Modelarea deciziilor manageriale 1

MODELAREA DECIZIILOR MANAGERIALE

-
PROIECT DE DISCIPLINĂ

Decizia managerială asistată de calculator pentru îndeplinirea obiectivelor

propuse la firma ESTETICANOVA

Coeficient : 38

1. Prezentare generală
2. Situaţia tehnico-economică şi de producţie a firmei "ESTETICANOVA"
(individualizată pe student)
3. Obiectivele echipei manageriale pentru trimestrul IV a.c.
4. Decizia managerială asistată de calculator
Estimarea vânzărilor produsului Tricou
Estimarea cererii produsului Bluza 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 Hanorac.
Programarea activităţilor unui proiect pentru introducerea în fabricaţie a produsului
Hanorac.
2

1. Prezentare generală

Proiectul la disciplina "Modelarea deciziilor manageriale" oferă studenţilor facultăţii de

Management posibilitatea de a rezolva o serie de probleme importante de decizie economică la nivel
de firmă, în condiţii de concurenţă cu ajutorul unui instrumentar adecvat de modelare şi simulare, în
sistem conversaţional.
Proiectul este conceput pe exemplul unei organizaţii pentru care se cunosc: situaţia tehnico-
economică şi de producţie (la sfârşitul trimestrului III a.c.) precum şi obiectivele echipei manageriale
pentru trimestrul IV a.c. şi în perspectivă.
Proiectul este individualizat şi are caracter de autoinstruire.
Individualizarea constă în nominalizarea firmei analizate de fiecare student, nominalizarea
produselor şi modificarea datelor cu parametrul de individualizare <c>.
Este prezentată situaţia tehnico-economică şi de producţie la S.C. "ESTETICANOVA" S.A.,
obiectivele manageriale şi modul de rezolvare în sistem conversaţional.
Proiectul conţine următoarele module :
MI. Estimarea vânzărilor produsului Tricou
MII. Estimarea cererii produsului Bluza în condiţii de concurenţă
MIII. Decizia managerială privind stabilirea strategiei de vânzare în condiţii de
incertitudine şi risc
MIV. Calculul profitului maxim probabil (speranţa matematică a profitului) în cazul în care se
va lansa pe piaţă produsul Hanorac.
MV. Programarea activităţilor proiectului pentru introducerea în fabricaţie a produsului
Hanorac în cazul duratelor deterministe şi analiza cost – durată.
Rezolvarea cerinţelor pe module se realizează pe baza algoritmilor prezentaţi, iar în sistem
conversaţional, se va utiliza un produs software la alegere: QM for WINDOWS sau EXCEL.
Pentru rezolvarea completă, proiectul individual impune interpretarea şi efectuarea unei analize
economice a rezultatelor parţiale/totale, cu precizarea consecinţelor asupra activităţilor organizaţiei
prin decizia sau deciziile adoptate.
 Modelarea deciziilor manageriale 3

2. Situaţia tehnico-economică şi de producţie a firmei "ESTETICANOVA"

(individualizată pe student)

Firma ESTETICANOVA operează pe piaţa unui bun de consum de folosință curentă şi

realizează, de 2 ani, două tipuri de produse Bluza şi Tricou 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 Bluza, şi Tricou în lunile următoare
(octombrie, noiembrie, decembrie), necesită cunoaşterea în avans de către S.C.
ESTETICANOVA S.A. a cererii viitoare pentru cele două produse ale sale;
 Produsul Bluza este în concurenţă cu alte trei produse similare Geaca, Cardigan, Pulovar
realizate de firme concurente, astfel că variaţia cererii pentru produsul A este cauzată de
evoluţia ponderii pe piaţă a produselor concurenţiale Geaca, Cardigan, Pulovar.
 Produsul Tricou 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. ESTETICANOVA 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
Bluza 20 u.m./u.f. 5 u.m./u.f.
Tricou 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) 1438
2 Noiembrie (anul precedent) 1538
3 Decembrie (anul precedent) 1238
4 Ianuarie (anul curent) 1338
5 Februarie (anul curent) 1138
6 Martie (anul curent) 1388
7 Aprilie (anul curent) 1488
8 Mai (anul curent) 1188
9 Iunie (anul curent) 1238
10 Iulie (anul curent) 1138
11 August (anul curent) 1348
12 Septembrie (anul curent) 1288

3. Obiectivele echipei manageriale pentru trimestrul IV a.c.

o Estimarea vânzării produselor Bluza si Tricou în funcţie de evoluţia lor pe piaţă şi

situaţia produselor concurenţiale;
o Stabilirea strategiei de vânzare în condiţii de incertitudine şi risc:.
o Calculul profitului maxim probabil (speranţa matematică a profitului) în cazul în care
se va lansa pe piaţă produsul Hanorac.
4

o Programarea activităţilor proiectului pentru introducerea în fabricaţie a produsului

Hanorac în cazul duratelor deterministe şi analiza cost – durată.

4. Decizia managerială asistată de calculator

MODULUL I: Estimarea vânzărilor produsului B

Societatea Comercială ESTETICANOVA S.A. are contracte ferme pentru produsul Tricou,
numai în lunile noiembrie şi decembrie a.c. Pentru estimarea volumului vânzărilor produsului Tricou
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

Din grafic se observă că nu există trend şi variaţii sezoniere.

Modelul economico-matematic

Pentru estimarea vânzărilor în luna următoare se poate utiliza un model bazat pe medie şi
anume modelul Brown de nivelare exponenţială.

