Documente Academic
Documente Profesional
Documente Cultură
1. Prezentare generală
2. Situaţia tehnico-economică şi de producţie a firmei "PROMODEC"
(individualizată pe student)
3. Obiectivele echipei manageriale pentru trimestrul IV a.c.
4. Decizia managerială asistată de calculator
Estimarea vânzărilor produsului B
Estimarea cererii produsului A în condiţii de concurenţă
Decizia managerială în condiţii de incertitudine şi risc.
Calculul profitului maxim probabil (speranţa matematică a profitului) în cazul în
care se va lansa pe piaţă produsul D.
Programarea activităţilor unui proiect pentru introducerea în fabricaţie a produsului
D.
2
1. Prezentare generală
Firma PROMODEC operează pe piaţa unui bun de consum de folosință curentă şi realizează,
de 2 ani, două tipuri de produse A şi B cu următoarele caracteristici:
Volumul vânzărilor variază întâmplător de la o lună la alta, cu toate că aceste produse au
câştigat poziţii importante pe piaţă;
Pregătirea producţiei pentru cele două produse A, şi B în lunile următoare (octombrie,
noiembrie, decembrie), necesită cunoaşterea în avans de către S.C. PROMODEC S.A. a
cererii viitoare pentru cele două produse ale sale;
Produsul A este în concurenţă cu alte trei produse similare C1, C2, C3 realizate de firme
concurente, astfel că variaţia cererii pentru produsul A este cauzată de evoluţia ponderii pe
piaţă a produselor concurenţiale C1, C2, C3.
Produsul B nu are concurenţă semnificativă pe piaţă, dar cererea pentru acest produs variază
în funcţie de conjunctura economică: rata inflaţiei, creşterea preţurilor unor produse de
consum curent, etc.
În evidenţa contabilă şi statistică a S.C. PROMODEC S.A. există informaţii privind costul
și profitul unitar (Tabelul 1), şi despre vânzările din produsul B (Tabelul 2).
Tabelul 1.
Produsul Costul unitar de Profitul unitar
producţie
A 20 u.m./u.f. 5 u.m./u.f.
B 10 u.m./u.f. 3 u.m./u.f.
Tabelul 2.
Nr.crt. Luna Vânzări din produsul B
(unităţi fizice)
1 Octombrie (anul precedent) 1400 +c
2 Noiembrie (anul precedent) 1500 +c
3 Decembrie (anul precedent) 1200 +c
4 Ianuarie (anul curent) 1300 +c
5 Februarie (anul curent) 1100 +c
6 Martie (anul curent) 1350 +c
7 Aprilie (anul curent) 1450 +c
8 Mai (anul curent) 1150 +c
9 Iunie (anul curent) 1200 +c
10 Iulie (anul curent) 1100 +c
11 August (anul curent) 1310 +c
12 Septembrie (anul curent) 1250 +c
Societatea Comercială PROMODEC S.A. are contracte ferme pentru produsul B, numai în
lunile noiembrie şi decembrie a.c. Pentru estimarea volumului vânzărilor produsului B în luna
octombrie a.c., conducerea firmei a hotărât să utilizeze datele din lunile anterioare (Tabelul 2), care în
reprezentare grafică sunt redate în Figura 1.
Figura 1
Modelul economico-matematic
Pentru estimarea vânzărilor în luna următoare se poate utiliza un model bazat pe medie şi
anume modelul Brown de nivelare exponenţială.
I. α = 0,2
II. α = 0,9
III. α optim în raport cu eroarea medie pătratică.
Rezolvare
Rezolvarea problemei se poate face cu unul dintre produsele informatice:
QM for Windows/Forecasting/Time Series Analysis sau în Excel
La începutul lunii septembrie a.c., S.C. PROMODEC S.A. a organizat o anchetă asupra unui
eşantion reprezentativ de (1000+c) consumatori, cu scopul de a determina numărul utilizatorilor
produsului A, cât şi al utilizatorilor produselor concurente C1, C2, C3.
