Matematici aplicate în managementul competitivității

Profesor coordonator: Masteranda:

Dr. Ing. Nicolae COCIU Adile-Elena NEMOIANU,
Studentă în anul 1, IMC.

Timișoara, 2023
1
Cuprins

1. Noțiuni despre sisteme............................................................................p. 3

2. Modelarea matematică............................................................................p. 10
3. Noțiuni despre algoritmi și grafuri aplicate în managementul
proiectelor................................................................................................p. 25
4. Noțiuni despre deciziile monocriteriale și multicriteriale........................p. 30
5. Concluziile lucrării....................................................................................p. 34
6. Webgrafie.................................................................................................p. 35
7. Bibliografie...............................................................................................p. 36

2
 1. Noțiuni despre sisteme

Cuvântul „sistem” există în limbajul nostru curent. S-a transmis din latina târzie
care l-a preluat, la rândul ei, din limba greacă. Vorbim despre sisteme de
transport, sisteme de comunicații, sisteme economice, sisteme de numerație,
sisteme filozofice, sisteme politice, sisteme teologice, ecosisteme etc. În fiecare
dintre aceste cazuri sistemele apar în primul rând ca un ansamblu de obiecte,
concrete sau abstracte. De asemenea, prin descrieri de interacțiuni și structuri, ne
referim la numeroase ansamble existente în natură, independent de om, sau
create de om, fără să realizăm că și acestea sunt sisteme. În fine, denumim
sisteme o serie de obiecte concrete sau abstracte, mai complicate, care, de fapt,
nu sunt sisteme. Ca urmare, este firesc să formulăm o definiție a sistemului. În
cele ce urmează, întreaga prezentare este subordonată următoarei definiții:

Un sistem este o mulțime de obiecte interconectate care prin interconectare

alcătuiesc un tot unitar, bine încadrat în timp, bine delimitat spațial față de mediul
exterior de care este influențat și care poate fi privit ca un ansamblu structurat,
având un anumit scop și îndeplinind o anumită funcție.

Potrivit acestei definiții un sistem se caracterizează în primul rând prin

interconectarea obiectelor componente, adică prin obiecte ce interacționează sau
sunt interdependente. Obiectele sistemului pot interacționa și cu mediul
înconjurător care le poate influența. În al doilea rând, definiția precizează că
mulțimea de obiecte este structurată prin interconectare astfel încât să răspundă
prin funcțiile îndeplinite unui anumit scop, sistemul având un anumit rost. În fine,
în al treilea rând definiția încadrează sistemul în timp, interacțiunile, îndeplinirea
funcțiilor și existența interdependențelor corespunzând unui orizont de timp bine
precizat.

3
 Obiectele sistemului pot fi :

 concrete, adică obiecte fizice (sistem fizic)

 abstracte, cum sunt egalitățile matematice, principiile din diferite domenii
umanistice (sistem abstract)

În sistemele fizice interacțiunile asigură realizarea unor procese de transfer și

transformare de energie, de masă și/sau de informație (în sensul cel mai general),
adică a unor procese asociate cu acumulări sau pierderi de energie, masă sau
cumulări de informație. Desfășurarea proceselor este descrisă și caracterizată cu
ajutorul unor mărimi fizice variabile în timp și ale căror variații temporale le privim
ca purtătoare de informații despre procese, respectiv despre sisteme.

În practică, fenomenele asociate unui sistem sunt investigate începând cu un

anumit moment numit moment inințial t0. Fenomenele petrecute înaintea
momentului inițial constituie preistoria sistemului. De regulă, detalierea preistoriei
nu interesează, cauzalitatea exprimându-se prin conceptul de condiții inițiale.

Condițiile inițiale reprezintă „informație despre stări și tendințe de evoluție în

sistem asociată momentului t0, sintetizată din preistorie, necesară evaluării
proceselor din sistem ulterioare momentului t0”. La momentul inițial, sistemul
poate fi într-o stare de echilibru sau într-o stare de dezechilibru. Cu ajutorul
condițiilor inițiale, se modelează (se exprimă), după caz, atât situațiile de echilibru

4
la momentul inițial, cât și situațiile de dezechilibru la momentul inițial, indiferent
de proveniența lui (cauze interne sau externe).

Adoptarea ipotezei separabilității, adică afirmarea faptului că subsistemele

unui sistem fizic sunt separabile, înseamnă la nivelul modelelor matematice ale
acestora admiterea faptului că în urma cuplării, subsistemelor fizice le corespund
modelele matematice din cazul când ele interacționează în mod independent cu
mediul exterior. Drept consecință, cuplarea sistemelor fizice separabile este redată
din punct de vedere matematic prin operații de compunere de operatori: modelul
matematic al sistemului rezultat prin interconectarea unor subsisteme separabile
se obține prin compunerea modelelor matematice ale subsistemelor componente,
compunere dirijată de relațiile care descriu modul de interconectare a
subsistemelor. Operația nu este injectivă. Toate modelele reprezentate de
conexiunile fundamentale folosite în teoria sistemelor sunt valabile numai în
ipoteza că obiectele componente sunt separabile.

Separabilitatea este folosită și pentru modelarea interacțiunii dintre un sistem

și mediul exterior în sensul că mediul exterior și sistemul se consideră un
ansamblu separabil. Ca urmare la intrarea sistemului se reține doar mărimea de
intrare, iar la ieșirea sistemului se reține doar mărimea de ieșire

Dacă subsistemele unei conexiuni fizice sunt inseparabile, atunci modelul

conexiunii nu se poate obține prin compunerea modelelor matematice ale
subsistemelor componente. Este necesară o remodelare a întregii conexiuni ca și
entitate indivizibilă.

În tehnică separabilitatea este un concept fundamental. Prin folosirea ipotezei

separabilității realitatea este idealizată iar operațiile de modelare sunt
simplificate. Sistemele automate se obțin prin conectarea mai multor subsisteme.