Modelul lui Brown de nivelare exponenţială simplă este de forma:

Ft = αYt + (1-α)Ft-1 sau Ft+1 = αYt + (1-α)Ft
unde:
Yt = volumul real al vânzărilor în perioada t;
Ft = volumul estimat în perioada t-1 pentru vânzările din perioada t;
Ft+1 = volumul estimat în perioada t pentru vânzările din perioada t+1;
α = constanta de nivelare, 0  α  1.
Pentru estimarea iniţială (F0) a vânzărilor, conducerea S.C. ESTETICANOVA S.A. propune
volumul vânzărilor din luna octombrie anul precedent, iar pentru constanta de nivelare propune
valorile:
 Modelarea deciziilor manageriale 5

I. α = 0,2
II. α = 0,9
III. α optim în raport cu eroarea medie pătratică.

Rezolvare
Previziun Previziun Previziun Media
e alpha e alpha e alpha vanzarilo
Luna Vanzarile 0.2 0.27 0.9 r
October 1238 1238 1238 1238 1297,167
November 1538 1238 1238 1238 1297,167
December 1238 1298 1319 1508 1297,167
January 1338 1286 1297,13 1265 1297,167
February 1138 1296,4 1308,165 1330,7 1297,167
March 1388 1264,72 1262,22 1157,27 1297,167
April 1488 1289,376 1296,181 1364,927 1297,167
May 1188 1329,101 1347,972 1475,693 1297,167
June 1238 1300,881 1304,78 1216,769 1297,167
July 1138 1288,305 1286,749 1235,877 1297,167
August 1348 1258,244 1246,587 1147,788 1297,167
Septembe
r 1288 1276,195 1273,968 1327,979 1297,167
1278,556 1277,757 1291,998 1297,167

Rezolvarea problemei se poate face cu unul dintre produsele informatice:

QM for Windows/Forecasting/Time Series Analysis sau în Excel

Analiza economică a rezultatelor

Raportul managerial în care se analizează rezultatele obţinute pentru datele individualizate cu

valoarea c  0 va include următoarele informaţii:
1. Reprezentarea grafică a datelor reale, a mediei vânzărilor şi a estimaţiilor vânzărilor
pentru constantele de nivelare: α = 0,2, α = 0,9 şi, respectiv α optim în raport cu eroarea
medie pătratică;
6

2. Analiza comparativă a rezultatelor pentru cele trei valori ale constantei de nivelare;
Pentru constanta de nivelare 0.2 previziunea este 1278,556 uf.
Pentru constanta de nivelare 0.9 previziunea este 1277,757 uf.
Pentru constanta de nivelare 0.27 previziunea este 1291,998 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 1277,756928 pentru că are
eroarea medie patratica (MSE) cea mai mica 22041,90145, fata de previziunea pentru α = 0.2 care
are eroarea medie patratica 20972,22173 sau α = 0.9 care are eroare medie patratica 20972,22173
4. Recomandări generale pentru alegerea constantei de nivelare α.
Alegerea constantei de nivelare 0 ≤ α ≤1:

a) Pe baza minimizării indicatorilor erorilor de previziune

● Media erorilor la pătrat (mean square eror) = MSE

● Media erorilor absolute (mean absolute deviation) = MAD
● Media procentuala a eroliror absolute (mean absolute percent error) = MAPE
● Suma erorilor de previziune (cumulative forecast error) = CFE
● Semnal de urmarire (Tracking Signal) = TS

În cazul nostru, alpha optim este 0,27 deoarece în primul rând are cea mai mică eroare medie pătratică,
de 21.276,382.

b) Din analiza modelului Ft+1 = α Yt +(1- α)Ft , rezultă că, dacă:

● α tinde spre 1 => Ft+1 ≈ Yt (previziunile urmaresc oscilatiile valorilor reale/ efective)
● α mult mai mic decat 1 => Ft ≈ Ft-1 ≈... ≈ F0 ≈ media valorilor efective (previziunile tind să
 Modelarea deciziilor manageriale 7

se niveleze spre media valorilor efective)

c) Din analiza modelului Ft+1 = Ft + α (Yt – Ft ) rezultă că dacă:

● diferenţele | Yt - Ft | sunt mari, atunci se recomandă alegerea unui α mic (spre 0) pentru a
nu permite transferarea fluctuaţiilor mari în previziune.
● diferenţele | Yt - Ft | sunt mici, atunci se recomandă alegerea unui α mare (care tinde spre
1) pentru a permite previziunii să reacţioneze rapid la eventualele schimbări.

d) Prin simulare (testari succesive) pe baza unui criteriu (indicator de eroare) specificat de
decident.
MODULUL II: Estimarea cererii produsului A în condiţii de concurenţă

