Metode Cantitative Si Calitative in Managementul Modern

CUPRINS CAPITOLUL 1 ANALIZA CANTITATIV, CALITATIV I PROCESUL DE LUARE A DECIZIEI .................................................................................................. 1.1 Procesul de analiz cantitativ ..........................................................
CAPITOLUL 2 MODELAREA PROBLEMELOR DE TRANSPORT ................................. 2.1 Problem de transport ....................................................................... 2.2 Problema de transport: o problem de programare liniar ................ 2.3 Problema de transport. procedur practic de rezolvare ................... 2.3.1 Gsirea unei soluii iniiale fezabile. Metoda Costului Minim .......... 2.4 Metoda Stepping-Stone ..................................................................... 2.5 Situaii speciale care apar n problema de transport ......................... CAPITOLUL 3 MODELAREA PROBLEMELOR DE DISTRIBUIE PRIN MODELE DE REEA ..................................................................................................... 3.1 Problema celei mai scurte rute .......................................................... 3.1.1 Algoritmul celei mai scurte rute ....................................................... 3.2 Problema arborelui de acoperire minimal ........................................ 3.2.1 Algoritmul arborelui de acoperire minimal (Greedy) ..................... 3.3 Problema de flux maxim .................................................................... 3.3.1 Algoritmul pentru flux maxim .......................................................... CAPITOLUL 4 MODELE DE STOCARE ......................................................................... 4.1 Modelul de stocare cu cerere constant ........................................... 4.2 Modelul de stocare a produciei fabricate pe loturi ............................ 4.3 Model de stocare cu cerere constant i lips de stoc ...................... 4.4 Model de stocare cu cerere variabil ................................................
7 7 20 20 24 30 31 40 49
53 53 54 65 66 69 70 79 82 90 95 100
CAPITOLUL 5 FIRE DE ATEPTARE ............................................................................ 5.1 Fir de ateptare cu o singur unitate de deservire ............................ 5.1.1 Distribuia sosirilor .......................................................................... 5.1.2 Distribuia timpilor de deservire ...................................................... 5.1.3 Regula de deservire ....................................................................... 5.2 Fir de ateptare cu sosiri poissoniene i timpi de deservire exponeniali ............................................................................................. CAPITOLUL 6 SIMULAREA PROCESELOR ECONOMICE ........................................... 6.1 Simularea unui proces de stocare ..................................................... BIBLIOGRAFIE ........................................................................................
104 106 107 109 111 112 115 115 120
CAPITOLUL 1 ANALIZA CANTITATIV, CALITATIV I PROCESUL DE LUARE A DECIZIEI

