplexului) al soluţiilor posibile Xp, scopul metodei
ŞIMPLEX este de a alege soluţia optimă pornind de la un vârf (sau de la o soluţie de bază)
oarecare şi trecând apoi la un alt vârf care să fie o soluţie mai bună decât precedenta. Se evită
astfel enumerarea şi evaluarea tuturor soluţiilor de bază.
Algoritmul şimplex va lua sfârşit în două şituaţii şi anume atunci când:
1. s-a ajuns la cea mai bună soluţie, constatându-se dacă problema are optim unic sau optim
multiplu.

97
2. nu se poate ajunge la cea mai bună soluţie (pentru că nu există) şi se ia decizia că problema
nu are optim finit.
Pentru o expunere teoretică mai clară, vom presupune problema de programare liniară
sub forma standard şi matricea A conţinând baza B = {a1, …, am} = baza canonică. Se porneşte
în calcule cu soluţia de bază XB = b (coloana termenilor liberi).
Aplicarea algoritmului şimplex se face în cadrul unui tabel, numit tabelul şimplex, în
etape numite iteraţii, tabel de forma:
Tabelul nr. 5.1
Iteratie, dacă problema este de maxim.
XB c1 … ci … cm cm+1 … cj … cn
1. baza CB
a1 … aj … aj am+1 … aj … an Ө

a1 c1 x1 1… 0… 0 a1,m+1 … a1,j … a1,n

. . . .
. . _ .
ai ci xi 0… 1… 0 ai,m+1 … ai,j … ai,n
. . . .
. . _ .
aj cm xm 0… 0… 1 am,m+1…ai,mj…am,n

f0 f1 … fi … fm fm+1 … fj … fn

Δj = cj-fj 0… 0… 0 cm+1-fm+1 cj-fj… cn-fn

ETAPELE ALGORITMULUI ŞIMPLEX

Pasul 1. Ne aşigurăm că problema să aibă forma standard.

Pasul 2. Ne aşigurăm că matricea A să conţină baza canonică pentru a lua soluţia de bază iniţială
vectorul b. Scriem funcţia de eficienţă care să cuprindă şi variabilele introduse pentru
compensare sau pentru existenţa bazei canonice.
Pasul 3. Completăm prima iteraţie a tabelului ŞIMPLEX şi testăm optimă litatea soluţiei,
cercetând semnele diferenţelor Δj = cj - fj (pentru maxim).
Distingem şituaţiile: _
a) Δj ≤ 0, oricare ar fi j = 1,n ; rezultă X este soluţie optimă şi algoritmul ia sfârşit;
b) Dacă există Δj > 0, soluţia cercetată nu este optimă; se poate construi o soluţie îmbunătăţită.
Pasul 4. Îmbunătăţirea soluţiei se face astfel:

98
a. aplicăm criteriul de intrare în baza:
dacă Δj = cj - fj = max(ch – fh), intră în noua bază vectorul aj;
Δh>0
b. criteriul de ieşire din bază: dacă
_ _
Xi xk
Ө = = min , cu k = 1,m, iese din bază vectorul ai .
aij akj > 0 akj

Elementul aij > 0 este pivotul.

Pasul 5. Completăm o nouă iteraţie a tabelului ŞIMPLEX astfel:

a. coloana bazei, în locul lui ai scriem aj;
b. coloana CB, cu coeficienţii lui f corespunzători vectorilor bazei;
c. coloanele vectorilor bazei, că vectori unitari;
d. linia vectorului intrat aj; se obţine prin împărţirea la pivot a liniei vectorului eliminat ai.
e. restul elementelor din tabel se determină cu regula dreptunghiului care ar putea fi enunţată
astfel: elementul ce trebuie înlocuit se înmulţeşte cu pivotul; ele determină o diagonală într-un
dreptunghi; din produsul lor se scade produsul elementelor ce determină cealaltă diagonală a
dreptunghiului şi toată diferenţa se împarte la pivot.
Paşii 3, 4, 5 se repetă până când este satisfacut criteriul de optim.

Dacă problema este de minim algoritmul se aplică la fel, cu deosebirea că Δj = fj - cj,

j = 1,n.

aplică ţie

Să se determine:
[max]f(x) = 3x1 + 5x2 + 2x3 + x4

x1 + 2x2 + 3x3 + x4 = 20
4x1 + x2 + x3 ≤ 16

Xj ≥ 0,j = 1,4.

Rezolvare

99
 Aducem problema la forma standard adunând în restricţia a doua, în membrul stâng,
variabila de compensare x5 ≥ 0. Obţinem:
x1 + 2x2 + 3x3 + x4 = 20
4x1 + x2 + x3 + x5 = 16

Xj ≥ 0, j = 1,5.

[max]f(x) = 3x1 + 5x2 + 2x3 + x4 + 0 * x5

Matricea sistemului de restricţii obţinut este:

a1 a2 a3 a4 a5

1 2 3 1 0
A= şi conţine baza canonică B = {a4, a5}.
4 1 1 0 1

Vectorii: CT = (3, 5, 2, 1, 0); XT = (x1, ..., x5), cu XBT = (x4, x5) ; XST = (x1, x2, x3) = (0, 0, 0);
b = (20, 16). Şi cum B e baza canonică, rezultă că XBT = b, adică
XBT = (20,16) .
Se formează tabelul ŞIMPLEX şi se completează prima iteraţie:

3 5 2 1 0
B CB XB Ө
a1 a2 a3 a4 a5
a4 1 20 1 2 3 1 0 20:2
a5 0 16 4 1 1 0 1 16:1
fj 20 1 2 3 1 0
Δj = c j- fj 2 3 -1 0 0
a2 5 10 1/2 1 3/2 1/2 0 10:1/2

a5 0 6 7/2 0 -1/2 -1/2 1 6:7/2

fj 50 5/2 5 15/2 5/2 0
Δj = cj - fj 1/2 0 -11/2 -3/2 0
a2 5 64/7 0 1 11/7 4/7 -1/7
a1 3 12/7 1 0 -1/7 -1/7 2/7
fj 356/7 3 5 52/7 17/7 1/7

100
 Δj = cj - fj 0 0 -38/7 -8/7 -1/7

Cea mai mare diferenţă Δj > 0 este Δ2, sub coloana a2; a2 va intra în baza din următoarea
iteraţie. Cel mai mic raport Ө = 20 : 2 = 10 corespunde lui a4 din B, deci a4 va ieşi din bază.
Elementul a12 = 2 este pivotul şi îl încadrăm.
În această iteraţie soluţia posibilă de bază este X1 = (0, 0, 0, 20, 16), f(X1) = f0 = 20, dar
această soluţie nu este optimă.
Completăm următoarea iteraţie cu indicaţiile de la pasul 5 şi obţinem o nouă soluţie
posibilă de bază X2 = (0, 10, 0, 0, 6), f(C) = f0 = 50.
X2 este mai bună că X1 deoarece f(X2) > f(X1), dar nici X2 nu este optimă pentru că nu
există Δ1 = 1/2 > 0, deci algoritmul continuă cu intrarea în bază a lui a1 în locul lui a5, pe linia
căruia Ө ia cea mai mică valoare.
Pivot este a21 = 7/2 şi aplicând operaţiile de la pasul 5 trecem la următoarea iteraţie în
care găşim soluţia posibilă de bază T.
X3 = (12/7, 64/7, 0, 0, 0), f(X3) = f0 = 356/7, care este soluţie optimă pentru că Δj ≤ 0,
oricare ar fi j = 1,5; deci [max]f(x) = 356/7.

Observaţii la aplică rea algoritmului ŞIMPLEX

1. xi
f(Y) – f(X) = (cj – fj), unde:
aij

f(Y) = f(X) + Ө * Δj,

xi
cu Ө = , Δj = cj - fj ; aleşi prin criteriile de eliminare din bază, respectiv
aij
introducere în bază.
S-a obţinut o relaţie de recurenţă între valorile funcţiei de eficienţă în două iteraţii
succeşive.
2. Diferenţele Δj sunt nule sub vectorii bazei deoarece pentru aceştia fj = cj.
3. Dacă ak şi ah nu aparţin lui B, dar Δk = max Δj, pentru a decide ce vector intră
Δj>0
în bază comparăm ck şi ch. Dacă problema este de maxim şi ck < ch va intra în bază ah; dacă
este de minim, va intra ak.

101
4. Dacă în etapa de optim există Δj = 0 şi aj nu aparţine lui B, putem continua algoritmul cu
introducerea în bază a lui aj.

Dar f(Y) = f(X), deci noua soluţie Y este tot optimă. Şi dacă problema are două soluţii optime va
avea o infinitate de soluţii optime.

Exemplu
[max]f(x) = 20x1 + 14x2

-2x1 + 3x2 ≤ 24
5x1 - 2x2 ≤ 50
10x1 + 7x2 ≤ 140

x1, x2 ≥ 0
Rezolvare
Aducem problema la forma standard.

-2x1 + 3x2 + x3 = 24
5x1 - 2x2 + x4 = 50
10x1 + 7x2 + x5 =140

xj ≥ 0, j = 1,5

a1 a2 a3 a4 a5
-2 3 1 0 0
A = 5 -2 0 1 0
10 7 0 0 1

are baza canonică B ={a3, a4, a5}

[max]f(x) = 20x1 + 14x2 + 0*(x3 + x4 + x5).

Sunt îndeplinite condiţiile de trecere la tabelul ŞIMPLEX:

20 14 0 0 0 Ө

102
 B CB XB a1 a2 a3 a4 a5
a3 0 24 -2 3 1 0 0 -
a4 0 50 5 -2 0 1 0 10
a5 0 140 10 7 0 0 1 14
fj 0 0 0 0 0 0

Δj = cj-fj 20 14 0 0 0
a3 0 44 0 11/5 1 2/5 0 44:11/5
a1 20 10 1 -2/5 0 1/5 0 -
a5 0 40 0 11 0 -2 1 40:11
fj 200 20 -8 0 4 0

Δj 0 22 0 -4 0
a3 36:4/5
0 36 0 0 1 4/5 -1/5
a1 126/11:7
20 126/11 1 0 0 7/55 2/55
a2 /55
14 40/11 0 1 0 -2/11 1/11
-
fj 280 20 14 0 0 2

Δj 0 0 0 0 -2
a4 0 45 0 0 5/4 1 -1/4
a1 20 63/11 1 0 -7/44 0 3/44
a2 14 130/11 0 1 10/44 0 2/44
fj 280 20 14 0 0 2

Δj 0 0 0 0 -2

În iteraţia a treia am găşit soluţia optimă cu [max]f(x) = 280 pentru x1 =126/11şi x2 =

40/11, adică x1 = (126/11, 40/11).
Dar Δ4 = 0 deşi a4 nu aparţine lui B, am efectuat încă o iteraţie în tabel şi am găşit o altă
soluţie optimă:
x2 = (63/11, 130/11).
Atunci, orice combinaţie liniară convexă de x1 şi x2 este soluţie optimă, adică X = λX1 +
(1- λ)X2, cu 0 ≤ λ ≤ 1 este soluţie optimă şi deci problema dată are o infinitate de soluţii optime.
5. Dacă vectorul aj trebuie să intre în bază, dar toate componentele lui akj ≤ 0,
k = 1,m atunci problema nu are optim finit.

103
6. Există şituaţii în care, peste soluţii diferite, funcţia de eficienţă f ia aceeaşi valoare, ajungând
după un număr de paşi la repetarea unei soluţii. Continuarea algoritmului devine inutilă,
deoarece apare fenomenul de ciclaj. Repetarea valorii lui f poate avea loc dacă Δj = 0 sau Ө = 0.
în prima şituaţie problema are o infinitate de soluţii optime. Cazul Ө = 0 apare doar dacă în
tabelul asupra căruia facem consideraţiile avem o soluţie degenerată, valorii nule din coloana XB
corespunzându-i o valoare pozitivă în coloana vectorului ce urmează a fi introdus în bază.
Condiţia degenerării este doar necesară pentru ciclaj. Va trebui să examinăm şituaţiile în
care apare degenerarea şi modalitatea de a lucra în continuare cu algoritmul şimplex.
Presupunem că în aplică rea criteriului de eliminare din bază, când ştim că aj va fi
vectorul ce va fi introdus, raportul:

k xp xq
Ө = min = =
akj > 0 akj apj aqj
1≤ k≤m

Dacă am alege eliminarea lui ap, a doua relaţie ar da:

xp
yq = xq aqj = 0, deci soluţie degenerată ce conduce la ciclaj.
apj

Pentru a evita ciclajul căutăm un criteriu de a alege dintre ap şi aq vectorul ce urmează a

fi înlocuit de aj. Acest criteriu este dat de metoda perturbaţiilor stabilită de Charnes, conform
căreia va ieşi din bază ap sau aq după cum este mai mic raportul:

xp + ap1ε + ap2ε² + … + apn εn

apj sau

xq + aq1ε + aq2ε² + … + aqn εn , unde ε > 0, arbitrar de mic.

aqj

Aplicarea metodei constă în următoarele calcule: se formează şiruri de rapoarte:

xp , ap1 , … , ap1
apj apj apj şi

104
 xq , aq1 , … , aq1
aqj aqj aqj

Dintre rapoartele de mai sus va fi cel mai mic acela pentru care în şiruri vom obţine mai
curând o valoare algebrică minimă. Rapoartele nu pot fi respectiv egale deoarece în caz contrar
proporţionalitatea a două linii din matricea A implică rang A < m, ceea ce contrazice ipoteza în
care lucrăm.

Exemplu
O problemă în care se cere minimizarea funcţiei de eficienţă a condus la următoarea iteraţie din
tabelul ŞIMPLEX:

B XB a1 a2 a3 a4 a5 a6 Ө
a6 7 3 4 1 0 0 1 7:3
a4 2 1 3 -1 1 0 0 2:1
a5 4 2 -1 1 0 1 0 4:2
Δj = cj - fj 6 3 -5 0 0 0

Cea mai mică valoare a lui Ө este 2 şi corespunde vectorilor a4 respectiv a5 din bază.
Unul dintre aceştia trebuie eliminat şi a1 trebuie introdus în bază.
Formăm şirurile de rapoarte pentru a4 respectiv a5:

2 , 1 , 3 , -1 ,...

1 1 1 1

4 , 2 , 1 , 1 ,...

2 2 2 2
Comparăm rapoartele de acelaşi ordin din cele două şiruri şi observăm că primul raport
mai mic este -1/2 apărut pe linia lui a5 (comparat cu valoarea 3/1 corespunzătoare lui a4), deci
a5 va fi eliminat. În rest calculele sunt conforme cu algoritmul ŞIMPLEX.

105
7. Dacă în matricea A nu există m vectori unitari care să formeze o bază iniţială vom recurge la
aşa numita metodă a bazei artificiale sau metoda penalizării.
Presupunem că matricea A nu conţine nici un vector unitar de ordinal m. Atunci, se
adaugă la fiecare restricţie i o variabilă yi ≥ 0 numită variabilă artificială şi se obţine vectorul Y
= (yi, ..., ym) .
Problema dată de (7), (8), (9) va deveni: AX + ImY = b
X ≥ 0, Y ≥ 0; Im – matricea unitate de ordinul m, cu modificarea funcţiei obiectiv prin metoda
penalizării:
[max]f = CX – MY sau [min]f = CX + MY,
unde M = (M,..., M) aparţine lui R, cu M > 0, oricât de mare, fapt ce aşigură eliminarea
vectorilor artificiali din bază.
Vectorii corespunzători variabilelor artificiale îi vom nota respectiv cu αi, i = 1,m , şi îi
vom numi vectori artificiali. Vectorii artificiali formează o bază iniţială canonică pe care o vom
numi bază artificială.
Dacă problema iniţială admite soluţie optimă, atunci ea este optimă şi pentru problema
extinsă, iar variabilele artificiale yi sunt nule, oricare ar fi i = 1,m.
Dacă matricea A are r vectori unitari atunci va fi nevoie doar de m – r vectori artificiali
pentru a obţine baza iniţială în aplică rea algoritmului ŞIMPLEX.
Un vector artificial ce iese din bază într-o iteraţie nu se va mai întoarce niciodată în bază;
componentele lui în următoarele iteraţii nu se mai calculează.
Aplicarea algoritmului ŞIMPLEX poate conduce la una din şituaţiile:
1. testul de optimă litate este îndeplinit şi în bază nu se află vectori artificiali. Atunci s-a obţinut
soluţia optimă şi pentru problema iniţială;
2. testul de optimă litate este îndeplinit, în bază se află vectori artificiali, iar variabilele artificiale
corespunzătoare acestora au valoarea 0. În acest caz soluţia optimă a problemei iniţiale este
degenerată;
3. testul de optimă litate este îndeplinit, în bază se află vectori artificiali şi cel puţin o variabilă
artificială este nenulă. În acest caz problema iniţială nu are soluţie.
Între soluţiile problemei iniţiale şi cele ale problemei extinse (ce conţine variabilele
artificiale) există unele legături date de următoarele rezultate:

106
a) problema iniţială are cel puţin o soluţie posibilă dacă şi numai dacă cea extinsă are o soluţie
optimă cu toate variabilele artificiale egale cu 0. Valorile optime ale celor două probleme
coincid;
b) dacă problema extinsă are optim infinit, atunci cea iniţială nu are soluţii posibile sau are optim
infinit.
Exemplu
Să se rezolve problema de programare liniară şi apoi să se explice rezultatul:

[max]f(x) = 3x1 + 4x2 + x3

5x1 - x2 + 2x3 ≤ 7
x1 + 2x2 - x3 ≥ 4
3x1 + 2x2 + 4x3 = 2

xj ≥ 0, j = 1,3
Rezolvare
Aducem problema la forma standard:
5x1 - x2 + 2x3 + x4 = 7
x1 + 2x2 - x3 – x5 = 4
3x1 + 2x2 + 4x3 = 2

xj ≥ 0, j = 1,5
Matricea asociată formei standard este:

a1 a2 a3 a4 a5
5 -1 2 1 0
A= 0 2 -1 0 -1
3 2 4 0 0

A conţine un şingur vector unitar, a4 şi pentru formarea matricei unitate se impune

foloşirea vectorilor artificiali α1 = (0,1,0) şi α2 = (0,0,1) ce vor fi generaţi de adunarea la a doua
şi a treia restricţie a variabilelor artificiale y1 respectiv y2, a căror valoare este egală cu 0 pentru
a rămâne problema la forma standard. Astfel problema dată se extinde la:
[max]f(x) = 3x1 + 4x2 + x3 + 0(x4 + x5) – M(y1 + y2), M > 0, M ∞

5x1 - x2 + 2x3 + x4 = 7
x1 + 2x2 - x3 – x5 + y1 = 4
3x1 + 2x2 + 4x3 + y2 = 2

107
 x1,..., x5, y1, y2 ≥ 0
Matricea problemei extinse va fi:

a1 a2 a3 a4 a5 α1 α2
5 -1 2 1 0 0 0
A= 1 2 -1 0 -1 1 0
3 2 4 0 0 0 1

şi conţine baza canonică B = { a4, α1, α2 } - bază artificială.

Aplicăm algoritmul ŞIMPLEX:

3 4 1 0 0 -M -M
B CB XB Ө
a1 a2 a3 a4 a5 α1 α2
a4 0 7 5 -1 2 1 0 0 0 -
α1 -M 4 1 2 -1 0 -1 1 0 4:2
α2 -M 2 3 2 4 0 0 0 1 2:2
fj -6M -4M -4M -3M 0 M -M -M

Δj = cj - fj 3+4M 4+4M 1+3M 0 -M 0 0

a4 0 8 13/2 0 4 1 0 0 |
α1 -M 2 -2 0 -5 0 -1 1 |
a2 4 1 3/2 1 2 0 0 0 |
fj 4-2M 2M+6 4 5M+8 0 M -M

Δj = cj - fj -2M-3 0 -5M-7 0 –M 0

În ultima iteraţie toate diferenţele Δj ≤ 0, deci criteriul de optim este satisfăcut. Dar
ultima bază este formată din {a4, α1, a2}, deci conţine un vector artificial, iar variabila artificială
corespunzătoare y1 = 2, ceea ce este inadmişibil pentru că y1 a fost introdus cu condiţia să aibă
valoarea zero.
Această problemă nu are soluţii.

5.3. Algoritmul ŞIMPLEX DUAL

108
FORMULAREA PROBLEMEI
[max] f = cx
n
[max] f = Σ cjxj
j=1

Ax = b n
x≥0 sau Σ aij xj ≤ bj , 1 ≤ i ≤ m
j=1
xj ≥ 0

Se spune că vectorul x este soluţie posibilă sau realizabilă a problemei, dacă îndeplineşte
condiţiile: xj ≥ 0; Ax = b.
Vectorul xº este soluţie optimă a problemei dacă îndeplineşte condiţiile: xº ≥ 0; Axº =
b; fmax = f(xº).
În practică, aplicând algoritmul ŞIMPLEX, se constată că xº este soluţie optimă dacă sunt
îndeplinite condiţiile: xº ≥ 0; ΔjB = c B-1 aj – cj ≤ 0.
Se spune că vectorul x este soluţie dual posibilă dacă sunt îndeplinite condiţiile de optim
(ΔjB = c B-1 aj ≤ 0, pentru maxim sau ΔjB = c B-1 aj – cj ≤ 0 pentru minim), dar soluţia nu are
toate componentele nenegative.
Există diferite şituaţii practice din care se poate ajunge la soluţii dual posibile. Algoritmul
ŞIMPLEX DUAL urmăreşte să găsească soluţia optimă pornind de la o soluţie dual posibilă.
Fiind dată o soluţie dual posibilă se spune că aceasta este dual posibilă de bază, dacă
vectorii corespunzători componentelor nenule ale acesteia sunt liniar independenţi.
Ca şi în cazul algoritmului ŞIMPLEX, pentru algoritmul ŞIMPLEX DUAL vom distinge
clasele de:
1. probleme care au soluţii dual posibile de bază;
2. probleme care nu au soluţii dual posibile de bază.

Probleme cu soluţii dual posibile de bază

Să presupunem că problema de mai sus are o soluţie dual posibilă de bază şi fără a
diminua generalitatea problemei să admitem că aceasta corespunde chiar primelor m < n coloane
ale lui A adică avem:

109
 [max] f = cB xB + cS xS

BxB + SxS = b

x≥0

constatând că pentru xS = 0 rezultă xB = B-1 b ≥ 0 în condiţiile în care Δj ≤ 0 pentru toţi 1 ≤ j ≤ n.