La începutul lunii septembrie a.c., S.C. ESTETICANOVA S.A. a organizat o anchetă asupra
unui eşantion reprezentativ de (1038) consumatori, cu scopul de a determina numărul utilizatorilor
produsului Bluza, cât şi al utilizatorilor produselor concurente Geaca, Cardigan, Pulovar.
S-au înregistrat următoarele rezultate:
(438) cumpărători s-au declarat utilizatori ai produsului Bluza;
220 cumpărători s-au declarat utilizatori ai produsului Geaca;
230 cumpărători s-au declarat utilizatori ai produsului Cardigan;
150 cumpărători s-au declarat utilizatori ai produsului Pulover.
În luna septembrie a.c., S.C. ESTETICANOVA S.A. a lansat o campanie de publicitate
pentru produsul Bluza. 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 Bluza (la începutul lunii septembrie a.c.):
80% au rămas fideli produsului Bluza;
10% s-au orientat către produsul Geaca;
5% s-au orientat către produsul Cardigan;
5% s-au orientat către produsul Pulover;
- dintre utilizatorii produsului Geaca (la începutul lunii septembrie a.c.):
60% au rămas fideli produsului Geaca;
20% s-au orientat către produsul Bluza;
10% s-au orientat către produsul Tricou;
10% s-au orientat către produsul Pulover;
- dintre utilizatorii produsului Cardigan (la începutul lunii septembrie a.c.):
50% au rămas fideli produsului Cardigan;
25% s-au orientat către produsul Bluza;
10% s-au orientat către produsul Geaca;
15% s-au orientat către produsul Pulover;
- dintre utilizatorii produsului Pulover (la începutul lunii septembrie a.c.):
40% au rămas fideli produsului Pulover;
30% s-au orientat către produsul Bluza;
20% s-au orientat către produsul Geaca;
10% s-au orientat către produsul Cardigan.
Se fac următoarele ipoteze:
 Alegerea unuia dintre produsele Bluza, Geaca, Cardigan, Pulovar în luna următoare
depinde numai de alegerea din luna curentă;
 Se consideră că matricea reorientărilor rămâne neschimbată pentru fiecare din următoarele 3
luni;
 Fiecare consumator cumpără un singur tip de produs, iar cantităţile cumpărate rămân
neschimbate în următoarele trei luni.
8

Modelul economico-matematic

În aceste condiţii, evoluţia pe piaţă a celor patru produse concurenţiale poate fi analizată cu
ajutorul lanţurilor Markov.

Modelul economico matematic bazat pe teoria lanţurilor Markov este de forma:

,
pentru perioadele de timp desemnate prin t = 0 pentru septembrie, t=1 pentru octombrie, t=2 pentru
noiembrie, t=3 pentru decembrie;
unde:
reprezintă vectorul cotelor de participare pe piaţă ale produselor A,
C1, C2, C3 în luna t.
Cotele de participare pe piaţă pot fi exprimate ca ponderi: , pentru

i=1,2,3 astfel ca suma tuturor să fie 1 ( ), sau ca procente: , pentru

i=1,...,4 şi pentru oricare moment de timp ( t, t=1,2,...T);

P= matricea reorientărilor = matricea probabilităţilor de tranziţie cu elementele p ij, i=1,...,4,

j=1,...,4.
pij = probabilitatea de reorientare a unui consumator de la produsul „i”, fie acesta unul din
mulţimea {Bluza, Geaca, Cardigan, Pulovar } în luna t  {septembrie, octombrie sau
noiembrie} a.c., la produsul „j” din mulţimea {A, C1, C2, C3} în luna t+1  {octombrie,

noiembrie sau decembrie} a.c., , i=1,...,4, j=1,...,4, şi astfel încât ;

pii = coeficientul de fidelitate faţă de produsul i, pentru i=1,2,3,4.

Pe baza datelor furnizate de anchetele efectuate rezultă:
vectorul stării iniţiale sau al cotelor iniţiale de piaţă şi
matricea probabilitătilor de tranziţie:

P= .

Cardiga
  Initial Bluza Geaca Pulover
n
Bluza 0,42 0,8 0,1 0,05 0,05
C1 0,21 0,2 0,6 0,1 0,1
C2 0,22 0,25 0,1 0,5 0,15
C3 0,15 0,3 0,2 0,1 0,4
 Modelarea deciziilor manageriale 9

Cardiga
  Bluza Geaca n Pulover
End of Period 1        
Bluza 0,80 0,10 0,05 0,05
C1 0,20 0,60 0,10 0,10
C2 0,25 0,10 0,50 0,15
C3 0,30 0,20 0,10 0,40
         
End prob (given
initial) 0,48 0,22 0,17 0,14

End of Period 2        
Bluza 0,69 0,16 0,08 0,08
C1 0,34 0,41 0,13 0,13
C2 0,39 0,17 0,29 0,16
C3 0,43 0,24 0,13 0,21
         
End prob (given
initial) 0,51 0,22 0,14 0,13

End of Period 3        
Bluza 0,62 0,19 0,10 0,09
C1 0,42 0,32 0,14 0,13
C2 0,46 0,20 0,20 0,14
C3 0,48 0,24 0,13 0,15
         
End prob (given
initial) 0,52 0,22 0,13 0,12

Tabel
centralizator        
Luna Cardiga
calendaristica Bluza Geaca n Pulover
Cp initial 0,42 0,21 0,22 0,15
Octombrie 0,48 0,22 0,17 0,14
Noiembrie 0,51 0,22 0,14 0,13
Decembrie 0,52 0,22 0,13 0,12

Rezolvare
Rezolvarea problemei se poate face cu unul dintre produsele informatice:
QM for Windows/ Markov Analysis sau în Excel

Analiza economică a rezultatelor

10

Raportul managerial în care analizaţi rezultatele obţinute pentru datele individualizate cu

valoarea c  0 va include următoarele informaţii:
1. Reprezentarea grafică şi analiza evoluţiei ponderilor pe piaţă a celor 4 produse
concurenţiale. Precizarea şi comentarea stadiului pe curba "vieţii" în care se află fiecare
produs la momentul iniţial;