1.1 Procesul de analiz cantitativ
n studiul metodelor cantitative pentru luarea deciziei se consider procedura bazat pe parcurgerea urmtoarelor cinci etape: (1) definirea problemei, (2) dezvoltarea modelului, (3) pregtirea datelor, (4) generarea soluiei i (5) ntocmirea raportului. 1. Definirea problemei. Definirea problemei este considerat ca fiind cea mai critic etap a procesului de analiz cantitativ. De cele mai multe ori este necesar imaginaie, lucru n echip i un considerabil efort de a transforma cel mai adesea o problem descris la modul general ntr-o problem dine definit n care se pot aplica metode de management cantitativ. De exemplu, o problem descris prin exces de stoc poate fi clar definit n termenii privind obiectivele specifice i restriciile de operare, nainte ca un analist s parcurg urmtoarea etap a procesului de analiz cantitativ. Implicarea utilizatorului este aici esenial, analistul trebuie aici s lucreze n colaborare cu managerul sau cu utilizatorul rezultatelor.
ANALIZA CANTITATIV, CALITATIV I PROCESUL DE LUARE A DECIZIEI
2. Dezvoltarea modelului. Modelele reprezint reprezentri ale obiectelor sau situaiilor reale. Aceste reprezentri, modele, pot fi fcute n forme variate. De exemplu, un avion real poate fi reprezentat printr-o machet, un model al unui avion la scar redus, numit model fizic. Acest model reprezint replica fizic a obiectului real. n terminologia modelrii, aceste replici fizice ale obiectelor reale poart denumirea de machete. Exist, de asemenea, modele care sunt fizice n form, dar nu au reprezentarea fizic a obiectului modelat. Asemenea modele sunt denumite modele analoage1. O alt categorie de modele, care vor fi studiate in continuare, este cea care include acele reprezentri ale problemelor n simboluri i expresii matematice sau relaii. Asemenea modele sunt numite modele matematice i reprezint elementul critic, cu o importan semnificativ, n abordarea cantitativ a procesului decizional. De exemplu profitul generat de vnzarea unui produs (P) poate fi determinat prin multiplicarea profitului unitar cu numrul de uniti vndute (x). Dac profitul unitar este de 10 u.m., atunci urmtoarea relaie definete profitul total obinut prin vnzarea a x uniti de bun: P = 10x (1.1) Scopul, valoarea unui model este determinat de posibilitatea de a trage concluzii despre o situaie real, prin studierea i analizarea modelului. De exemplu, un constructor de avioane testeaz, sub forma unei machete, un nou avion n tunelul aerodinamic, pentru a cunoate potenialul de zbor al avionului la mrimea real. n mod asemntor, un model
1
Un termometru este un model analog. Poziionarea indicatorului termometrului pe scala de msurare indic temperatura.
matematic poate fi utilizat pentru a oferi concluzii privind profitul obinut prin vnzarea unei anume cantiti de produs vndute. n corelaie cu relaia (1.1) se va obine un profit de 40 u.m. prin vnzarea a 4 uniti de bun. n general, experimentarea cu ajutorul modelelor necesit mai puin timp i este mai puin costisitoare dect experimentarea cu obiecte la scara 1:1, sau, n situaii concrete reale. Experimentarea cu ajutorul modelului avionului la scar redus este mai rapid i mai puin costisitoare dect experimentarea cu un avion la mrimea real. n mod identic, modelul matematic prezentat anterior permite o rapid determinare a profitului posibil fr a fi necesar decizia managerului de a produce i a vinde x uniti de bun. Modelele, de asemenea, prezint avantajul c reduc riscul asociat cu experimentarea n situaii reale. n particular, se poate aprecia c un design neadecvat, sau o decizie nepotrivit, pot cauza prbuirea avionului proiectat, iar un proiect care poate avea o pierdere potenial mare (de exemplu 50.000 u.m.) poate determina decizia de a nu fi aplicat n situaia real. Acurateea concluziilor i a deciziilor luate pe baza studierii unui model sunt n corelaie cu ct de bine, acesta, reprezint situaiile reale. Astfel, modelul avionului va putea reprezenta un avion real, iar concluziile vor determina caracteristicile i comportamentul real al avionului n timpul zborului. La fel, modelul matematic ce descrie relaia profitului cu cantitatea vndut, determinat la nivelul firmei, va arta cu mai mare acuratee care vor fi prediciile profitului. n continuare se va aprofunda procesul de modelare matematic. Rezolvarea problemei manageriale trebuie s treac n mod uzual prin etapa definirii problemei care s conduc spre un obiectiv specific, precum maximizarea profitului sau minimizarea costurilor, i determinarea
10
restriciilor (de exemplu capacitatea de producie). Succesul modelului matematic i al abordrii cantitative va depinde direct de acurateea cu care au fost determinate funcia (funciile) obiectiv i restriciile modelului, de modalitatea n care acestea au fost reprezentate n modelul matematic ecuaional. Denumim n continuare funcie obiectiv acea expresie matematic ce descrie obiectivul problemei. De exemplu, ecuaia profitului P = 10x poate fi funcie obiectiv pentru firma care dorete s-i maximizeze profitul. O restricie relativ la capacitatea de producie poate fi necesar dac, de exemplu, sunt necesare 5 ore pentru producerea unei uniti de bun i sunt disponibile pe parcursul sptmnii de lucru doar un total de 40 de ore. Dac x reprezint numrul de uniti produse, restricia relativ la timpul de lucru poate fi: 5x 40 Valoarea 5x reprezint timpul necesar pentru a produce x uniti de bun. Simbolul arat c timpul necesar pentru producie trebuie s fie mai mic sau egal cu disponibilul de 40 de ore. Problema decizional decurge din ntrebarea: Cte uniti de produs trebuie programate a fi realizate n fiecare sptmn pentru a maximiza profitul? Modelul matematic complet pentru aceast problem simpl de producie este: max P = 10x funcie obiectiv 5x 40 restricii x 0 Restricia x 0 se refer la producia care urmeaz a fi realizat, care poate fi zero sau mai mare dect zero, dar, se
11
consider astfel c producia nu poate lua valori negative. Soluia modelului poate fi uor calculat i este x=8 avnd un profit asociat de 80 u.m.. Acest model este un exemplu, simplu, de programare liniar. n modelul anterior, profitul unitar (10 u.m.), timpul de producie al unei uniti (5 ore) i capacitatea de producie (40 ore) reprezint factori care nu se afl sub controlul managerului sau al decidentului. Asemenea factori pot influena deopotriv funcia obiectiv i restriciile i sunt denumite factori necontrolabili ai modelului. Intrrile care sunt controlate, sau determinate de decident, sunt denumite intrri controlabile n model. Intrrile controlabile reprezint decizii alternative specificate de manager, ele fiind de asemenea denumite i variabile de decizie ale modelului.
Intrri necontrolabile
Intrri controlabile (Variabile de decizie)
Modelul matematic
Ieiri (Rezultate proiectate)
Figura nr. 1. 1 Reprezentarea procesului de transformare a intrrilor n ieiri prin procesul de transformare modelat
Odat ce toate variabilele controlabile i necontrolabile au fost stabilite, funcia obiectiv i restriciile pot fi evaluate, iar output-ul modelului determinat. n acest sens, output-ul modelului reprezint o simpl proiecie a ceea ce s-ar ntmpla
12
dac aceti factori particulari i decizia se vor ntlni ntr-o situaie real. O reprezentare a modului n care factorii controlabili i cei necontrolabili sunt transformai de modelul matematic din intrri n ieiri este cea din Figura nr. 1.1.
Intrri necontrolabile
profit unitar 10$ timp lucru unitar 5 ore capacitate de producie 40 ore
max P = 10x Nivelul cantitii produse (x) Intrri
5x 40 x 0
Modelul matematic
Profitul proiectat i respectarea restriciei timpului de Ieiri
Figura nr. 1. 2 Reprezentarea modelului de producie
n Figura nr. 1.2 este realizat o reprezentare similar cu cea anterioar n care sunt punctate detaliile specifice modelului de producie. Aa cum s-a artat nainte, inputurile necontrolabile sunt acelea care nu pot fi influenate de decident. Inputurile controlabile i necontrolabile ale unui model depind de problema particular analizat sau de situaia decizional. n problema de producie anterioar, timpul de producie necesar, 40 de ore, este un input necontrolabil. Dac este posibil s fie angajate alte persoane, sau s se presteze ore
13
suplimentare, numrul de ore de producie va deveni un input controlabil i, desigur, o variabil de decizie n model. Inputurile necontrolabile, sau nu pot fi cunoscute cu exactitate, sau sunt incerte, i, n consecin, au valori variabile. Dac toate inputurile necontrolabile ale unui model sunt cunoscute i nu pot varia, modelul respectiv este denumit model deterministic. Nivelul ratelor taxelor i impozitelor nu se afl la discreia managerului i astfel ele constituie un input necontrolabil n multe modele de decizie. Dac aceste rate sunt cunoscute i fixe, cel puin pe termen scurt, un model matematic cu rate ale taxelor i impozitelor ca fiind singurele inputuri necontrolabile, va fi un model deterministic. Caracteristica principal a modelului deterministic este aceea c valorile inputurilor controlabile sunt cunoscute dinainte. Dac unul din inputurile necontrolabile este variabil, atunci modelul este numit model stochastic. Un input necontrolabil n toate modelele de producie este cererea pentru acel produs. Dac cererea posibil viitoare este ncadrat ntre dou valori pe un interval, un model matematic ce trateaz cererea n condiii de incertitudine este un model stochastic. n modelul de producie, numrul total mediu de ore necesare pentru realizarea unui produs, timpul total disponibil i profitul mediu unitar sunt toate inputuri necontrolabile. Dac toate inputurile necontrolabile iau valori cunoscute i fixe, modelul este deterministic. Dac numrul total mediu de ore necesare pentru realizarea unui produs poate varia ntre 3 i 6 ore, n funcie de calitatea materiei prime, modelul este stochastic. Caracteristica unui model stochastic este c nu poate fi determinat valoarea output-ului, chiar dac valoarea input-ului controlabil este cunoscut, din cauza valorilor specifice ale inputurilor necontrolabile, care nu sunt cunoscute. Din aceste