Exemplu: Pentru problema

[max]f(x) = 3x1 + 2x2 + x3 + 11x4

x1 - x3 + 2x4 = - 4
2x2 + 3x3 + 3x4 = 12
x≥0

capul de tabel ŞIMPLEX este dat de tabelul următor:

3 2 1 11
B CB XB a1 a2 a3 a4
3 a1 -4 1 0 -1 2
2 a2 12 0 1 3 3
Δj / 0 0 -2 -1
Din tabel constatăm că ΔjT ≤ 0 şi deci soluţia x = (-4, 12, 0, 0) ar trebui să fie optimă, dar
ea nu este posibilă. Este deci dual posibilă.
Având în vedere legăturile dintre problemele duale şi în particular modul în care citim
soluţia uneia din rezolvarea celeilalte, dacă există o soluţie dual posibilă de bază atunci
algoritmul ŞIMPLEX DUAL are următoarele etape:
Etapa I. (criteriul eliminării din bază). Se elimină din bază oricare dintre vectorii ai, 1 ≤ i ≤ m,
cărora le corespund componente ale soluţiei xi < 0. pentru a elimina arbitrariul alegerii se
elimină aio dacă:

xio = min {xk} sau | xio | = max {| xk |}

xk<0 xk<0

Etapa II. (criteriul intrării în bază). După determinarea vectorului aio care se elimină din bază,
dacă:

110
1. pe linia io toate elementele sunt nenegative; atunci algoritmul ia sfârşit cu decizia ”optim
infinit”.
2. pe linia io există măcar un element strict negativ atunci va intra în bază vectorul nebazic aj0
pentru care:

Δjo Δj
Ziojo = min
Ziojo < 0

Alegerea fiind arbitrară în cazul în care există mai mulţi jo cu proprietatea formulei de
mai sus.
Etapa III. (îmbunătăţirea soluţiei). După determinarea variabilei ajo care intră în bază şi deci a
pivotului Ziojo, so obţine o nouă soluţie de bază aplicând aceleaşi reguli de calcul că şi pentru
tabloul ŞIMPLEX PRIMAL. Dacă:
1. noua soluţie este posibilă; atunci ea este şi optimă şi algoritmul ia sfârşit (cu una din şituaţiile
de optim finit unic sau multiplu);
2. noua soluţie este dual posibilă atunci algoritmul continuă prin revenire la etapa I.
Exemplu: (pentru problema de mai sus)
Avem x1 = -4 şi vom elimina din bază pe a1. Cum pe linia lui a1 avem pivotul z13 = -1 < 0 vom
introduce în bază pe a3 şi obţinem tabelul următor, din care
deducem soluţia optimă unică xT = (0, 0, 4, 0) cu fmax = 4.

1 A3 4 -1 0 1 -2
2 a2 0 3 1 0 9
Δj 4 -2 0 0 -5

Exemplu: să se rezolve problema:

[min]f(x) = x1 + 2x2 + 3x3 + 4x4 + 5x5 + 6x6

x1 - x4 + x5 - 2x6 = -12
x2 + x4 - 2x5 - x6 = -6
x3 - x4 - 3x5 + 2x6 = -10,
x≥0

Rezolvare:

111
 1 2 3 4 5 6
B CB XB
a1 a2 a3 a4 a5 a6
1 a1 -12 1 0 0 -1 1 -2
2 a2 -6 0 1 0 1 -2 -1
3 a3 -10 0 0 1 -1 -3 2
Δj /
0 0 0 -6 -17 -4
6 a6 6 -1/2 0 0 1/2 -1/2 1
2 a2 0 -1/2 1 0 3/2 -5/2 0
3 a3 -22 1 0 1 0 -2 0
Δj / -2 0 0 -4 -19 0
6 a6 23/2 -3/4 0 -1/4 1/2 0 1
2 a2 55/2 -7/4 1 -1/5 3/2 0 0
5 a5 11 -1/2 0 -1/2 0 1 0
Δj 179 -23/2 0 -19/2 -4 0 0

Din tabelul de mai sus rezultă xT = (0, 55/2, 0, 0, 11, 23/2) şi fmin = 179

Probleme fără soluţii dual posibile de bază

Ca şi în cazul algoritmului şimplex primal, dacă problema nu are soluţie dual posibilă de
bază, ea trebuie adusă la forma standard de lucru în care să apară o astfel de soluţie. Procedeul se
aplică diferenţiat în funcţie de forma de prezentare a problemei date. Vom distinge câteva
cazuri.

Cazul I. Problema este dată sub forma:

[max] f = cx , c ≤ 0

Ax ≤ b, b ≥ 0
x≥0

Forma standard este:

[max] f = cx + ox , c ≤ 0

Ax + Ex = b ,
b ≥ 0, x ≥ 0

112
constatând că pentru x = 0 rezultă soluţia de bază x = b ≥ 0 care nu este admişibilă şi Δj = cj ≤ 0,
1 ≤ j ≤ n, Δj = 0, n+1 ≤ j ≤ n + m. Deci avem o soluţie de bază dual posibilă.

Exemplu: să se rezolve problema:

[max]f(x) = -x1 - 2x2 - 3x3

x1 - x2 + 3x3 ≤ 4
2x1 - x2 - 3x3 ≤ -6
x≥0

Rezolvare: după aducerea la forma standard se obţine tabloul ŞIMPLEX dat de tabelul următor:

-1 -2 -3 0 0
B CB XB a1 a2 a3 a4 a5
0 a4 4 1 -1 3 1 0
0 a5 -6 2 -1 -3 0 1
Δj /
-1 -2 -3 0 0
0 a4 -2 3 -2 0 1 1
-3 a3 2 -2/3 1/3 1 0 -1/3
/ -3 -1 0 0 -1
-2 a2 1 -3/2 1 0 -1/2 -1/2
-3 a3 5/3 -1/6 0 1 1/6 -1/6
Δj -7 -9/2 0 0 -1/2 -3/2

0
Din tabelul de mai sus deducem că problema are optim finit unic:
xT = (1,0,5/3) şi f max = -7.

Cazul II. Problema este dată sub forma:

[min] f = cx, c ≤ 0
Ax ≤ b, b ≥ 0
x≥0

* forma standard este:

[min] f = cx + ox, c ≥ 0

113
 Ax + Ex = b, b ≥ 0
x≥0
constatând că pentru x = 0 rezultă x = b ≥ 0 şi că Δj = 0 - cj ≤ 0 pentru 1≤ j ≤ n şi Δj = 0 pentru
n+1 ≤ j ≤ n + m. Deci avem o soluţie dual posibilă şi se poate aplică algoritmul ŞIMPLEX
DUAL analog cazului precedent.
Cazul III. Problema este dată sau poate fi pusă sub forma:

[opt] f = cx , c arbitrar
Ax ≤ b, b arbitrar
x≥0
Într-o astfel de şituaţie, se conşideră problema mărită:
[opt]f = cx + ox, ox0, c arbitrar

Ax + Exe = b, b arbitrar
n
Xo + Σxj = M, M > 0

x ≥ 0, xe ≥ 0, x0 ≥ 0

unde x0 este o variabilă care trebuie să facă parte din soluţia optimă a problemei, iar M este o
constantă pozitivă foarte mare în raport cu celelalte date ale problemei. Constatăm că pentru x =
0 problema are soluţia de bază neadmişibilă (x e, x0) = (bT, MT) ≥ 0. Deoarece c este arbitrar,
diferenţele Δj au semne arbitrare şi că urmare soluţia nu este nici admişibilă nici dual admişibilă.
În tabloul ŞIMPLEX al problemei de mai sus, prima etapă constă din eliminarea
variabilei artificiale x0 pentru a avea o soluţie dual posibilă, după care se continuă cu algoritmul
ŞIMPLEX DUAL.

Exemplu: să se rezolve problema:

[max]f(x) = 2x1 - 3x2 - x3 + 4x4

3x1 - x2 + x3 + 2x4 ≤ - 4
x1 + x2 + 2x3 - x4 ≥ 6, x ≥ 0

Rezolvare: problema mărită ataşată este:

[max]f(x) = 2x1 - 3x2 - x3 + 4x4 + ox5 + ox6 + ox0

3x1 - x2 + x3 + 2x4 + x5 = - 4
- x1 - x2 - 2x3 + x4 + x6 = - 6

114
 x1 + x2 + x3 + x4 + x0 = M, x ≥ 0, x0 ≥ 0

căreia îi corespunde tabelul ŞIMPLEX de mai jos:

2 -3 -1 4 0 0 0
B CB XB a1 a2 a3 a4 a5 a6 xo
0 a5 -4 3 -1 1 2 1 0 0
0 a6 -6 -1 -1 -2 1 0 1 0
0 xo M 1 1 1 1 0 0 1
Δj / 2 -3 -1 4 0 0 0
0 a -2M-4 1 -3 -1 0 1 0 -2
0 a6 -M-6 -2 -2 -3 0 0 1 -1
4 a4 M 1 1 1 1 0 0 1
/ -2 -7 -5 0 0 0 -4
0 xo M+2 -1/2 3/2 1/2 0 -1/2 0 1
0 a6 -4 -5/2 -1/2 -5/2 0 -1/2 1 0
4 a4 -2 3/2 -1/2 1/2 1 1/2 0 0
Δj / -4 -1 -3 0 -2 0 0
0 xo M+6/5 -1 7/5 0 0 -3/5 1/5 1
-1 a3 8/5 1 1/5 1 0 1/5 -2/5 0
4 a4 -14/5 1 -3/5 0 1 2/5 1/5 0
Δj / -1 -2/5 0 0 -7/5 -6/5 0
0 xo M-16/3 4/3 0 0 7/3 1/3 2/3 1
-1 a3 2/3 4/3 0 1 1/3 1/3 -1/3 0
-3 a2 14/3 -5/3 1 0 -5/3 -2/3 -1/3 0
Δj -44/3 -5/3 0 0 -2/3 -5/3 -4/3 0

Din tabel rezultă că xT = (0, 4/3, 2/3, 0), xe = (x5, x6) = 0 şi xoT = M – 16/3, iar
f max = - 44/3.
Rezolvarea problemei mărite poate conduce la una din şituaţiile:
1. problema mărită nu are soluţie şi că urmare nici problema dată nu are soluţie;
2. problema mărită are soluţie, dar xo nu face parte din aceasta, fapt care înseamnă că problema
dată are optim infinit deoarece x1+ x2 +…+ xn = M, iar M poate fi oricât de mare;
3. problema mărită are soluţie optimă şi xo face parte din soluţia optimă, ceea ce înseamnă că
soluţia optimă a problemei date coincide cu soluţia optimă a problemei mărite, după renunţarea
la componenta xo = M – (x1 + x2 +…+ xn).

115
 Algoritmul ŞIMPLEX DUAL apare în practică mai ales în cazul reoptimizării sau în
acela al parametrizării în programarea liniară.

5.4. Modele liniare de tip transport

FORMULAREA PROBLEMEI

O problemă de tip transport este :

1. echilibrată dacă oferta totală este este egală cu cererea totală adică:
m n
a = Σ ai = Σ bj = b
i=1 j=1
2. neechilibrată dacă oferta totală diferă de cererea totală adică :
m < n
a = Σ ai > Σ bj = b
i=1 j=1
conceptul de echilibrare este fundamental pentru construirea procedurii de soluţionare a unei
probleme de tip transport.
Pentru a evita explicaţii şi scrieri numeroase şi greoaie în prezentarea unei probleme de
tip transport, cel mai adesea, se recurge la şintetizarea tuturor informaţiilor (cerere, oferta, costuri
sau beneficii unitare) într-un tabel sub forma tabelului de mai jos precizând doar cerinţa
(minimizare, maximizare).
Tabelul 5.4
CONSUMAT
ORI C1 ... Cj ... Cn OFERTA
Cj
(DISPONIBIL)
Di
FURNIZORI
D1 c11 c1j c1n a1

.
.
.
Di ci1 cij cin ai

116
 .
.
.

Dm cm1 cm2 cmn am

CERERE a
(NECESAR) b1 ... bj ... bn b

Atât primala cât şi duala pot fi soluţionate cu ajutorul algoritmului ŞIMPLEX, dar acest
pocedeu este greoi nu atât prin calculele care se fac cât mai ales prin numărul acestora. Forma
particulară a modelului liniar de tip transport a condus şi la găşirea unor metode particulare de
soluţionare mult mai rapide (sau mai eficiente) decât algoritmul ŞIMPLEX. că pentru orice
model liniar, se pune problema găşirii soluţiei optime.

2. REZOLVAREA PROBLEMELOR ECHILIBRATE DE MINIMIZARE

Matricea A a sistemului de restricţii/egalităţi ale modelului liniar de tip transport are rangul A
= (m+n-1).
În condiţiile date avem rang A ≤ (m+n-1, mn) ≤ m+n-1 pentru orice m şi n naturale
nenule. Dacă în matricea A se suprimă linia de ordin (m+n) şi apoi se conşideră în ordine
coloanele (1, n+1, 2n+1,..., (m-1)n+1, 2, 3,..., n) atunci vom obţine o matrice pătratică de ordin
(m+n-1) care are pe diagonala principală numai cifre de unu iar sub diagonală numai cifre de
zero şi că urmare rang A = m+n-1.
Conceptul de soluţie de bază nedegenerată este fundamental pentru algoritmul de căutare
a soluţiei optime.
Orice problemă de tip transport echilibrată admite soluţii posibile iar dacă ân plus ai < ∞
şi bj < ∞ pentru toţi i şi j atunci soluţia posibilă este şi mărginită.

5.4.1. Metode de rezolvare a problemei de transport

1. METODA COLŢULUI DIN NORD-VEST (CNV)

117
 Constă din a aloca pentru fiecare pereche sau relaţie (Dj, Cj) o cantitate Xij egală cu
minimul dintre cererea şi oferta existente în momentul acelei alocări. Procedeul poate începe cu
oricare dintre perechile (furnizor Di, consumator Cj) deoarece este vorba de alocarea unui produs
identic, problema este echilibrată şi fără priorităţi de alocare. Dar, pentru ordonarea calculelor, se
porneste cu perechea (D1, C1), chiar dacă justificarea absenţei priorităţilor este ilustrată de
principiul primul venit, primul servit. Astfel:
a1, dacă a1 ≤ b1

X11 = min a1, b1 = b1, dacă a1 > b1

ceea ce face să fie saturată ori linia lui D1 dacă a1 < b1, ori coloana lui C1 dacă a1 > b1,
amândouă dacă a1 = b1.
Dacă a1 < b1, atunci vom avea :

A1, j = 1
X1j = şi X21 = min a2, b1 – a1
0 , j=1

şi algoritmul continuă în acelaşi mod până la determinarea lui Xmn.

2. METODA COSTULUI MINIM PE LINIE (CML)

Constă din a aloca pentru fiecare pereche sau relaţie (Di, Cj) o cantitate Xij egală cu
minimul dintre cererea şi oferta existentă în momentul acelei alocări, procedeul aplicându-se pe
fiecare linie în ordinea crescătoare a costurilor unitare Cij. Algoritmul poate începe cu oricare
linie, dar pentru organizarea calculelor acesta începe cu prima linie şi decurge că şi în cazul
metodei colţului din nord-vest.

3. METODA COSTULUI MINIM PE COLOANA (CMC)

Procesul este analog cu precedentul, cu şingura deosebire că se aplică pe fiecare coloană,

preferabil începând cu prima coloană.

4. METODA COSTULUI MINIM PE ANSAMBLU (CMA)

118
 Procedeul se aseamănă cu precedentele două, dar începe cu costul minim pe tabel, după
care algoritmul decurge că în celelalte metode.
Aplicând una sau alta dintre metode sau doar una dintre ele, dar începând cu una sau alta
dintre linii (sau coloane) este posibil să obţinem soluţii de bază diferite. Acest fapt este
nesemnificativ, pentru că el nu influenţează soluţia optimă a problemei ci doar drumul până la
aceasta.

5.4.2. Determinarea soluţiei optime

1. METODA CICLURILOR

Să presupunem că restricţiile problemei de tip transport sunt egalităţi şi că problema este

echilibrată, având o soluţie de bază determinată printr-una din metodele prezentate mai sus. Fie
Akl una din coloanele matricei restricţiilor A (care are (m+n) linii şi mxn coloane formate din
cifre de zero sau unu). Deci Akl este vector coloană (m+n) – dimenşional. Deoarece rangA =
m+n-1, înseamnă că există (m+n-1) vectori coloană liniar independenţi şi să notăm cu B matricea
formată cu aceste coloane ale lui A. că urmare are loc relaţia :

ij
Aij = Σ ZKL , 1≤ i ≤ m , 1≤ j ≤ n
aklЄB

unde Zklij Є { -1, 0, 1} pentru toţi i, j, k şi l deoarece toate elementele lui A sunt cifre zero sau
unu. Dacă renunţăm la o linie a matricei A matricea care rămâne are tot rangul (m+n-1) şi putem
gândi relaţia de mai sus pentru vectori (m+n-1) – dimenşionali, caz în care B reprezintă o bază în
spaţiul real (m+n-1) – dimenşional. Cu aceste consideraţii putem spune că numerele Zkl ij sunt
componentele lui Aij în baza B scriind astfel că AijB = Zklij .
Având în vedere criteriul de optimă litate când se aplică algoritmul ŞIMPLEX pentru
probleme de minim, înseamnă că pentru problemele de tip transport acesta are forma:
∆ij = CB AijB - CIJB ≤ 0, 1 ≤ i ≤ m, 1 ≤ j ≤ n
unde C reprezintă costurile corespunzătoare coloanelor ce alcătuiesc pe B. Dacă toate diferenţele
∆ij sunt nepozitive atunci soluţia de bază considerată este optimă. În caz contrar aceasta poate fi
îmbunătăţită.

119
 Ca şi în cazul algoritmului ŞIMPLEX, calculul desfăşurat al diferenţelor ∆ij este
anevoios şi se impune organizarea calculelor chiar mai mult decât în cazul algoritmului
ŞIMPLEX.
Se poate demonstra că a calcula numerele ∆ij este echivalent cu a considera cicluri de
căsuţe (succeşiuni de căsuţe descrise de mersul turnului pe tabla de sah) în care doar o căsuţă să
fie nebazică (adică neocupată), iar celelalte sunt bazice (ocupate de soluţia de bază). Se
marchează căsuţele ciclului cu semnele (+) sau (-), cea de la pornire fiind totdeauna cu semnul
(-) marcând astfel locul în care se va aloca o cantitate ce urmează să se determine. Se faceapoi
suma algebrică a costurilor căsuţelor ciclului (semnul costului fiind socotit semnul căsuţei
ciclului), rezultatul fiind tocmai diferenţa ∆ij a căsuţei din care a pornit ciclul. Astfel pentru
problema dată de tabelul de mai sus:

∆11 = -C11 + C14 – C34 + C31 = -2 + 1 – 4 + 1 = -4

∆12 = -C12 + C14 – C34 + C33 – C23 + C22 = -3 + 1 – 4 + 3 – 2 + 1 = -4
∆13 = -C13 + C14 – C34 + C33 = -4 + 1 – 4 + 3 = -4
∆21 = -C21 + C23 – C33 + C31 = -4 + 2 – 3 + 1 = -4
∆24 = -C24 + C34 – C33 + C23 = -5 + 4 – 3 + 2 = -2
∆32 = -C32 + C33 – C23 + C22 = -4 + 3 – 2 + 1 = -2
Deoarece toţi ∆ij < 0 problema are optim unic şi este rezolvată.

CAPITOLUL VI

120
 MODELE DE GESTIUNE A STOCURILOR
 
6.1. Introducere în problematica stocurilor
 
6.1.1. Stocurile într-un sistem de producţie
 
În activitatea curentă a agenţilor economici apar probleme operative de producţie, de
planificare sau proiectare, care se cer rezolvate în aşa fel încât ele să corespundă unui anumit
scop, de exemplu: un program de producţie realizat cu beneficii cât mai mari, cu cheltuieli cât
mai mici sau într-un timp cât mai scurt etc.
Pornind de la anumite date cunoscute, caracteristice procesului economic, respectiv:
beneficii unitare, coeficienţi tehnologici, disponibil de resurse, cheltuieli unitare, consumuri
specifice etc., se pot formula probleme care să ţină seama de scopul agenţilor economici atunci
când porneşte procesul tehnologic.
Teoria stocurilor a apărut din neceşitatea aşigurării unei aprovizionări ritmice şi cu
cheltuieli minime a stocurilor de materii prime şi materiale în procesul de producţie, sau a
stocurilor de produse finite şi bunuri de larg consum în activitatea de desfacere a mărfurilor.
STOCURILE reprezintă cantităţi de resurse materiale sau produse (finite sau într-un
stadiu oarecare de fabricaţie) acumulate în depozitele de aprovizionare ale unităţilor economice
într-un anumit volum şi o anumită structură, pe o perioadă de timp determinată, în vederea unei
utilizări ulterioare.
Pe perioada respectivă resursele materiale sunt disponibile, dar nu sunt utilizate, deci sunt
neactive, scoase din circuitul economic, sau care prelungesc acest circuit (aspect considerat
negativ).
Stocul este o rezervă de material destinat să satisfacă cererea beneficiarilor, aceştia
identificându-se, după caz, fie unei clientele (stoc de produse finite), fie unui serviciu de
fabricaţie (stocuri de materii prime sau de semifabricate), fie unui serviciu de întreţinere (articole
de consum curent sau piese de schimb), fie unui serviciu de după vânzare (piese detaşate).
Tratarea procesului de stocare că proces “obiectiv necesar” se impune, nu numai că
urmare a naturii economice a acestuia, ci şi pentru că realizarea lui atrage cheltuieli apreciabile,

121
concretizate în afectarea unor importante spaţii de depozitare-păstrare, de utilaje pentru
transport-depozitare, de fonduri financiare etc.
Deşi diferite, procesele de stocare au totuşi o serie de caracteristici comune, dintre care
esenţială este acumularea unor bunuri în scopul satisfacerii cererii viitoare. O problemă de teoria
stocurilor există doar atunci când cantitatea resurselor poate fi controlată şi există cel puţin o
componentă a costului total care scade pe măsură ce cantitatea stocată creşte.
Evoluţia nivelului stocului este interesantă din două puncte de vedere:
a) din punctul de vedere al producătorului, care este preocupat de valoarea medie a
nivelului stocului, deoarece această valoare permite cunoaşterea imobilizării totale a stocului şi
scopul producătorului va fi reducerea imobilizării la valoarea să minimă;
b) din punctul de vedere al beneficiarului, care dorind să fie satisfăcut imediat, apreciază
că trebuie să evite, în măsura posibilităţilor, rupturile de stoc. Obiectivul beneficiarului va fi
reducerea la minim a riscului de ruptură de stocuri.
Aceste două puncte de vedere sunt contradictorii: riscurile de ruptură de stocuri nu sunt
reduse decât dacă imobilizările sunt foarte mari. Este deci necesar să se stabilească un echilibru,
obiectivul conducerii stocului constând în căutarea acestui echilibru.