Dacă subsistemele sunt separabile, atunci putem concepe sistemul automat

combinând funcțiile subsistemelor componente și putem modela comportarea
sistemului automat combinând și corelând modelele subsistemelor componente.

5
 Orice legătură dintre două sisteme fizice este bidirecțională, întrucât naturii îi
este caracteristică, potrivit principiului acțiunii și reacțiunii, o interacțiune de tip
conexiune cu reacție. Totodată, orice legătură dintre două sisteme fizice este
asociată cu transmiterea într-un sens dat a unui flux de energie, masă sau
informație. Pentru a exprima fluxul și cauza care îl produce, respectiv puterea care
caracterizează transmiterea, sunt necesare cel puțin două mărimi (două semnale).

Exprimarea din punct de vedere informațional a principiului acțiunii și

reacțiunii conduce întotdeauna la asocierea uneia dintre cele două mărimi cu
transmitere de informație în sensul fluxului menționat (sens direct = sensul
acțiunii), iar a celeilalte cu transmitere de informație în sens opus fluxului
menționat (sens invers = sensul reacției).

Obiectele interconectate sunt separabile atunci când din punct de vedere

informațional se poate omite interacțiunea în sens invers. În această situație o
conexiune cu reacție devine, după caz, o conexiune serie sau derivație.

Simplificarea care rezultă prin omisiunea reacției, este dorită din punctul de
vedere al modelării. Simplificarea nu este totdeauna posibilă. Dacă în urma
conectării sistemelor fizice interacțiunea în sens invers nu poate fi omisă din punct
de vedere informațional, spunem că obiectele sunt inseparabile.

Practic, elementele unei conexiuni sunt separabile atunci când se poate

considera că acțiunea de comandă exercitată asupra elementului comandat
(subsistemul "aval") de către elementul de comandă (subsistemul "amonte") se
poate realiza neglijând pierderile din fluxurile de energie, masă sau informație
produse prin operația de comandă.

Un fenomen fizic este caracterizat cu ajutorul unor mărimi fizice, iar

desfășurarea lui în timp, prin variațiile acestora în raport cu timpul, redate de
semnale (funcții purtătoare de informații despre fenomen).

6
 Prin intermediul semnalelor se caracterizează:

 interacţiunea dintre sistemele fizice şi mediul exterior,

 interacţiunile dintre subsistemele ce compun un sistem fizic,

 procesele care au loc în subsisteme.

În orice pereche de obiecte între care există o legătură descrisă printr-un

semnal, obiectul amonte (în sensul transmiterii semnalului) joacă rol de
generator, iar obiectul aval joacă rol de receptor.

Sistemul informațional al unei organizații poate fi privit ca sistem de legătură

între sistemul de conducere (SC) și sistemul condus (de execuție) (SE). Nu poate
exista o conducere eficientă fără un sistem informațional perfecționat. Concepte
utilizate în studiul și practica managementului, a sistemelor informaționale și a
sistemelor informatice sunt: datele, informația, cunoștințele, fluxul informațional,
circuitul informațional, comunicația, structuri de date, fișierul de date, baza de
date.

7
 Sistemul de management al organizatiei (firmei) poate fi structurat în
subsistemele:

- subsistemul organizatoric;

- subsistemul informațional;

-subsistemul decizional;

- subsistemul metodologic.

Într-o unitate economică, toate categoriile de mișcări pot fi grupate în

următoarele tipuri de fluxuri interconectate:

 fluxuri materiale;
 fluxuri de comenzi;
 fluxuri bănești;
 fluxuri umane;
 fluxuri de echipamente;
 fluxuri informaționale;

8
 Fluxurile materiale și fluxurile informaționale se vor analiza în cadrul sistemului
informațional al firmei și a diverselor tipuri de sisteme informatice: Sistemul
Informatic de Prelucrare a Tranzacțiilor, Sistemul Informatic de Management,
Sisteme Suport pentru Decizie, Sistemul Informatic de Birotică, Sistemul
Informatic Strategic.

Problemele referitoare la fluxurile materiale pot fi încadrate în logistică și pot fi

rezolvate cu metode ale cercetării operaționale.
Fluxul material se referă la circulația continuă (pe un anumit orizont de timp) a
materialelor, materiei prime, semifabricatelor sau produselor finite în succesiunea
operațiilor tehnologice, de aprovizionare sau de distribuție.
Sistemul de producție este constituit din totalitatea elementelor fizice, naturale
și artificiale, conceptelor (teorii, metode, reguli), experienței și îndemânării, astfel
organizate încât să rezulte capacitatea de realizare a unor scopuri prestabilite,
derivate din obiectivele economicosociale.
Un sistem de producție transformă, în principiu, într-o perioadă de timp
anumite intrări (forța de muncă, substanță, energie, informație) în ieșiri de tip
produse, servicii, informații despre produs sau serviciul realizat, deșeuri.
Transformarea este orientată spre realizarea unor obiective de producție
prestabilite de om și implică procese de muncă specifice, în care oamenii
actionează cu ajutorul mijloacelor de muncă (unelte, echipamente, mașini,
aparate, recipiente, clădiri etc.) asupra obiectelor muncii (materiale naturale sau
obiecte fabricate, energie, informație), obținând ca rezultate dorite produsele
(bunuri materiale) sau serviciile (activități utile ce satisfac o anumită nevoie
socială), iar ca rezultate nedorite deșeurile (resturi ce nu mai pot fi valorificate în
cadrul sistemului de producție care le-a realizat) și elemente poluante.
Timpul, intrările sistemului de producție și mijloacele de muncă, considerate
sub aspect potențial, formează resursele sistemului de producție.