14
considerente, modelele stochastice sunt, adesea, mult mai dificil de analizat. 3. Pregtirea datelor. A treia etap n analiza cantitativ este pregtirea datelor necesare modelului. n acest sens sunt necesare datele care reprezint valori ale inputurilor necontrolabile din model. Toate inputurile necontrolabile trebuie s fie specificate nainte de a putea s se analizeze modelul i de a selecta decizia bazat pe soluia problemei. n modelul de producie, valorile inputurilor necontrolabile sunt: 10 u.m. profitul unitar, 5 ore necesare pentru realizarea unei uniti de produs i 40 de ore pentru capacitatea de producie. n dezvoltarea modelului, aceste valori sunt cunoscute i sunt ncorporate n modelul care a fost creat. Dac modelul este relativ mic, i numrul valorilor de input necontrolabile (a datelor) necesare este redus, analistul, probabil c va combina etapa de dezvoltare a modelului cu cea de pregtire a datelor. n acest moment sunt introduse datele valorice i sunt determinate ecuaiile matematice ale modelului. n multe situaii de modelare, datele sau valorile necontrolabile nu sunt prezentate pentru a fi introduse ca atare. n aceste situaii, managerul poate determina c modelul necesit date relative la: profit unitar, timp de producie i capacitate de producie, dar valorile nu pot fi luate direct din evidenele contabile ale firmei, din compartimentul de producie sau proiectare. Adesea, n ncercarea de a colecta datele, modelul este dezvoltat, iar analistul va folosi o notaie general pentru etapa de dezvoltare a modelului i va trece, apoi, la etapa de pregtire a datelor, pentru a obine valorile inputurilor necontrolabile. Se folosete urmtoarea notaie: c = profit unitar; a = timpul de producie n ore pe unitate produs;
15
b = capacitatea de producie n ore, iar n etapa de dezvoltare a modelului, acesta se va reprezenta n modul urmtor: opt cx ax b x0 Apoi se vor identifica valorile corespunztoare pentru a, b i c pentru a defini corespunztor modelul. O parte din analitii neexperimentai presupun c odat ce problema a fost definit i modelul general dezvoltat, problema este n esen rezolvat. Acetia cred c etapa de pregtire a datelor este o etap cu o mic importan. n special modelele mari care au numeroase valori de input afirmaia anterioar nu poate fi departe de adevr. De exemplu, n modele de dimensiuni moderate, cu 50 de variabile de decizie i 25 de restricii sunt necesare peste 1300 de date care trebuie identificate i pregtite pentru a fi introduse n model. Timpul necesar pentru pregtirea acestor date i posibilitatea de a grei, arat c etapa de pregtire a datelor este critic n procesul de analiz cantitativ. Adesea este necesar o baz de date care s furnizeze modelului matematic informaiile necesare, iar specialitii vor fi astfel implicai n etapa de pregtire a datelor. 4. Generarea soluiei. Odat ce modelul a fost dezvoltat i etapa de pregtire a datelor este completat, se poate trece la urmtoarea etap. Acum, analistul va ncerca s identifice valorile de decizie care confer cel mai bun output pentru model. Valorile variabilelor specifice de decizie, sau valorile care ofer cel mai bun output, poart denumirea de soluie optimal a modelului. Pentru problema de producie,
16
generarea soluiei este etapa care implic gsirea valorii cantitii de produs, respectiv variabila de decizie x, care maximizeaz profitul, fr ns a determina nerespectarea restriciilor modelului relative la capacitatea de producie. Procedura de evaluare i selectare care trebuie folosit n aceast etap presupune ncercri n care modelul este folosit pentru a testa i evalua diferite variante de decizie alternative. n modelul de producie, aceasta nseamn testarea i evaluarea modelului considernd valori pentru producia x, variabile. Se consider modelul din Figura nr. 1.2 i se calculeaz pentru valori diferite ale lui x i se verific dac acestea genereaz profit corespunztor i, totodat, respect restriciile capacitii de producie. Dac o decizie alternativ nu satisface una sau mai multe din restriciile modelului, decizia alternativ este respins ca nefezabil relativ la valoarea funciei obiectiv. Dac toate restriciile sunt satisfcute, decizia alternativ este fezabil i este candidat la cea mai bun soluie sau decizie recomandat.
Tabelul nr. 1. 1 Reprezentarea procedurii de evaluare i selecie
Alternativa de decizie (Cantitatea de produs) x 0 2 4 6 8 10 12
Profitul proiectat 0 20 40 60 80 100 120
Total ore de producie 0 10 20 30 40 50 60
Soluie fezabil? (capacitatea =40) Da Da Da Da Da Nu Nu
17
Folosind aceast procedur de evaluare i selectare a deciziilor alternative, decidentul poate identifica o bun i posibil cea mai bun soluie fezabil a problemei. Aceast soluie este cea care va determina decizia optim pentru problem. n Tabelul nr. 1.1 sunt prezentate rezultatele procedurii de evaluare i selectare pentru problema prezentat n Figura nr.1.2. Decizia recomandat se refer la o cantitate produs de 8 uniti, iar soluia fezabil, cu cel mai mare profit, corespunde aceleiai cantiti produse. Dac procedura de evaluare i selecie poate fi aplicat relativ uor i poate s ofere informaii de valoare managerului, atunci, ea va fi folosit pentru selectarea deciziei optime. Dac ea necesit calcule foarte laborioase, este posibil s nu mai poat fi aplicat aceast procedur. Totui analitii chiar au dezvoltat proceduri pentru multe modele care sunt mai eficiente chiar dect procedura de evaluare i selecie1. De remarcat c pentru modelele de mici dimensiuni calculele pot fi efectuate manual, pentru cea mai mare parte a aplicaiilor practice este necesar folosirea unui computer. Este important de tiut c etapele de dezvoltare a modelului i cea de generare a soluiei nu pot fi complet separate. Atunci cnd analistul va dori s dezvolte un model de mare acuratee care s transpun n relaii matematice problema, el va dori s poat obine soluia problemei. Dac modelul va fi foarte extins, complex, atunci va fi poate chiar imposibil de a se cunoate soluia acestuia. n aceast situaie, un model simplificat, uor de neles, cu p procedur care s conduc spre cunoaterea soluiei va fi preferat, chiar dac soluia determinat prin acesta este doar o aproximare a celei mai bune decizii. Pe msur ce analitii acumuleaz cunotine
1
Sunt introduse n aceast lucrare proceduri de cutare a soluiilor pentru mai multe tipuri de modele matematice care vor fi formulate.
18
despre metodele cantitative, modelele generate de acetia vor fi mai uor dezvoltate i rezolvate. Dup ce soluia modelului a fost obinut, managerul mpreun cu analistul vor fi interesai s afle ct de bun este soluia determinat. Dup generarea modelului, analistul trebuie s verifice acurateea modelului, pentru a cunoate gradul de confiden a soluiilor generate de acesta, ceea ce presupune rezolvarea modelului. Testarea i validarea modelului sunt etape care presupun confruntarea rezultatelor generate de model cu rezultatele economice obinute n situaia real modelat. Dac modelul genereaz soluia identic cu cea obinut n situaia real, atunci modelul ar putea fi folosit pentru rezolvarea problemei pentru care a fost formulat. Totui, n situaia n care sunt identificate probleme determinate de lipsa de acuratee a modelului, pot fi realizate aciuni corective relative la modificarea modelului sau a datelor de intrare ale acestuia. Chiar i dup aciunea corectiv, soluia modelului nu va fi folosit n practic pn cnd modelul nu va trece corespunztor de testare i validare. 5. ntocmirea raportului. Etapa final n procesul de analiz cantitativ este reprezentat de pregtirea rapoartelor manageriale bazate pe soluia modelului. Referitor la procesul de luare al deciziei n problema supus analizei cantitative, managerul va meniona n raportul su soluia generat de modelul cantitativ ntr-o modalitate care s determine nelegerea acesteia i la alte niveluri ierarhice. Raportul va conine decizia recomandat, dar i alte informaii pertinente despre rezultatele modelului care pot fi utile. Implementarea modelului. Generarea raportului managerial este ultima etap n procesul de analiz cantitativ
19
bazat pe soluia obinut prin intermediul modelului. Astfel, rmne la latitudinea managerului dac va include soluia cantitativ, cu consideraiile calitative pentru a face ca decizia luat s fie cea mai bun posibil. Dup aceasta, managerul trebuie s urmreasc implementarea i s realizeze evaluarea deciziei. n timpul implementrii, dar i dup aceasta, managerul trebuie s continue s monitorizeze contribuia modelului. n acest moment, se poate ridica problema extinderii i a creterii acurateei modelului care vor determina managerul s se ntoarc la etapele de nceput ale procesului de analiz cantitativ. Implementarea cu succes a rezultatelor este de mare importan att pentru analist ct i pentru manager. Dac rezultatul procesului de analiz cantitativ nu este implementat, ntregul efort depus a fost n zadar. Adesea implementarea necesit ca angajaii care vor aplica soluiile modelului s trebuiasc s realizeze activitatea ntr-un mod diferit, cu eficien sporit, iar managerul poate s se loveasc de rezistena acestora la schimbare. Una dintre cele mai eficiente modaliti de implementare este s se implice ct mai muli angajai n procesul de modelare. Dac angajaii simt c i-au adus aportul la identificarea problemei i la dezvoltarea soluiei, ei vor fi mai entuziati n aplicarea rezultatelor. Succesul implementrii rezultatelor tiinei managementului n practic este mare pentru acele proiecte care au antrenat ct mai muli angajaii1.
Brabb J. George, Introduction to Quantitative Management, Holt, Reinhart and Winston Inc., New York, 1968, pg. 13.
CAPITOLUL 2 MODELAREA PROBLEMELOR DE TRANSPORT