6.1.2. Importanţa stocurilor în procesul de producţie

 
Procesul de producţie propriu-zis este supus în mod aleator unei sume de perturbaţii cum
ar fi: instabilitatea personalului, prezenţa rebuturilor, existenţa timpilor morţi datoraţi defectării
utilajelor etc.
În felul acesta, producţia devine un rezultat aleator al unei combinaţii de fenomene care
au loc în conformitate cu legile probabilităţii. Nici un proces de producţie nu e fiabil dacă este
supus direct acţiunii perturbatoare a parametrilor ce apar în mod aleator. Este deci absolut
necesar de a elimina aceste influenţe directe, adică să se deconecteze sistemul de la fluctuaţiile
externe. Elementul care aşigură deconectarea şi care joacă rolul de tampon, de amortizor al
variaţiilor îl reprezintă stocurile.
Ca proces economic complex, gestiunea stocurilor are o sferă largă de cuprindere, aceasta
incluzând atât probleme de conducere, dimenşionare, de optimizare a amplasării stocurilor în
teritoriu, de repartizare a lor pe deţinători, de formare şi evidenţă a acestora, cât şi probleme de
recepţie, de depozitare şi păstrare, de urmărire şi control, de redistribuire şi mod de utilizare.

122
 Cu toate că stocurile sunt considerate resurse neactive, este necesar, în mod obiectiv, să
se recurgă la constituirea de stocuri (de resurse materiale) bine dimenşionate, pentru a se aşigura
ritmicitatea producţiei materiale şi a consumului.
Obiectivitatea formării de stocuri este justificată de acţiunea mai multor factori care le
condiţionează existenţa şi nivelul de formare, le stabilizează funcţia şi scopul constituirii. Între
aceştia amintim:
  contradicţia dintre specializarea producţiei şi caracterul nespecializat al cererii;
  diferenţa spaţială dintre producţie şi consum;
  caracterul sezonier al producţiei sau al consumului; pentru majoritatea produselor
producţia este continuă, în timp ce consumul este sezonier; la produsele agricole şituaţia
este inversă;
  periodicitatea producţiei şi consumului, a transportului;
  neceşitatea condiţionării materialelor înaintea intrării lor în consum;
  punerea la adăpost faţă de dereglările în procesul de aprovizionare-transport sau faţă de
factorii de forţă majoră (stare de neceşitate, calamităţi naturale, seisme, caracterul deficitar
al resurselor);
  neceşitatea executării unor operaţii specifice pentru a înlesni procesul de livrare sau
consum al materialelor (recepţie, sortare, marcare, ambalare – dezambalare, formarea
loturilor de livrare, pregătirea materialelor pentru consum ş.a.m.d.);
  neceşitatea eficientizării procesului de transport etc.
 Ţinând seama de această dublă influenţă a procesului de stocare, este necesară găşirea de
modele şi metode în vederea formării unor stocuri, care prin volum şi structură, să aşigure
desfăşurarea normală a activităţii din economie, dar în condiţiile unor stocări minim necesare şi a
unor cheltuieli cât mai mici.
Rolul determinant al stocurilor este evidenţiat de faptul că acestea aşigură certitudine,
şiguranţă şi garanţie în alimentarea continuă a producţiei şi ritmicitatea desfacerii rezultatelor
acesteia. Altfel spus, procesul de stocare apare că un regulator al ritmului aprovizionărilor cu cel
al producţiei, iar stocul reprezintă acel “tampon inevitabil” care aşigură şincronizarea cererilor
pentru consum cu momentele de furnizare a resurselor materiale.
Alte motive pentru crearea stocurilor ar putea fi:

123
   investirea unei părţi din capital în stocuri pentru a reduce cheltuielile de organizare;
  capitalul investit în stocuri e uşor de evidenţiat;
 aşigurarea desfăşurării neîntrerupte a procesului de producţie;
 aşigurarea unor comenzi de aprovizionare la nivelul consumului imediat nu este
întotdeauna posibilă şi eficientă din punct de vedere economic;
 comenzile onorate de către furnizorii din alte localităţi nu pot fi introduse imediat în
procesul de fabricaţie;
 anticiparea unei creşteri a preţurilor (exceptând speculaţiile) etc.
 
6.1.3. Tipuri de stocuri

În cadrul gamei foarte largi de stocuri, se disting cu deosebire:

A. din punct de vedere al producţiei stocurile pot fi de trei feluri:
a) cel de materii prime şi materiale destinat consumului unităţilor de producţie; este
vorba de stocul de producţie, stoc în amonte;
b) cel de produse finite, destinate livrării către beneficiari; este vorba de stocul de
desfacere, stoc în aval;
c) cel destinat aşigurării funcţionării continue a unor maşini sau a unor linii de fabricaţie;
este vorba de stocul interoperaţional.
Ponderea cea mai mare o deţine stocul de producţie.
B. din punct de vedere al rolului jucat pe plan economic stocurile pot fi:
a) stocuri cu rol de regulator; au că rol reglarea fluxurilor de intrare şi de ieşire ale
produselor între două stadii succeşive ale procesului tehnologic;
b) stocuri cu rol strategic; sunt formate din piese sau din subansamble foloşite de
serviciul de întreţinere, necesare înlocuirii rapide a lor în caz de avarie la instalaţiile vitale ale
întreprinderii;
c) stocuri speculative; sunt mai puţin legate de activitatea agenţilor economici şi se referă
în general la produse şi materiale rare, a căror valoare nu este fluctuantă.
C. Din punct de vedere al modului de depozitare, care ţine seama şi de unele proprietăţi
fizico-chimice ale elementelor. Aşa avem: produse periculoase, voluminoase, fragile etc.

124
 D. Din punct de vedere al modului de gestionare avem:
a)    stocuri cu gestiune normală;
b)    stocuri cu “afectare directă” (comandate special pentru o anume comandă);
c)  stocuri “fără gestiune” (din magaziile intermediare, cu o supraveghere globală);
d)     stocuri de produse consumabile;
E. Din punct de vedere al caracteristicilor formării şi destinaţiei lor stocurile pot fi:
a)      stoc curent;
b)      stoc de şiguranţă;
c)      stoc de pregătire sau de condiţionare;
d)      stoc pentru transport intern;
e)       stoc de iarnă;
 
6.1.4. Obiective şi rezultate ale gestiunii ştiinţifice a stocurilor
 
Având în vedere particularităţile diferitelor procese de stocare, activitatea de conducere a
acestora are totuşi unele trăsături comune; aşa de pildă, orice proces de stocare neceşită
prevederea desfăşurării lui şi a condiţiilor în care urmează a se efectua.
Formarea stocurilor este predeterminată de o anumită comandă, iar desfăşurarea
procesului de stocare poate avea loc în baza organizării sale raţionale. Realizarea în condiţii de
eficienţă economică maximă şi de utilitate impune o coordonare permanentă a procesului de
stocare şi un control sistematic al modului de derulare al acestuia.
Obiectivele principale ale conducerii proceselor de stocare pot fi şintetizate astfel:
  aşigurarea unor stocuri minim necesare, asortate, care să aşigure desfăşurarea normală a
activităţii economico-productive a agenţilor economici prin alimentarea continuă a punctelor de
consum şi în condiţiile unor cheltuieli cât mai mici;
 prevenirea formării de stocuri supranormative, cu mişcare lentă sau fără mişcare şi
valorificarea operativă a celor existente (devenite disponibile);
 aşigurarea unor condiţii de depozitare-păstrare corespunzătoare în vederea prevenirii
degradãrilor de materiale existente în stocuri;
 foloşirea unui sistem informaţional şimplu, operativ, eficient, util şi cuprinzător care să
evidenţieze în orice moment starea procesului de stocare;

125
 aplică rea unor metode eficiente de urmărire şi control care să permită menţinerea stocului în
anumite limite, să prevină imobilizările neraţionale.
Soluţionarea oricărei probleme de stoc trebuie să conducă la obţinerea răspunsului pentru
următoarele două chestiuni (şi care constituie de fapt obiectivele principale ale gestiunii):
1) determinarea mărimii optime a comenzii de aprovizionare;
2) determinarea momentului (sau frecvenţei) optime de aprovizionare.
Deşigur, pentru unele probleme particulare (de exemplu cele statice) este suficient un
şingur răspuns şi anume la prima problemă.
Se realizează următoarele deziderate:
 reducerea frecvenţei fenomenului de rupere a stocului şi prin aceasta satisfacerea în mai bune
condiţii a cererii către beneficiari;
 reducerea cheltuielilor de depozitare;
 mărirea vitezei de rotaţie a fondurilor circulante ale agenţilor economici;
 reducerea imobilizărilor de fonduri băneşti;
 reducerea unor riscuri inerente oricărui proces de stocare;
 obţinerea de economii la nivelul cheltuielilor generale ale întreprinderii (de exemplu, la
produsele cu o durată de depozitare a stocului de materii prime mai mare decât durata ciclului de
fabricaţie);
 descoperirea şi valorificarea rezervelor interne etc.
 
6.1.5. Elementele principale ale unui proces de stocare
 
Stabilirea politicii de gestiune a stocurilor este nemijlocit legată de cunoaşterea
elementelor prin care se caracterizează procesele de stocare şi care determină nivelul de formare
al stocurilor:
A. CEREREA DE CONSUM, element de bază în funcţie de care se determină nivelul şi ritmul
ieşirilor, volumul şi ritmul necesar pentru intrări şi nivelul stocului. Cererea de consum
reprezintă numărul de produse solicitate în unitatea de timp. Acest număr nu coincide
întotdeauna cu cantitatea vândută deoarece unele cereri pot rămâne nesatisfăcute datorită
deficitului în stoc sau întârzierilor în livrare. Evident, dacă cererea poate fi satisfăcută în
întregime, ea reprezintă cantitatea vândută.

126
 După natura ei, cererea poate fi:
a) determinată - cererea pentru o perioadă e cunoscută şi poate fi constantă pentru toate
perioadele sau variabilă pentru diferite perioade;
b) probabilistă - cererea e de mărime sau frecvenţă necunoscute, dar previzibile şi reprezentată
printr-o repartiţie de probabilitate dată. Caracteristicile şi tipul cererii se stabilesc pe bază de
observaţii, prin studii asupra perioadelor trecute. Stabilirea caracteristicilor şi tipului de cerere pe
baza observaţiilor, prin studii asupra perioadelor trecute, nu este satisfăcătoare, din cel puţin
două motive:
- presupunând că şi în viitor cererea ar urma aceeaşi repartiţie de probabilitate că în perioadele
trecute, parametrii ei nu se menţin întotdeauna;
- se exclude posibilitatea influenţei unor fluctuaţii sezoniere asupra cererii.
Cererea probabilistă poate fi stabilă din punct de vedere statistic sau nestabilă din punct
de vedere statistic (sezonieră).
c) necunoscută - cererea pentru care nu dispunem nici de datele necesare stabilirii unei
repartiţii de probabilitate (este cazul, de exemplu, al produselor noi).
B. COSTURILE reprezintă cheltuielile ce trebuie efectuate pentru derularea procesului de
aprovizionare-stocare (respectiv cele cu comandarea, contractarea, transportul, depozitarea,
stocarea materialelor etc.).
În calculul stocurilor se au în vedere:
a) Costurile de stocare care cuprind suma cheltuielilor ce trebuie efectuate pe timpul staţionării
resurselor materiale în stoc şi anume:
- cheltuieli cu primirea-recepţia;
- cheltuieli de transport intern;
- cheltuieli de manipulare, care cuprind costul forţei de muncă necesare pentru deplaşarea
stocurilor, a macaralelor, cărucioarelor, elevatoarelor şi a celorlalte utilaje utilizate în acest scop;
- cheltuieli de depozitare propriu-zisă: chiria spaţiului de depozitare sau amortizările, în cazul
unui spaţiu propriu;
- cheltuieli de conservare;
- cheltuieli cu paza;

127
 - cheltuieli de evidenţă care apar datorită faptului că stocurile sunt practic inutilizabile fără o
evidenţă bine pusă la punct, care să ne spună dacă produsul necesar se găseşte sau nu în stoc;
- cheltuieli administrative;
- impozite şi aşigurări;
- cheltuieli datorate deprecierii, deteriorării, uzurii morale, care sunt caracteristice pentru
produsele “la modă” sau pentru cele care se modifică chimic în timpul stocării (alimente,
materiale de constructii, de exemplu); la care se adaugă costul capitalului investit; acest cost
reprezintă un anumit procent din capitalul investit, însă determinarea cifrei exacte neceşită o
analiză atentă. Procentul exact depinde, în primul rând de ce alte utilizări ce se pot găşi pentru
capitalul ”imobilizat” în stocuri.
Capitalul investit în stoc este neproductiv, costul său este dat de mărimea beneficiului ce
s-ar putea obţine dacă acest capital ar fi fost investit într-un mod productiv sau de dobânda ce
trebuie plătită dacă ar fi fost împrumutat.
Costul stocării depinde de mărimea stocului şi durata stocării. Aceste cheltuieli se pot
grupa după cum urmează:
- cheltuieli constante pentru durata totală a procesului de gestiune (amortismentul clădirii,
cheltuieli pentru întreţinerea depozitului, iluminat, încălzit etc.);
- cheltuieli variabile proporţionale cu cantitatea depozitată şi cu durata depozitării (deci cu
stocul mediu), exprimate prin dobânda pentru fondurile imobilizate în stoc;
- cheltuieli variabile neproporţionale cu mărimea lotului (salarii ale forţei de muncă, pierderi
datorate uzurii reale şi demodării, cheltuieli pentru chirie etc.) şi cu durata de stocare.
La cheltuielile de existenţă a stocului în depozit, prezentate mai sus, se pot adăuga şi
cheltuielile pentru surplus de stoc (excedent), care intervin atunci când, după satisfacerea cererii,
rămâne o anumită cantitate nevândută (de exemplu, desfacerea unor articole de sezon). În
modelele dinamice unde se lansează mai multe comenzi în timpul unui sezon, penalizarea pentru
surplus se ataşează numai ultimei comenzi nedesfăcute complet.
b) Costul de penurie sau costul ruperii stocului este definit atunci când volumul cererii
depăşeşte stocul existent. Referitor la acest stoc, există trei şituaţii. Prima apare atunci când
stocul (de materii prime sau semifabricate) este nul la primirea comenzii şi firma se
reaprovizionează de urgenţă pentru a produce cantităţile solicitate.

128
 Componentele cheltuielilor de penurie sunt, în acest caz, următoarele:
- cheltuieli suplimentare pentru satisfacerea cererii în condiţii neobişnuite;
- penalizări primite de către firmă din partea beneficiarului, dacă termenele de livrare
prevăzute în contracte nu se respectă;
- cheltuieli suplimentare pentru manipulare, ambalare, expediţie etc.
A doua şituaţie are loc atunci când desfacerea nu se poate realiza (pierderea
beneficiarului) din cauza nelivrării imediate a unui articol. Estimarea cheltuielilor de penurie este
aici destul de dificilă şi adesea imposibilă.
A treia, şi cea mai dificilă, apare atunci când firma este în lipsă de materii prime (sau
piese de schimb) ce afectează întregul proces de producţie, cu toate consecinţele sale, reflectate
în penalizări şi uneori chiar în costul producţiei care ar fi rezultat în timpul stagnării.
c) Cheltuieli datorate variaţiilor ritmului de producţie. Din această categorie fac parte:
- cheltuielile fixe legate de creşterea ritmului de producţie, de la nivelul zero, la un anumit
nivel dat. Dacă este vorba de achiziţii, aici vor intra cheltuielile administrative legate de lansarea
comenzilor;
- cheltuieli de lansare care includ toate cheltuielile care se fac cu: întocmirea comenzii,
trimiterea acesteia la furnizor, pregătirea livrării unei partizi de materiale, cheltuieli de transport
a lotului, deplasării la furnizori, telefoane, poştă etc.; în general aceste cheltuieli sunt fixe pentru
o comandă.
- cheltuieli legate de angajarea şi instruirea unui personal suplimentar sau de concediere a
unor salariaţi.
d) Preţul de achiziţie sau cheltuielile directe de producţie. Preţurile pe unitatea de produs pot
depinde de cantitatea achiziţionată, dacă se acordă anumite reduceri de preţ în funcţie de
mărimea comenzii. Cheltuielile de producţie pe unitatea de produs pot fi şi ele mai scăzute,
datorită unei eficienţe superioare a muncitorilor şi maşinilor într-o producţie de serie mare.
C) CANTITATEA DE REAPROVIZIONAT reprezintă necesarul de aprovizionat care se
stabileşte în funcţie de necesarul pentru consum pentru întreaga perioadă de gestiune.
Cantitatea de aprovizionat (cantitatea intrată în stoc) poate fi din producţia proprie sau
obţinută prin alte mijloace şi se poate referii la fiecare resursă separat sau la ansamblul lor.
Această cantitate e limitată de capacităţile de depozitare.

129
D) LOTUL reprezintă cantitatea cu care se face aprovizionarea la anumite intervale în cadrul
perioadei de gestiune stabilită (trimestru, semestru, an) şi care este în funcţie de caracterul
cererii.
E) PARAMETRII TEMPORALI sunt specifici dinamicii proceselor de stocare. Aceştia sunt:
a) perioada de gestiune - determină şi orizontul procesului de gestiune. De obicei se
conşideră a fi un an;
b) intervalul de timp între două aprovizionări consecutive;
c) durata de reaprovizionare - reprezintă timpul ce se scurge din momentul calendaristic la
care s-a emis comanda de reaprovizionare până la soşirea în întreprindere a cantităţii de
reaprovizionat;
d) momentul calendaristic la care se emit comenzile de reaprovizionare. (data de
reaprovizionare);
e) coeficientul de actualizare.
Dacă în modelele probabiliste foloşirea tuturor parametrilor temporali este obligatorie,
unii dintre ei (de exemplu, durata de reaprovizionare sau data de reaprovizionare) nu prezintă
nici o importanţă în modelele deterministe. De asemenea, durata de aprovizionare poate fi o
constantă sau o variabilă aleatoare, determinând în baza legăturii pe care o are cu volumul şi
frecvenţa cererii, cheltuielile de penurie.
F) GRADUL DE PRELUCRARE A PRODUSELOR. Cu cât bunurile păstrate în stoc sunt
într-un stadiu mai avansat de finisare, cu atât mai repede pot fi satisfăcute comenzile, dar cu atât
mai mari vor fi cheltuielile de stocare. Cu cât produsele sunt mai puţin finisate (cazul limită îl
constituie materia primă), cu atât mai mici sunt cheltuielile de stocare, dar timpul necesar pentru
livrarea unei comenzi este mai mare. În plus, erorile de previziune tind să crească pe măsură ce
gradul de prelucrare a produselor este mai avansat; pentru a reduce influenţa factorilor
nefavorabili este necesar de aceea să crească şi stocul tampon. Numărul tipurilor de produse ce
trebuie stocate creşte rapid, pe măsură ce gradul de finisare este mai avansat.
Variabilele care influenţează stocurile sunt de două feluri:
 variabile controlabile: cantitatea intrată în stoc, frecvenţa sau momentul achiziţiilor, gradul de
prelucrare a produselor;
 variabile necontrolabile: costurile, cererea, durata de reaprovizionare, cantitatea livrată.

130
 
6.2. Modele de gestiune a stocurilor
 
6.2.1. Modelul Willson
 
Ipotezele modelului:
 
1. cerere constantă în timp (cereri egale pe intervale egale de timp);
2. perioadă fixă de aprovizionare (aprovizionarea se face la intervale egale de timp);
3. cantităţi egale de aprovizionare;
4. aprovizionarea se face în momentul în care stocul devine 0 (nu se admit intervale de timp pe
care stocul să fie 0);
5. aprovizionarea se face instantaneu (durata dintre momentul lansării comenzii şi intrarea mărfii
în depozit este zero).

Datele modelului:
  T = perioada totală de timp pe care se studiază stocarea;
  N = cererea totală pe perioada T;
  cs = costul unitar de stocare (costul stocării unei unităţi de marfă pe o unitate de timp);
  cl = costul lansării unei comenzi.

Variabilele modelului:
  t = intervalul dintre două aprovizionări succeşive;
  n = cantitatea comandată şi adusă la fiecare aprovizionare;
  s(t) = nivelul stocului din depozit la momentul t.

Obiectivul modelului
  minimizarea costului total de aprovizionare CT.