S-au înregistrat următoarele rezultate:
(400+c) cumpărători s-au declarat utilizatori ai produsului A;
220 cumpărători s-au declarat utilizatori ai produsului C1;
230 cumpărători s-au declarat utilizatori ai produsului C2;
150 cumpărători s-au declarat utilizatori ai produsului C3.
În luna septembrie a.c., S.C. PROMODEC S.A. a lansat o campanie de publicitate pentru
produsul A. La începutul lunii octombrie s-a efectuat o nouă anchetă asupra aceluiaşi eşantion
reprezentativ de cumpărători şi s-au obţinut următoarele rezultate:
- dintre utilizatorii produsului A (la începutul lunii septembrie a.c.):
80% au rămas fideli produsului A;
10% s-au orientat către produsul C1;
5% s-au orientat către produsul C2;
5% s-au orientat către produsul C3;
- dintre utilizatorii produsului C1 (la începutul lunii septembrie a.c.):
60% au rămas fideli produsului C1;
20% s-au orientat către produsul A;
10% s-au orientat către produsul C2;
10% s-au orientat către produsul C3;
- dintre utilizatorii produsului C2 (la începutul lunii septembrie a.c.):
50% au rămas fideli produsului C2;
25% s-au orientat către produsul A;
10% s-au orientat către produsul C1;
15% s-au orientat către produsul C3;
6
Modelul economico-matematic
În aceste condiţii, evoluţia pe piaţă a celor patru produse concurenţiale poate fi analizată cu
ajutorul lanţurilor Markov.
P= .
Modelarea deciziilor manageriale 7
Rezolvare
Rezolvarea problemei se poate face cu unul dintre produsele informatice:
QM for Windows/ Markov Analysis sau în Excel
Rezultă că în cazul stării naturii SN1, cererea pentru produsul A se situează la nivelul: 2799
u.f. + 3314,3 u.f. + 3596,05 u.f. = 9709,35 u.f.
- cererea pentru produsul B să fie în luna octombrie la nivelul de 1254 u.f. prognozat prin
modelul Brown pentru α = 0,9, apoi în luna noiembrie la nivelul de 1400 u.f. şi în decembrie la
3500 u.f.
Rezultă că în cazul stării naturii SN1, cererea pentru produsul B se situează la nivelul: 1254 +
1400 + 3500 = 6154 u.f.
- Starea naturii SN3: situaţie nefavorabilă pentru SC. PROMODEC (concurenţă agresivă a
celorlalte produse)
- cererea din produsul A se situează la nivelul:
cota de participare pe piaţă (calculată prin modelul Markov)* 6000 u.f. în luna
octombrie = 0,4665 * 6000 =2799 u.f.
0,95 * cota de piaţă (din modelul Markov) * 6000 u.f. în luna noiembrie = 0,95 * 0,5021
* 6000 = 0,95 * 3013 = 2862,35 u.f.
0,90 * cota de piaţă (din modelul Markov) * 6000 u.f. în luna decembrie = 0,90 *
0,5212 * 6000 = 0,90 * 3127 u.f. = 2814,3 u.f.
Rezultă că în cazul stării naturii SN3, cererea pentru produsul A se situează la nivelul: 2799
+ 2862,35 + 2814,3 = 8475,65 u.f.
- cererea pentru produsul B să fie în luna octombrie la nivelul de 1246,03 u.f. prognozat
prin modelul Brown pentru α optim, apoi în luna noiembrie la nivelul 1000 u.f. şi în decembrie la
3200 u.f.
Rezultă că în cazul stării naturii SN3, cererea pentru produsul B se situează la nivelul:
1246,03 + 1000 + 3200 = 5446,03 u.f.