9
 2. Modelarea matematică

Modelarea matematică este descrierea unui sistem utilizând concepte și

termeni matematici. Este folosită atât în domeniul științelor naturale cât și
în ingineria industrială și economică. Din procesul unei modelări matematice
trebuie să rezulte un model matematic al cazului (situației) studiat, model folosibil
în luarea de decizii tehnice sau economice.
Un model matematic cantitativ al unui fenomen constă de obicei din ecuații
matematice (algebrice, transcendente și diferențiale, uneori chiar integrale sau
integrodiferențiale) obținute pe baza unor ipoteze de lucru.
Modelarea și optimizarea se vor referi la sisteme, subsisteme sau elemente ale
acestora. Prin optim se înțelege cel mai bun sau foarte bun. Optimizarea
reprezintă alegerea și aplicarea soluției optime dintre mai multe posibile.
În funcție de probabilitatea ca un element să aparțină sau nu unei mulțimi și a
gradului de apartenență a unui element la o mulțime, modelele matematice sunt:
deterministe, stochastice și fuzzy (vagi).
Modelele deterministe sunt caracterizate de variabile și relații sigure,
realizabile cu probabilitatea 1, se cunosc exact.
În modelele stochastice (probabilistice) unele variabile ce descriu procesul
studiat sunt variabile aleatoare, deci variabilele iau anumite valori cu anumite
probabilități.
Modelele fuzzy (vagi) folosesc matematica fuzzy, având variabile care nu se pot
caracteriza nici exact (determinist) și nici în probabilitate, putându-se face
aprecieri calitative asupra valorilor pe care le iau.

Se pune problema deosebirii între aleator (stochastic) și fuzzy (vag). Fenomenul

aleator rezultă din nesiguranța în ceea ce privește apartenența sau neapartenența
unui element la o mulțime, existând diferite probabilități. În cazul unui fenomen
de natură fuzzy (vag) există grade de apartenență între apartenența și
neapartenența unui element la o mulțime și nu se bazează pe principiul terțiului
exclus din logica matematică bivalentă.

10
 Fenomenele fuzzy au la bază logica fuzzy care este o logică continuă și care
generalizează logica bivalentă și logicile n-valente care sunt discrete.

Modelarea stochastică prezintă date și prezice rezultate care explică anumite

niveluri de imprevizibilitate sau aleatoriu. Companiile din multe industrii pot
utiliza modele stocastice pentru a-și îmbunătăți practicile comerciale și a crește
profitabilitatea. În sectorul serviciilor financiare, planificatorii, analiștii și
administratorii de portofolii utilizează modelarea stocastică pentru a-și gestiona
activele și pasivele și pentru a-și optimiza portofoliile.

Pentru a înțelege conceptul de modelare stocastică, ajută la compararea

acestuia cu modelarea sa opusă, deterministă.

Modelarea deterministă produce rezultate constante

Modelarea deterministă vă oferă aceleași rezultate exacte pentru un anumit

set de intrări, indiferent de câte ori recalculați modelul. Aici sunt cunoscute
proprietățile matematice. Niciuna dintre ele nu este aleatorie și există un singur
set de valori specifice și un singur răspuns sau soluție la o problemă. Cu un model
determinist, factorii incerti sunt externi modelului.

Modelarea stochastică produce rezultate schimbătoare

Modelarea stochastică, pe de altă parte, este inerent aleatorie, iar factorii

incerti sunt încorporați în model. Modelul produce multe răspunsuri, estimări și
rezultate – cum ar fi adăugarea de variabile la o problemă matematică complexă –
pentru a vedea efectele lor diferite asupra soluției. Același proces este apoi
repetat de multe ori în diferite scenarii.

Pentru a înțelege ce înseamnă o simulare Monte Carlo, trebuie mai întâi să

luăm în considerare un scenariu în care nu avem nevoie de o astfel de simulare:
pentru predicția rezultatelor într-un sistem liniar simplu. Dacă este cunoscută
direcția precisă și viteza pe care le are o greutate aruncată de un atlet olimpic la
momentul părăsirii mâinii acestuia, se poate folosi o ecuaţie liniară pentru a
prezice cu acurateţe cât de departe va zbura obiectul. Acest caz este unul
determinist, în care condiţii iniţiale identice vor conduce mereu la acelaşi rezultat.

11
 Lumea, în schimb, este plină cu sisteme mult mai complicate decât o aruncare
a unei greutăţi. În aceste cazuri, interacţiunea complexă a mai multor variabile –
sau natura probabilistică moştenită a unui anumit fenomen – exclude o predicţie
definitivă. Astfel, o simulare Monte Carlo integrează date de intrare aleatorii şi
esenţiale (cu limite realiste) pentru a modela un sistem şi a returna rezultatele
probabile.

În anii 1990, de exemplu, Agenţia pentru Protecţia Mediului a început folosirea

simulărilor Monte Carlo în testele de evaluare a riscurilor. Presupunem că se
doreşte analizarea riscului general pe care smogul îl are asupra sănătăţii
oamenilor într-un oraş, ţinând cont că nivelul de smog poate varia între diferite
cartiere şi că locuitorii petrec cantităţi variate de timp în afara caselor. Fiind dat
un interval de valori pentru fiecare variabilă, o simulare Monte Carlo va selecta
aleator un număr din fiecare interval şi va expune rezultatul combinaţiilor acestor
numere, apoi va repeta acest proces de zeci de mii sau chiar milioane de ori.

Simularea nu va avea nici măcar două iteraţii identice, dar luate ca un întreg,
aceste iteraţii construiesc o imagine realistă a expunerii populaţiei la smog. „În
cazul unei simulări deterministe ar trebui obţinute aceleaşi rezultate de fiecare
dată când este rulată simularea”, explică John Guttag, profesor de ştiinţa
calculatoarelor la MIT (Massachusetts Institute of Technology), în prelegerea
despre simulările Monte Carlo din cadrul OpenCourseWare. Cu toate acestea,
Guttag adaugă: „în simulările stocastice, rezultatul va diferi de la o simulare la
alta, datorită existenţei unui element de aleatorism în structura simulării”.