Relaţiile dintre mărimile modelului

n N

Ipoteza 1 Þ  T = cererea pe unitatea de timp Þ s(t) = liniară
Ipoteza 2 Þ t acelaşi între oricare două comenzi
Ipoteza 3 Þ n acelaşi pentru toate comenzile

131
Ipoteza 4 Þ s(t) ³ 0 pentru orice t
Ipoteza 5 Þ la sfârşitul unei perioade t, s(t) are un salt de la 0 la n.
Rezolvare
Şituaţia de mai sus poate fi vizualizată prin traşarea graficului variaţiei stocului în timp:

  
 În figura 6.1 a fost reprezentată evoluţia stocului, dacă toată cantitatea necesară ar fi
adusă la începutul perioadei (graficul de deasupra) sau dacă s-ar aduce câte n unităţi din t în t
unităţi de timp (graficul de jos). Se observă că evoluţia este periodică, de perioadă t. În
concluzie, vom calcula costul total cu aprovizionarea calculând costul pe o perioadă şi înmulţind
apoi cu numărul de perioade:
 pe o perioadă avem o lansare, deci un cost cl şi cheltuieli de stocare pe o durată t, stocul
variind liniar de la n la 0. Din acest motiv, costul cu stocarea va fi:
n
cs · 2 · t; În general costul de stocare se calculează cu formula:

c S   st dt
0 .
N T

 numărul de perioade este egal cu: n 

132
 n N
 costul total cu aprovizionarea va fi CT = (cl + cs · 2 · t) · n
 
În concluzie, rezolvarea problemei se reduce la a găşi minimul funcţiei:
n N
CT(n,t) = (cl + cs · 2 · t) · n
N T

dacă variabilele n şi t verifică n  şi n şi t sunt strict pozitive şi n Î (0,N],
N T

t Î (0,T]. Pentru rezolvare vom scoate pe t în funcţie de n din relaţia n  :
T
t=n· N
şi înlocuim în expresia costului total cu aprovizionarea obţinând:
n T N 1 c T
cl  N   S n
CT(n) = (cl + cs · 2 · n · N ) · n = n 2

Cei doi termeni în care a fost separat costul total reprezintă cheltuielile totale cu lansările
respectiv cheltuielile totale cu stocarea, observându-se că primele sunt descrescătoare în n, iar
celelalte liniar crescătoare. În concluzie, dacă vom aduce toată cantitatea într-o şingură tranşă,
vor fi foarte mari costurile de stocare, iar dacă vom aduce de foarte multe ori câte foarte puţin,
vor fi foarte mari cheltuielile cu lansarea. Soluţia optimă n * va fi foarte probabil undeva între 0 şi
N. Pentru a o determina, facem tabloul de variaţie al costului total în funcţie de n pe intervalul
(0,N].
Calculăm derivata costului total:

cl  N cS  T 2  cl  N
C T    
n2 2 cS  T
care are zerourile: n1,2 = Þ
 
2  cl  N
  0, N 
cS  T
n1 =

2  cl  N 2  cl  N c N T
 0, N   N l 
cS  T cS  T cS 2
n2 =
 
În concluzie:

133
 cl N T N T

a) c
dacă S 2 adică, dacă costul de lansare este de mai mult de 2 ori mai mare
decât costul de stocare, atunci tabloul de variaţie va fi:

n 0 N
CT’(n) - - - - - -
CT(n) T N
cl  cS 
2
 
şi deci se va face o şingură aprovizionare la începutul perioadei T în care se va aduce toată
cantitatea N, costul total fiind de:

TN
cl  c S 
2 .
cl N T

b) dacă c S 2 obţinem tabloul:

2  cl  N
n
cS  T
0 N
CT’(n) - - - - - 0 + + + +

CT(n)
2  cl  c S  T  N
N c T  N
 S
n 2  cl
în concluzie, se vor face aprovizionări la intervale de
2  cl  T 2  cl  N
cS  N cS T
topt = , în care se va aduce câte nopt = , variantă prin care se va face
aprovizionarea cu costul total minim posibil:

2  cl  c S  T  N
CT =
Observatie: Dacă nu se acceptă decât soluţii în numere întregi pentru n sau t, se va calcula costul
pentru:

 2  cl  N   2  cl  N 
   
 c S  T  cS  T
n=  şi n =   + 1

134
  2  cl  T   2  cl  T 
   

 c S  N  
 c S  N 
t= şi t = +1
alegându-se dintre toate variantele cea mai ieftină ([x] = partea întreagă lui x).
 
6.2.2. Modelul Willson cu ruptură de stoc

Ipotezele modelului:
1. cerere constantă în timp (cereri egale pe intervale egale de timp);
2. perioadă fixă de aprovizionare (aprovizionarea se face la intervale egale de timp);
3. cantităţi egale de aprovizionare;
4. aprovizionarea nu se face în momentul în care stocul devine 0, admiţându-se scurgerea unui
interval de timp în care depozitul va fi gol şi cererea nu va fi satisfăcută;
5. aprovizionarea se face instantaneu (durata dintre momentul lansării comenzii şi intrarea mărfii
în depozit este zero).
Datele modelului:
        T = perioada totală de timp pe care se studiază stocarea;
        N = cererea totală pe perioada T;
        cs = costul unitar de stocare (costul stocării unei unităţi de marfă pe o unitate de
timp);
        cl = costul lansării unei comenzi;
        cp = costul unitar de penalizare (pierderea cauzată de nesatisfacerea unei unităţi din
cerere timp de o zi).

Variabilele modelului:
        t = intervalul dintre două aprovizionări succeşive;
        t1 = durata de timp în care în depozit se află marfă;
        t2 = durata de timp în care în depozitul este gol;
        n = cantitatea comandată şi adusă la fiecare aprovizionare;
        s = cantitatea maximă de marfă aflată în depozit;
        s(t) = nivelul stocului din depozit la momentul t. 
Obiectivul modelului:

135
         minimizarea costului total de aprovizionare CT.

 
  Relaţiile dintre mărimile modelului
 
n s N
 
Ipoteza 1 Þ   1 T = cererea pe unitatea de timp Þ s(t) = liniară

Ipoteza 2 Þ t, t1, t2, aceiaşi între oricare două comenzi şi t = t1 + t2.

Ipoteza 3 Þ n, s aceiaşi pentru toate comenzile.
Ipoteza 4 Þ pe intervalul t2 depozitul este gol (deci stocul zero); totuşi graficul a fost
desenat în prelungirea perioadei t1 (deci cu valori negative) deoarece în
această perioadă se presupune că cererea este aceeaşi că în perioadele în
care există marfă în depozit, nivelul cererii nesatisfăcute fiind privit că
stocul care s-ar fi consumat dacă aveam marfă în depozit.
Ipoteza 5 Þ la sfârşitul unei perioade t este livrată instantaneu cantitatea n – s în contul
cererii nesatisfăcute în perioada t2 şi introdusă în depozit cantitatea s.
 
Rezolvare
Şituaţia de mai sus poate fi vizualizată prin traşarea graficului variaţiei stocului în timp
din figura 6.2:

136
 În figură a fost reprezentată evoluţia stocului dacă toată cantitatea necesară ar fi adusă la
începutul perioadei (graficul de deasupra) sau dacă s-ar aduce câte n unităţi din t în t unităţi de
timp (graficul de jos). Se observă că evoluţia este periodică, de perioadă t. În concluzie vom
calcula costul total cu aprovizionarea calculând costul pe o perioadă şi înmulţind apoi cu
numărul de perioade:
  pe o perioadă avem o lansare, deci un cost cl, cheltuieli de stocare pe o durată t1, stocul
variind liniar de la s la 0 şi cheltuieli de penalizare, cererea neonorată variind liniar de la
s
0 la n - s. Din acest motiv costul cu stocarea va fi: c s · 2 · t1 , iar costul de penalizare va
n -s
fi: cp · 2 · t2 . În general costul de penalizare, că şi cel de stocare, se calculează cu

c p    s t dt
formula: 0 .
N T

  numărul de perioade este egal cu: n 
  costul total cu aprovizionarea va fi:
s n -s N
CT = (cl + cs · 2 · t1 + cp · 2 · t2 ) · n
În concluzie, rezolvarea problemei se reduce la a găşi minimul funcţiei:
 
s n -s N
CT(n,s,t,t1,t2) = (cl + cs · 2 · t1 + cp · 2 · t2 ) · n
 
unde variabilele n, s, t, t1 şi t2 verifică următoarele condiţii şi relaţii:

 
Condiţii Relaţii
1.  0 < n £ N  1.      t1 + t2 = t
2.  0 £ s £ n n N
3.  0 < t £ T 
4.  0 £ t1 £ t 2.       T
5.  0 £ t2 £ t s ns

  3.       1 2
 

137
 În concluzie, din cele 5 variabile doar două sunt independente şi din cele trei relaţii vom
scoate trei dintre ele că fiind variabile secundare în funcţie de celelalte, două că fiind principale.
Fie cele două variabile principale n şi s. În acest caz avem rezolvând sistemul de relaţii:

T
s
t1 = N

n - s  T
t2 = N
T
n
t = N
Acestea se înlocuiesc în expresia costului total şi obţinem în final o problemă de minim a unei
funcţii cu două variabile:

s T n -s
min s n - s   T N
  n,s CT(n,s) = (cl + cs · 2 · N + cp · 2 · N )· n
unde: 0 < n £ N şi 0 £ s £ n.
 
Pentru rezolvare, vom calcula derivatele parţiale ale funcţiei CT(n,s) pe domeniul D = {(n,s)/ 0 <
n £ N şi 0 £ s £ n}. Obţinem:
C T n, s  T 1 T 1 T N
2
n = cp×(n – s)× n - [cl + 2 ×cs×s2× N + 2 ×cp×(n – s)2× N ]× n
C T n, s  T
s = [(cs + cp)×s - cp×n]× n

 C T n, s 
 n 0
 C n, s 
 T 0
Rezolvăm sistemul:  s scoţându-l pe s în funcţie de n din a doua ecuaţie (s =
cp
cs  c p
×n) şi înlocuindu-l în prima, obţinând:

csc p
N 2  c l  c s  c p  N
1 
2× c  c 2 c c T
s p
×T - cl× n = 0 de unde rezultă n =
2 s p
şi în final unica

138
 2  cl  N cs  c p 2 cl  N cp
 
cs T cp cs T cs  c p
soluţie pozitivă: n0 = şi s0 =

Această soluţie este soluţia optimă doar dacă 0 < n0 £ N şi sunt îndeplinite condiţiile de
ordinul 2:

  2 C T n, s   2 C T n, s 
 2
n ,
0 0s   0, n 0 , s 0   0
  n  2s
 2 2
  C T n, s  n , s   C T n, s  n , s     C T n, s  n , s   0
2 2

 2n 0 0
 2s
0 0  ns 0 0 
  

Evident n0 > 0 şi avem:

 2 C T n, s  T
n 0 , s 0 
 2s = (cs + cp)× n 0 > 0
 2 C T n, s  
  2 T N
n ,
0 0s   2 c l  c s  c p  s 0   3
N n0
2
 n =  >0
 2 C T n, s 
n , s  
 2 C T n, s 
 n , s  
  2 C T n, s 
 n , s 


2
 
2c l c s  c p  T  N
2
 n
0 0 2
 s
0 0  ns 0 0  n 04
  = >
2 cl cp

cs cs  c p
0; n0 £ N este echivalentă cu: £ N×T.
2cl c p

cs cs  cp
În concluzie, dacă £ N×T , atunci problema admite soluţia optimă:

2  cl  N cs  c p

cs T cp
n0 =
2 cl  N cp

cs  T cs  cp
s0 =
2cl T cp

cs  N cs  c p
t1 =

2cl T  cs  c p cp 
  
cs  N  cp cs  c p 
t2 =  

139
 2  cl T cs  c p

cs  N cp
t =
cp
2  cl  c S  T  N cs  c p
funcţia de optim este: CT maxim = CT(n0,s0) = ×
 
cp
cs  c p
Expresia r = măsoară intenşitatea lipsei de stoc şi din expresia lui C T maxim se
observă că admiterea lipsei de stoc duce la micşorarea costului total cu stocarea, explicaţia
constând în micşorarea numărului de lansări pentru că, deşi c p este mult mai mare decât cs, cl este
cs
0
cp
şi mai mare decât cp. Dacă cp este mult mai mare decât cs ( ) atunci se obţin aceleaşi soluţii
că în modelul Willson fără ruptură de stoc.
2 cl cp

cs cs  c p
Dacă > N×T atunci se va face o şingură lansare (deci n 0 = N) şi vom avea s0
N
= n0, t1 = t = T şi t0 = 0 iar CT = cl + cs× 2 ×T exact că şi în modelul Willson fără ruptură de stoc.
 
6.2.3. Generalizări ale modelului Willson
 
În practică, ipoteza că cs (costul unitar) este acelaşi, indiferent de cantitatea stocată, nu
este în general îndeplinită decât pentru variaţii mici ale stocului sau ale duratei de stocare, fiind
mult mai realistă ipoteza că acesta depinde (invers proporţional) de cantitatea stocată s, de durata
de stocare (direct sau invers proporţional) etc, dependenţele fiind exprimate prin funcţii mai mult
sau mai puţin complicate. Aceleaşi consideraţii sunt valabile şi pentru c p (dependent de mărimea
cererii neonorate sau mărimea întârzierilor). În concluzie, putem imagina modele în care: cs =
f(s,ts) şi/sau cp = f(p,tp) unde am notat cu:
   s = cantitatea stocată;
   ts = durata de stocare;
   p = cererea neonorată;

140
    tp = durata întârzierii onorării cererii.
sau şi mai complicate, neexistând evident limite în acest sens. Motivele care ne opreşte totuşi în
a discuta teoretic aceste modele sunt următoarele:
 
   orice complicare a modelelor anterioare duce la ecuaţii matematice complicate, ale
căror soluţii nu mai pot fi scrise cu operatorii matematici obişnuiţi (de exemplu, chiar dacă
am presupune că unul şingur dintre cs sau cp este funcţie liniară în variabilele expuse mai
sus s-ar ajunge în rezolvare la ecuaţii de gradul patru ale căror soluţii încap pe o foaie
întreagă (cititorul poate încerca şingur analiza acestor variante); ele ar fi practic de
nefoloşit şi oricum scopul studierii gestiunii stocurilor nu este găşirea unor modele cât mai
impunătoare;
   aceste modele mai complicate pot apărea şi pot fi aplică te evident în practică,
existând algoritmi matematici de rezolvare (cel puţin aproximativi) pentru orice model
matematic, dar acesta ar fi doar un pur calcul matematic;
   modelele mai complicate nu ar adăuga nimic ideii teoretice, desprinse din modelul
Willson claşic, că în orice model de stocare există întotdeauna două tipuri de costuri,
indiferent de variabilele de decizie şi anume: unele direct proporţionale şi celelalte invers
proporţionale cu variabilele de decizie, fapt care face că soluţia să fie una de mijloc, şi nu o
valoare extremă evidentă şi deci banală.
   în foarte multe cazuri un model de stocare presupune şi multe alte variabile, care sunt
de obicei aleatoare, caz în care devine nerealizabilă dorinţa de a găşi o soluţie matematică
şimplă. În aceste cazuri sunt chemate spre rezolvare alte ramuri ale analizei matematice şi
economice, cum ar fi, de exemplu, şimularea, algoritmii genetici etc.
 
6.3 Model de producţie – stocare
 
Presupunem că o unitate economică fabrică un şingur tip de produse cu un ritm al
producţiei de b produse în unitatea de timp pentru care are o cerere de N bucăţi într-o perioadă T.
Presupunem că b×T > N (adică dacă întreprinderea ar lucra non-stop întreaga perioadă T ar
produce mai mult decât ceea ce poate efectiv să vândă), motiv pentru care perioadele de

141
producţie sunt alternate cu perioade de oprire a producţiei, astfel încât producţia totală să devină
egală cu cererea totală N. Pentru şimplificarea calculelor se va presupune că cererea este
N
constantă în timp, adică în fiecare unitate de timp este egală cu a = T . Deoarece b > a, este
evident că pe parcursul perioadelor de producţie se va acumula o cantitate de produse care
trebuie stocate într-un depozit, acest stoc epuizându-se în perioadele în care producţia este oprită.
De asemenea, este evident că oprirea şi repornirea producţiei implică o serie de costuri. Pentru
formalizarea modelului vom face şi următoarele ipoteze:
1. duratele ciclurilor de producţie sunt egale între ele;
2. intervalele de staţionare sunt egale între ele;
3. costul stocării este direct proporţional cu cantitatea stocată şi durata stocării cu un
factor de proporţionalitate cs (costul unitar de stocare)
4. costul unei secvenţe oprire-pornire a producţiei este acelaşi pentru toate secvenţele;
5. se admite ruptura de stoc;
6. valoarea penalizării este direct proporţională cu mărimea cererii neonorate şi cu durata
întârzierii cu un factor de proporţionalitate cp (costul unitar de penalizare).
Se cere în aceste condiţii găşirea acelor intervale de producţie şi staţionare care duc la un
cost total pe unitatea de timp minim.
Şituaţia de mai sus poate fi vizualizată foarte bine desenând graficul evoluţiei stocului în
timp în figura 6.3:
 

142
  
În această figură am notat cu:
  n = cantitatea produsă peste cerere într-un ciclu de producţie;
  s = cantitatea maximă acumulată în depozit;
  t1 = intervalul de timp în care se formează stocul;
  t2 = intervalul de timp în care se epuizează stocul că urmare a opririi producţiei;
  t3 = intervalul de timp în care se acumulează comenzi neonorate că urmare a faptului
că nu se produce şi s-a epuizat stocul;
  t4 = intervalul de timp în care este lichidat deficitului în paralel cu satisfacerea cererii
curente.
Se observă că avem de-a face cu un fenomen ciclic în care o perioadă poate fi aleasă că
intervalul dintre două porniri succeşive ale producţiei. Într-o perioadă costul va fi format din:
  costul unei secvenţe lansare-oprire a producţiei cl;
s
  cheltuieli de stocare pe intervalele t1 şi t2, cs · 2 · (t1 + t2);
n -s
  cheltuieli de penalizare pe intervalele t3 şi t4 : cp · 2 · (t3 + t4) .
  Costul total unitar va fi:

143
 s
cl  cs t 1  t 2   c p n  s t 3  t 4 
2 2
CT(n,s,t1,t2,t3,t4) = t1  t 2  t 3  t 4

şi vom avea de rezolvat problema de minim cu legături:

s
cl  cs t 1  t 2   c p n  s t 3  t 4 
2 2
min
  n,s, t1 , t 2 , t 3 , t 4 t1  t 2  t 3  t 4
 
Pentru rezolvare vom scoatem din sistemul de restricţii patru variabile în funcţie de
celelalte, de exemplu variabilele n, s, t1 şi t4 în funcţie de t2 şi t3 şi le vom înlocui în CT.
Avem:
   s = t2 × a
   n = (t2 + t3)× a

t2
   t1 =   

t3
   t4 =   

şi înlocuind în funcţia obiectiv obţinem:


2c l       c s t 22  c p t 32 
  CT(t2,t3) = 2  t 2  t 3 

 
Se calculează că şi în modelul Willson cu ruptură de stoc derivatele parţiale în t 2 şi t3 şi
din condiţia că ele să se anuleze în punctul de minim obţinem un sistem în t2 şi t3 care are soluţia:
 

2c l     cp 2c l     cs
 
c s cs  cp c p cs  cp
t2 = , t3 =

şi în continuare:
2c l cs 2c l cp
 
c p     c s  c p c s     c s  c p
t1 = , t4 =

144
 2c l     cp 2c l      c p c 
   s 
c s cs  c p  c s  c p   c s cp 

s= , n=
   cp
2    c s  c p 1  
CTminim =    cs  cp
 
Soluţia de mai sus verifică evident şi celelalte restricţii, deci este unica soluţie optimă.
Observaţie Dacă ritmul producţiei este mult mai mare decât intenşitatea cererii (b mult

0
mai mare decât a sau echivalent spus  ) se obţine soluţia din modelul Willson cu ruptură
de stoc.
 
6.4. Model de gestiune cu preţuri de achiziţie sau
cu cheltuieli de producţie variabile
 
În modelul anterior, cu excepţia cheltuielilor de lansare (presupuse fixe), cheltuielile de
producţie erau ignorate. Acest lucru este valabil dacă cheltuielile de producţie pe unitatea de
produs nu variază cu volumul producţiei iar cererea este satisfăcută în întregime (sau, în
modelele de aprovizionare, cheltuielile de aprovizionare pe unitatea de produs nu variază cu
volumul comenzii).
Cheltuielile de producţie depind de volumul producţiei, notat cu q, şi anume printr-o
funcţie nedescrescătoare f(q) care se anulează în origine şi are un salt egal cu cl în aceasta, pentru
cheltuieli de lansare cl ¹ 0 . Uneori funcţia f(q) are şi alte salturi care trebuie luate în consideraţie
când se determină cantitatea optimă q ce trebuie achiziţionată (produsă).
Cazul 1. Să presupunem acum că intenşitatea cererii de produse este a şi să presupunem
că preţul unitar al produsului este p când volumul comenzii este mai mic decât o cantitate Q şi p'
când volumul comenzii este mai mare sau egal cu Q, cu p' < p.
Atunci f(q) are expresia:
0 q0

c l  p  q 0  q  Q
c  p   q q  Q
f(q) =  l

145
 
Dacă presupunem că nu se admite neonorarea comenzilor şi că aprovizionarea se face
s
instantaneu, atunci ne aflăm în şituaţia de la modelul anterior în care t1 = t3 = t4 = 0, t 2 = b şi s =
q. Formula cheltuielilor medii pe unitatea de timp va deveni:
1
cs  q  t 2  cl
2 1   cl
cs  q
CT = t2 = 2 + q
f q 
 Adăugând la acestea şi cheltuielile unitare de producţie t 2 obţinem:
1  cl
 2 c s  q  p  q 0qQ
1  cl
 c s  q  p   qQ
 2 q
  C(q) =
 
Pentru a calcula minimul acestei funcţii vom calcula derivata:
1  c
cs  2 l
2 q
  C'(q) = pentru q ¹ Q

2  cl
cs
care se anulează în q0 = . Punctul de minim este q0 sau Q, punctul în care funcţia nu e
continuă. Rămâne doar să mai comparăm valorile funcţiei C(q) în q0 şi Q:
1   cl
 2 c s  q 0  p  q 0  q0  Q
0
1   cl
 cs  q 0  p  q0  Q
 2 q0
  C(q0) =
 
Dacă q0 < Q , atunci soluţia optimă este q 0 , iar dacă q0 > Q se compară valorile:
1  cl 1  cl
c s  q 0  p   c s  Q  p 
2 q 0 şi 2 Q .

1  cl 1  cl
c s  q 0  p   c s  Q  p 
Dacă: 2 q0 < 2 Q , se alege q0 , altfel se alege Q.

Cazul 2. Să presupunem acum că intenşitatea cererii de produse este a şi să presupunem

146
că preţul unitar al produsului este p pentru primele Q produse şi este cu p' mai mare pentru
produsele fabricate peste cantitatea Q.
Atunci f(q) are expresia:
0 q0

c l  p  q 0qQ
c  p  q  p   q - Q  q  Q
f(q) =  l
şi vor rezulta cheltuielile totale în unitatea de timp:
1  cl
 2 c s  q  p  q 0qQ
1 c   p   p Q
 c s  q  p   l qQ
 2 q
C(q) =
şi în continuare se găseşte soluţia optimă că şi la cazul 1.
 