Sunt luate în considerare următoarele variante decizionale referitoare la oferta de producţie
pentru următoarele trei luni:
V1 – oferta pentru produsul A să fie egală cu cererea totală estimată pe baza cotelor de piaţă
din octombrie, noiembrie şi decembrie a.c. obţinute cu modelul Markov =
0,4665*6000 +0,5021*6000 + 0,5212 * 6000 = 2799 + 3013 + 3127 = 8939 u.f., iar
Modelarea deciziilor manageriale 9
oferta pentru produsul B să fie egală cu [(cererea pentru luna octombrie estimată cu
modelul lui Brown pentru α = 0,2) + (cererea de 1000 u.f. pentru luna noiembrie) +
(cererea de 3200 u.f. pentru luna decembrie)] = 1257,74 + 1000 +3200 = 5457,74 u.f.
V2 – oferta pentru produsul A să fie cu 5% mai mare faţă de cererea totală estimată pe baza
cotelor de piaţă din octombrie, noiembrie şi decembrie a.c. obţinute cu modelul
Markov = 1,05*8939 = 9385,95 u.f., iar oferta pentru produsul B să fie cu 5% mai
mică decât [(cererea pentru luna octombrie estimată cu modelul lui Brown pentru α =
0,2) + (cererea de 1000 u.f. pentru luna noiembrie) + (cererea de 3200 u.f. pentru luna
decembrie)] = 0,95*5457,74 = 5184,85 u.f.
V3 - oferta pentru produsul A să fie cu 5% mai mică faţă de cererea totală estimată pe baza
cotelor de piaţă din octombrie, noiembrie şi decembrie a.c. obţinute cu modelul
Markov = 0,95 * 8939 = 8492,05 u.f., iar oferta pentru produsul B să fie cu 5% mai
mare decât [(cererea pentru luna octombrie estimată cu modelul lui Brown pentru α =
0,2) + (cererea de 1000 u.f. pentru luna noiembrie) + (cererea de 3200 u.f. pentru luna
decembrie)] = 1,05*5457,74 = 5730,63 u.f.
produs A)k} + (profitul unitar B) * MIN{ (ofertaVi produs B)k, (cerereaSNj produs B)k}
A)k]} - (costul unitar producţie B) * MAX{0, [ (ofertaVi produs B)k - (cerereaSNj produs
B)k]}
unde k = 1 = octombrie, k = 2 = noiembrie, k = 3 = decembrie.
Din Tabelul 1: profitul unitar A = 5 u.m./u.f.; profitul unitar B = 3 u.m./u.f.;
costul unitar producţie A = 20 u.m./u.f.; costul unitar producţie B = 10 u.m./u.f.
Modelul economico-matematic
În condiţii de incertitudine, ierarhizarea variantelor se poate obţine prin utilizarea
criteriilor de decizie Wald, Laplace, Savage şi Hurwicz.
În condiţii de risc, ierarhizarea variantelor decizionale se va face în funcţie de speranţa
matematică a profitului (valoarea medie probabilistă a profitului) calculată pentru fiecare
variantă.
Structurarea situaţiei decizionale sub forma unui set finit de variante de acţiune, a mai
multor stări ale naturii şi posibilitatea de a calcula consecinţele economice asociate fiecărei
10
combinaţii variantă decizională – stare a naturii permite formularea unui model de decizie sub
formă matriceală prezentată în Tabelul 3.1.
Tabelul 3.1
Starea naturii SN1 Starea naturii SN2 Starea naturii SN3
(p1 = 0,4) (p2 = 0,4) (p3 = 0,2)
Varianta
Profit(V1, SN1) Profit(V1, SN2) Profit(V1, SN3)
decizională V1
Varianta
Profit(V2, SN1) Profit(V2, SN2) Profit(V2, SN3)
decizională V2
Varianta
Profit(V3, SN1) Profit(V3, SN2) Profit(V3, SN3)
decizională V3
Pentru individualizarea c = 0 se obţin datele din Tabelul 3.2
Tabelul 3.2
Stările naturii
SN1 (p1 = 0,4) SN2 (p2 = 0,4) SN3 (p3 = 0,2)
Cererea A = 9709,35 u.f. Cererea A = 8939 u.f. Cererea A = 8475,65 u.f.