Acumularea de date permite identificarea, de exemplu, a unui nivel mediu de

expunere la smog. Pentru a fi siguri, simulările Monte Carlo sunt la fel de bune ca
şi datele introduse ca parametri de intrare; date empirice precise vor fi necesare
pentru producerea unor rezultate simulate realiste.

Modelarea stochastică este utilizată într-o varietate de industrii din întreaga

lume. Industria asigurărilor, de exemplu, se bazează foarte mult pe modelarea
stocastică pentru a prezice modul în care bilanțurile companiei vor arăta într-un
moment dat în viitor. Alte sectoare, industrii și discipline care depind de
modelarea stocastică includ investițiile în stoc, statistici, lingvistică, biologie și
fizica cuantică.
12
 Modelarea stochastică este o formă de model financiar care este utilizată
pentru a lua decizii de investiții. Acest tip de modelare prognozează probabilitatea
diverselor rezultate în condiții diferite, utilizând variabile aleatorii.

Modelele de investiții stochastice încearcă să prevadă variațiile prețurilor,

randamentelor activelor (ROA) și ale claselor de active – cum ar fi obligațiunile și
acțiunile – în timp. Simularea Monte Carlo este un exemplu al unui model
stocastic; poate simula modul în care un portofoliu poate funcționa pe baza
distribuțiilor de probabilitate a randamentelor individuale ale acțiunilor. Modelele
de investiții stochastice pot fi modele cu un singur activ sau cu mai multe active și
pot fi utilizate pentru planificarea financiară, pentru optimizarea gestionării
activelor-pasivelor (ALM) sau a alocării activelor; sunt folosite și pentru lucrări
actuariale.

Logica fuzzy este definită ca un „supraset al logicii convenționale boolene,

logică ce a fost extinsă pentru a cuprinde adevărul parțial, valori ale adevărului
cuprinse între „complet adevărat” și „complet fals”. A fost definită în 1965 de
către prof. Lotfi Zadeh de la Universitatea Californiei din Berkeley. Spre deosebire
de logica clasică, în care se lucrează cu două valori de adevăr exacte (notate de ex.
0 pentru fals și 1 pentru adevărat), logica fuzzy folosește o plajă continuă de valori
logice cuprinse în intervalul [0, 1], unde 0 indică falsitatea completă, iar 1 indică
adevărul complet. Astfel, dacă în logica clasică un obiect poate aparține (1) sau nu
(0) unei mulțimi date, logica fuzzy lucrează cu gradul de apartenență al obiectului
la mulțime, acesta putând lua valori între 0 și 1.

Bazate pe logica fuzzy, sistemele fuzzy sunt considerate un caz particular

al sistemelor expert (motiv pentru care mai sunt denumite și sisteme
expert fuzzy), sisteme care oferă o metodă flexibilă pentru tratarea incertitudinii.
Un sistem expert este o aplicație complexă (un program software) care
explorează o multitudine de cunoștințe date pentru a obține concluzii noi despre
activități dificil de examinat, folosind metode asemănătoare cu experții umani. Un
sistem expert poate avea succes la problemele fără soluție algoritmică
deterministică. Principalele caracteristici ale sistemelor expert sunt:

 o bază de date (bază de cunoștințe), împreună cu

 un algoritm de deducere specific metodei de raționare.

13
 Sistemele expert constituie un domeniu al inteligenței artificiale,
ramura informaticii ce are drept scop dezvoltarea de programe și aplicații
„inteligente”. Ceea ce este remarcabil pentru sistemele expert este aria largă de
aplicabilitate, ce a cuprins deja numeroase domenii de activitate.

Până în prezent, domeniile de interes în care s-au înregistrat cele mai

numeroase implementări ale Sistemelor experte sunt : inginerie şi producţia de
mărfuri (35%); afaceri (28%); medicină (11%); mediu şi energie (9%); agricultură
(5%); telecomunicaţii (4%); administraţie (4%); legislaţie (3%) şi transporturi (1%).

Elementul central, în jurul căruia gravitează toate celelalte componente ale

unui Sistem expert, îl reprezintă cunoştinţele. De aceea, Sistemele expert se mai
numesc şi Sisteme Bazate pe Cunoştinţe. În cadrul unui Sistem expert,
reprezentarea cunoştinţelor se poate face pe mai multe căi, cum ar fi regulile de
producţie, cadrele şi cazurile. Dintre aceste forme de reprezentare, cea mai
răspândită este cea a regulilor de producţie.

14
 Cadrele reprezintă obiecte complexe care sunt descrise de anumite proprietăţi
sau atribute şi anumite proceduri sau metode. Structural, cadrele sunt foarte
asemănătoare cu obiectele folosite în cadrul programării la nivel obiect. Astfel,
una din proprietăţile cele mai importante ale cadrelor este mecanismul de
moştenire, care permite descrierea generică a unui obiect şi crearea de instanţe
ale acestuia care moştenesc toate atributele obiectului generic, la care se adaugă
şi atribute noi.

Reprezentarea cunoştinţelor sub formă de cazuri are la bază premisa că, pentru
a învăţa şi a rezolva probleme complexe, oamenii folosesc raţionamentul analogic
sau cel experimental. Cazurile folosite pentru desfăşurarea analogiilor constau în
informaţii despre situaţia analizată, soluţia problemei în sine, rezultatele care se
obţin prin adoptarea acelei soluţii, anumite atribute care pot evidenţia tipare
specifice.

Cunoştinţele folosite de un Sistem expert pot fi împărţite în cunoştinţe faptice

şi cunoştinţe euristice. Cunoştinţele faptice reprezintă acea parte a cunoştinţelor
despre domeniul de interes, care sunt cunoscute şi se găsesc în manuale sau

reviste. De cealaltă parte, cunoştinţele euristice reprezintă cunoştinţe mai puţin

riguroase, deduse prin experimente şi/sau raţionamente specifice. Aceste
cunoştinţe sunt mai puţin formalizate şi reflectă mai degrabă buna practică din
domeniul respectiv.