6.5. Modele de gestiune cu cerere aleatoare

Presupunem că un produs este stocat într-un depozit intermediar, care este aprovizionat
dintr-un depozit mai mare la intervale egale de timp t. Se presupune că cererea pe un interval
este aleatoare cu o distribuţie de probabilitate cunoscută din observaţii statistice:
 0 1  n 
 
  b=  p 0  p 1  p n   

ea realizându-se uniform pe fiecare interval.

Pentru şimplificarea aprovizionării se decide că la fiecare aprovizionare să se aducă
aceeaşi cantitate de produse, care trebuie aleasă astfel încât, în timp, să se minimizeze
cheltuielile. Cheltuielile legate de aprovizionare pot fi privite cel puţin din două puncte de
vedere:

1) cu costuri de stocare şi costuri de penalizare unitare

 
Presupunem că se cunosc cheltuielile unitate de stocare cs şi cheltuielile unitare de
penalizare cp. Atunci, dacă vom aduce de fiecare dată a bucăţi, vom avea într-o perioadă cu
cererea b £ a doar cheltuieli cu stocarea, iar într-o perioadă cu b > a atât cheltuieli cu stocarea
cât şi penalizări.

147
 Dacă b £ a evoluţia stocului va fi cea din figura 4a) şi costul unitar de stocare va fi:
     
cs  t
2  
 c s    
C(a,b) = t  2

iar dacă b > a evoluţia stocului va fi cea din figura 6.4.b şi costul unitar de stocare va fi: C(a,b)
  
cs   t1  c p   t2
2 2   

= t1  t 2 unde t 1 t 2 . Înlocuind t în funcţie de t din această relaţie în
1 2

expresia costului unitar vom obţine:

2    2
C(a,b) = cs× 2  + cp× 2 

 
În concluzie, pentru o valoare aleasă a lui a costul mediu va fi o variabilă aleatoare cu
aceleaşi probabilităţi ale evenimentelor că şi cererea b:
  2
 2 
 cs        cs    cs    c p     
  2 2 2 2 
 p    p    p   
 C(a) =  

Al alege pe acel a astfel încât, în timp, să se minimizeze cheltuielile este echivalent cu a

găşi acel a pentru care media variabilei aleatoare C(a) este minimă.

148
 Avem:

  2    2  
C   =

 0
c      p  
s  2 
  1
cs 
2
 p   
  1
cp 
2 
p 

 
unde a Î R şi valorile C   formează un şir real. Pentru a găşi minimul acestui şir observăm că

funcţia cu valori reale C   este o funcţie de gradul doi cu coeficientul lui a2 pozitiv, deci are un
şingur punct de minim local, care este şi global şi deci valoarea a întreagă care dă minimul lui
C   este cea care îndeplineşte simultan relaţiile:

C   1 > C   < C   1

sistem care, după efectuarea unor calcule şimplificatoare, este echivalent cu:
L(a - 1) < r < L(a)
unde:
 1 p  cp
  


2    1  cs  c p
L(a) = p(b £ a) + , iar r = .
Practic, pentru găşirea lui a vom calcula toate valorile lui L(a) într-un tabel că cel de mai
jos şi vom alege acel a pentru care se obţine valoarea lui L(a) imediat superioară lui r.

p  p   1 p 

a b p(b) p(b £ a)  
1
2 

  1
 
   
2    1  L(a)
0 0 p(0)            
1 1 p(1)
2 2 p(2)
  
 
 
În final, pentru a0 găşit, se calculează costul mediu minim C  0 .
Generalizări
Cazul 1. Sunt şituaţii în care cererea de produse se poate şitua într-un interval foarte mare
(produse de valoare mică), caz în care calcularea probabilităţilor pentru fiecare valoare a cererii
ar cere un efort prea mare, acesta nefiind justificat şi prin faptul că probabilitatea pentru o
anumită cerere este practic aceeaşi pentru un întreg interval de valori din vecinătatea acesteia.

149
Din acest motiv se împart valorile cererii în intervale egale, se presupune că cererile din fiecare
interval au aceeaşi probabilitate de manifestare şi vom avea de estimat doar atâtea probabilităţi
câte intervale posibile există (sau se presupune că numai anumite valori ale cererii sunt posibile,
de exemplu mijloacele acestor intervale).
Cererea este o variabilă aleatoare de forma:
 a, a  l  a  l , a  2l   a  n - 1l , a  nl  
 
 p1 p2  pn 
b=
 l 3l 2n  1l 
a  a  a 
 2 2 2 
 p1 p2  pn  
sau: b=
 
unde a este valoarea minimă a cererii iar l lungimea intervalelor. Vom presupune În acest caz
costul mediu va avea forma:

  l

2 l

     p 
2

C   =

l  c       p  
 0
s  2 
2    l
cs 

 p   
2    l
cp 

iar minimul acesteia va fi dat de acea valoare a0 pentru care:
p 

cp  l
cs  cp
  


2     l 
L(a0 – l) < < L(a0) unde L(a) = p(b b a) +
 
Cazul 2. Sunt de asemenea cazuri când cererea poate lua valori într-o mulţime continuă,
fiind o variabilă aleatoare continuă cu denşitatea de repartiţie f(b). În acest caz valoarea medie a
costului este:
 2     2

cs      f  d  c  f d   c   f  d
  C   = 0  2 
s
 2
p
 2 
care este o funcţie continuă în a. Pentru rezolvare vom deriva această funcţie (foloşind şi
formula de derivare a integralelor cu parametru:

b y   b y 
 f x, y   f y/ x, y   b  y  f b y , y   a  y  f a  y , y 
   
a  y   ay
fiind îndeplinite condiţiile care permit aplică rea acesteia.) şi apoi vom găşi punctul în care se
anulează aceasta: a0 = soluţia căutată.

150
b) cu pierderi

Presupunem că cheltuielile de stocare sunt neglijabile. În acest caz pentru fiecare piesă
stocată peste cererea manifestată se face o cheltuială inutilă c 1 iar pentru fiecare piesă lipsă, în
cazul unei cereri mai mare decât stocul, o penalizare c 2 (în general c2 > c1). În acest caz, costul
mediu va fi:
 
c1       p   c       p 
2
  C   =  0   1

Valoarea a întreagă care dă minimul lui C   este cea care îndeplineşte simultan
relaţiile:

  C   1 > C   < C   1
 
sistem care, după efectuarea unor calcule şimplificatoare, este echivalent cu:
cp
cs  c p
  p(b £ a - 1) < < p(b £ a)
 
din care va fi aflat aoptim şi apoi
C  optim
.
 
 
Observaţie. Şi în acest caz se pot analiza variantele cu cerere împărţită în intervale sau cu
cerere continuă, cazuri care sunt lăsate că exerciţii cititorului.

  
6.6. Modalităţi practice de aplică re a modelelor teoretice
  
6.6.1. Modelul S-s
 
Gestiunea de tip S-s sau cu două depozite se caracterizează prin faptul că
reaprovizionarea se face în momentul în care nivelul curent al stocului a atins o anumită valoare
notată generic cu “s”. Acest lucru este echivalent unei gestiuni cu două depozite, în cadrul căreia
reaprovizionarea se face în momentul în care primul depozit s-a golit. În perioada de
reaprovizionare (de avans) consumul se va realiza din cel de-al doilea depozit, care joacă rolul
stocului de şiguranţă.
În acest model conşiderăm:
      cererea totală pentru perioada T este R, aleatorie;

151
       costul stocării este cS;
      costul lansării unei comenzi de reaprovizionare este cL;
      termenul de livrare t poate fi:
a) neglijabil: în acest caz obţinem costul total pentru intervalul T că fiind:
Rc L cS
C  q,
q 2
 unde q reprezintă cantitatea de reaprovizionat.
b) cvaşiconstant. Fie nivelul minim de reaprovizionare Ns; când stocul atinge acest nivel
se lansează o comandă de q piese. Mărimile date sunt: T, t, R, cS, cL şi ne propunem să
determinăm pe Ns şi pe q astfel încât costul stocului pentru perioada T să fie minim. O metodă
aproximativă constă în a admite că ritmul mediu al cererii este constant; în acest caz optimul
cantităţii q0 este independent de Ns:

2R cL 2T c L
q0  T0 
T cS C 0  2 RTc L c S
R cS
 
Dacă t este durata medie a termenului de reaprovizionare (cu o abatere medie pătratică
mică) se va evalua legea de probabilitate a cererii pentru acest interval de timp.
Fie Ft (r) probabilitatea cererii de r produse în intervalul t:
Ft (r) = P(R £ r) = probabilitatea cumulată.
Impunem condiţia că probabilitatea epuizării stocului să fie mai mică sau egală cu
valoarea dată a (0 £ a < 1); a reprezintă probabilitatea de penurie.
Trebuie să avem: 1 - Ft (r) = a. Fie Q soluţia ecuaţiei: 1 - Ft (r) = a, de unde rezultă Q =
Ns.
Această metodă este aproximativă, deoarece implică ipoteze de lucru distincte pentru
stocurile fiecărui depozit. Calculele pot fi efectuate fără ipoteze restrictive cu metoda Monte -
Carlo (nu face obiectul lucrării de faţă).
 
6.6.2. Metoda A.B.C.
 
Metoda A.B.C. este un procedeu rapid pentru analiza aprovizionării şi gestiunii
economice a materialelor. Această analiză claşifică mărfurile achiziţionate în funcţie de valorile
de aprovizionare ale acestora şi de ponderea achiziţiilor. Prin aceasta pot fi văzute punctele de

152
plecare pentru realizarea unei politici raţionale a achiziţiilor; pe aceasta se pot baza mai multe
măsuri, începând cu şimplificarea procedeelor de comandă, până la numărul de salariaţi foloşiţi
în depozite.
Factorul esenţial în foloşirea metodei A.B.C. constă în alegerea unui criteriu
corespunzător pe baza căruia se efectuează împărţirea materialelor în cele trei grupe A, B, C. Un
asemenea criteriu poate fi valoarea de consum a materialului dat, în timpul stabilit, valoarea
specială a materialului cu privire la foloşirea lui în producţie, provenienţa din import etc.
O dată criteriul ales şi împărţirea în grupe efectuată, metoda A.B.C. poate fi utilizată în
diferite domenii ale gestiunii stocurilor:

Controlul selectiv al stocurilor

 
Metoda A.B.C. permite o gestiune selectivă a stocurilor.
Stocurile tampon ale articolelor de valoare mare sunt menţinute la un nivel destul de mic.
Aceste articole trebuie să fie supuse unui control de gestiune foarte strâns din partea personalului
aprovizionării (articolele de mare valoare sunt adesea gospodărite cu ajutorul unui sistem de
reaprovizionare periodică şi dacă intervalele sunt suficient de frecvente, un stoc tampon este mai
puţin necesar).
Această metodă dă o atenţie mai mică articolelor de valoare mică, a căror epuizare se
evită prin aşigurarea unor stocuri tampon.
Cu ajutorul metodei A.B.C. se pot reduce investiţiile în stocuri, micşorând în acelaşi timp
riscurile de epuizare.
Din analiza structurii materiale a unităţilor economice rezultă că valoarea mare în stoc
este deţinută de un număr relaţiv mic de materiale, care nu numai că influenţează direct volumul
de mijloace circulante atras, dar joacă şi rolul principal în desfăşurarea procesului de fabricaţie.
Stocurile sunt împărţite în trei clase:
clasa A: în care intră articolele cu valoare mare reprezentând cantitativ 10% din stoc şi
70% valoric;
clasa B: în care intră articole reprezentând 20% atât cantitativ cât şi valoric;
clasa C: în care intră articole ce reprezintă cantitativ 70% din stoc şi valoric 10%.

CLASA PONDEREA NUMERICĂ PONDEREA VALORICĂ

153
 A 10 70
B 20 20
C 70 10
Gruparea materialelor în funcţie de ponderea lor valorică în stocul total, pe baza datelor
din tabelul de mai sus, se prezintă într-o formă expresivă în “graficul de evoluţie al curbei
valorilor cumulate”:
 
  Pondere
valorică

% 100

90

70 C
B

A
10 30 100 Pondere
numerică
  %
 
Figura 6.6

   Datorită importanţei lor pentru procesul de fabricaţie şi datorită influenţei asupra

volumului de mijloace circulante, fiecare grupă se va aborda diferenţiat, atât din punct de vedere
a metodologiei de stabilire a stocurilor cât şi din punct de vedere al conducerii şi desfăşurării
procesului de stocare că atare.
Deci, metoda A.B.C., pe lângă că oferă o politică diferită pentru articolele din categoria
mai scumpă, permite şi utilizarea unor metode de gospodărire diferită.
Întrucât în categoria A sunt puţine articole, se poate controla zilnic nivelul stocurilor,
pentru a observa variaţia cererii şi a supraveghea de aproape respectarea termenelor de către
furnizori. Cu alte cuvinte, se înlocuieşte o parte din stocul tampon de articole scumpe printr-un
control al gestiunii mai strâns. Această decizie este eficientă întrucât ea aduce la o reducere
apreciabilă a investiţiilor în stocuri.
Se vor foloşi, deci, modele economico-matematice exigente, care vor avea în vedere
elemente (factori) concrete ce condiţionează nivelul stocurilor şi care aşigură constituirea lor la

154
dimenşiuni cât mai mici, determinând creşterea vitezei de rotaţie a mijloacelor circulante la
maxim.
Pentru materialele din categoria C se pot foloşi procedee mai puţin exigente (chiar cu
caracter statistic) şi care vor avea în vedere factorii cu acţiune hotărâtoare în optimizarea
proceselor de stocare (cheltuielile de transport, sursa de provenienţă etc.).
Cu articolele din categoria B se poate adopta o politică intermediară, exercitând un
oarecare control, dar baza rămâne tot stocul tampon, spre deosebire de politica dusă pentru
categoria A. La articolele mai ieftine este mai eficient să se suporte sarcina stocurilor, decât să se
plătească salariile personalului care ar fi indispensabil pentru mărirea controlului.
Pentru grupa B se pot aplică două soluţii:
a) stabilirea de modele distincte pentru dimenşionarea stocurilor de materiale din această grupă
cu un grad de exigenţă mediu;
b) foloşirea pentru materialele care, că pondere valorică, tind către grupa A de importanţă, a
modelelor precizate pentru această din urmă grupă, iar pentru materialele ce tind că valoare către
grupa C a modelelor specifice acestora.
Viabilitatea unui sistem de gestiune a stocurilor este determinată, în general, de felul în
care acesta răspunde unor cerinţe de bază, cum ar fi:
 gradul ridicat de utilitate practică;
 adaptabilitatea la utilizarea mijloacelor electronice de calcul;
 supleţea şi operaţionalitatea în derularea şi adaptarea proceselor de stocare;
 aria de cuprindere mare;
 concordanţa cu fenomenele reale ale procesului de formare şi consum a stocurilor;
 reducerea la minim a imobilizărilor de resurse materiale şi creşterea vitezei de rotaţie a
mijloacelor circulante ale agenţilor economici;
 cheltuielile de conducere, organizare şi desfăşurare a proceselor de stocare cât mai mici.
Analizat din aceste puncte de vedere sistemul A.B.C. răspunde în mare măsură cerinţelor.
Acest sistem aplică t la gestiunea stocurilor are în vedere, în primul rând reducerea imobilizărilor
la materialele de bază şi care se consumă în cantităţi mari, aspect aşigurat prin exigenţa
metodologică de dimenşionare a stocurilor şi de urmărire a derulării proceselor de stocare.

155
6.6.3. Strategia IMPACT

  IMPACT (Inventory Management Program and Control Techniques) este considerat că

un model eficient de stabilire a stocurilor de şiguranţa. Este o metodă de depozitare economică,
adaptată cerinţelor calculatoarelor electronice. Acest model a fost dezvoltat de IBM.
Estimarea necesarului se face prin extrapolarea valorilor din trecut. Influenţele
conjuncturale şi sezoniere sunt luate în calcul prin metoda de nivelare exponenţială.
Stocul de şiguranţă se determină cu ajutorul calculului probabilităţilor.
Conform metodei IMPACT, sortimentelor din depozit se împart în trei grupe:
1. produse cu desfacere mare (vitale);
2. produse cu desfacere mijlocie (importante);
3. produse cu desfacere redusă (obişnuite).
Mărimea stocului de şiguranţă depinde de precizia estimării neceşităţilor (cererii). Cu cât
va fi apreciată mai precis în prealabil cererea, cu atât va fi mai mic stocul de şiguranţă.
Pentru a putea aplică metoda IMPACT sunt necesare: cunoaşterea cererilor ri (i = 1, 2,...,
T), pe T intervale de timp şi calculul abaterii medii pătratice s.
Pentru determinarea stocului de şiguranţă, metoda IMPACT foloseşte următorii
indicatori:
1 tT
r  iri ,
T i 1
a)   cererea medie (necesarul mediu):
unde T este numărul de intervale de timp cercetate; ri este cererea în intervalul i, i = 1, 2,..., T;
b) MAD (Mean Absolut Deviation) reprezintă abaterea absolută de la medie a cererilor,
că unitate de măsură a “împrăştierii” valorilor efective în jurul valorii medii:
1 T
MAD   i ri  r .
T i 1

MAD se determină că valoare medie a valorilor absolute ale abaterilor de la cererea

medie.

156
 c) coeficientul de şiguranţă exprimă potenţialul de livrare al furnizorilor. Coeficientul de
şiguranţă (K) se stabileşte pe bază de tabele ale funcţiei normale, în cadrul căreia sunt date
valorile lui K, corespunzător diferitelor niveluri ale potenţialului de livrare al furnizorilor.
Potenţialul de livrare (Z) exprimă gradul de satisfacere de către furnizor a unei comenzi.
Acest potenţial de livrare se mai numeşte grad de deservire sau nivel de serviciu.
C LE
Z
Potenţialul de livrare (Z) se determină după relaţia: C LC ,

unde: CLE este cantitatea livrată efectiv;

CLC este cantitatea ce trebuie livrată conform comenzii.
Rezultă 0 < Z < 1; Z = 0 înseamnă că se înregistrează lipsa materialelor în stoc, fără o posibilitate
eficientă de acoperire;
Z = 1 înseamnă că avem de-a face cu un serviciu perfect de servire din partea furnizorilor.
Relaţia de determinare a potenţialului de livrare se poate exprima şi sub alte forme, că de
exemplu:
N UC  N UL N
Z  1  UL ,
  1. N UC N UC

unde: NUC - reprezintă numărul de unităţi (bucăţi) comandate;

NUL - reprezintă numărul de unităţi (bucăţi) lipsă.
N ZT  N ZL N
Z  1  ZL ,
2.   N ZT N ZT

unde: NZT - reprezintă numărul total de zile lucrătoare din perioada de gestiune;
NZL - reprezintă numărul de zile cu lipsă de stoc.
Când un produs se fabrică din mai multe materii prime, care intră simultan în consum,
potenţialul de livrare se calculează în funcţie de neceşitatea prezenţei în acelaşi moment în
depozit a tuturor materiilor prime care concură la obţinerea lui.
Stocul de şiguranţă se calculează după formula:
NS = K × MAD
Între potenţialul de livrare şi costul stocării neceşitat de constituirea şi deţinerea stocului
de şiguranţă există o corelaţie strânsă. Creşterea potenţialului de livrare determină creşterea

157
costului total de stocare, dar într-o proporţie mai mică, ceea ce înseamnă că eficienţa este cu atât
mai mare cu cât potenţialul de livrare se apropie de unu.
Trebuie excluse influenţele întâmplătore, însă luate în considerare influenţele
conjuncturale şi sezoniere. IMPACT foloseşte în acest scop metoda nivelării exponenţiale.
Această metodă a fost dezvoltată de Robert Brown şi este cunoscută sub numele de exponential
smoothing.
Valoarea medie a cererii se corectează cu eroarea de previziune şi se stabileşte
introducând o anumită parte a erorii în noua valoare a estimaţiei.
Fie V1 estimarea cererii pentru prima perioadă şi r1 cererea reală a primei perioade.
Estimarea cererii pentru următoarele perioade se obţine din relaţiile:
Vi = Vi-1 + a (ri-1 - Vi-1),
unde a reprezintă constanta de nivelare; a Î (0,1) şi determină măsura în care valorile din trecut
sunt cuprinse în estimarea cererii.
Constanta de nivelare trebuie astfel aleasă încât să ţină seama suficient de influenţele
conjuncturale şi sezoniere, eliminând totuşi influenţa întregului.
0<a<1

a = 0 înseamnă că erorile de prevedere care apar nu sunt luate în considerare;

a = 1 înseamnă că estimarea corespunde exact cererii din perioada anterioară. toate
influenţele întâmplătoare sunt introduse în estimare.

Abaterea absolută de la medie (MAD) poate fi foloşită după aceleaşi principii; abaterea
medie a perioadei i va fi dată de relaţia:

MADi = MADi-1 + a(| ri-1 - Vi-1 | - MADi-1).

În acest caz | ri-1 - Vi-1 | este valoarea abaterii precedente faţă de valoarea reală.
Cererea medie (necesarul mediu) şi abaterea absolută de la medie (MAD) vor fi apreciate
în prealabil prin metoda nivelării exponenţială, urmând că abia după aceea să se determine
nivelul stocului de şiguranţă (NS).