Cererea B = 6154 u.f. Cererea B = 5657,74 u.f. Cererea B = 5446,03 u.f.
Varianta decizională V1
Oferta A = 8939
u.f. 61068,22 u.m. 61068,22 u.m. 49332,24 u.m.
Oferta B =
5457,74 u.f.
Varianta decizională V2
Oferta A =
9385,95 u.f. 64612,83 u.m. 50363,03 u.m. 36027,05 u.m.
Oferta B =
5184,85 u.f.
Varianta decizională V3
Oferta A =
8492.05 u.f. 65462,48 u.m. 46636,95 u.m. 32300,97 u.m.
Oferta B =
5730,63 u.f.
De exemplu, consecinţa asociată variantei V1 dacă se manifestă starea SN1 a naturii va fi:
Profit (V1, SN1) = 5*MIN{8939, 9709,35} + 3*MIN{5457,74, 6154} – 20*MAX{0, (8939
- 9709,35)} – 10*MAX{0, (5457,74 - 6154)} = 5*8939 + 3*5457,74 – 0 – 0 = 44695 + 16373,22 =
61068,22 u.m.
După construirea matricei consecinţelor de tip profit se vor aplica criteriile de decizie pentru
ierarhizarea variantelor decizionale.
Rezolvare
Rezolvarea problemei se poate face cu unul dintre produsele informatice:
QM for Windows/Decision Analysis/Decision Tables; WINQSB/DA/Payoff Table Analysis
sau în Excel
1. Recomandări de alegere a celei mai potrivite reguli de decizie din cele folosite: Wald
(minmax), maxmax, Savage (minmax regret), Laplace (equal likelihood), Hurwicz;
2. Estimarea costului maxim pentru achiziţionarea unor informaţii complete asupra stărilor
naturii;
3. Recomandări de alegere a valorii coeficientului de optimism pentru regula/ criteriul
Hurwicz şi surclasarea variantelor decizionale pentru valorile coeficientului de optimism
[0, 1].
4. Decizia în condiţii de risc.
Tabelul 4.1
Anul t Anul t+1
Variantele Stările naturii Variantele Stările naturii Profitul
estimat
Instalarea Conjuctură favorabilă Instalarea unui nou utilaj Cerere mare (probabilitatea =0.3) 800+c
unui utilaj (probabilitatea=0.7) (cost (20+c) u.m.) Cerere medie (probabilitatea =0.6) 600+c
nou Cerere mică (probabilitatea=0.1) 500+c
(cost
Ore suplimentare de lucru Cerere mare (probabilitatea=0.3) 600+c
(20+c)u.m)
(cost (2+c) u.m.) Cerere medie (probabilitatea=0.6) 500+c
Cerere mica (probabilitatea=0.1) 400+c
Conjuctură Utilizarea capacităţii existente Cerere mare (probabilitatea=0.3) 500+c
nefavorabilă Cerere medie (probabilitatea=0.6) 400+c
(probabilitatea=0.3) Cerere mică (probabilitatea=0.1) 200+c
Ore Conjuctură favorabilă Instalarea unui utilaj nou Cerere mare (probabilitatea=0.3) 600+c
suplimentare (probabilitatea=0.7) (cost (20+c) u.m.)
de lucru Cerere medie (probabilitatea=0.6) 500+c
(cost Cerere mică (probabilitatea=0.1) 200+c
(2+c)u.m.) Instalarea unui utilaj nou şi
Cerere mare (probabilitatea=0.3) 500+c
ore suplimentare de lucru
(cost (22+2c) u.m.) Cerere medie (probabilitatea=0.6) 400+c
Cerere mică (probabilitatea=0.1) 200+c
12
Rezolvare
Rezolvarea problemei se poate face cu unul dintre produsele informatice:
QM for Windows/Decision Analysis/Decision Trees sau în Excel
Tabelul 5.1
Costul
Activităţi Durata Durata Costul duratei
Sim normal
Denumire activitate precedente normală urgentată urgentate
bol (u.m.)