2. Analiza influenţei campaniei de publicitate asupra vânzărilor produsului Bluza;

Campania de publicitate a avut un efect maxim în luna octombrie, când produsul Bluza a
câştigat 12,13% pe piaţă. In lunile următoare, influenţa campaniei de publicitate scade:
6,03% în noiembrie şi 3,06% în decembrie.
3. Ponderea limită pe piaţă la care poate ajunge produsul Bluza 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 Bluza pe piaţă este 54,34%. De aceea se recomandă
schimbarea tipului de campanie de publicitate sau altă politică managerială pentru
consolidarea poziţiei firmei pe piaţă.
4. Evoluţia pe piaţă în raport cu luna septembrie a fidelităţii faţă de produsul Bluza şi a
reorientărilor către produsele concurenţiale;
 Modelarea deciziilor manageriale 11

5. Volumul vânzărilor produsului A în lunile octombrie, noiembrie, decembrie, pentru

situaţia în care volumul total al vânzărilor celor patru produse este de 6000 u.f. în fiecare
lună;
0,478*6000 = 2868 u.f in octombrie
0,5087*6000 = 3052,2 u.f. in noiembrie
0,5248*6000 = 3148,8 u.f. in decembrie
6. Evoluţia profitului asociat produsului Bluza;
Profit octombrie 14340
Profit noiembrie 15261
Profit decembrie 15744
7. Politica managerială privind produsul Bluza.
Politica manageriala privind produsul Bluza ar trebuii sa fie una de consolidare deoarece
profitul generat de acestea este in ascensiune, care sa ajute la amplificarea impactului pe
care produsul il are pe piata.

MODULUL III: Decizia managerială privind stabilirea strategiei de vânzare în condiţii

de incertitudine şi risc

ESTETICA realizează în principal două produse, Tricou şi Bluza. Pentru produsele Tricou
şi Bluza, volumul vânzărilor variază întâmplător de la o lună la alta, iar conducerea firmei este
interesată în planificarea programului de producţie pe ultimul trimestru a.c. astfel ca oferta să se
apropie cât mai mult de cererea manifestată pe piaţă.
Ajustarea nivelului producţiilor pentru produsele Tricou şi Bluza este estimată în funcţie de
volumul previzionat al vânzărilor corelat cu vânzările reale din produsele concurente existente pe
piaţă (produsele C1, C2 şi C3 pentru produsul Bluza şi produsele substitut pentru produsul Tricou a
cărui cerere fluctuează în funcţie de conjunctura economică). Sunt evidenţiate următoarele situaţii
obiective de evoluţie a vânzărilor:
- Starea naturii SN1: situaţie favorabilă societăţii ESTETICNOVA (condiţii slabe de concurenţă)
- cererea pentru produsul A se estimează astfel:
12

 cota de participare pe piaţă (calculată prin modelul Markov)* 6000 u.f. în luna
octombrie = 0,4780* 6000 =2868 u.f.
 1,10 * cota de piaţă (din modelul Markov)* 6000 u.f. în luna noiembrie = 1,10 *
0,5087* 6000 =1,10 * 3052.2 = 3357,42 u.f.
 1,15 * cota de piaţă (din modelul Markov)* 6000 u.f. în luna decembrie = 1,15 *
0,5248* 6000 = 1,15 * 3148,8 u.f. = 3621,12 u.f.
Rezultă că în cazul stării naturii SN1, cererea pentru produsul A se situează la nivelul: 2868
u.f. + 3357,42 u.f. + 3621,12 u.f. = 9846,54 u.f.
- cererea pentru produsul B să fie în luna octombrie la nivelul de 1238 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: 1238 +
1400 + 3500 = 6138 u.f.

- Starea naturii SN2: condiţii medii de concurenţă pe piaţa produselor A şi B

- cererea pentru produsul A se estimează astfel:
 cota de piaţă (calculată prin modelul Markov)* 6000 u.f. în luna octombrie = 0,4780 *
6000 =2868 u.f.
 cota de piaţă (calculată prin modelul Markov)* 6000 u.f. în luna noiembrie = 0,5087 *
6000 =3052,2 u.f.
 cota de piaţă (calculată prin modelul Markov)* 6000 u.f. în luna decembrie = 0,5248 *
6000 = 3148,8 u.f.
Rezultă că în cazul stării naturii SN2, cererea pentru produsul A se situează la nivelul: 2868 +
3052,2 + 3148,8 = 9069 u.f.
- cererea pentru produsul B să fie în luna octombrie la nivelul de 1238u.f. prognozat prin
modelul Brown pentru α =0,2, apoi în luna noiembrie la nivelul 1200 u.f. şi în decembrie la
3200 u.f.
Rezultă că în cazul stării naturii SN2, cererea pentru produsul B se situează la nivelul: 1238+
1200 + 3200 = 5638 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 = 0,4780 * 6000 =2868 u.f.
 0,95 * cota de piaţă (din modelul Markov) * 6000 u.f. în luna noiembrie = 0,95 * 0,5087
* 6000 = 0,95 * 3052,2 = 2899,59 u.f.
 0,90 * cota de piaţă (din modelul Markov) * 6000 u.f. în luna decembrie = 0,90 *
0,5248 * 6000 = 0,90 * 3148,8 u.f. = 2833,92 u.f.
Rezultă că în cazul stării naturii SN3, cererea pentru produsul A se situează la nivelul: 2868
+ 2899,59 + 2833,92 = 8601,51 u.f.
- cererea pentru produsul B să fie în luna octombrie la nivelul de 1238 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.
 Modelarea deciziilor manageriale 13

Rezultă că în cazul stării naturii SN3, cererea pentru produsul B se situează la nivelul:
1238+ 1000 + 3200 = 5438 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 = 0,4780 *
6000 + 0,5087 * 6000 + 0,5248 * 6000 = 2868 + 3052,2 + 3148,8 = 9069 u.f., iar
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)] = 1238+ 1000 + 3200 = 5438 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*9069 = 9522,45 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*5438 = 5166,1 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 * 9069 = 8615,55 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*5438 = 5709,9 u.f.