Dezvoltarea unui Sistem expert presupune în primul rând culegerea

cunoştinţelor relevante de la experţii umani sau de la alte surse. Achiziţia
cunoştinţelor în vederea reprezentării lor în programe de calcul nu este în general
o sarcină simplă. Ca urmare, s-a dezvoltat o adevărată disciplină a construirii
Sistemelor experte, denumită ingineria cunoştinţelor, al cărui principal obiectiv
este transferul cunoştinţelor de la sursele uzuale (experţi, cărţi, reviste etc) către
baza de cunoştinţe a Sistemului expert.

15
 La începutul anilor 1980 apar și primele aplicații comerciale ale sistemelor
expert (XCON, XSEL sau CATS-1), care au cunoscut apoi o explozie la începutul
anilor 1990. Sistemele expert bazate pe reguli se dezvoltă și se implementează în
multe domenii de activitate, inclusiv în cel financiar-contabil: control intern,
audit, planificarea impozitelor, diagnostic financiar, raportare financiară,
contabilitate managerială, analiză de credite, analiza riscului, planificare de
investiții, etc.

16
 Marile companii de contabilitate și audit își realizează propriile sisteme expert
în domeniului controlului intern și al auditului: ExpertTAX, Risk Advisor (Coopers &
Lybrand), Loan Probe, Peat/1040 (KPMG), VATIA, Flow Eval (Ernst & Young),
Planet, Compas, Comet (Price Waterhouse), Rice (Arthur Andersen), Audit
Planning Advisor, World Tax Planner (Deloitte Touche).
Japonia este țara cu cele mai multe sisteme fuzzy implementate, mai ales în
domeniile urmăririi producției și a vânzărilor. De asemenea, multe
sisteme fuzzy au fost înglobate în unele dintre bunurile de larg consum: mașini de
spălat rufe, cuptoare cu microunde, aparate foto, aparate de aer condiționat, etc.

Modelarea matematică şi optimizarea acesteia sunt legate de rezolvarea unor

probleme apărute într-o organizaţie, în sistemul studiat. Prin problemă se înţelege
o dificultate, o situaţie dificilă, care nu poate fi depăşită automat şi presupune o
cercetare, o rezolvare, ştiinţifică sau empirică.

Optimizarea se poate face, în funcţie de problema concretă de rezolvat, în una

din următoarele două variante:
- Principiul maximizării rezultatelor, adică realizarea maximă a unui obiectiv în
condiţiile utilizării resurselor disponibile;
- Principiul minimizării consumului de resurse, adică realizarea obiectivului cu
utilizarea a minimum de resurse alocate.
17
 După natura modelului matematic optimizarea poate fi:
- optimizare deterministă - se foloseşte când toate elementele modelului
matematic sunt certe, sigure, realizabile cu probabilitatea 1;
- optimizare stochastică – se utilizează când modelul matematic cuprinde
elemente care iau anumite valori cu anumite probabilităţi, deci cuprinde cel puţin
o variabilă aleatoare;
- optimizare fuzzy - se foloseşte când modelul matematic are elemente care
prezintă diverse grade de apartenenţă la o mulţime, utilizând matematica fuzzy.

Sistemele fuzzy au un comportament foarte bun în prezența incertitudinii,

impreciziei și a „zgomotului”. Cât de bine lucrează asemenea sisteme fuzzy, o
demonstrează larga răspândire a acestora în ultimii ani în lumea întreagă. Se
cunosc deja o serie de aplicații consacrate ale logicii fuzzy în diferite domenii ale
științei: în controlul automat (reguli de temperatură, comanda vitezei metroului,
autofocalizarea camerelor video), în recunoașterea formelor (algoritmi de
clasificare fuzzy), în măsurări (prelucrarea informațiilor furnizate de senzori), în
medicină (controlul stimulatoarelor cardiace), în economie (metode de decizie
fuzzy).

Trăsături specifice ale logicii Fuzzy:

- În logica fuzzy raționamentul exact este privit ca un caz limită al
raționamentului aproximativ ;
- În logica fuzzy orice situație este exprimată gradual;
- Orice sistem logic poate fi reprezentat în logica fuzzy (fuzzyficare);
- În logica fuzzy cunoașterea este interpretată ca o colecție de restricții fuzzy
elastice sau de echivalență pe o colecție de variabile;
- Deducția este privită ca un proces de propagare al restricțiilor elastice .
- Mulțimea fuzzy reprezintă are asociată o funcție caracteristică care ia valori în
intervalul [0,1], valorile acesteia descriind gradul de apartenență al unui element
la acea mulțime.

18
 Simularea este o experimentare pe model.

Simularea este o tehnică de realizare a experimentelor cu calculatorul, care

implică utilizarea unor modele matematice şi logice care descriu comportarea unui
sistem real (sau a unor componente ale sale) de-a lungul unei perioade mari de
timp.

Există două variante ale simulării: simularea Monte Carlo şi simularea de tip joc.

Simularea Monte Carlo este o tehnică de simulare legată mai mult de probleme
cu caracter aleator, dar se utilizează şi la rezolvarea unor probleme deterministe
care nu pot fi rezolvate uşor prin metode deterministe.

19
 Câteva exemple de simulare Monte Carlo în investiții sunt următoarele:
o Crearea, evaluarea și analizarea portofoliului de investiții;
o Evaluarea produselor financiare complexe, cum ar fi opțiunile financiare;
o Crearea de modele de gestionare a riscurilor.

Deoarece rentabilitatea investiției este imprevizibilă, acest tip de metodă este

utilizată pentru a evalua diferite tipuri de scenarii.

Un exemplu simplu se găsește pe piața de valori. Mișcările unui stoc nu pot fi

prezise. Pot fi estimate, dar este imposibil să o faci exact. Prin urmare, prin
intermediul simulării Monte Carlo, se încearcă imitarea comportamentului unei
acțiuni sau a unui set de ele pentru a analiza modul în care acestea ar putea
evolua. Odată efectuată simularea Monte Carlo, se extrage un număr foarte mare
de scenarii posibile.