(saptămâni) (săptămâni) (u.m)
A Proiectare produs - 12 7 90+c 135+c
Elaborare program
B - 5 2 16+c 30+c
marketing
Pregătire documentaţie
C A 6 3 3+c 4+c
tehnică
D Construire prototip A 11 6 100+c 120+c
Elaborare prospect de
E A 4 3 6+c 7+c
marketing
F Estimare cost de producţie C 3 2 2+c 3+c
G Testare tehnică a producţiei D 6 4 60+c 70+c
H Studiul pieţei B,E 8 4 20+c 50+c
Estimare cerere şi preţ de
I H 3 2 2+c 3+c
vânzare
J Redactare studiu final F,G,I 3 2 2+c 3+c
Conducerea S.C.PROMODEC S.A. doreşte să ştie care este durata normală şi durata cea
mai mică de realizare a studiului de fezabilitate cât şi costurile totale corespunzătoare. De asemenea
Modelarea deciziilor manageriale 13
conducerea este interesată în determinarea duratei medii de realizare a studiului, a costului asociat
acestei durate şi eşalonarea în timp a activităţilor pentru obţinerea duratei maxime.
Modelul economico-matematic
Programarea în timp a activităţilor pentru lansarea unui produs nou cu un cost optim
corespunzător unei durate totale specificate pentru finalizarea proiectului se poate
obţine cu ajutorul unui model ADC/Costuri.
Rezolvare
Rezolvarea problemei se poate face cu unul dintre produsele informatice:
QM for Windows/ Project Management PERT – CPM sau în Excel
Introducerea datelor:
- Pentru a obtine estimarea vînzărilor se introduc datele in QM for Windows/ Forecasting
selectand optiunea New/Time series analysis.
- La rubrica “Number of past periods” se introduce 12 (adică cele 12 luni din trecut pentru
care se cunosc vânzările).
- In coloana Demand se introduc cele 12 valori ale vânzărilor din tabelul 2.
- Previziunea initiala este egală cu valoarea vânzărilor din prima lună,respectiv 1400 pentru
c=0.
- La Method se alege optiunea Exponential Smoothing, iar valoarea lui Alpha se va modifica
pe rând aplicând cele 3 valori indicate (respectiv 0.2 si 0.9, apoi alpha optim).
- Cu optiunea Solve se rezolva problema. Pentru a vizualiza previziunile pe întreaga perioadă se
alege din Windows opțiunea Detailes and Error analysis.
- Valoarea lui Alpha optim se identifică dupa rezolvarea inițială alegand din meniul Windows
opțiunea Eror as a function of Alpha. In tabelul rezultat se verifică care este cea mai mică valoare a
indicatorului de eroare MSE si se identifică astfel Alpha optim (care conduce la cea mai mică
eroare de previziune).
- Erorile de previziune se pot vizualiza dupa aplicarea optiunii Solve si afisarea tabelului
Forecasting results.
Observaţie! Opțiunea File - Save as Excel file permite salvarea datelor și exportarea
rezultatelor în Excel. Transferul datelor în Excel permite editarea acestora într-o formă printabilă,
precum şi completarea graficului cu previziunile pentru mai multe valori ale lui alpha, cu media
valorilor reale etc.
Rezultate obținute:
Prin centralizarea rezultatelor se obțin datele din Tabelul 1/R. Media vânzărilor trebuie
calculată de fiecare student. Pe baza acestuia se construieste graficul necesar la pct.1 din Analiza
rezultatelor.