Compararea diferitelor posibilităţi de desfăşurare a producţiei se face prin prisma unor

consecinţe de tip profit calculat pentru fiecare variantă decizională Vi, i = 1, 2, 3 şi stare a naturii
SNj, j = 1, 2, 3.

Profit(Vi, SNj) = (profitul unitar A) * MIN{ (ofertaVi produs A)k, (cerereaSNj

produs A)k} + (profitul unitar B) * MIN{ (ofertaVi produs B)k, (cerereaSNj produs B)k}

- (costul unitar producţie A) * MAX{0, [ (ofertaVi produs A)k - (cerereaSNj produs

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.

Conducerea societăţii doreşte ierarhizarea variantelor decizionale în funcţie de profitul care ar

putea fi obţinut atât în condiţii de incertitudine, cât şi în situaţia în care, din experienţa anterioară se
estimează că probabilităţile pj asociate stărilor naturii sunt:
p1 = 0,4 pentru SN1, p2 = 0,4 pentru SN2 şi p3 = 0,2 pentru SN3.

Modelul economico-matematic
În condiţii de incertitudine, ierarhizarea variantelor se poate obţine prin utilizarea
14

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
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 = 9846,54 u.f. Cererea A = 9069 u.f. Cererea A = 8601,51 u.f.
Cererea B = 6138 u.f. Cererea B = 5638 u.f. Cererea B = 5438 u.f.
Varianta decizională V1
Oferta A = 9069
u.f. 61659 u.m. 61659 u.m. 49971,75 u.m.
Oferta B = 5438
u.f.
Varianta decizională V2
Oferta A =
9522,45 u.f. 63110,55 u.m. 51774,3 u.m. 40087,05 u.m.
Oferta B =
5166,1 u.f.
Varianta decizională V3
Oferta A =
8615,55 u.f. 60207,47 u.m. 59272,75 u.m. 56321,75 u.m.
Oferta B = 5709,9
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
 Modelarea deciziilor manageriale 15

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

Decision Decision Decision

Hurwicz Value 1 2 3
0 61659 40087,05 56321,75
0,01 66040,13 40317,29 56360,61
0,02 70421,26 40547,52 56399,46
0,03 74802,38 40777,76 56438,32
0,04 79183,51 41007,99 56477,18
0,05 83564,64 41238,23 56516,04
0,06 87945,77 41468,46 56554,89
0,07 92326,89 41698,7 56593,75
0,08 96708,02 41928,93 56632,61
0,09 101089,1 42159,16 56671,46
0,1 105470,3 42389,4 56710,32
0,11 109851,4 42619,64 56749,18
0,12 114232,5 42849,87 56788,04
0,13 118613,7 43080,11 56826,89
0,14 122994,8 43310,34 56865,75
0,15 127375,9 43540,58 56904,61
0,16 131757 43770,81 56943,46
0,17 136138,2 44001,05 56982,32
0,18 140519,3 44231,28 57021,18
16

0,19 144900,4 44461,52 57060,04

0,2 149281,5 44691,75 57098,89
0,21 153662,7 44921,98 57137,75
0,22 158043,8 45152,22 57176,61
0,23 162424,9 45382,46 57215,46
0,24 166806,1 45612,69 57254,32
0,25 171187,2 45842,93 57293,18
0,26 175568,3 46073,16 57332,04
0,27 179949,5 46303,4 57370,89
0,28 184330,6 46533,63 57409,75
0,29 188711,7 46763,87 57448,61
0,3 193092,8 46994,1 57487,46
0,31 197474 47224,34 57526,32
0,32 201855,1 47454,57 57565,18
0,33 206236,2 47684,8 57604,04
0,34 210617,3 47915,04 57642,89
0,35 214998,5 48145,27 57681,75
0,36 219379,6 48375,51 57720,61
0,37 223760,7 48605,75 57759,46
0,38 228141,8 48835,98 57798,32
0,39 232523 49066,21 57837,18
0,4 236904,1 49296,45 57876,04
0,41 241285,2 49526,69 57914,89
0,42 245666,3 49756,92 57953,75
0,43 250047,5 49987,16 57992,61
0,44 254428,6 50217,39 58031,46
0,45 258809,7 50447,63 58070,32
0,46 263190,9 50677,86 58109,18
0,47 267572 50908,09 58148,04
0,48 271953,1 51138,33 58186,89
0,49 276334,3 51368,57 58225,75
0,5 280715,4 51598,8 58264,61
0,51 285096,5 51829,04 58303,46
0,52 289477,6 52059,27 58342,32
0,53 293858,8 52289,5 58381,18
0,54 298239,9 52519,74 58420,04
0,55 302621 52749,98 58458,89
0,56 307002,2 52980,21 58497,75
0,57 311383,3 53210,45 58536,61
0,58 315764,4 53440,68 58575,47
0,59 320145,5 53670,91 58614,32
0,6 324526,7 53901,15 58653,18
0,61 328907,8 54131,39 58692,04
0,62 333288,9 54361,62 58730,89
0,63 337670 54591,86 58769,75
0,64 342051,2 54822,09 58808,61
0,65 346432,3 55052,32 58847,47
0,66 350813,4 55282,56 58886,32
 Modelarea deciziilor manageriale 17