158
 CAPITOLUL VI

ELEMENTE DE TEORIA AŞTEPTĂRII

6.1 Noţiuni generale

În activitatea de productie, ca şi în viaţa de toate zilele suntem deseori puşi faţă în faţă cu
un fenomen de aşteptare generat de oameni, maşini etc, care aşteaptă facilitarea unui anumit
serviciu. Dacă numărul de oameni, maşini, care aşteaptă la un moment dat este prea mare,
aceasta antrenează cheltuieli neproductive pentru întreprinderea respectivă. De aici decurge în
mod necesar studierea unui plan adecvat de aşteptare care să fie cât mai convenabil din punct de
vedere economic, plan care să urmărească satisfacerea cât mai promptă a cererilor de servicii în
condiţii cât mai avantajoase.
Teoria aşteptării (teoria firelor de aşteptare sau teoria cozilor) este acea ramură a
matematicii ce studiază fenomenele de aşteptare.
Sursa este mulţimea acelor unităţi (oameni, maşini) care solicită un serviciu la un
moment dat. Această mulţime poate fi finită sau infinită. Sosirea lor în sistemul de aşteptare
determină o variabilă aleatoare x care reprezintă numărul de unităţi care intră în sistem în
unitatea de timp.
Firul de aşteptare este determinat de numărul de unităţi care aşteaptă şi poate fi finit sau
infinit.
Staţia de serviciu poate fi un lucrător, o maşină, care efectuează serviciul solicitat.
Timpul de servire a unei unităţi în staţie este o variabilă aleatoare y.
Firul de aşteptare împreună cu staţiile de serviciu formează sistemul de aşteptare.
Se pot realiza clasificări ale fenomenelor de aşteptare:
 după numărul unităţilor din sursă;
 după numărul staţiilor de servire;
 după natura sosirilor sau a servirilor.
Astfel putem avea situaţiile:
 un fir, o staţie;
 un fir, mai multe staţii;

159
  mai multe fire, o staţie;
 mai multe fire, mai multe staţii; sau
 sosiri constante,
 servicii constante,
 sosiri aleatoare,
 servicii aleatoare.
În cele ce urmează, propunem analiza câtorva modele de aşteptare întâlnite în practică,
determinând în acelaşi timp şi anumiţi indicatori legaţi de astfel de modele.
Într-o problemă de aşteptare se întâlnesc următorii indicatori:
1) m – numărul de unităţi ale populaţiei din sursă care sosesc în sistem; m poate fi finit sau
infinit;
2) s - numărul staţiilor de servire;
3) pn (t) – probabilitatea ca, în sistemul de aşteptare să se găsească n unităţi la momentul
oarecare t. Pentru simplificarea scrierii vom folosi notarea pn;
4) n (t) - numărul de unităţi ce se găsesc în sistemul de aşteptare (fir plus statie) la momentul
t şi care este o variabilă aleatoare cu distribuţia:

4’) n(t) – numărul de unităţi ce se găsesc în sistemul de aşteptare la momentul t şi va fi

valoarea medie a variabilei n(t) adică:

Când m = ∞, , ceea ce impune ca această serie să fie convergentă.

5) nf(t) - numărul de unităţi din firul de aşteptare la momentul t şi

va fi o variabilă aleatoare cu distribuţia:

deoarece există unităţi în firul de aşteptare atunci când n depăşeşte numărul de staţii s.
5’) nf(t) - numărul mediu de unităţi din firul de aşteptare şi are forma:

Pentru m = ∞, seria va trebui să fie convergentă.

6) n s(t) - numărul de unităţi ce sunt servite la un moment t.
Evident ns(t) = n(t) – nf(t), deci ns(t) este o variabilă aleatoare.
6’) ns(t) - numărul mediu de unităţi ce sunt servite la momentul t şi ns(t) = n(t) – nf(t), din
proprietatea mediei unei variabile aleatoare.
7) P(n(t) ˃ k) – probabilitatea ca numărul unităţilor din sistem la momentul t să fie mai mare
decât k . Dar

160
 8) tf - timpul mediu de aşteptare al unei unităţi pe fir.
9) ts - timpul mediu de aşteptare al unei unităţi în sistem.
Ultimii doi indicatori depind de legile serviciului şi sosirilor şi vor fi determinaţi pentru
fiecare model în parte.

8.2 Legi probabilistice ale sosirilor şi ale servirilor

Fie x variabila aleatoare discretă ce reprezintă numărul de unităţi sosite în unitatea de

timp, într-un sistem de aşteptare. Ne propunem să cercetăm repartiţia variabilei x în următoarele
condiţii:
a) Probabilitatea sosirii unei unităţi la un moment dat este constantă şi nu depinde de ceea
ce s-a întâmplat anterior.
b) Probabilitatea unei sosiri într-un interval de timp foarte mic (t, t + Δt) este
proporţională cu lungimea intervalului Δt, oricare ar fi t, adică:

c) Probabilitatea ca în intervalul de timp (t, t + Δt) să avem mai mult decât o sosire este
aproape egală cu 0, când Δt îndeplineşte condiţia b).
Propoziţia 1. Variabila aleatoare x ce reprezintă numărul de unităţi sosite pe unitatea de
timp într-un sistem de aşteptare are repartiţia Poisson.
Demonstraţie: determinăm probabilitatea evenimentului An(t), ca într-un interval de timp
(0, t) să avem n sosiri, adică Pn(t), procedând din aproape în aproape pentru n = 0, 1, …
Să notăm cu A0(t + Δt) evenimentul ca în intervalul de timp de lungime t + Δt să avem
zero sosiri. Acest eveniment are loc atunci când nu avem nici o sosire în intervalele de timp (0, t)
şi (t, t + Δt) şi scriem:

Din condiţia a) rezultă:

(1)
Din c) rezultă că:

iar din b) deducem că:

Atunci relaţia (1) se va rescrie:

de unde:

deci:

Pentru Δt → 0 obţinem ecuaţia diferenţială liniară de ordinul întâi în P0(t):

161
 mmmmmmm
(2)
sau

a cărei soluţie este: (3)(3)( (

3
Pentru determinarea constantei C din relaţia (3), ţinem seama că la timpul t = 0,
evenimentul de a nu avea nici o sosire este eveniment sigur, deci P0(0) = 1. Înlocuim în (3) pe t
= 0 şi avem:
P0(0) =C, deci C = 1
Aşadar, probabilitatea de a avea zero sosiri în intervalul (0, t) este: P0(0) = e−λt .
Să determinăm Pn(t + Δt), adică probabilitatea ca, în intervalul de timp (0, t + Δt), să
avem n sosiri. În intervalul (t, t + Δt), conform condiţiei c), poate sosi una sau nici o unitate, de
aceea vom scrie:

de unde:

sau

Prelucrând această egalitate, împărţind prin Δt şi trecând la limită vom avea:

mmmm (4)

Pentru n = 1 obţinem:

sau

ecuaţie diferenţială de ordinul întâi în P1(t) a cărei soluţie este:

Pentru determinarea constantei C, folosim egalitatea P1(0) = 0, adică evenimentul ca la

momentul iniţial t = 0 să avem o unitate sosită este imposibil. Atunci, făcând t = 0 în soluţia
generală, avem:

Atunci:

162
 Analog, pentru n = 2 obţinem:

sau

a cărei soluţie generală este:

Cum P2(0) = 0, avem:

(5)
Pentru a accepta această formă, vom recurge la inducţia matematică. Şi cum etapa de
verificare a fost efectuată, presupunem adevărată relaţia (5) pentru n natural oarecare. Să
demonstrăm că este adevărată şi pentru n + 1, pentru care relaţia (4) se va scrie astfel:

sau înlocuind Pn(t) din (5) obţinem:

ecuaţie diferenţială liniară de ordinul întîi, cu soluţia:

și cum Pn+1(0) = 0, rezultă că C = 0, şi deci:

formulă ce confirmă valabilitatea relaţiei (5) pentru orice n natural.

Cu expresia obţinută pentru Pn(t), putem afirma că într-un fenomen de aşteptare în care
sunt îndeplinite condiţiile a, b, c numărul de sosiri în intervalul de timp (0, t) este o variabilă
aleatoare poissoniană, cu parametrul λt.
Evident pentru t = 1 (unitatea de timp) avem:

şi rezultă că λ coeficientul de proporţionalitate introdus prin condiţia b) reprezinită numărul

mediu de unităţi sosite în unitatea de timp.
Observaţie: Acceptând condiţiile a), b), c) şi pentru numărul unităţilor servite de către o
staţie ce lucrează fără întrerupere, obţinem printr-un raţionament analog, că numărul de servicii
ce pot fi făcute de o staţie într-un timp t, este o variabilă poissoniană. Şi dacă µ este coeficientul
de proporţionalitate introdus prin b), el reprezintă numărul mediu de unităţi servite în unitatea de
timp.
În continuare să cercetăm repartiţia variabilei Y, care reprezintă timpul dintre două sosiri
consecutive. Evident Y este o variabilă aleatoare continuă.

Propoziția 2. Variabila aleatoare Y are repartiţia exponenţială.

163
 Demonstraţie. Considerând ca moment iniţial momentul în care a sosit prima dintre cele
două unităţi, să calculăm probabilitatea ca timpul Y dintre cele două sosiri să fie mai mare decit
un timp oarecare t > 0. Această probabilitate va fi evident Po(t) adică probabilitatea ca în timpul
t să nu avem nici o sosire. Deci

de unde:

egalitate ce ne spune că funcţia de repartiţie a variabilei Y este:

specifică variabilei Y de repartiţie exponenţială, cu densitatea de repartiţie

şi deci

Aşadar, intervalul mediu dintre două sosiri consecutive este inversul numărului mediu de
sosiri în unitatea de timp.
Observaţie. Printr-un raţionament analog putem deduce că timpul dintre două servicii
consecutive are o repartiţie exponenţială şi că intervalul mediu dintre două servicii consecutive
este inversul numărului mediu de servicii în unitatea de timp (în cazul nostru 1/µ).
Exemplul 8.1. Cu ajutorul unor metode statistice s-a stabilit că sosirile cumpărătorilor la
un centru de lapte sunt poissoniene cu numărul mediu de 120 persoane pe oră, iar timpul mediu
de servire a unei persoane este de 20 secunde. Să se determine intervalul mediu dintre două sosiri
consecutive, numărul mediu de persoane servite într-un minut şi probabilitatea ca, în 75 de
secunde să nu sosească niciun cumpărător.
Rezolvare. Considerăm drept unitate de timp minutul. Numărul mediu de sosiri pe minut
va fi de 2 cumpărători, deci λ = 2. Intervalul mediu între două sosiri va fi 1/λ = 1/2 minute, adică
30 secunde. Timpul mediu de servire a unei persoane fiind de 20 de secunde = 1/3 minute = 1/µ,
rezultă că numărul mediu de persoane ce pot fi servite într-un minut este de µ = 3 persoane.
Deoarece 75 de secunde fac 5/4 minute, rezultă, folosind relaţia (5), că:
Po(5/4) = 1/0! • 20(5/4)1• e-2•5/4 = e-2,5 = 0,083
Observaţie. Nu trebuie înţeles că în orice fenomen de aşteptare sosirile şi serviciile se
supun numai repartiţiilor Poisson şi exponenţială. Există cazuri când ele se supun şi altor legi
cum ar fi: uniformă, normală, χ2. Dar deoarece mai frecvente sunt primele vom prezenta câteva
modele de aşteptare pentru care sosirile sunt poissoniene şi timpul de sosire exponenţial.

8.3 Deducerea ecuaţiilor de stare pentru un fenomen de aşteptare în regim staţionar

În cele ce urmează vom construi sistemul ecuaţiilor de stare în cazul general, respectiv în
cazul procesului Poisson de naştere şi moarte, presupunând cunoscute următoarele:

164
 1) probabilitatea de trecere din starea En (în sistemul de aşteptare există n + 1 unităţi) în
starea En+1 (in sistemul de aşteptare există n + 1 unităţi) în intervalul de timp (t, t + Δt) este:

şi corespunde unei sosiri în sistem;

2) probabilitatea de trecere din starea En în starea En-1 (în sistemul de aşteptare există n - 1
unităţi) în intervalul de timp (t, t + Δt) este:

şi corespunde unei plecări (serviri);

3) probabilitatea de trecere din starea En într-o stare En+k sau En-k (cu k ϵ N, k > 1 este
0(Δt);
4) probabilitatea ca în intervalul (t, t + Δt) să nu aibă loc nicio modificare de stare este:

Observăm că probabilitatea evenimentului contrar celui din cazul 1) (în sistemul de

aşteptare există n unităţi şi nu soseşte nicio unitate în intervalul de timp (t, t + Δt) va fi evident:

iar probabilitatea evenimentului contrar celui din cazul 2 (în sistemul de aşteptare există n unităţi
şi nu pleacă nicio unitate în intervalul de timp (t, t + Δt) va fi:

Din prezentarea indicatorilor unui fenomen de aşteptare am văzut că majoritatea dintre ei

se exprimă în funcţie de pn(t) - probabilitatea ca în sistemul de aşteptare, la momentul t să existe
n unităţi. De aceea ne propunem determinarea acestei probabilităţi pentru diferite valori ale lui n
= 0, 1, 2, ....
Cazul n = 0. Să calculăm probabilitatea ca în sistemul de aşteptare să nu existe nicio
unitate la momentul t + Δt; ţinînd seama de situaţia posibilă la momentul t.
În sistem nu există nicio unitate la momentul t +Δt când avem una din situaţiile:
a) (nu există nicio unitate la momentul t) şi (nu soseşte nicio unitate în intervalul (t, t +
Δt) sau b) (există o singură unitate la momentul t) şi (pleacă o unitate în intervalul (t, t + Δt) şi
(nu vine nicio unitate în intervalul (t, t + Δt)).
Situaţiile a) şi b) de mai sus reprezintă evenimente incompatibile care sunt formate din
evenimente independente şi neglijând funcţiile θ(Δt) care tind către zero când Δt e foarte mic, se
obţine probabilitatea căutată, adică:

Se trece în stânga p0(t) şi se obţine:

p0( t + Δt) – p0(t) = - λ0p0(t) Δt + μ1p1(t) Δt - λ1μ1p1(t)( Δt)2
Se împarte apoi cu Δt și se trece la limită:
p0( t + Δt) – p0(t)
lim = - λ0p0(t) + μ1p1(t)
∆t 0 Δt

165
sau p0’(t) = - λ0p0(t) + μ1p1(t). (6)
Cazul n > 0. Să calculăm probabilitatea ca în sistemul de aşteptare să existe n unităţi la
momentul t + Δt, ţinînd seama, de situaţia posibilă la momentul dat t:
In sistem există n unităţi la momentul t + Δt când avem una din situaţiile:
a) (la momentul t există în sistem n unităţi) şi (nu soseşte nicio unitate în intervalul (t, t +
Δt) şi (nu pleacă nicio unitate în intervalul (t, t + Δt) sau:
b) (există în sistem n + 1 unităţi la momentul t) şi (pleacă o unitate în intervalul (t, t + Δt),
şi (nu soseşte nicio unitate în intervalul (t, t + Δt) sau:
c) (există n - 1 unităţi în sistem la momentul t) şi (soseşte o unitate în intervalul (t, t + Δt)
şi (nu pleacă nicio unitate în intervalul (t, t + Δt) sau:
d) (există in sistem n unităţi la momentul t) şi (soseşte o unitate în intervalul (t, t + Δt) şi
(pleacă o unitate în intervalul (t, t + Δt).
Deci evenimentul de a exista n unităţi la momentul t + Δt în sistemul de aşteptare este
reuniunea a patru evenimente incompatibile şi fiecare dintre acestea este intersecţie de câte trei
evenimente independente. Neglijând funcţiile 0(Δt), probabilitatea căutată va fi:

Se trece în membrul stâng pn(t), se împarte la Δt şi se face Δt→0. Obţinem:

(7)

Adică:

Relaţiile (6) şi (7) formează sistemul ecuaţiilor de stare care, în cazul unui regim staţionar
(în care probabilităţile pn(t) nu depind de momentul t, deci sunt constante la orice moment de
timp), adică pk(t) = pk, şi deci p’k(t) = 0, k = 0, 1, 2, .... devine:

(8)

cunoscut sub numele de sistemul ecuaţiilor de stare în regim staţionar. Convenim ca, în acest
caz, nici ceilalţi indicatori să nu se mai scrie funcţii de t.
Din prima ecuaţie a sistemului (8) avem:

iar dacă în a doua ecuaţie facem n = 1, vom avea:

Presupunând că pentru n = k ─1 şi n = k, k număr natural oarecare, avem:

166
atunci, pentru n = k + 1 obţinem din ecuaţia a doua a sistemului:

deci că

8.4 Modele de aşteptare

În acest paragraf vom prezenta câteva modele de aşteptare notate M, în care pe primul loc
se va trece mărimea populaţiei (∞ sau m după cum sursa se presupune că poate conţine oricât de
multe unităţi şi corespunde unui fenomen de aşteptare deschis sau sursa conţine m unităţi, caz în
care spunem că fenomenul de aşteptare corespunzător este închis); pe locul doi se trece numărul
firelor de aşteptare, adică l în cazurile ce se vor prezenta; pe locul trei se va trece numărul de
staţii, 1 la modelele cu o singură staţie şi s la cele cu mai multe.

8.4.1 Modelul M(∞, 1, 1)

Acest model este deschis (o infinitate de unităţi în sursă) cu un fir şi o singură staţie de
servire.
Menţionăm de la început că parametrul sosirilor λn este constant, deci λn = λ , deoarece
populaţia din care provin unităţile este practic suficient de mare. Despre al doilea coeficient µ n,
putem constata cu uşurinţă că el nu depinde de numărul de unităţi din sistem deoarece există o
singură staţie, deci µn = µ.
Cu observaţiile de mai sus formula de calcul pentru probabilităţile pn în funcţie de p0
devine:

sau notând cu ρ = λ/µ (ρ se numeşte factor de serviciu sau intensitate de trafic), avem:
pn = ρn · p0 (10)
Aşadar determinarea lui pn impune determinarea lui p0. Pentru aceasta scriem distribuţia
variabilei aleatoare n - numărul de unităţi din sistem la un moment oarecare t:

în care suma probabilităţilor este egală cu 1. Deci

167
de unde:

Se impune condiţia ρ < 1 pentru ca seria geometrică de raţie ρ să fie convergentă. În acest
caz capacitatea de servire în sistem este corespunzătoare. Dacă ρ ≥ 1 atunci avem aglomerare şi
serviciul nu poate fi asigurat de o singură staţie.
Din ultima relaţie avem:

deoarece

Atunci:

Acum putem deduce toate caracteristicile modelului. Astfel, numărul mediu de unităţi din
sistem (fir + staţie) este:

Dar

rezultat obţinut din derivarea termen cu termen a seriei geometrice.

ρ
Deci n =
1-ρ
Să determinăm acum - numărul mediu de unităţi ce aşteaptă să fie servite (din firul de
aşteptare), folosind variabila aleatoare nf a cărei distribuţie este:

Când în sistem se află n + 1 unităţi, una este în staţie, iar n aşteaptă, de aceea nf ia
valoarea n cu probabilitatea pn+1. Atunci:

168
 Numărul n, de unităţi ce sunt servite la un moment dat t, de către staţie, este o variabilă
aleatoare de distribuţie:
0 1
ns :
ρ0 1 – ρ0

atunci: ns = 1 – ρ0 = ρ ne dă numărul de unităţi în curs de servire. Şi dacă µ este capacitatea

medie a staţiei (numărul mediu de unităţi servite în unitatea de timp), atunci produsul µns
reprezintă numărul mediu de unităţi servite efectiv într-o unitate de timp.
Se verifică cu formulele obţinute egalitatea:

Timpul mediu de aşteptare a unei unităţi în fir, notat cu tf este dat de raportul dintre
numărul mediu de unităţi ce aşteaptă în fir şi numărul de unităţi efectiv servite în unitatea de
timp, adică:

iar timpul de aşteptare a unei unităţi în sistemul de aşteptare este:

Se mai poate determina probabilitatea ca numărul unităţilor ce se găsesc în sistem la un

moment dat să fie mai mare decât un număr k, adică:

Aplicaţia 8.2. Cu ajutorul unor metode statistice s-a stabilit că sosirile cumpărătorilor la
un sector al unui magazin cu un singur vânzător sunt poissoniene cu media λ = 30 persoane pe
oră, iar timpul de servire a unei persoane are o repartiţie exponenţială cu media de 90 secunde.
Să se determine:
a) Probabilitatea ca în sistemul de aşteptare să nu existe niciun cumpărător la un moment dat.
b) Probabilitatea ca în sistem să: existe 3 cumpărători la un moment dat.
c) Numărul mediu de cumpărători din sistemul de aşteptare la momentul t, numărul mediu de
cumpărători care aşteaptă la momentul t, numărul mediu de persoane ce sunt servite la un
moment dat, precum şi numărul mediu de persoane servite efectiv într-o unitate de timp.

169
d) Timpul mediu de aşteptare a unui cumpărător până să fie servit şi timpul mediu de aşteptare în
întreg sistemul de aşteptare.
Rezolvare. Considerând drept unitate de timp ora, timpul mediu de servire a unei unităţi
este egal după cum am văzut cu 1/µ. Cum 90 de secunde fac 1,5 minute, deci 1/40 ore, rezultă că
µ = 40. Adică vânzătorul sectorului respectiv poate servi 40 de persoane pe oră. Vom avea deci,
aplicând formulele obţinute, ρ = 30/40 = 3/4 şi
a) p0 = 1- ρ = 0,25;
b) p3 = ρ3p0 = (3/4) * 0,25 = 0,106;
ρ ρ2 9
c) n = = 3; nf = = = 2,25
1–ρ 1–ρ 4
Pe acest exemplu să facem mai clară deosebirea dintre numărul mediu de persoane ce pot
fi servite şi numărul de persoane efectiv servite în unitatea de timp, ora.
Capacitatea de servire a vânzătorului este de µ = 40 persoane pe oră, dar ea nu-i folosită
complet deoarece există perioade de timp în care, neexistînd persoane în sistemul de aşteptare,
vânzătorul este în inactivitate. Calculând numărul mediu de persoane ce sunt servite la un
moment dat, obţinem ns = ρ = 0,75, deci doar 75% din capacitatea de servire a vânzătorului este
folosită, ceea ce face ca într-o oră să fie servite efectiv nu 40 de persoane, ci numai 75/100 · 40 =
30.
Numărul mediu de persoane ce sunt servite efectiv într-o oră coincide cu numărul de
persoane ce sosesc în medie pe oră, ceea ce este evident din punct de vedere intuitiv într-un
sistem staţionar, deoarece în caz contrar, cu timpul s-ar acumula un număr din ce în ce mai mare
de persoane în sistemul de aşteptare, conducând la un fenomen de aglomerare.

d)

Se verifică pe acest exemplu că: ts = tf + 1/µ

Observaţie. Dacă vom presupune firul de aşteptare limitat, adică sistemul de aşteptare are
capacitatea mărginită la N unităţi, deci în firul de aşteptare se pot afla cel mult N - 1 unităţi,
unităţile care sosesc atunci când în sistemul de aşteptare sunt N unităţi pleacă în altă parte pentru
a cere serviciu, atunci formulele modelului M(∞, 1, 1) pot fi adaptate modificînd acele sume de o
infinitate de termeni care acum se vor face numai pînă la n = N. Astfel avem:
N 1 - ρN+1
1 = Ʃ pn = p0(1 + ρ + ρ2 + … + ρN) = p0
n=0 1-ρ

de unde:

170
 În acest caz nu mai este necesară condiţia ρ < 1, suma probabilităţilor având sens şi
pentru ρ ≥ 1. Din relaţia (10) rezultă că:

Numărul mediu de unităţi în sistem este dat de:

Pentru calculul sumei , pornim de la:

.
Derivând termen cu termen suma, obţinem:

şi, ordonând după puterile lui ρ, vom avea:

Atunci

Numărul mediu de unităţi în firul de aşteptare va fi:

Dar se calculează ca şi suma precedentă, cu deosebirea că locul lui N este luat

de N – 1. Deci vom scrie:

171
sau .