Un punct cheie în utilizarea simulării Monte Carlo este generarea de numere

aleatorii. Aceste numere se vor genera utilizând programe de calculator,
deoarece dacă s-ar folosi un mecanism precum ruleta, acest lucru ar putea dura
multe ore. Numerele generate nu sunt considerate numere pur aleatorii,
deoarece sunt create de program cu o formulă. Cu toate acestea, acestea sunt
foarte asemănătoare cu variabilele aleatorii ale realității. Se numesc numere
pseudo-aleatorii. Rezolvată această problemă, rămâne de văzut doar o singură
aplicație a metodei.

Să presupunem că vrem să angajăm un manager care să facă afaceri pentru noi

pe piața de valori.

Managerul pe care dorim să-l angajăm pretinde că a câștigat o rentabilitate de

50% în ultimul an, cu un cont de valori mobiliare de 20.000 USD. Pentru a
confirma că ceea ce spuneți este adevărat, vă cerem istoricul auditat. Adică,
evidența tuturor operațiunilor dvs. verificată de un auditor (pentru a evita
escrocheriile și conturile false). Managerul ne furnizează toată documentația și
procedăm la evaluarea declarației de venit.

20
 Să presupunem că avem 20.000 de dolari. Introducem variabilele
corespunzătoare în programul nostru de computer și extragem următorul grafic:

Cu rezultatele oferite de managerul pe care dorim să-l angajăm, s-au efectuat

10.000 de simulări. În plus, rezultatele au fost proiectate timp de patru ani. Adică,
10.000 de scenarii diferite pentru aceste rezultate pe parcursul a patru ani.
În marea majoritate a scenariilor, se generează o rentabilitate pozitivă, dar există
o probabilitate mică de a pierde bani. Simularea Monte Carlo ne oferă o infinitate
de combinații pentru a evalua scenarii de care nu suntem conștienți la prima
vedere.

Simularea de tip joc se referă la acele situaţii care se caracterizează printr-un

conflict între anumiţi parteneri sau între om (care trebuie să ia anumite decizii) şi
natură (care îi oferă omului mai multe variante urmând ca el să o aleagă pe cea mai
convenabilă).

Jocurile de întreprindere (business games) sunt modele de simulare ce

cuprind mai mulţi participanţi angajaţi într-un proces informaţional-decizional ce
simulează o situaţie de competiţie reală.

21
 Simularea managerială decizională constă în crearea unui model
managerial pe baza identificării şi stabilirii relaţiilor logice dintre variabilele ce
definesc o situaţie managerială tipică, cu o anumită periodicitate, cu ajutorul căreia
se proiectează mai multe variante decizionale, pentru care se determină efectele,
în vederea facilitării selecţionării aceleia ce corespunde în cea mai mare măsură
anumitor criterii manageriale prestabilite.

Scopurile principale ale utilizării jocurilor de întreprindere:

♦ Formarea, la cadrele de conducere, a deprinderilor în rezolvarea situaţiilor
concrete cu care se întâlnesc frecvent în practică.
♦ Dezvoltarea aptitudinilor de abordare complexă, sistemică a procesului
simulat.
♦ Ca metodă de autoinstruire, de stimulare a creativităţii.
♦ Cu ajutorul jocurilor de întreprindere, specialiştii pot testa o serie de
ipoteze asupra naturii deciziilor pe care urmează să le ia, cu identificarea
efectelor probabile ale diverselor decizii.
♦ „Jocurile” oferă posibilitatea acumulării experienţei în problemă, înainte
de desfăşurarea reală a proceselor economice, permit anticiparea
consecinţelor folosirii resurselor în cele mai diverse situaţii, bineînţeles
fără utilizarea efectivă a acestora.
♦ „Jocurile” au efecte psihologice asupra participanţilor, deoarece
aceştia pot să-şi manifeste pe deplin personalitatea, să-şi verifice
cunoştinţele asimilate, puterea de generalizare, de abstractizare a
fenomenelor, puterea de a raţiona corect, toate acestea canalizate în
sensul dezvoltării simţului de răspundere pentru decizia luată, a
implicaţiilor acesteia asupra „soartei” întreprinderii, a bunului mers
economico-financiar al acesteia.

Jocurile de întreprindere se desfăşoară sub conducerea unui arbitru de joc

ajutat de unul sau mai mulţi consilieri (specialişti). Jucătorii transmit rezultatele,
iar arbitrul le prelucrează sau le calculează.

22
 Modelarea și simularea sunt necesare atunci când experimentarea directă pe
sistemul real nu este posibilă sau recomandabilă. Simularea poate fi definită ca un
proces prin care se construiește un model al unui sistem real și se realizează
experimente cu acest model în scopul înțelegerii comportamentului sistemului sau
evaluării diferitelor strategii pentru sistemul analizat.

Se apelează la simulare deoarece ea permite imitarea a ceea ce se întâmplă

într-un sistem real sau a ceea ce se preconizeazã pentru un sistem care este în
stadiul de proiect. Datele de ieșire obținute prin simulare pot fi considerate ca
rezultate care ar fi putut fi furnizate de sistemul real. Prin simulare, este posibil să
se construiască un model al unui sistem sau proces fără ipotezele impuse de
modelele analitice (de exemplu în teoria firelor de așteptare soluțiile analitice se
obțin în ipoteza că intrările și ieșirile dintr-un sistem de servire sunt caracterizate
prin distribuția de probabilitate Poisson).

23
 Distribuția Poisson este o distribuție de probabilitate discretă care modelează
frecvența anumitor evenimente într-un interval de timp fix pe baza frecvenței
medii de apariție a acestor evenimente.

În comparație cu modelele de optimizare, modelele de simulare sunt

„executate” și nu rezolvate, deci, fiind dat un anumit set de intrãri și caracteristici
ale modelului, el este executat pentru a se observa comportamentul sistemului pe
care îl reprezintă. Modificarea intrărilor și caracteristicilor modelului se
structurează în mai multe scenarii care sunt evaluate prin simulare.