0,67 355194,6 55512,8 58925,18

0,68 359575,7 55743,03 58964,04
0,69 363956,8 55973,27 59002,89
0,7 368337,9 56203,5 59041,75
0,71 372719 56433,73 59080,61
0,72 377100,2 56663,97 59119,47
0,73 381481,3 56894,21 59158,32
0,74 385862,4 57124,44 59197,18
0,75 390243,6 57354,68 59236,04
0,76 394624,7 57584,91 59274,89
0,77 399005,8 57815,14 59313,75
0,78 403386,9 58045,38 59352,61
0,79 407768,1 58275,62 59391,47
0,8 412149,2 58505,85 59430,32
0,81 416530,3 58736,09 59469,18
0,82 420911,4 58966,32 59508,04
0,83 425292,6 59196,55 59546,9
0,84 429673,7 59426,79 59585,75
0,85 434054,8 59657,03 59624,61
0,86 438436 59887,26 59663,47
0,87 442817,1 60117,5 59702,32
0,88 447198,2 60347,73 59741,18
0,89 451579,3 60577,96 59780,04
0,9 455960,5 60808,2 59818,9
0,91 460341,6 61038,44 59857,75
0,92 464722,8 61268,67 59896,61
0,93 469103,9 61498,91 59935,47
0,94 473485 61729,14 59974,32
0,95 477866,1 61959,38 60013,18
0,96 482247,2 62189,61 60052,04
0,97 486628,4 62419,85 60090,9
0,98 491009,5 62650,08 60129,75
0,99 495390,6 62880,32 60168,61
1 499771,8 63110,55 60207,47
18

Decision Decision Decision

Hurwicz Value 1 2 3
0 61659 40087,05 56321,75
0,01 66040,13 40317,29 56360,61
0,02 70421,26 40547,52 56399,46
0,03 74802,38 40777,76 56438,32
0,04 79183,51 41007,99 56477,18
0,05 83564,64 41238,23 56516,04
0,06 87945,77 41468,46 56554,89
0,07 92326,89 41698,7 56593,75
0,08 96708,02 41928,93 56632,61
0,09 101089,1 42159,16 56671,46
0,1 105470,3 42389,4 56710,32
0,11 109851,4 42619,64 56749,18
0,12 114232,5 42849,87 56788,04
0,13 118613,7 43080,11 56826,89
0,14 122994,8 43310,34 56865,75
0,15 127375,9 43540,58 56904,61
 Modelarea deciziilor manageriale 19

0,16 131757 43770,81 56943,46

0,17 136138,2 44001,05 56982,32
0,18 140519,3 44231,28 57021,18
0,19 144900,4 44461,52 57060,04
0,2 149281,5 44691,75 57098,89
0,21 153662,7 44921,98 57137,75
0,22 158043,8 45152,22 57176,61
0,23 162424,9 45382,46 57215,46
0,24 166806,1 45612,69 57254,32
0,25 171187,2 45842,93 57293,18
0,26 175568,3 46073,16 57332,04
0,27 179949,5 46303,4 57370,89
0,28 184330,6 46533,63 57409,75
0,29 188711,7 46763,87 57448,61
0,3 193092,8 46994,1 57487,46
0,31 197474 47224,34 57526,32
0,32 201855,1 47454,57 57565,18
0,33 206236,2 47684,8 57604,04
0,34 210617,3 47915,04 57642,89
0,35 214998,5 48145,27 57681,75
0,36 219379,6 48375,51 57720,61
0,37 223760,7 48605,75 57759,46
0,38 228141,8 48835,98 57798,32
0,39 232523 49066,21 57837,18
0,4 236904,1 49296,45 57876,04
0,41 241285,2 49526,69 57914,89
0,42 245666,3 49756,92 57953,75
0,43 250047,5 49987,16 57992,61
0,44 254428,6 50217,39 58031,46
0,45 258809,7 50447,63 58070,32
0,46 263190,9 50677,86 58109,18
0,47 267572 50908,09 58148,04
0,48 271953,1 51138,33 58186,89
0,49 276334,3 51368,57 58225,75
0,5 280715,4 51598,8 58264,61
0,51 285096,5 51829,04 58303,46
0,52 289477,6 52059,27 58342,32
0,53 293858,8 52289,5 58381,18
0,54 298239,9 52519,74 58420,04
0,55 302621 52749,98 58458,89
0,56 307002,2 52980,21 58497,75
0,57 311383,3 53210,45 58536,61
0,58 315764,4 53440,68 58575,47
0,59 320145,5 53670,91 58614,32
0,6 324526,7 53901,15 58653,18
0,61 328907,8 54131,39 58692,04
0,62 333288,9 54361,62 58730,89
0,63 337670 54591,86 58769,75
20