2.1 PROBLEM DE TRANSPORT
Problemele de transport pot s apar adesea n planificarea distribuiei de bunuri i servicii, din mai multe locaii, unde exist disponibilitate, spre locaiile unde se afl cererea. De obicei, cantitatea de bunuri disponibile n fiecare locaie de ofert (origine) este fix sau limitat, un anumit nivel al cererii fiind nregistrat la destinaie. De obicei firmele dispun de mai multe rute care leag sursele de destinaie i pe acestea sunt asignate costuri diferite de transport.
Tabelul nr. 2. 1
Origine 1 2 3 TOTAL
Unitatea de producie Braov Cluj Oradea
Capacitatea d producie lunar (buc) 5.000 6.000 2.500 13.500
Obiectivul acestei rezolvri este determinarea a ct de multe uniti de produs vor fi transportate, din origini (surse) spre fiecare destinaie, astfel nct toate cererile la destinaie s
MODELAREA PROBLEMELOR DE TRANSPORT
21
fie satisfcute cu condiia ca i costul total de transport s fie minim. Fie ilustrarea urmtoarei probleme de transport pe care o are de rezolvat firma G.M. care produce generatoare de curent electric. Aceast problem implic transportul produselor de la trei uniti de producie spre patru centre de distribuie. G.M. dispune de centre de distribuie n Braov, Cluj, Oradea, iar capacitile de producie ale firmei n decurs de o lun sunt cele din Tabelul nr. 2.1.
Tabelul nr. 2. 2
Destinaie 1 2 3 4 TOTAL
Centru de distribuie Bucureti Craiova Constana Iai
Cerere lunar previzionat (buc.) 6.000 4.000 2.000 1.500 13.500
Se presupune c firma distribuie generatoarele prin patru centre regionale de distribuie situate n Bucureti, Craiova, Constana i Iai. Cererea lunar corespunztoare pentru centrele de distribuie este prezentat n Tabelul nr. 2.2. Managerul firmei G.M. vrea s determine ct din producia realizat n fiecare centru de producie va fi transportat spre fiecare centru de distribuie. Figura urmtoare reprezint grafic legturile posibile dintre centrele de producie i cele de distribuie. n Figura nr. 2.1 prin cercuri sunt reprezentate noduri (surse sau destinaii) iar liniile care unesc aceste noduri se
22
numesc arce. Graful care corespunde nodurilor interconectate se numete reea.