Pentru calculul timpului mediu de aşteptare a unei unităţi în fir avem: cu ns =

1 – ρ0 sau înlocuind pe nf și p0 obținem:

Timpul mediu de aşteptare în sistem va fi:

sau .

8.4.2 Modelul M(∞, 1, s)

In cele ce urmează vom presupune că numărul staţiilor s > 1, fiecare staţie are acelaşi
parametru de servire µ, sosirile sunt poissoniene de medie λ, timpul de servire exponenţial, iar
trecerea din firul de aşteptare în oricare staţie liberă se face în ordinea sosirilor.
Pentru determinarea indicatorilor acestui sistem vom cerceta mai întâi forma
coeficienţilor λn şi µn.
Deoarece populaţia din care provin unităţile este infinită, numărul mediu de unităţi ce
sosesc în sistemul de aşteptare este constant şi deci egal cu λ.
Pentru determinarea lui µn distingem două cazuri: a) când numărul n al unităţilor ce se
află în sistem la momentul t este mai mic decât s, vor lucra doar n staţii din cele s şi deci,
parametrul de servire pentru întregul sistem va fi de n ori mai mare decât pentru o singură staţie,
adică nµ; b) când n ≥ s toate staţiile vor lucra la momentul respectiv şi atunci parametrul de
servire al întregului sistem va fi sµ. Aşadar
nµ, pentru 1 ≤ n < s
µn =
sµ, pentru n ≥ s
Inlocuind în relația (9) pe λn și µn pentru cele două cazuri avem:
a) dacă 1 ≤ n < s

b) dacă n ≥ s

172
 Dacă ρ = λ/μ era factorul de serviciu al unei staţii, analog vom defini factorul de serviciu
al tuturor staţiilor, ca fiind ρ = λ/sμ, care pentru a evita aglomerarea este necesar să fie subunitar,
adică ρ < 1 sau λ/sμ = ρ/s < 1, de unde ρ < s, ceea ce conduce la observaţia că factorul de serviciu
al unei staţii poate fi supraunitar, dar mai mic ca numărul staţiilor s.
Rezumând avem:

∞
Pentru determinarea lui ρ0 folosim relația: Ʃ pn = 1, care se mai
n=0
scrie, ținând seama de forma probabilităților pn astfel:

sau

Dar

Fiind o progresie geometrică cu rația ρ < 1. Deci

In cadrul acestui model, variabila aleatoare ce reprezintă numarul de unități din firul de
așteptare la un moment dat, are repartiția:

iar valoarea sa medie este:

173
deoarece

deci

Numărul de unități aflate la serviciu la un moment dat este variabila aleatoare:

iar valoarea sa medie:

Dacă în aceste ultime două sume vom pune n – 1 = k, se obține:

dar expresia din ultima paranteză este tocmai 1/p0, ceea ce face ca ns = ρ.
Atunci numărul mediu de unităţi ce aşteaptă în sistem este:

Timpul mediu de aşteptare a unei unităţi în fir va fi:

174
iar timpul mediu de aşteptare a unei unităţi în sistem este:

Aplicaţia 8.3. Cu ocazia unui important meci, la intrarea în stadion au fost amplasate 3
case de bilete. Din date statistice anterioare se ştie că sosirea spectatorilor este poissoniană cu
media λ = 12 spectatori pe minut, iar timpul mediu de servite a unui spectator la o casă este de 10
secunde. Să se determine numărul mediu de spectatori care aşteaptă să intre la meci, precum şi
timpul mediu de aşteptare la coadă.
Rezolvare. Din datele problemei, deducem că: s = 3 staţii, λ = 12 spectatori pe minut şi
deoarece 1/μ = 10 secunde = 1/6 minute, rezultă că μ = 6 spectatori pe minut. Atunci ρ = λ/μ = 2,
ρ = λ/sμ = 2/3. Inlocuind în formule şi efectuând calculele obţinem:
po = 0,12; nf = 0,94; tf = 0,175 minute = 10 secunde.
Deoarece numărul efectiv de spectatori serviţi în unitatea de timp μns = 6, este o treime
din posibilităţile sμ = 18, rezultă că nu este folosită decît 33% din capacitatea de servire a
sistemului. Acest fapt ne poate conduce la suspendarea unei case, sau la serviciul ei numai în
perioada de vârf.
Observaţie. Dacă presupunem că în sistemul de aşteptare pot exista cel mult N unităţi la
un moment dat şi că deci firul de aşteptare este limitat în el putând exista cel mult N – s unități,
atunci pn = 0, pentru n > N și deci:

∞
iar din condiția Ʃ pn = 1, avem:
n=0

175
 Pentru a evita unele calcule anevoioase necesare determinării indicatorilor n, nf sau ns ,
recomandăm utilizarea formulelor de recurenţă pentru probabilităţile pn , adică:

şi formulele de definire ale acestor indicatori şi anume:

8.4.3 Modelul M (m,1,1)

In cadrul modelelor studiate pînă acum am presupus că populaţia din sursă este infinită.
În practică, de cele mai multe ori, sosirile sunt în număr foarte mare, însă finite. Să ne închipuim
în acest sens următorul exemplu:
Într-un atelier există m (număr finit) maşini cu aceleaşi caracteristici tehnologice şi care
funcţionează independent unele de altele: Maşinile se pot defecta în mod întâmplător şi sosesc la
reparat după o lege poissoniană cu parametrul A; pentru reparaţie există un singur mecanic
(staţie) iar durata reparaţiei unei maşini urmează o repartiţie exponenţială cu parametrul µ.
Acest exemplu constituie un model de aşteptare cu un fir de aşteptare, o staţie, populaţie
finită. Pentru determinarea caracteristicilor acestui model observăm că probabilitatea ca în
intervalul de timp ∆t să sosească în sistem o unitate, atunci cînd există n unităţi în sistem din cele
m ale sursei, este cu atât mai mică, cu cât numărul unităţilor rămase în populaţie este mai mic.
De aceea, vom scrie că această probabilitate va fi:
λn ∆t = (m – n)λ∆t, de unde λn = (m –n)λ

176
 Deoarece există o singură staţie, parametrul µn nu depinde de numărul de unităţi din
sistem, el fiind constant şi-l vom nota cu µ.
Inlocuind in relaţia (9) obţinem:

pentru n = 1,2,…,m. m
Pentru calculul lui p0 , deoarece Ʃ p0 = 1, obținem:
n=0

de unde
Caracteristicile acestui model, se vor calcula după cum urmează:

atunci

deoarece .
Modelul având o staţie, numărul mediu de unităţi ce sunt servite la un moment dat are
aceeaşi expresie ca şi în modelul M(∞, 1, 1) adică ns = 1 – ρ0 şi deci putem determina numărul
mediu de unităţi ce se află în fir astfel:
1+ρ
nf = n – n s = m - (1 – p0)
ρ
Timpul mediu de așteptare a unei unități în fir este:
nf 1 m 1
tf = = - -1
μns μ 1 – p0 ρ
de asemenea timpul mediu de așteptare în sistem va fi:
1 1 m 1
tf = tf + = -

177
 μ μ 1–ρ ρ

Aplicaţia 8.4. În exemplul de la începutul acestui model să presupunem că atelierul

aparţine unei fabrici de confecţii, în el sunt 10 maşini de cusut de acelaşi tip şi pot fi reparate în
caz de defectare de către un mecanic. Ştiind că într-o zi (8 ore) sosesc la reparat maşini după
legea poissoniană cu λ = 1/5, iar durata reparaţiei unei maşini urmează o lege exponenţială de
parametru λ = 2, să se determine probabilitatea de inactivitate a mecanicului, probabilitatea ca 3
mașini să fie defecte și celelalte caracteristici ale modelului.
Rezolvare. Perioada de inactivitate este aceea când în sistem nu există nici o unitate, deci
trebuie calculat p0. Dar cum m = 10, ρ = λ/μ = 1/10, Înlocuind în formulele obținute pentru acest
model și efectuând calculele obținem: p0 = 0,246; ps = 0,018; n = 2,46; nf = 1,706.

8.4.4 Modelul M(m,1,s)

Am văzut în cazul modelului M(m,1,1) că atunci când populația din sursă este finită
parametrul λn , reprezentând numărul mediu al sosirilor pe unitatea de timp, depinde de numărul
unităților rămase în sursă, fiind chiar proporțional cu acesta, deci de forma:
λn = (m – n)λ
Celălalt parametru μn se va scrie ca și în modelul M(∞,2,s), cu s > 1 și anume:

Inlocuind în formula (9) pe λn și μn în cele două situații, obținem:

a) dacă 1 ≤ n ˂ s, atunci:

b) dacă s ≤ n ≤ m, atunci:

m
Pentru determinarea probabilității p0 se aplică formula Ʃ pn =1, în
n=0
care înlocuind probabilitățile ps , avem:

de unde

178
unde ρ = ρ/s = λ/sμ este factorul de servire global.
Rezultă că:

Deoarece sunt adevărate relațiile:

putem deduce pentru pn următoarele relații de recurență în cele două cazuri:

Caracteristicile modelului n, nf , tf , ts , se calculează pornind de la definiții, astfel:

rezultatele finale fiind:

Observaţie. În multe dintre fenomenele de aşteptare suntem preocupaţi să reducem timpii

de aşteptare (inactivitate) proiectând spaţii de servire cât mai satisfăcătoare, dar evident nu
putem merge cu mărirea acestora la infinit. Deci va fi necesar determinarea unui plan optim de
aşteptare care să fie cât mai satisfăcătoare, dar evident nu putem merge cu mărirea acestora la
infinit. Deci va fi necesar determinarea unui plan optim de așteptare care să fie cât mai
convenabil din punct de vedere economic.

179
 Pentru aceasta se studiază diversele variante ale modelului de așteptare, comparându-se
indicatorii între ei, fapt ce ne va determina să alegem acea variantă cu indicatorii mai buni (timpi
de așteptare mai mici, stații mai puține). Dar în același timp vor trebui calculate cheltuielile
globale, pe unitatea de timp ale fiecărei variante în parte și vom alege pe aceea pentru care aceste
cheltuieli sunt minime.
Aplicația 8.6. Sosirile mașinilor defecte la un atelier de reparații sunt poissoniene cu
parametrul λ = 6/5 mașini pe zi. Pentru repararea lor se propune angajarea a doi mecanici dintr-
una din cele trei categorii prezentate în tabelul următor:

Categoria Nr. mediu de mașini reparate Câștigul pe zi

Se știe că timpul de
pe zi (μ) (CS)
reparare a unei
I. 4 70
mașini de către un
II. 5 85 mecanic din orice
III. 6 100 categorie are o
repartiție exponențială, iar lotul de mașini este suficient de mare pentru a considera populația
infinită. Prejudiciul întreprinderii din cauza unei mașini defecte este de 800 u.m./zi.
a) să se arate din ce categorie trebuie să facă parte cei doi mecanici, astfel încât costul total,
format din prejudiciul datorat inactivității mașinilor și plata mecanicilor să fie minim.
b) aceeași problemă dacă se acceptă propunerea de a angaja un singur mecanic.
Care dintre cazurile a) și b) este mai convenabil?
Rezolvare:
a) Notăm cu Ca = 800 u.m. costul inactivității unei mașini pe zi (cost datorat așteptării),
cu Cs costul pe zi al unui mecanic de categoria i, i = 1,2,3 și Ki costul total pentru cazul
(i)

categoriei i. Acest cost va fi:

Ki = 2Cs(i) + n(i) Ca
unde n(i) este numărul mediu de mașini din sistemul așteptare când cei doi mecanici sunt din
categoria i.
Deoarece toate datele sunt cunoscute în afară de n(i), rămâne să calculăm pe rând n(i) , i =
1,2,3. Din datele problemei deducem că unitatea de timp este ziua, λ = 6/5 mașini pe zi, iar μ are
trei valori, pentru fiecare categorie în parte. Notând cu ρi = λ/μi, i = 1,2,3 avem:
ρ1= 0,3; ρ2= 0,24; ρ3 = 0,2. Și cum s = 2, cu formula ρ i = λ/sμi, rezultă că ρ1= 0,15; ρ2=
0,12; ρ3 = 0,1.
Atunci ρ0(1) = 0,74; ρ0(2) = 0,79; ρ0(3) = 0,82 unde ρ0(i) este probabilitatea de inactivitate
pentru fiecare dintre cele trei categorii de mecanici.
Inlocuind în formulă și calculând obținem:
n(1) = 0,307; n(2) = 0,243; n(3) = 0,21 pentru care K1 = 385,6 u.m.; K2 = 362 u.m.; K3 = 368 u.m.
Deci în cazul a) este mai avantajos angajarea a doi mecanici de categoria a doua.
b) Acum costul Ki = Cs(i) + n(i) , i =1,2,3 deoarece există un singur mecanic (deci o singură stație).
In acest caz calculăm valorile n(i), după formula de la modelul M(∞, 1,1) adică:
ρi
n =
(i)
; i = 1,2,3.
1 - ρi

180
 Vom avea n(1) = 0,43; n(2) = 0,32; n(3) = 0,25 și rezultă:
K1 = 414 u.m.; K2 = 341 u.m.; K3 = 300 u.m.
In cazul b) este mai avantajos angajarea mecanicului de categoria a treia.
Comparând costurile minime din cazurile a) și b) rezultă că este mai avantajoasă
angajarea unui singur mecanic de categoria a treia.

Câmpul de aplicare a modelelor de așteptare este foarte variat, în special datorită

eficienței ridicate a acestor modele – un excelent raport cost sistem/efect economic și totodată al
posibilității utilizării practice cu ajutorul programelor informatice specializate.

CAPITOLUL VII

MODELE DE ŞIMULARE

7.1. Concepte. Clasificare. Utilizare.

Şimularea poate fi definită că tehnica de realizare a experimentelor cu calculatorul

electronic, care implica utilizarea unor modele matematice şi logice care descriu
comportarea unui sistem real de-a lungul unei perioade mari de timp.
Tehnicile de şimulare a unui sistem dat S, în funcţie de un sistem inlocuitor S”, se
claşifica in:
- metode de şimulare analogica, Dacă sistemul S” este de natura fizica, biologica, chimica
etc;
- metode de şimulare numerica (digitala), Dacă sistemul S” consta intr-o procedura de
calcul a unor marimi ipotetice, dar posibile, atribuite variabilelor şi parametrilor de stare
ale sistemului S, foloşind principalele relaţii ale unui model mathematic care reflecta
funcţionalitatea reala. în general, pentru şimularea numerica se folosesc diferite metode

181
 ca: tehnicile Forrester, metoda Monte-Carlo, algoritmi euristici etc. Majoritatea
şimularilor în procesele economice se refera la fenomene stochastice;
- metode de şimulare hibride, care imbina anlogiile naturale cu cele numerice.
Pentru a realiza experimentul de şimulare trebuie parcurse urmatoarele etape:
a) Definirea problemei, stabilirea obiectivelor, a ipotezelor de lucru impregna cu criteriile
de acceptare sau de respingere a lor, precizarea statistica a estimatiilor obtinute prin şimulare;
b) Colectarea şi prelucrarea preliminara a datelor reale pe baza carora sunt sugerate
ipotezele pentru formularea modelelor matematice şi se poate verifica valabilitatea modelului;
c) Formularea modelului de şimulare, scop pentru care se aleg variabilele, parametrii,
relaţiile funcţionale şi algoritmul care conduce la determinarea elementelor de intrare în funcţie
de cele de ieşire;
d) Estimarea parametrilor caracteristicilor operative prin procedee de statistica, pe baza
datelor reale culese;
e) Evaluarea rezultatelor modelui prin teste de concordanţă;
f) Construirea algoritmului şimularii fie prin schema logica detaliata, fie prin schema
bloc, în funcţie de dimenşiunea modelului;
g) Validarea sistemului de şimulare fie prin testarea programului pentru o soluţie
cunoscuta, fie prin compararea valorilor variabilelor de ieşire cu rezultatele din şituatii reale
şimilare;
h) Programarea experimentelor de şimulare prin considerarea succeşiva a valorilor
parametrilor de intrare, cu scopul selectarii acelor valori care realizeaza optimul unei funcţii de
eficienta;
i) Analiza datelor şimulate.
Şimularea are urmatoarele avantaje:
- permite determinarea formei funcţionale de exprimare a legaturilor dintre fenomenele
cercetate şi estimarea valorilor parametrilor modelului;
- demonstreaza soluţiile pentru rezolvarea problemei care face obiectul deciziei;
- testeaza cai de acţiune care nu pot fi formulate explicit în cadrul modelului;
- ajuta la o buna structurare a problemei analizate.

182
 In plus, şimularea foloseste sistemul cibernetic de reglare, care sta la baza deciziei
concrete din practica.
Modelele de şimulare au numeroase aplică tii practice: generarea numerelor aleatoare
cu o repartitie data, generarea numerelor uniform aleatoare repartizate, generarea euristica a
proceselor stochastice, dimenşionarea optimă a proceselor de stocare în industrie şi circulatia
marfurilor, fundamentarea deciziilor în procesele de asteptare, dinamica industriala şi jocuri de
intreprindere.

7.2. Jocuri de intreprindere

Jocurile de intreprindere permit şimularea dinamica a unor decizii secventiale.

Scopul principal al utilizarii jocurilor de intreprindere este acela al formarii la cadrele
de conducere, a deprinderilor în rezolvarea şituatiilor concrete cu care se intalnesc frecvent în
practica.
Un alt scop este cel al dezvoltarii aptitudinilor de abordare complexa, sistemica a
procesului şimulat.
Metoda jocurilor de intreprindere este şi o metoda de stimularea creativitatii.
Jocurile de intreprindere s-au dezvoltat din jocurile de razboi care urmareau stabilirea
unei strategii de lupta şi antrenare a ofiterilor prin şimularea unor şituatii militare. în anul 1950,
Asociatia Americana de Management a publicat lucrarea “Top Management Şimulation” care a
fost primul joc de intreprindere foloşit la formarea conducatorilor de afaceri.
Jocurile de intreprindere se desfasoara sub conducerea unui arbitru de joc ajutat de unul
sau mai multi conşilieri. Jucatorii transmit rezultatele, iar arbitrul le prelucreaza sau le
calculează.
Cu ajutorul jocurilor de intreprindere, specialistii pot testa o serie de ipoteze asupra
naturii deciziilor care urmează să le ia, cu identificarea efectelor probabile ale diverselor
decizii.
Dacă ne referim la avantajele jocurilor de intreprindere, nu trebuie să neglijam efectele
pşihologice ale acestora asupra participantilor, care pot sa-şi manifeste pe deplin personalitatea,
sa-şi verifice cunoştinţe le aşimilate, puterea de generalizare a fenomenelor, puterea de a rationa
corect, toate acestea canalizate în sensul dezvoltarii şimtului de raspundere pentru decizia luata.

183
 Efectele “jocului” asupra participantilor sunt urmatoarele:
- acumularea de cunoştinţe noi, de experienta, de calitati sau deprinderi de conducere;
- modificarea comportamentului: incredere în propriile forţe, spirit de iniţiativa, de
echipa;
- imbunatatirea atitudinii, prudenta în abordarea unor probleme complexe, tact faţă de
diferite motivatii;
- creste capacitatea de abstractizare, generalizare, creativitate.

7.2.1. Clasificare

Clasificarea jocurilor de intreprindere după cele mai importante criterii:

1. Dupa sfera de acţiune, jocurile de intreprindere se claşifica în :

- jocurile pentru intreaga intreprindere (Total Enterprise sau Top Management) –
şimuleaza funcţiile principale ale intreprinderii, astfel incat participantii la joc să poata intelege
diversele legitati ale unitatii economice în ansamblu;
- jocul funcţional se refera la o funcţie specifică a intreprinderii analizate, participantii la
joc putand experimenta diferite decizii în cadrul compartimentului care indeplineste funcţia
şimulata şi estimeaza eventualele consecinţe pentru alte compartimente cu care actioneaza în
stransa legatura;
- jocurile complexe analizeaza mai multe funcţii ale intreprinderii şi relaţiile principale
cu alte compartimente sau chiar cu exteriorul intreprinderii. în acest caz, jucatorii trebuie să
estimeze implicatiile unei decizii adoptate intr-un anumit compartiment asupra altor
compartimente ale intreprinderii;
- jocuri pentru alte zone de specialitate permit testarea unor strategii politice, economice,
tehnico-organizatorice privind o ramura de activitate economica dintr-un oras, dintr-un judet sau
chiar din toata intreprinderea.
De exemplu, Dacă se considera diverse programe de lucru ale unor unitati de servire, se
pot constata efectele economice la unitatile beneficiare sau se pot stabili consecinţele pentru
unitatile de servire analizate, corelate cu comportamentul unitatilor consumatoare.
2. Dupa elementul competitiv, jocurile pot fi:

184
 - jocurile concurentiale: sunt acelea în care fiecare participant adopta astfel de decizii
incat sa-şi depaseasca adversarul. Ele pot fi: jocuri interdependente şi jocuri independente.
a) Jocurile interdependente sunt acele jocuri în care succesul unui participant este
influentat atât de propriile decizii cât şi de deciziile concurentilor. în acest caz, funcţia de
performanta economica a unui jucator depinde de propriile acţiuni, dar şi de acţiunile
adversarului sau.
b) Jocurile independente sunt jocurile în care fiecare jucator realizeaza
imbunatatirea propriilor performante economice, fără a acţiona asupra celorlalti jucatori.
- jocurile cooperative: sunt acele jocuri în care doi parteneri convin ca, cel puţin în
privinta anumitor clase de decizii şi acţiuni, acestea să nu fie indreptate impotriva intereselor
celuilalt partener. în cazul economiei de piata, se stabilesc conventii intre doi sau mai multi
parteneri prin care acestia işi impart piata pentru anumite produse conform unor principii, că de
exemplu: fiecare partener işi desface marfurile pe piata cea mai apropiata.
- jocurile contra naturii: sunt jocurile în care un decident real sau o coalitie de decidenti
işi indreapta acţiunea impotriva unui “partener” fictiv care reprezintă , de fapt, mediul ambiant.
Acest partener poate acţiona în unele cazuri în favoarea decidentului, iar cateodata chiar în
defavoarea acestuia.
3. Dupa prelucrarea rezultatelor, jocurile se impart in: jocuri pe calculator şi jocuri
manuale.
In cazul în care arbitrul de loc este depaşit de complexitatea jocului, se elaboreaza un
program de calcul care să determine efectele economice ale deciziilor adoptate de parteneri. în
cazul unui joc şimplu, arbitrul poate efectua calculele fie manual, fie cu ajutorul unui
minicalculator.
în cazul unor probleme foarte complexe, nu se pot elabora algoritmi care să furnizeze
intr-un timp relaţiv scurt soluţia optimă . De aceea, până la obţinerea rezultatelor de la calculator,
soluţia euristica propusa de jucator se compara cu o “soluţie etalon”.
4. Dupa scopul urmarit:
- jocurile de instruire: sunt acele jocuri care permit participantilor să invete să adopte
decizii optime în condiţiile unor şituatii ipotetice, dar foarte posibil a fi regaşite în practica
unitatilor economice.