0,64 342051,2 54822,09 58808,61

0,65 346432,3 55052,32 58847,47
0,66 350813,4 55282,56 58886,32
0,67 355194,6 55512,8 58925,18
0,68 359575,7 55743,03 58964,04
0,69 363956,8 55973,27 59002,89
0,7 368337,9 56203,5 59041,75
0,71 372719 56433,73 59080,61
0,72 377100,2 56663,97 59119,47
0,73 381481,3 56894,21 59158,32
0,74 385862,4 57124,44 59197,18
0,75 390243,6 57354,68 59236,04
0,76 394624,7 57584,91 59274,89
0,77 399005,8 57815,14 59313,75
0,78 403386,9 58045,38 59352,61
0,79 407768,1 58275,62 59391,47
0,8 412149,2 58505,85 59430,32
0,81 416530,3 58736,09 59469,18
0,82 420911,4 58966,32 59508,04
0,83 425292,6 59196,55 59546,9
0,84 429673,7 59426,79 59585,75
0,85 434054,8 59657,03 59624,61
0,86 438436 59887,26 59663,47
0,87 442817,1 60117,5 59702,32
0,88 447198,2 60347,73 59741,18
0,89 451579,3 60577,96 59780,04
0,9 455960,5 60808,2 59818,9
0,91 460341,6 61038,44 59857,75
0,92 464722,8 61268,67 59896,61
0,93 469103,9 61498,91 59935,47
0,94 473485 61729,14 59974,32
0,95 477866,1 61959,38 60013,18
0,96 482247,2 62189,61 60052,04
0,97 486628,4 62419,85 60090,9
0,98 491009,5 62650,08 60129,75
0,99 495390,6 62880,32 60168,61
1 499771,8 63110,55 60207,47

Analiza economică a rezultatelor

Se recomandă ca raportul managerial să includă explicaţii asupra următoarelor aspecte:

1. Recomandări de alegere a celei mai potrivite reguli de decizie din cele folosite: Wald
(minmax), maxmax, Savage (minmax regret), Laplace (equal likelihood), Hurwicz;
Prin tabelele de mai sus putem observa că decizia 3 este cea mai eficientă din punct de vedere
economic, având cel mai mare profit și prin metoda Hurwicz se observă că decizia 2 are cel mai
 Modelarea deciziilor manageriale 21

mare profit într-o situație favorabilă, pe când intr-o situatie medie economică decizia 3 are cel
mai mare profit, iar in situatie nefavorabilă decizia 1 este cea potrivită.
Criteriul Wald max – min (prudent, pesimist) soluția optimă este decizia 3 cu o valoare de
61659 u.f.
Criteriul max-max (optimist), soluția optimă este decizia 2 cu o valoare de 499771,8 u.f..
Criteriul Hurwicz cu alpha 0,5 indică decizia 83564,64 u.f.
Criteriul Savage (minimax regret), soluția optimă este 2903,08 u.f.

2. Estimarea costului maxim pentru achiziţionarea unor informaţii complete asupra stărilor
naturii;
În tabelul Perfect Informations găsim costul maxim estimat pentru achiziționarea unei
informații complete acesta fiind de 580.63
3. Recomandări de alegere a valorii coeficientului de optimism  pentru regula/ criteriul
Hurwicz şi surclasarea variantelor decizionale pentru valorile coeficientului de optimism 
 [0, 1].
Pentru alpha 0 avem ca ordine a deciziilor ------ V3 ; V1 ; V2 (scenariu pesimist) Pentru
alpha 0,86 avem ca ordine a deciziilor ------ V1 ; V3 ; V2 (scenariu mediu)
Pentru alpha 0,87 avem ca ordine a deciziilor ------ V2 ; V1 ; V3 (scenariu optimist)
4. Decizia în condiţii de risc.
In cazul deciziei in conditii de risc, se va alege Decizia 1, deoarece aceasta ofera cea mai
buna valoare asteptata, aceasta fiind de 60207.47 um

MODULUL IV: Calculul profitului maxim probabil (speranţa matematică a profitului) în

cazul în care se va lansa pe piaţă produsul D

Departamentul de cercetare producţie al S.C. ESTETICA S.A. a creat un nou produs

Hanorac care a fost testat pe piaţă şi care este acceptat de către utilizatori. Pentru realizarea
produsului conducerea S.C. ESTETICA S.A. are în vedere mai multe variante. Alegerea variantei
convenabile depinde în principal de evoluţia vânzărilor produsului peste 2 ani, acesta fiind timpul
de amortizare a utilajelor. După primul an se vor lua noi decizii în funcţie de situaţia vânzărilor.
Datele privind variantele şi stările naturii pentru cele 2 momente de decizie sunt prezentate în
Tabelul 4.1. Conducerea S.C.ESTETICA S.A. doreşte să cunoască acţiunea pe care trebuie să o
întreprindă în prima şi, respectiv, a doua etapă pentru a obţine maximum de profit.

Modelul economico - matematic

Procesul decizional în două etape poate fi modelat cu ajutorul arborelui decizional.

Tabelul 4.1
Anul t Anul t+1
22

Variantele Stările naturii Variantele Stările naturii Profitul

estimat
Instalarea Conjuctură favorabilă Instalarea unui nou utilaj Cerere mare (probabilitatea =0.3) 838
unui utilaj (probabilitatea=0.7) (cost 58 u.m.) Cerere medie (probabilitatea =0.6) 638
nou Cerere mică (probabilitatea=0.1) 538
(cost 58
Ore suplimentare de lucru Cerere mare (probabilitatea=0.3) 638
u.m)
(cost 40 u.m.) Cerere medie (probabilitatea=0.6) 538
Cerere mica (probabilitatea=0.1) 438
Conjuctură Utilizarea capacităţii existente Cerere mare (probabilitatea=0.3) 538
nefavorabilă Cerere medie (probabilitatea=0.6) 438
(probabilitatea=0.3) Cerere mică (probabilitatea=0.1) 238
Ore Conjuctură favorabilă Instalarea unui utilaj nou Cerere mare (probabilitatea=0.3) 638
suplimentare (probabilitatea=0.7) (cost 58 u.m.)
de lucru Cerere medie (probabilitatea=0.6) 538
(cost 40 Cerere mică (probabilitatea=0.1) 238
u.m.) Instalarea unui utilaj nou şi
Cerere mare (probabilitatea=0.3) 538
ore suplimentare de lucru
(cost 98 u.m.) Cerere medie (probabilitatea=0.6) 438
Cerere mică (probabilitatea=0.1) 238
Conjuctură Ore suplimentare de lucru Cerere mare (probabilitatea=0.3) 438
nefavorabilă (cost 40 u.m.) Cerere medie (probabilitatea=0.6) 438
(probabilitatea=0.3) Cerere mică (probabilitatea=0.1) 238