Figura nr. 2. 1 Reea de transport
Oferta
Rute
Cererea
O problem de transport poate fi reprezentat grafic ca o reea. Din acest motiv problema este numit i problem de flux n reea. Bunurile transportate de la origine spre destinaie reprezint fluxul din reea.
23
Tabelul nr. 2. 3 Costul transportului
Surse Braov Cluj Oradea
Bucureti 3 7 2
Destinaii Craiova Constana 2 7 5 2 5 4
Iai 6 3 5
Costul de producie este considerat, aici, identic pentru cele trei uniti de producie, costul care este variabil fiind numai cel de transport. Astfel, se pune problema s se determine rutele care vor fi folosite i cantitatea ce va fi transportat pe acestea, astfel nct toat cererea s poat fi satisfcut cu un cost de transport minim. Costurile pentru fiecare unitate transportat pe fiecare rut sunt prezentate n Tabelul nr. 2.3.
24
2.2 PROBLEMA DE TRANSPORT: O PROBLEM DE PROGRAMARE LINIAR

Se poate folosi un program de programare liniar pentru a rezolva problema de transport a firmei G.M. Se vor folosi variabile precum x11 care reprezint cantitatea de produse transportate din sursa 1 (Braov) n destinaia 1 (Bucureti); x12 reprezint cantitatea de produse transportate din sursa 1 (Braov) n destinaia 2 (Craiova) etc. Variabilele de decizie pentru problema de transport care are m origini (surse) i n destinaii pot fi notate prin xij i vor reprezenta numrul de uniti transportate din sursa i la destinaia j, cu i =1,,m i j =1,,n. Folosind notaia de mai sus, pentru x24 = 500, ea corespunde unui transport de 500 buci de produs din sursa 2 (Cluj ) la destinaia 4 (Iai). Pe baza costurilor de transport din Tabelul nr. 2.3, se poate determina costul transporturilor pe baza urmtoarelor expresii: a) costul transportului dinspre Braov = 3x11+2x12+7x13+6x14 b) costul transportului dinspre Cluj = 7x21+5x22+2x23+3x24 c) costul transportului dinspre Oradea = 3x31+5x32+4x33+5x34 Suma expresiilor de mai sus reprezint funcia obiectiv care calculeaz nivelul costului total de transport al G.M. Restriciile problemei sunt determinate, la surs, de nivelul limitat al produciei iar la destinaie de nivelul cererii. n cazul produciei din fiecare fabric avem numrul total de bunuri oferite mai mic sau egal cu numrul de bunuri produse ntr-un centru de producie. Astfel se poate scrie pentru fiecare furnizor: x11+x12+x13+x14 5000 oferta furnizorului din Braov x21+x22+x23+x24 6000 oferta furnizorului din Cluj x31+x32+x33+x34 2500 oferta furnizorului din Oradea
25
Firma dispune de patru centre de distribuie unde trebuie s se asigure c ntreaga ofert va fi satisfcut. Pentru fiecare centru se deduce: x11 + x21 + x31 = 6000 cererea n Bucureti x12 + x22 + x32 = 4000 cererea n Craiova x13 + x23 + x33 = 2000 cererea n Constana x14 + x24 + x34 = 1500 cererea n Iai Combinnd funcia obiectiv cu cele trei restricii privind oferta i cele patru restricii privind cererea se obine o problem de programare liniar cu 12 variabile i 7 restricii liniare astfel:
max f = 3x11+2x12+7x13+6x14+7x21+5x22+2x23+3x24+3x31+5x32+4x33+5x34
x11+x12+x13+x14
x31+x32+x33+x34 x11 +x21 +x31 +x22 +x32 x12 x13 +x23 +x33 x14 +x24 +x34 xij 0, pentru i =1,,3 i j = 1,,4
x21+x22+x23+x24
5000 6000 2500 = 6000 = 4000 = 2000 = 1500
Soluia optim pentru problema de transport a GM este o soluie n care toate valorile sunt numere ntregi. Acest fapt reprezint o cerin obiectiv n rezolvarea problemelor de transport. Datorit structurii speciale a restriciilor problemelor de transport ntotdeauna se obin soluii numere ntregi dac nodurile surs i cele destinaie prezint oferta i respectiv cererea n numere ntregi. Varietatea de probleme de baz de transport se pot ncadra n una sau mai multe din situaiile urmtoare:
26
1. Oferta total nu egaleaz cererea total. 2. Fiecare obiectiv poate fi de maximizare. 3. Unele rute pot s prezinte restricii relative la capacitatea minim sau maxim de transport. 4. Unele rute nu pot fi lua te n considerare fiind considerate inacceptabile. Cu unele modificri n PPL de transport, aceste situaii pot fi luate n considerare n atingerea soluiilor. Cea mai ntlnit situaie este cea n care oferta total nu este egal cu cererea total. Cnd cantitatea oferit este peste nivelul cererii nu apar modificri n formularea modelului PPL. Excesul de ofert va introduce variable de relaxare n rezolvarea PPL. Relaxarea poate fi interpretat prin ofert neutilizat sau prin cantiti oferite care sunt transportate, din surse spre centrul de distribuie. Dac oferta total este mai mic sau egal cu cantitatea cerut, modelul PPL nu va avea o soluie fezabil pentru c restriciile impuse de cerere nu vor fi satisfcute. n acest caz, o modificare n restriciile PPL devine necesar pentru a permite rezolvarea problemelor de transport i obinerea soluiei acesteia. Se va introduce, astfel, o surs fictiv a crei ofert (fictiv) reprezint chiar excesul de cerere peste nivelul ofertei. Se va asocia costul nul pentru transportul de la aceast surs fictiv spre fiecare nod al cererii, ceea ce n funcia obiectiv va nsemna costul transportului doar pe rutele care au cost asociat diferit de 0, deci soluia optim a problemei nu se modific (nu vor mai efectuate practic transporturi de bunuri pe rutele cu cost asociat zero dinspre sursa fictiv). Odat introdus sursa fictiv, oferta total egaleaz cererea total, iar modelul PPL poate fi folosit s genereze o soluie. Pentru valoarea optim obinut, destinaiile care primesc transporturi dinspre sursa fictiv vor fi cele pentru care cererea nu poate fi satisfcut n totalitate. Prin introducerea
27
sursei fictive n modelul PPL se va genera un program de transport cu cost minim pentru toat oferta disponibil i se vor indica n plus acele destinaii pentru care exist cerere nesatisfcut. n unele formulri de probleme este posibil (sau este de dorit) s se considere profitul sau venitul pentru fiecare unitate transportat dect s se ia n considerare costul unitar. Folosirea venitului sau a profitului unitar n coeficientul funciei obinute va impune rezolvarea unei probleme de maxim i nu de minim (criteriul costului n modelul PPL). Restriciile vor fi afectate de aceast modificare. Formularea problemelor de transport poate fi modificat pentru a lua n considerare capacitatea de transport pentru una sau mai multe rute. De exemplu presupunem c pe ruta Oradea-Bucureti (sursa 3, destinaie 1) capacitatea de transport este de 1000 uniti din cauza spaiului disponibil de transport limitat, restricie care este impus de mrimea vehiculului de transport. Aceast limitare a capacitii de transport pe rut poate fi reprezentat n modelul PPL prin adugarea unei restricii care corespunde cu limitarea superioar a variabilei de decizie. Pentru x31 (care corespunde cantitii de bun transportat ntre Oradea i Bucureti) n problema GM se introduce restricia relativ la capacitatea de transport: x311000 La fel, o rut pentru care nivelul minim de uniti de marf transportate este specificat poate fi x222000, ceea ce va garanta c numrul unitilor transportate de la Cluj la Craiova va fi de cel puin 2000 uniti. Ca o situaie particular, cu ajutorul modeleului PPL este posibil s nu se poat obine o rut de la fiecare surs spre (A) destinaie. Aceasta nseamn c unele rute sunt
28
inacceptabile. Pentru a rezolva aceast situaie, se elimin din problem variabilele de decizie corespunztoare acestei rute incluse n modelul n modelul PPL. Rezolvarea problemei n situaia n care se consider inacceptabil ruta Braov i Constana va conine 11 variabile, 7 restricii, ceea ce va oferi soluia optim n care ruta specificat nu este utilizat. Modelul general al problemelor de transport n reprezentarea unei PPL. Se folosesc urmtoarele notaii care apar n modelul general al problemelor reprezentate printr-o PPL: i = numrul de surse, i = 1, m ; j = numrul destinaiilor, j = 1, n ; xij = cantitatea transportat din sursa i spre destinaia j; cij = costul de transport asociat rutei dintre sursa i spre destinaia j; si = cantitatea de bun sipoanibil n sursa i; dj = cantitatea de bun cerut n destinaia j. Modelul general pentru probleme de transport n care sunt m surse i n destinaii este: min
c
i =1 j =1
ij
ij
xij
oferte cereri
x
i =1 n i =1
si i = 1, m dj j = 1, n
ij
xij 0
() i, j
29
Dac n problema de transport problem de programare liniar oferta total ( si ) este mai mic sau egal
i =1 m
cu cererea total ( di ), o surs fictiv va oferi exact