Tabelul 1/R “Estimarea vanzarii produsului B pentru c=0”
Luna Vânzările Previziunea Previziunea Previziunea Media
α=0.2 α=0.9 α=optim vânzărilor
1 1400 1400.00 1400.00 1400.00 1275.83
2 1500 1400.00 1400.00 1400.00 1275.83
3 1200 1420.00 1490.00 1427.00 1275.83
4 1300 1376.00 1229.00 1365.71 1275.83
5 1100 1360.80 1292.90 1347.97 1275.83
6 1350 1308.64 1119.29 1281.02 1275.83
7 1450 1316.91 1326.93 1299.64 1275.83
8 1150 1343.53 1437.69 1340.24 1275.83
9 1200 1304.82 1178.77 1288.87 1275.83
10 1100 1283.86 1197.88 1264.88 1275.83
11 1310 1247.09 1109.79 1220.36 1275.83
12 1250 1259.67 1289.98 1244.56 1275.83
Modelarea deciziilor manageriale 15
Figura 1/R
2. Analiza comparativă a rezultatelor pentru cele trei valori ale constantei de nivelare:
Pentru constanta de nivelare 0.2 previziunea este 1257,74 uf.
Pentru constanta de nivelare 0.9 previziunea este 1254,00 uf.
Pentru constanta de nivelare 0.27 previziunea este 1246,03 uf.
3. Volumul vânzărilor recomandat să fie luat în considerare pentru producţia din luna octombrie
anul curent. Justificarea recomandării.
Volumul vanzarilor luat in considerare este cel pentru α = 0.27, respectiv 1246,03 pentru că are
eroarea medie patratica (MSE) cea mai mica 21276.39, fata de previziunea pentru α = 0.2 care
are eroarea medie patratica 21628,46 sau α = 0.9 care are eroare medie patratica 30836,92
4. Recomandări generale pentru alegerea constantei de nivelare α
Consultați curs –secțiunea care face referire la modul în care alegerea constantei de nivelare
influențează eroarea de previziune.
16
Introducerea datelor:
- Din QM for Windows se alege opțiunea Module/Markov Analysis
- Din Files se alege New si se completează Numer of states cu 4
- In tabelul generat se introduc datele cfm. Tabelului 2/R
Rezultate obținute:
Rezultatele furnizate de QM for Windows/ Markov Analysis (pentru c=0), sunt următoarele:
Tabelul 3/R. Markov Analysis Results for “Evolutia pe piata a produselor concurentiale”
State 1 State 2 State 3 State 4
State 1 0.6243 0.1853 0.0976 0.0929
State 2 0.42 0.3175 0.1353 0.1273
State 3 0.4641 0.1983 0.1955 0.1421
State 4 0.4823 0.241 0.1288 0.148
Ending probability 0.5212 0.2257 0.1331 0.12
(given initial)
Steady State probability 0.5434 0.2226 0.1214 0.1127
End of Period 2
State 1 0.6875 0.155 0.08 0.0775
State 2 0.335 0.41 0.13 0.125
Modelarea deciziilor manageriale 17
End of Period 3
State 1 0.6243 0.1853 0.0976 0.0929
State 2 0.42 0.3175 0.1353 0.1273
State 3 0.4641 0.1983 0.1955 0.1421
State 4 0.4823 0.241 0.1288 0.148
Observaţie! Opțiunea File - Save as Excel file permite salvarea datelor și exportarea
rezultatelor în Excel. De asemenea, se poate utiliza funcţia Click dreapta-Copy Table – Paste în
fişierul Excel. Transferul datelor în Excel permite editarea acestora într-o formă printabilă.
În consecinţă, este necesar a se realiza un tabel centralizator în care se vor copia cotele de
piaţă finalul fiecăreia din cele 3 perioade de timp analizate.
Figura 2/R
Campania de publicitate a avut un efect maxim în luna octombrie, când produsul A a câştigat
6,65% pe piaţă. In lunile următoare, influenţa campaniei de publicitate scade: 3,53% în noiembrie şi
1,91% în decembrie.