185
 La aceste jocuri, calculatorul efectueaza operatii de rutina sau adopta decizii şimple.
Deciziile importante trebuie să fie adoptate insă de jucatori mental, ceea ce reclama din partea
lor un deosebit efort intelectual.
- jocurile de intreprindere: pentru fundamentarea deciziilor operative sunt jocuri care
permit specialistilor să adopte decizii tot mai bune, în condiţiile reale ale intreprinderilor pe
care le conduc şi le organizeaza. Aceste jocuri neceşita utilizarea calculatorului electronic,
deoarece deciziile se adopta pe baza unui algoritm complex, care analizeaza efectele economice
ale mai multor soluţii în condiţiile unor perturbatii probabile.

7.2.2. Etapele de desfasurare a unui joc de intreprindere

1) Instruirea participantilor - arbitrul jocului efectueaza un instructaj al tuturor

participantilor la joc. El prezinta regulile locului, adica expune şituaţia existenta în intreprindere
la momentul iniţial t=0 precum şi evoluţia unui indicator conform cu datele statistice
inregistrate în diferite evidente. De asemenea, el precizeaza restrictiile de joc, obiectivele
intreprinderii sau compartimentului pe care il reprezintă fiecare jucator, evolutiile probabile
pentru unii indicatori, perturbatiile posibile şi eventual probabilitatea de realizare. El stabileste
scenariul pentru fiecare jucator, adica precizeaza datele care i se pun la dispoziţie, optiunile
posibile şi decizia pe care trebuie s-o adopte în conformitate cu obiectivul dat, respectand
restrictiile impuse de joc.
2) Adoptarea deciziilor de catre participanti – participantii la joc trebuie să
adopte acele decizii pe care le considera cele mai bune pentru obiectivul economic dat. în
general, arbitrul nu pune la dispozitia jucatorilor nici un fel de algoritm pentru că acestia să
poata gaşi cea mai buna soluţie. Rămâne că jucatorii să adopte decizia, fie pe baza competentei
şi inclinatiei pe care o au, fie pe baza unui algoritm euristic elaborat în timpul participarii la joc,
fie pe baza unui algoritm cunoscut cu alta ocazie de catre participant, dar adaptat la noile
condiţii. Indiferent de calea aleaşa iniţial de participantii la joc, este posibil ca, de cele mai multe
ori, aceasta să se schimbe pe parcursul desfasurarii jocului, în scopul imbunatatirii strategiei de
joc.
Fiecare adoptare a deciziilor de catre participanti constituie o “mutare”, adica o iteratie a
jocului, care se presupune că ar corespunde unei perioade urmatoare de timp. numărul N de

186
iteratii total al jocului poate fi precizat de arbitru în prima etapa, dar în unele cazuri el nu poate
enunta de la inceput acest număr de cicluri, ci le stabileste pe parcurs în funcţie de rezultate şi,
eventual, de parerea conşilierilor de joc.
3) Efectuarea de catre arbitru a calculelor – după ce arbitrul primeste de la fiecare
participant deciziile adoptate, precum şi perturbatiile aparute de la conşilieri, cu ajutorul unui
minicalculator sau al unui program de mare anvergura la un calculator electronic, evalueaza
consecinţele acestor decizii asupra performantelor economice ale intreprinderii sau
compartimentelor pe care le reprezintă jucatorii.
Arbitrul işi da seama în ce masura jucatorii stapanesc fenomenele economice în legatura cu
care trebuie să adopte decizii şi poate estima timpul de instruire, talentul şi capacitatea fiecarui
participant pentru a conduce un anumit compartiment.
4) Publicarea de catre arbitru a unei informari asupra rezultatelor obtinute - la fiecare
mutare, arbitrul, după ce efectueaza calculele, anunta rezultatele obtinute fiecarui jucator.
Acestia, la randul lor, fac o analiza a rezultatelor. în cazul în care un jucator constata că o
anumita regula de decizie a condus la obţinerea unor indicatori cu valori nefavorabile, el schimba
aceasta regula şi incearca noi strategii. în cazul în care o regula de decizie a condus la indicatori
economici favorabili, el o mentine pentru a o verifica în timp.
In şituaţia în care numărul de iteratii nu este suficient de mare, exista riscul că unii jucatori
să obtina rezultate bune pe baza unei şimple intamplari, chiar în condiţiile aplică rii unor reguli
eronate. Pe parcursul desfasurarii jocului, arbitrul poate mari numărul de iteratii pentru a elimina
acest risc, dar pentru că volumul calculelor să nu devina prohibitiv de mare, este mai indicat să
urmareasca modul în care jucatorii işi imbunatatesc regulile de adoptare a deciziilor.
5) Efectuarea de catre arbitru a unui test de continuare, respectiv de incetare a
jocului – testul este usor de aplică t de catre arbitru, dar prezinta dezavantajul că nu tine seama
de stadiul de instruire la care au ajuns participantii la joc.
6) Anuntarea sfarşitului jocului şi a rezultatelor finale- pe baza testului realizat
în etapa a cincea, arbitrul decide incetarea jocului şi anunta de acest lucru pe toţi participantii la
joc.
Dupa parcurgerea celor N iteratii se procedeaza la evaluarea rezultatelor jocului. Arbitrul
calculează în acest scop diverse funcţii de performanta care permit acordarea unui calificativ

187
global fiecarui participant la joc, care va permite ordonarea participantilor din punctul de vedere
al aptitudinilor de conducatori.

7.2.3. Limitele jocurilor de intreprindere

Conceperea, modelarea şi punerea la punct a unui joc neceşita mult timp şi, de aceea, un
volum mare de munca din partea unei echipe complexe, formate din economisti, matematicieni,
informaticieni, ingineri, programatori.
Se poate aşimila implementarea unui joc de intreprindere unei intreprinderi, în sensul că
implica sume mari de bani şi timp la demarare, rezultatele scontate aparand după un număr de
ani.
Proiectantilor unui joc de intreprindere li se cere multă experienta în modul de concepere
a modelului, a elasticitatii pe care urmează să o dea acestuia.
Cu tot consumul mare de resurse materiale, umane şi financiare şi al limitelor sale,
avantajele instruirii prin “joc”, că forma de pregatire a managerilor, sunt incontestabile.
Metoda jocurilor de intreprindere este utilizata şi că metoda de testare a salariatilor, de
verificare a competentei lor.

7.3. Dinamica industriala

Dinamica industriala propune instrumente prin care se pot imbina observatiile calitative cu
modelare cantitativa.
Pentru a putea construi modelul pentru o anumita problema este necesar să definim mai
întâi variabilele problemei, adica acele marimi care sufera variatii în timp.
Intr-un proces dinamic variabilele pot fi în principal de doua tipuri:
a) variabile care reprezintă acumulari de cantitati, masurabile riguros la un moment dat,
numite în dinamica industriala niveluri ;
b) variabile ce reprezintă procese în curs de desfasurare intr-un anumit ritm , masurabile de
regula că valori medii, numite fluxuri.
Conceptul fundamental al modelarii dinamice este ciclul informatie-decizie-acţiune, care
constituie o bucla elementara de feed-back în care se identifica o cale directa: intrare (decizie) –

188
ieşire (starea sistemului); o cale de reactie inversa: ieşire (starea sistemului) – informatie spre
ieşire (eventual prelucrata) şi intrare (decizie).
Descrierea matematică a comportarii dinamice a unui sistem se face cu ajutorul unui
sistem de ecuatii cudiferenţe finite, impreuna cu condiţiile iniţiale, ceea ce inseamna
determinarea ecuatiei de stare a sistemului cercetat.
Sistemul de ecuatii, corespunzande unui sistem şimplu şi riguros de reguli, poate să
exprime:
- ecuatii de sistem;
- ecuatii de ritm;
- ecuatii auxiliare.
Pentru scrierea acestor ecuatii se construieste în prealabil schema dinamica a sistemului,
care şintetizeaza toate observatiile rezultate din analiza calitativa a sistemului.
În realitate apar întârzieri între decizie şi acţiune precum şi în transmiterea informaţiei
care trebuie luată în considerare.

întârziere Starea
sistemului

întârziere
şissssmv

Aceste întârzieri pot duce la următoarele şituaţii: decizia este luată în raport cu o stare
anterioară sistemului, dar afectează starea lui actuală, informaţia despre starea sistemului va
afecta o decizie ulterioară stării pe care o măsoară.
Descrierea matematică a comportării dinamice a unui sistem se face cu ajutorul unui
sistem de ecuaţii cu diferenţe finite, împreună cu condiţiile inişiale, ceea ce înseamnă
determinarea ecuaţiei de stare a sistemului cercetat.
Reguli specifice:
1. variabilele de ritm rămân constante pe durata unui interval, în timp ce variabilele de nivel
capătă valori distincte la momente diferite;

189
2. constantele care intervin în modele au semnificaţie de informaţii, de aceea ele sunt şituate
în fluxuri de acest tip;
3. succeşiunea ritmurilor şi nivelurilor pe un flux dat: unui nivel îi poate urma numai un
nivel (fig 7.1);
4. compatibilitatea fluxurilor:
 într-un nivel nu pot intra sau ieşi fluxuri de natură fizică diferită;
 într-un ritm sau ecuaţie auxiliară nu pot intra decât mărimi ce au semnificaţia unor
informaţii;
 interacţiunile între fluxuri au loc numai prin intermediul informaţiilor.
Scrierea ecuaţiilor şi calculelor:
Variabilele şi constantele din ecuaţii sunt reprezentate prin şimboluri. Nivelele vor avea
drept caracter o şingură literă J sau K , indicând momentul la care se referă valoarea.
Ritmurile vor purta indicatorii JK sau KL indicând intervalul precedent sau următor.
Constantele sunt identificate prin absenţa indicelui de timp.
Ecuatiile de nivel:
O ecuaţie de nivel reprezintă un rezervor de acumulare a ritmurilor fluxului care măreşte
sau micşorează conţinutul rezervorului. Noua valoare a nivelului este calculată adăugându-se sau
scăzându-se din valoarea anterioară modificarea care apare pe parcursul intervalului de timp.
Notaţii:
L - nivelul (unităţi);
LK - noua valoare a nivelului calculată la timpul K;
LJ – valoarea nivelului la timpul J, anterior;
DT – lungimea intervalului de calcul între timpul J şi K;
RA – ritmul fluxului ce măreşte ivelul L;
RA.JK – valoarea ritmului acumulat în intervalul JK;
RS – ritmul fluxului ce micşorează nivelul L;
RS.JK – valoarea ritmului diminuat pe intervalul JK.
Ecuaţia de nivel devine:
L.K = L.J + (DT) (RA.JK – RS.JK)
Ecuatii de ritm:

190
 Ecuaţia de ritm este calculată la timpul K, utilizând informaţiile din nivelele la timpul K,
pentru a găşi ritmurile viitoare ale fluxului pe intervalul KL. Forma unei ecuaţii de ritm este:
De exemplu:
1
RC.KL = TA (SN – S.K)
În care:
RC – ritmul comandării;
TA – timpul de ajustare;
SN – stocul necesar;
S -- stocul curent.
Ecuatii auxiliare:
Adesea, claritatea şi înţelesul unei ecuaţii de ritm poate fi sporită prin împărţirea ei în
părţi scrise că ecuaţii separate/ca subdiviziuni algebrice ale ritmurilor. Aceste părţi se numesc
ecuaţii auxiliare.
Ecuaţiile auxiliare trebuie evaluate după ecuaţiile de nivel de care depind şi înainte de
ecuaţiile de ritm din care fac parte.
Ecuatiile valorilor iniţiale:
Membrul drept al ecuaţiei valorilor iniţiale poate fi alcătuit din valori numerice, constante
inducate şimbolic şi valori iniţiale ale altor valori. Două sau mai multe valori iniţiale nu se pot
desprinde reciproc una de alta pentru că rezultatul ar fi nedeterminat.
Ecuaţia valorilor iniţiale este, de obicei, scrisă după ecuaţia de nivel corespunzătoare.
Deciziile privind programarea operativa a productiei, atât din punct de vedere static cât
şi dinamic pot fi perfectionate cu ajutorul tehnicilor de dinamica industriala, deoarece permit:
- luarea în considerare a aspectelor dinamice ale desfasurarii procesului de productie;
- posibilitatea considerarii oricaror alte legaturi cu diverse sectii ale intreprinderii şi eventual
cu alte intreprinderi;
- posibilitatea evidentierii diverşilor factori perturbatori pe o anumita perioada de timp;
- verificarea strategiilor propuse şi alegerea unor strategii suboptime;
- analiza stabilitatii sistemului productiei în timp.
Trebuie mentionat faptul că aplică rea tehnicilor Forrester prezinta şi unele dezavantaje :

191
 - dificultati mari în stabilirea unei unitati comune de masura a productiei realizate la
diversele locuri de munca sau sectii;
- probabilitatea ridicata de a comite erori inadmişibile în urma alegerii unor unitati de
masura conventionale;
- durata relaţiv mare de pregatire a datelor şi de calcul în cazul când se urmăreşte o analiza în
unitati naturale sau mai apropiate de cele naturale;
- neceşitatea insuşirii tehnicilor de dinamica industriala de catre personalul de conducere al
intreprinderii.
Toate aceste dezavantaje pot fi inlaturate treptat, pe masura aplică rii metodei.
Avantajul esential al aplică rii tehnicilor Forrester consta în posibilitatea de a stabili
evoluţia starii sistemului productiei, toate variabilele modelului elaborat fiind funcţii de timp.

7.3.1. aplică tii practice ale dinamicii industriale

S-au inregistrat aplică tii ale tehnicilor Forrester în numeroase şi variate domenii, atât la
nivel micro şi macroeconomic cât şi la nivel mondial.
La nivel microeconomic sunt cunoscute aplică tii pentru alocarea capacitatilor,
programarea şi urmarirea productiei, organizarea desfacerilor de produse, controlul stocurilor
etc.
La nivel macroeconomic s-au facut aplică tii pentru organizarea cercetarii ştiinţifice şi
protectia mediului ambiant.
Dinamica industriala a fost utilizata în modelele mondiale de specialistii care au
intocmit cele doua rapoarte catre Clubul de la Roma privind perspectivele economice ale
omenirii în pragul secolului al XXI-lea.
Primul raport intitulat “Limitele cresterii“ cunoscut că modelul Meadows, identifica
principalele componente ale sistemului mondial: hrana, populatia, productia industriala,
resursele şi poluarea. Modelul cuprinde cateva sute de ecuatii. Rezultatele obtinute au permis
autorilor să desprinda concluzii privind evoluţia în perspectiva şi în conexiune reciproca a
celor cinci factori. Concluziile exagerate fac că modelul să fie discutabil. Acest raport este
important prin faptul că a pus problema viitorului omenirii în perspectiva sistemica.

192
 Al doilea raport, “Omenirea la raspantie“ a fost elaborat de profesorii M. Mesarovic
şi E. Pestel. Modelul foloseste tehnicile dinamicii industriale completate cu metoda scenariilor.
Spre deosebire de prima echipa, cea de-a doua echipa de cercetatori detaliaza analiza prin
impartirea lumii în 10 regiuni, iar fiecare regiune este privita din perspectiva a numeroase
caracteristici organizate pe 6 “straturi“.
Relaţiile dintre variabilele modelului sunt exprimate de peste 100.000 ecuatii ale acestuia.
Rezultatele obtinute în urma şimularii au permis autorilor să traga o serie de concluzii cu privire
la neceşitatea cresterii economice organice, controlate, diferentiate pe regiuni.
Printre avantajele dinamicii industriale retinem urmatoarele:
- reprezinta un instrument de tratare globala, sistemica a problemelor social-economice
complexe;
- evidentiaza relaţiile cantitative şi calitative din sistem şi prin simulare, permite gaşirea
unor soluţii efective, operationale, chiar pentru probleme de foarte mare amploare;
- oferă utilizatorilor posibilitatea unei abordari conversationale;
- evita rigiditatea altor metode de modelare matematică .
Trebuie mentionat faptul că aplică rea tehnicilor Forrester şi a problemelor ridicate de
aplică rea practica a acestei tehnici de simulare, pot fi diminuate sau chiar inlaturate total prin
organizarea de cursuri de perfectionare şi şimulare pentru managementul din cadrul
intreprinderilor şi organizatiilor.

BIBLIOGRAFIE

1. Anderson D.R. An introduction to management science: quantitative

Sweeney D.J. approaches to decişion making, West Publishing Co., 1991;
Williams T.A.
Metode de decizii multicriteriale, Ed. Tehnica, Bucuresti, 1986;
2. Andraşiu M.
Baciu A., Pascu A.
Puscas E.
Tasnadi A. Metode cantitative în management, Ed. Economica, Bucuresti,
1998;
3. Andreica M

193
 Stoica M.,Luban F. Une Methode pour l’Aide a la Decişion en Şituations
Multicriteres et Multiacteurs, Document de LAMSADE, Paris,
4. Bana e Costa C.A 1989;

Cercetarea operationala în intreprinderile industriale, Ed.

Tehnica, Bucuresti, 1981;
5. Barbatu Gh.
Ionescu V. Linear programming with multiple objective funcţions : STEP
Method, Mathematical Programming 1, 1971;
6. Benayoun R. de
Montgolfier J. Logica decizională şi conducerea sistemelor, Ed. Academiei
Romane, Bucuresti, 1992;

7. Boldur-Latescu Gh. Fundamentarea complexa a procesului decizional economic, Ed.

Stiintifica, Bucuresti, 1973;

8. Boldur-Latescu Gh. Analiza sistemelor complexe, Ed. Stiintifica şi Enciclopedica,

Bucuresti, 1982;

9. Boldur-Latescu Gh. Cercetare operationala cu aplică tii în economie, Editura ASE,

Bucuresti, 1988;

10. Boldur-Latescu Gh.

Tiganescu E.
Nica V., Marin D., Cercetari operationale cu aplică tii în economie, Ed. MATRIX
Mustata F. ROM, Bucuresti, 1996;

11. Ciobanu Gh.

Mustata F., Nica V. Multiobjective programming and planning, Academic Press,
Maracine V. New York, 1978;

12. Cohon J.L. Teoria deciziei; Ed. Scripta, Bucuresti, 2000;

13. Dobre I.,Badescu A.

Irimiea C. Nonlinear preference and utility theory, Johns Hopkins Univerşity
Press, Baltimore, 1988;

14. Fishburn P.C. Utility theory for decişion-making, John Wiley and Sons, New-
York, 1970;

15. Fishburn P.C. Decişion analyşis: an overview, Operations research 30, N.Y.,
1982;

16. Keeney R.L. Analiza drumului critic, Ed. Stiintifica, Bucuresti, 1968;

194
 Alocarea şi nivelarea resurselor, Ed. Stiintifica, Bucuresti, 1971;
17. Lazar S.
Quantitative approaches to management, Mc-Graw Hill, New-
York, 1986;
18. Lazar S.
Decizie – teorie şi practica, Ed. Eficient, Bucuresti, 2000;

19. Levin R., Rubin D. Resurse stocabile şi nestocabile, Ed. Stiintifica şi Enciclopedica,
Stinson J. Bucuresti, 1987;

20. Paunescu I. Probleme şi aplică tii în economie ale ADC, Lito ASE,
Petcu C. Bucuresti, 1978;

21. Ratiu-Suciu C.
Ratiu-Suciu I.
Aide Multicritere a la Decişion: Methodes et Cas,
22. Ratiu-Suciu C. Ed. ECONOMICA, Paris, 1993;
Ciobanu Gh.
Boldur-Latescu Gh. Methodologie Multicritere d’Aide a la Decişion,
Dobre I. Ed. ECONOMICA, Paris, 1993;

23. Roy B. Decider sur pluşieurs criteres- panorama de l’aide a la decişion

Bouyssou B. multicritere, Presses Politechniques Romandes, 1985;

24. Roy B. Curs de cibernetica economica, Lito ASE, Bucuresti, 1993;

25. Scharlig A.
L’approche interactive dans l’aide multicritere a la decişion:
aspects conceptuels, methodologiques et informatiques,
Document de LAMSADE 38, Paris, 1990;
26. Tiganescu E.
Marin D., Scarlat E. Principes et applications des methodes multicriteres –
Oprescu G. Univerşite de Mons-Hainaut, Belgique, 1988;
Andrei A.
L’aide multicritere a la decişion, Ed. Ellipses, Paris, 1989;
27. Vanderpooten D.
Operations research – applications and algorithms, Duxbury
Press, Belmont, 1994;

Multiple criteria decişion making, McGraw-Hill, N.Y., 1982.

28. Vansnick J.C.

195
29. Vincke Ph.

30. Winston W.

31. Zeleny M.

196