j =1
cantitatea de bun care reprezint excesul de cerere. Aceast surs fictiv poate fi notat prin m+1, iar cantitatea oferit (fictiv) de aceast surs este determinat ca: sm+1 =
dj si
j =1 i =1
Pentru a fi siguri c soluia optim obinut n urma acestui artificiu va reprezenta costul total de transport, toi coeficienii din funcia obiectiv asociai surselor fictive vor fi nuli (nu se va efectua nici un transport dinspre sursele fictive). Dac unele rute au restricii fictive la capacitatea de transport se vor aduga restricii de forma xijLij, unde Lij reprezint limita superioar sau capacitatea maxim de transport a rutei ce leag sursa i de destinaia j. Dac, similar, nivelul minimal acceptat pentru transport pe o rut exist, atunci se adaug restricia de forma xijLij. Aici Lij corespunde nivelului minim de marf ce poate fi transportat de la o surs i spre destinaia j.
30
2.3 PROBLEMA DE TRANSPORT. PROCEDUR PRACTIC DE REZOLVARE

Dac problema de transport are 100 de surse i 500 de destinaii, aceasta implic 100500=50000 de variabile de decizie n problema de transport problem de programare liniar. Acest fapt a determinat realizarea de proceduri practice de rezolvare a problemei de transport care s nu necesite rezolvarea unei probleme de programare liniar asociate problemei de transport. Structura special a problemei de transport - problem de programare liniar a permis managerilor s foloseasc o procedur foarte simplificat pentru realizarea facil a calculelor. n problemele GM avem 12 variabile de decizie i 7 restricii. Este clar c rezolvarea problemelor GM ca problem de transport - problem de programare liniar necesit un efort de calcul considerabil prin rezolvarea folosind Algoritmului Simplex. Prin procedura practic de rezolvare pot fi uor rezolvate probleme de transport de mrime mic.
Tabelul nr. 2. 4
Surse Braov Cluj Oradea Cererea destinaiei 6000 Bucureti 3 7 2 4000 Destinaii Craiova Constana 2 7 5 5 2000 2 4 1500
n
Iai 6 3 5
Oferta sursei 5000 6000 2500 13500

m
Celul corespunztoare transportului de la Oradea la Bucureti
di = s i
j=1
i =1
cerere = oferta
31
Aplicarea procedurii practice de rezolvare n problema GM presupune gsirea unei soluii iniiale fezabile i apoi prin interaii succesive care aduc mbuntiri soluiei se va determina soluia optim i se va folosi o reprezentare tabelar care va conine datele problemei i este util n efectuarea calculelor, Tabelul nr. 2.4, unde sunt 12 celule care corespund celor 12 rute de transport (arce) reprezentate n Figura nr. 2.1. Fiecare celul de tabel corespunde unei rute transport de la o surs spre un centru de distribuie. Cifrele din colul dreapta sus al fiecrei celule reprezint costurile de transport asociate fiecrei rute. n partea dreapt a tabelului sunt trecute cantitile disponibile n fiecare surs, iar n linia de jos sunt reprezentate valorile cererii la destinaie. n colul dreapta jos al tabelului se trece nivelul cererii = nivelul ofertei. Dup realizarea tabelului, se trece la rezolvarea problemei de transport care presupune determinarea unei soluii iniiale fezabile.
2.3.1 Gsirea unei soluii iniiale fezabile. Metoda Costului Minim
Metoda costului minim pentru identificarea unei souii iniiale fezabile presupune alocarea a ct mai multe uniti spre a fi transportate pe rutele de cost minim. Paii de parcurs n aplicarea Metodei costului minim pentru obinerea soluiei iniiale fezabile a problemei de transport sunt:
Pasul 1: Identificarea n tabelul de transport a celulei cu costul minim, i apoi se asigur ct mai multe uniti de transportat n respectiva celul. Dac exist mai multe celule cu cost minim identic se ia n considerare celula n care se pot transporta un
32
numr maxim de uniti. Dac mai exist alte celule candidate cu cost identic se va alege n continuare dintre acestea.
Pasul 2: Se reduce n rndul ofertei i n coloana cererii cantitatea de bun asigurat la pasul 1. Pasul 3: Dac toate rndurile cu ofert i coloanele cu cerere au fost tiate, atunci s-a obinut soluia iniial fezabil. n caz contrar se continu cu pasul 4. Pasul 4: Dac pe rndul ofertei este acum un disponibil nul, se elimin linia respectiv prin tietur. Dac pe coloana cererii nivelul acesteia este nul, se elimin coloana prin tietur. Dac att linia ct i coloana sunt tiate se va face o nou alocare de zero uniti pe una din celulele deja tiate de o linie, pe coloan sau rnd. Pasul 5: Se continu cu pasul 1 pn sunt tiate toate rndurile i coloanele.
n Tabelul nr. 2.4 se observ c rutele Braov-Craiova, Cluj-Constana i Oradea-Bucureti au costul minim de 2 u.m. Dac n problem apar mai multe rute cu cost minim, este practic, util, s se aloce transportul pe ruta care are capacitatea de transport cea mai mare. n problema de fa, cantitatea maxim - 4000 uniti - poate fi transportat de la Braov la Craiova. Aceasta va reduce cantitatea disponibil la Braov de la 5000 la 1000, valoarea iniial a ofertei la Braov va fi de 1000 iar valoarea cererii nesatisfcute n Craiova va fi de 4000-4000=0 uniti. Valoarea iniial a cererii de 4000 va fi nlocuit pentru Craiova cu 0. Acum se poate elimina coloana corespunztoare destiniei Craiova pentru c cererea a fost aici complet satisfcut.
33
Tabelul nr. 2. 5
Surse Braov Cluj Oradea Cererea destinaiei
6000
Bucureti 3 7 2
Destinaii Craiova Constana 2 7 4000 5 2 5