3. Ponderea limită pe piaţă la care poate ajunge produsul A dacă matricea de tranziţie
rămâne neschimbată un număr mare de perioade;
Dacă matricea de tranziţie rămâne mult timp neschimbată de la o lună la alta, ponderea
limită la care poate ajunge produsul A pe piaţă este 54,34% (State Probability). De aceea se
recomandă schimbarea tipului de campanie de publicitate sau altă politică managerială pentru
consolidarea poziţiei firmei pe piaţă.
1
0.9
0.8
Fidelitati/reorientari
0.8
0.6875
0.7 0.6242
0.6
0.5
0.4
0.3
0.1853
0.2 0.155
0.1 0.08 0.0976
0.05 0.05 0.0775 0.0929
0.1
0
oct nov dec
Lunile
Figura 3/R
6. Vânzările lunare obținute la pct 5. împreună cu profitul unitar (5 um/uf) vor fi utilizate de
fiecare student pentru determinarea evoluţiei profitului estimat pentru produsul A pe cele
3 luni.
Valoarea coeficientului Hurwicz (alpha) se alege de fiecare student, în funcție de înclinația către risc.
Prin rezolvarea problemei fără probabilități se obțin rezultatele în condiții de incertitudine.
Pentru obținerea decizie în condiții de risc se scriu valorile probabilităților pe linia Probabilities,
respectiv: p1 = 0,4 pentru SN1, p2 = 0,4 pentru SN2 şi p3 = 0,2 pentru SN3
Rezultate obținute:
Pentru a obține toate valorile necesare interpretării datelor se rulează problema cu și fără
probabilități și se afișează, pe rând, din Window opțiunile: 1. Decision table results, 2. Regret or
opportunity loss, 3. Hurwicz table
20
Modelarea deciziilor manageriale 21
1. Recomandări de alegere a celei mai potrivite reguli de decizie din cele folosite: Wald
(minmax), maxmax, Savage (minmax regret), Laplace (equal likelihood), Hurwicz;
2. Estimarea costului maxim pentru achiziţionarea unor informaţii complete asupra stărilor
naturii;
Recomandare: În condiții de risc, se va alege valoarea aferentă opţiunii Best Expected Value
determinată în cazul analizării condiţiilor de risc (cu introducerea probabilităților).
Introducerea datelor:
Figura 4/R
Prin rezolvarea cu opţiunea Solve, se obţine arborele în formă grafică necesar la pct 1 din Analiza
rezultatelor.
Figura 5/R
2. Analiza rezultatelor şi indicarea variantelor optime atât în primul an, cât şi în cel de al doilea an.
In anul primul se recomandă instalarea utilajului nou, pentru ca profitul asteptat este mai mare
decat in cazul orelor suplimentare, respectiv 544 unitati monetare (564-20) in comparatie cu 447,40
unitati monetare (449,40-2).
In al doilea an daca conjunctura este favorabila se va alege instalarea unui nou utilaj deoarece
profitul asteptat este de 630 u.m., în comparatie cu situatia in care s-ar alege orele suplimentare unde
profitul asteptat este de 518 u.m., iar dacă conjuctura va fi nefavorabilă se recomandă utilizarea
capacității existente cu un profit asteptat de 410 u.m.
1. Method: Crashing
Modelarea deciziilor manageriale 25
Introducerea datelor:
Rezultatele obţinute prin rezolvarea cu QM for Windows/ PERT-CPM pentru c=0 sunt
următoarele:
Obtinerea duratei normale (32 saptamani) si a costului aferent (310 u.m.), respectiv a duratei
urgentate (19 saptamani) cu costul aferent (301+100.5=401.5 u.m.)
24 9 46 A
23 9 55 A
22 9 64 A
21 11.5 75.5 D, H
20 12.5 88 G, H
19 12.5 100.5 G, H
2. Pe baza datelor obținute sau se vor reprezenta grafic valorile costului în raport cu durata
normală, urgentată și medie a proiectului.
32 301
25 338
19 401.5