Rezolvare
Rezolvarea problemei se poate face cu unul dintre produsele informatice:
QM for Windows/Decision Analysis/Decision Trees sau în Excel

Analiza economică a rezultatelor

Raportul managerial va include:

1. Reprezentarea arborelui decizional cu valorile asociate tuturor nodurilor;
 Modelarea deciziilor manageriale 23

2. Analiza rezultatelor şi indicarea variantelor optime atât în primul an cât şi în cel de al

doilea an.
In primul an se recomanda instalarea utilajului nou, deoarece profitul asteptat este mai
mare decat in cazul orelor suplimentare, respectiv 517,4 um in comparatie cu 415.4 um
In al doilea an daca conjunctura este favorabila se va alege instalarea unui nou utilaj
deoarece profitul asteptat este de 630 um (705-75), in comparatie cu situatia in care s-ar
alege orele suplimentare unde profitul asteptat este de 518 um (575-57), iar daca
conjunctura va fi nefavorabila se recomanda utilizarea capacitatii existente cu un profit
asteptat de 465 um.
3. Analiza senzitivităţii soluţiei la variaţia probabilităţilor de realizare a stărilor naturii (minim
2 scenarii).
24

In primul an se recomanda instalarea utilajului nou, deoarece profitul asteptat este mai mare decat in
cazul orelor suplimentare, respectiv 462,8 um in comparatie cu 415.4 um
In al doilea an daca conjunctura este favorabila se va alege instalarea unui nou utilaj deoarece profitul
asteptat este de 630 um (705-75), in comparatie cu situatia in care s-ar alege orele suplimentare unde
profitul asteptat este de 518 um (575-57), iar daca conjunctura va fi nefavorabila se recomanda
utilizarea capacitatii existente cu un profit asteptat de 465 um.
 Modelarea deciziilor manageriale 25

In primul an se recomanda instalarea utilajului nou, deoarece profitul asteptat este mai mare decat in
cazul orelor suplimentare, respectiv 481 um in comparatie cu 415.4 um
In al doilea an daca conjunctura este favorabila se va alege instalarea unui nou utilaj deoarece profitul
asteptat este de 630 um (705-75), in comparatie cu situatia in care s-ar alege orele suplimentare unde
profitul asteptat este de 518 um (575-57), iar daca conjunctura va fi nefavorabila se recomanda
utilizarea capacitatii existente cu un profit asteptat de 465 um.

MODULUL V. Programarea activităţilor unui proiect pentru introducerea în

fabricaţie a produsului D

Realizarea studiului de fezabilitate pentru introducerea în fabricaţie a unui nou produs

Hanorac la S.C.ESTETICNOVA S.A. implică activităţile prezentate în Tabelul 5.1. Pentru aceste
activităţi s-au estimat atât duratele normale şi costurile corespunzătoare, cât şi duratele şi costurile
activităţilor în cazul suplimentării resurselor umane şi financiare necesare urgentării acestor
activităţi.

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 7 128 173
Elaborare program
B - 5 2 54 68
marketing
Pregătire documentaţie
C A 6 3 41 42
tehnică
26

D Construire prototip A 11 6 138 158

Elaborare prospect de
E A 4 3 44 45
marketing
F Estimare cost de producţie C 3 2 40 41
G Testare tehnică a producţiei D 6 4 98 108
H Studiul pieţei B,E 8 4 58 88
Estimare cerere şi preţ de
I H 3 2 40 41
vânzare
J Redactare studiu final F,G,I 3 2 40 41

Conducerea S.C.ESTETICNOVA 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
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

Crash schedule

Single time estimate

 Modelarea deciziilor manageriale 27

Analiza economică a rezultatelor

Raportul managerial în care se analizează rezultatele obţinute va include:

1. Graficul Gantt al activităţilor proiectului;

2. Reprezentarea grafică a costului proiectului în funcţie de durata totală de realizare, cu

ajutorul punctelor de coordonate:
28

Durata Cost
32 681
25 718
19 781,5

3. Activitățile urgentate în cazul duratei de 25 de săptămâni;

Activitatea urgentata in cazul duratei de 25 de saptamani este activitatea A.
4. Drumul critic pentru proiectul cu durată normală;
 Modelarea deciziilor manageriale 29

5.
Termenele minime şi maxime de începere şi de terminare pentru fiecare activitate, respectiv rezerva
de timp, în cazul duratei normale.
Termen minim de incepere Termen maxim de incepere Termen minim de terminare Termen maxim de terminare Rezerva de timp
A 0 0 12 12 0
B 0 13 5 18 13
C 12 20 18 26 8
D 12 12 23 23 0
E 12 14 16 18 2
F 18 26 21 29 8
G 23 23 29 29 0
H 16 18 24 26 2
I 24 26 27 29 2
J 29 29 32 32 0