4000 0 2000
Iai 6 3 5
1500
Oferta sursei
5000 1000 6000 2500 13500
Acum se vor urmri doar celulele care nu au fost tiate cu o linie pentru a identifica noua rut de cost minim. Aceasta este ntre Cluj Constana i Oradea Bucureti.
Tabelul nr. 2.6
Surse Braov Cluj Oradea Cererea destinaiei 2500
6000 3500 4000 0 2000 1500
Bucureti 3 7 2
Destinaii Craiova Constana 2 7 4000 5 2 5 4
Iai 6 3 5
Oferta sursei
5000 1000 6000 2500 0 13500
Se alege ruta Oradea Bucureti pentru c poate fi satisfcut o cerere de 2500 uniti (n comparaie cu Cluj Constana care permite o satisfacere a cererii cu doar 2000 uniti). Astfel, oferta din Oradea devine nul prin alocarea ntregii cantiti disponibile care va fi transportat n Bucureti. Oferta de 2500 din Oradea va fi nlocuit cu 0 i cererea n
34
Bucureti se va reduce de la 6000 la 3500. Linia corespunztoare ofertei din Oradea va fi eliminat prin tiere.
Tabelul nr. 2.7
6000 3500 4000 0 2000 0 1500
Bucureti 3 7 2
Destinaii Craiova Constana 2 7 4000 5 2 2000 5 4
Iai 6 3 5
Oferta sursei
5000 1000 6000 4000 2500 0 13500
Urmtorul cost minim din tabel este pe ruta Cluj Constana. Acum poate fi satisfcut cererea de 2000 de uniti n Constana, din totalul disponibil n Cluj de 6000 uniti, iar n Constana cererea este satisfcut integral, valoarea iniial va fi nlocuit cu valoarea 0, iar valoarea corespunztoare cererii din Constana va fi tiat.
Tabelul nr. 2.8
6000 3500 4000 0 2000 0 1500 0
Bucureti 3 7 2
Iai 6 3 1500 5
Oferta sursei
5000 1000 6000 4000 2500 2500 0 13500
35
n continuare costul minim este de 3 u.m. pe rutele Braov-Bucureti i Cluj-Iai. Pe prima rut pot fi transportate 1000 uniti iar pe a doua 1500 uniti. Conform regulii adoptate, se vor aloca 1500 uniti de la Cluj la Iai. Cererea n Iai se satisface complet, coloana corespunztoare se va elimina din tabel, iar oferta din Cluj scade de la 4000 la 2500 uniti ce au rmas disponibile.
Tabelul nr. 2.9
6000 3500 2500 4000 0 2000 0 1500 0
Bucureti 3 1000 7 2
Iai 6 3 1500 5
Oferta sursei
5000 1000 0 6000 4000 2500 2500 0 13500
Urmtorul nivel minim al costului este 3 pe ruta Braov Bucureti. Cerea rmas nesatisfcut n Bucureti are nivelul de 3500 uniti. Din acest total pot fi satisfcute 1000 uniti disponibile n Braov. Noul disponibil, aici, devenind nul, ceea ce presupune eliminarea liniei corespunztoare sursei Braov. Se constat c rmn 2500 uniti disponibile n Cluj, iar cererea din Bucureti este de 2500, ceea ce conduce la satisfacerea cererii din Bucureti cu disponibilul rmas n Braov. Valorile de 2.500 uniti disponibil i respectiv cerere, respectiv n Cluj i Bucureti devin nule, linia corespunztoare
36
sursei Cluj i coloana corespunztoare destinaiei Bucureti se taie.

Tabelul nr. 2.10
De la
La
Braov Bucureti Braov Craiova Cluj Bucureti Cluj Constana Cluj Iai Oradea Bucureti TOTAL
Cantitatea transportat 1 000 4 000 2 500 2 000 1 500 2 500 13500
Cost unitar 3 2 7 2 5 2 -
Cost total 3 000 8 000 17 500 4 000 4 500 5 000 42 000
ntruct s-au alocat toate cele 13.500 uniti cerute din totalul de 13.500 disponibile, s-a determinat o soluie. Aceast soluie este fezabil pentru c toat cererea este satisfcut de toat oferta disponibil. Datele corespunztoare acestei soluii obinute prin Metoda Costului Minim sunt trecute n Tabelul nr. 8.10. Observaie: Aa cum se poate deduce, aceast soluie nu este soluia optim. n continuare, aceast metod va presupune trecerea acestei soluii fezabile spre soluia optim. Metoda costului minim poate fi folosit doar de soluia iniial fezabil a problemei cu m surse i n destinaii folosete exact m+n-1 rute de transport. Astfel, problema GM trebuie s foloseasc 3+41=6 rute de transport n soluia iniial. Pentru problema GM soluia iniial fezabil satisface aceast condiie. Pentru a garanta c metoda costului minim va genera ntotdeauna o soluie iniial fezabil cu m+n-1 rute pe care vor fi folosite la transport trebuie efectuate unele modificri. Ultima alocare de la Cluj la Bucureti de 2500 uniti a
37
presupus alocarea ntregului disponibil rmas de 2500 uniti pentru a satisface cererea din Bucureti. n determinarea soluiei iniiale fezabile, ultima alocare reduce ntotdeauna att o linie a ofertei ct i o coloan a cererii, astfel nct cererea i oferta nesatisfcute devin zero. n aceast situaie se obine o soluie iniial fezabil cu mai puin de m+n-1 rute de transport folosite. Pentru a preveni acea situaie n care att cererea ct i oferta se reduc simultan la valoarea zero se poate proceda la: 1. Eliminarea liniei i a coloanei prin tierea acestora. 2. n plus se va aduga unei celule aflate la intersecia rndului tiat i a coloanei, un transport de zero uniti, fie pentru linia, fie pentru coloana tiat. Aceast celul va fi tratat la fel ca i cele pentru care s-a asociat o cantitate de transportat. Pentru a urmri cum se aplic aceast procedur se ia n considerare urmtoarea problem care are 3 surse i 4 destinaii. Reprezentarea iniial este urmtoarea:
Tabelul nr. 2.11
Surse S1 S2 S3 Cererea
10
D1 6 2 7
Destinaii D2 D3 8 3 9 8
25 10
D4 10 7 4
15
Oferta
30 15 15 60
5 6
Prin aplicarea Metodei Costului Minim se aloc pe ruta S2-D1 cu costul minim asociat (=2) un transport de 10 uniti. Se trece la urmtoarea reprezentare:
38
Tabelul nr. 2.12