24
 3. Noțiuni despre algoritmi și grafuri
aplicate în managementul proiectelor

Un algoritm înseamnă în matematică și informatică o metodă sau o procedură

de calcul, alcătuită din pașii sau operațiile elementare necesare pentru rezolvarea
unei probleme sau categorii de probleme. De obicei algoritmii se implementează
în mod concret prin programarea adecvată a unui calculator, sau a mai multora.
Din diverse motive există și algoritmi încă neimplementați, teoretici.

Proprietăţile unui algoritm:

- Algoritmul trebuie să posede date de intrare (input data).
- Algoritmul trebuie să furnizeze date de ieşire (output data).
- Determinismul algoritmului (la executarea oricărui pas, trebuie să cunoaştem
succesorul acestuia).
- Corectitudinea datelor de ieşire (a rezultatelor) în raport cu datele de intrare.
- Finititudinea algoritmului (pentru orice mulţime de date de intrare posibilă a
problemei, soluţia este obţinută într-un număr finit de paşi).
- Eficienţa algoritmului (furnizarea soluţiei trebuie să fie realizabilă prin
consumul eficient al resurselor timp, spaţiu etc.).
- Generalitatea algoritmului (algoritmul este aplicabil unei clase de probleme,
cele ale căror date de intrare satisfac anumite condiţii). Succesiunea coerentă de
operaţii logice şi aritmetice conduce la algoritmizarea unei probleme economice.

Algoritmul este noțiunea centrală a informaticii. Totul este construit în jurul

algoritmilor (și a structurilor de date, cum ar fi listele sau grafurile).

25
 În disciplina matematică a teoriei grafurilor, un graf este o pereche ordonată
de mulțimi, notată G =(X,U), unde X este o mulțime finită și nevidă de elemente
numite noduri sau vârfuri, iar U este o mulțime de perechi (ordonate sau
neordonate) de elemente din X numite muchii (dacă sunt perechi neordonate)
sau arce (dacă sunt perechi ordonate). În primul caz, graful se numește
neorientat, altfel acesta este orientat.

Așadar un graf poate fi reprezentat sub forma unei figuri geometrice alcătuite
din puncte (care corespund vârfurilor/nodurilor) și din linii drepte sau curbe care
unesc aceste puncte (care corespund muchiilor sau arcelor).

26
 Metodele teoriei grafurilor se pot utiliza în managementul prin proiecte.
Un proiect este reprezentat de o mulţime de operaţii sau activităţi specifice, a
căror înlănţuire este în funcţie de dependenţele tehnologice impuse şi conduce la
atingerea unui obiectiv, a unui scop dinainte precizat.

Un proiect sau o lucrare oricât de complexă, poate fi descompusă în lucrări

simple sau operaţii denumite activităţi şi în etape denumite evenimente care
marchează sfârşitul sau începutul activităţilor.
Evenimentele se reprezintă prin vârfuri (noduri) într-un graf reţea, iar
activităţile prin arce sau săgeţi ale grafului reţea. Astfel, un proiect sau o lucrare
oricât de complexă se reprezintă printr-un graf reţea format din vârfuri şi arce.
Conducerea unui proiect prin metodele drumului critic se realizează în două
etape: etapa de programare şi etapa de control.

27
 Etapa de programare constă în analiza timpului, costului şi resurselor, iar
fiecare dintre acestea are două faze: stabilirea informaţiei iniţiale, de intrare
(reţeaua proiectului, duratele, costurile şi resursele activităţilor) şi determinarea
unui program optim (programarea timpului, determinarea drumului critic).
Etapa de control constă în compararea periodică a realizărilor de pe teren cu
cele programate şi dacă sunt diferenţe se revizuieşte programul, se actualizează,
se elaborează un nou program.
Exemplu de exercițiu pentru utilizarea grafurilor în managementul proiectelor:

28
 Prin sistem managerial trebuie să înțelegem ansamblul elementelor cu
caracter decizional, organizatoric, informațional, motivațional, etc. din cadrul
organizației, prin intermediul căruia se exercită ansamblul proceselor și relațiilor de
management, în vederea obținerii unei eficacități cât mai mari. În cadrul sistemului
sunt încorporate o serie de metode și tehnici manageriale ce-i determină schimbări
majore de funcționalitate și performanță. Dintre sistemele de management cele mai
cunoscute amintim: managementul prin obiective (MBO), managementul prin
proiecte (MPP), managementul pe produs (MP), managementul prin bugete
(MPB), managementul prin excepție (MPE).

29
 4. Noțiuni despre deciziile monocriteriale și multicriteriale

Managementul firmei, competitivitatea sa și fluxurile materiale pot fi

studiate, analizate și optimizate prin programare matematică cu o funcție
obiectiv, de exemplu, maximizarea profitului sau a venitului din vânzări sau prin
modelul minimizarea costurilor.

Prin studierea problematicii optimizării managementului firmei se urmăreşte

creşterea competitivităţii sale, asigurarea raţionalităţii procesului decizional şi
managerial. Se poate pune problema alegerii monocriteriale sau multicriteriale a
algoritmului / programului optim sau raţional de rezolvare a unei probleme de
management sau de optimizare a fluxurilor materiale.

30
 ELABORAREA DECIZIILOR MONOCRITERIALE IN CONDIȚII DE INCERTITUDINE

Cursurile alternative de acțiune – elaborarea deciziei, prin definiție, implică

două sau mai multe opțiuni, cursuri sau alternative de acțiune (strategii).

Capacitatea de a crea alternative depinde de creativitatea și imaginația

managerilor. Managerul creativ, de obicei, vede mai multe alternative decât
realizează unul conservator. Sunt variabile de decizie independente.

Stările naturii – numite și evenimente posibile, sunt rezultatul unei forțe

necunoscute, necontrolabile. Într-o situație decizională numărul stărilor naturii nu
este prea mare. Sunt parametrii necontrolabili independenți.

Probabilitățile stărilor naturii – reprezintă șansele de apariție a stărilor naturii.

Se consideră că numai una din stări va apare în viitor. Sunt parametrii

necontrolabili independenți.

Observație. Stările naturii formează un sistem complet de evenimente.

Plățile (consecințele sau rezultatele) - sunt asociate cu o alternativă și o stare a

naturii. Sunt variabile dependente.

31
 1. CRITERIUL OPTIMIST (maximax)

Decidentul are o atitudine optimista - alege alternativa care ii maximizeaza plata.

Se presupune ca cea mai buna stare a naturii va apare.

In prima etapa se va selecta plata maxima posibila pentru fiecare alternativa,

apoi se va alege alternativa cu plata cea mai mare.

2. CRITERIUL PESIMIST (maximin)

Decidentul are o atitudine pesimista - incearca sa maximizeze plata minima

posibila. Se presupune ca cea mai rea stare a naturii se va produce, indiferent ce
alternativa va alege.

In prima etapa se va selecta cea mai rea plata pentru fiecare alternativa, apoi
se va alege alternativa cu plata cea mai mare.

3. CRITERIUL REGRETELOR (Criteriul lui SAVAGE)

Conceptul regretului este echivalent cu determinarea pierderii

oportunitatii. Costul oportunitatii indica semnificatia pierderii suferite din
neselectarea celei mai bune alternative. Savage argumenteaza in mod logic, ca un
decident rational va incerca intotdeauna sa minimizeze cel mai mare regret
posibil, anticipat. Aplicarea criteriului regretului presupune folosirea unui criteriu
de optiune de tip minimax. In prima etapa se va identifica regretul maxim pentru
fiecare alternativa, apoi se va alege alternativa cu cel mai mic regret posibil.

32
 4. CRITERIUL REALISMULUI (Criteriul lui HURWICZ)

Conceptul realismului presupune ca un decident nu este nici complet optimist,

nici complet pesimist. Hurwicz sugereaza ca fiecare decident este caracterizat de
un anumit coeficient de optimism (notat alfa), care in mod normal va fi masurat pe
o scara intre 0 si 1, in care extremele sunt:

pesimismul total, deci alfa = 0;

optimismul total, deci alfa = 1.

In mod logic decidentul va avea si un coeficient de pesimism (1-alfa , care se

aplica la plata, consecinta cea mai rea. Hurwicz introduce o valoare noua de
apreciere a alternativelor candidate, care se calculeaza pentru fiecare alternativa,
astfel:

plata cea mai buna x alfa + plata ce mai rea x (1 - alfa)

5. CRITERIUL ECHIPROBABILITATII (Criteriul lui LAPLACE)

Decidentul considera ca toate starile naturii sunt echiprobabile. Se calculeaza

pentru fiecare alternativa o valoare de expectanta, iar apoi va fi selectata
alternativa cu valoarea de expectanta maxima.

33
 5. Concluziile lucrării

Matematicile aplicate în domeniul managementului și al competitivității unei

firme oferă o gamă largă de algoritmi, acompaniați de programe software de
analiză a datelor existente, pentru crearea unor decizii benefice și utile pentru
viitorul firmei în cauză. Algoritmii aplicați în management pot fi preluați din
informatică, precum metoda Backtracking, Greedy, Căutarea binară (într-un
vector ordonat) și algoritmii de ordonanțare.

34
 6. Webgrafie

1) https://www.prepbytes.com/blog/backtracking-articles/
2) https://kepner-tregoe.com/blogs/the-consequences-of-choice-thefinal-step-in-
decision-making/
3) https://www.umn.ac.id/en/reasons-why-you-should-studymanagement/
4) https://www.scribd.com/document/141479339/Cap3-MODELAREADECIZIEI#
5) https://ro.wikipedia.org/wiki/Graf
6) https://www.definebusinessterms.com/ro/distributia-poisson/
7) https://www.scribd.com/doc/192349916/Simulare-Prin-Joc#
8) https://ro.economy-pedia.com/11033755-monte-carlo-simulation
9)http://www.mpt.upt.ro/doc/curs/gp/Sisteme_inteligente_in_electrotehnica/Sis
teme_Fuzzy_cap2.pdf
10) http://iota.ee.tuiasi.ro/~mgavril/Simpe/L2.htm
11) https://ro.wikipedia.org/wiki/Logic%C4%83_fuzzy
12) https://ro.kamiltaylan.blog/stochastic-modeling/
13) https://ro.wikipedia.org/wiki/Modelare_matematic%C4%83
14) https://teoriasistemelor.blogspot.com/

35
 7. Bibliografie

1. Cociu, N. 2023, Cursul Matematici aplicate în managementul

competitivității, Cap. 1. Modelarea și optimizarea sistemelor de producție,
Universitatea „Politehnica” din Timișoara;
2. Cociu, N. 2023, Cursul Matematici aplicate în managementul
competitivității, Cap. 2. Modelele deterministe. Modelarea fluxurilor
materiale prin programare matematică, Universitatea „Politehnica” din
Timișoara;
3. Cociu, N. 2023, Cursul Matematici aplicate în managementul
competitivității, Cap. 5. Programarea fuzzy, Universitatea „Politehnica” din
Timișoara;
4. Cociu, N. 2023, Cursul Matematici aplicate în managementul
competitivității, Cap. 11. Elemente din teoria jocurilor, Universitatea
„Politehnica” din Timișoara;
5. Cociu, N. 2023, Cursul Matematici aplicate în managementul
competitivității, Cap. 12. Decizii de grup, Universitatea „Politehnica” din
Timișoara;
6. Cociu, N. 2023, Cursul Matematici aplicate în managementul
competitivității, Cap. 13. Elemente de teoria grafurilor, Universitatea
„Politehnica” din Timișoara.

36