Surse S1 S2 S3 Cererea 10 7 0
10 0 25 10 0 15
D1 6 2
Destinaii D2 D3 8 3 10 9 5 8 6
D4 10 7 4
Oferta
30 20 15 5 15 60
Corespunztor, urmtoarea alocare este pe ruta S1-D3 cu 10 uniti transportate. Apoi pe ruta S3-D4 care are costul minim (=4) se constat c se reduc simultan linia lui S3 i coloana lui D4 pentru care oferta i cererea devin simultan zero. Dac se elimin aceast linie i respectiv coloan, singurele celule care mai rmn netiate sunt corespunztoare lui S1D2 i S2-D2. Astfel, ar trebui asigurat o valoare de 0 uniti transportate de la S2 la D1 sau zero uniti transportate de la S3 la D4. Prin asigurarea valorii pentru celula S3-D1 se obine urmtorul tabel de transport.
Tabelul nr. 2.13
Surse S1 S2 S3 Cererea 10 7 0
10 0 25 10 0
D1 6 2
Destinaii D2 D3 8 3 10 9 5 8 6
D4 10 7 4 15
15
Oferta
30 20 15 5 15 0 60
Flux de 0 uniti creat artificial
Ambele se reduc, simultan la 0
39
n continuare se obine tabelul n care soluia1 va fi: S1 - D2 : 20 S1 - D3 : 10 uniti transportate, S2 - D1 : 10 i se folosesc m+n-1=3+4-1=6 S2 - D2 : 5 rute de transport. S3 - D1 : 0 S3 - D4 : 15 Soluia astfel determinat este optim.
O alt metod care poate conduce la obinerea unei soluii iniiale fezabile este metoda costului de NV.
40
2.4 METODA STEPPING-STONE

Aceast metod ofer o procedur iterativ care permite deplasarea de la soluia fezabil iniial spre o soluie optim. Ea este folosit pentru a evalua transportul pe acele rute care nu fac parte din soluia problemei de transport. Dac se gsesc rute cu costuri mai mici, atunci soluia curent este nlocuit (mbuntit) prin efectuarea de transporturi pe aceste noi rute. Corespunztor, dac acele rute (care au costuri asociate) care nu sunt nlocuite n soluia curent vor determina creterea costurilor, nu vor fi acceptate la determinarea soluiei optime. Pentru ilustrare, se va folosi problema iniial a GM pe care s-a aplicat metoda costurilor i s-a determinat soluia iniial fezabil.
Tabelul nr. 2.14
Surse Braov Cluj Oradea Cererea destinaiei Bucureti 3 1000 7 2500 2 2500
6000

4000 2000
Iai 6 3 1500 5
1500
Oferta sursei
5000 6000 2500 13500
Se presupune c se aloc o unitate n celula aflat la intersecia coloanei 2 cu rndul 2 (ruta Cluj-Craiova). Astfel, pentru a satisface cererea din Craiova la nivelul stabilit, trebuie redus transportul de la Braov la Craiova la 3999 uniti transportate, cantitatea de la Braov la Bucureti va fi crescut cu o unitate, la 1001, astfel nct oferta din Braov s fie
41
meninut la 5000 i se va reduce cantitatea transportului de la Cluj la Bucureti cu o unitate, de la 2500 la 2499 pentru ca cererea din Bucureti s fie n continuare tot la 6000 uniti. n Tabelul nr. 2.15 de mai jos sunt reprezentate efectele induse de aplicarea metodei la nivelul costului.
Tabelul nr. 2.15
Ruta
Cluj-Craiova Braov-Craiova Braov-Bucureti Cluj-Bucureti
Modificri Efect n cost transport suplimentar 1 +5 unitate transport redus cu 1 unitate -2 transport suplimentar 1 +3 unitate transport redus cu 1 unitate -7 Efect net -1
Din analiza tabelului rezult c se reduce costul de transport cu 1 u.m. pentru fiecare unitate transportat suplimentar de la Cluj la Craiova cu modificrile corespunztoare n celelalte rute. nainte de a aduga aceast rut se consider procedura general de evaluare a costurilor asociate cu o nou rut (sau celul) i apoi se verific toate rutele neutilizate pentru a mbunti soluia problemei de transport. Metoda const n evaluarea efectului unei modificri n alte rute care fac parte din soluia curent a problemei de transport, soluie care const din celulele ocupate. Deplasarea se face ntre celulele care constituie parte a soluiei curente, pe orizontal i vertical astfel nct se va ajunge la celula de unde s-a pornit iniial. Deplasarea ntre celule este reprezentat prin linia punctat, precum se observ n tabelul urmtor, pentru evidenierea modificrilor: Cluj-Craiova, Braov-Craiova, Braov-Bucureti
42
i Cluj-Bucureti, care presupune o reprezentare a parcurgerii n sens antiorar n tabel.

Tabelul nr. 2.16
6000

4000 2000
Iai 6 3 1500 5
1500
Oferta sursei
5000 6000 2500 13500
Celul ocupat care a intrat n iteraia metodei
Celul neocupat
Celul ocupat care nu a intrat n iteraia metodei
n continuare se consider modificri pe ruta BraovConstana cu efect i pe rutele Cluj-Constana i respectiv Braov-Bucureti.
Tabelul nr. 2.17
6000

4000 2000
Iai 6 3 1500 5
1500
Oferta sursei
5000 6000 2500 13500
43
Modificrile induse pe cele 4 rute considerate n tabelul anterior sunt evideniate n Tabelul nr. 2.17. Modificarea precedent a soluiilor induce un cost unitar suplimentar de 9 u.m. fapt ce denot c aceast rut nu este atractiv pentru c alegerea sa conduce la creterea costului total.
Tabelul nr. 2.18
Modificri Efect n cost transport suplimentar 1 +7 Braov-Constana unitate Cluj-Constana transport redus cu 1 unitate -2 transport suplimentar 1 +7 Cluj-Bucureti unitate Braov-Bucureti transport redus cu 1 unitate -3 Efect net +9
Ruta
Gsirea fiecrei noi posibile celule candidate ajut la identificarea efectului unei noi rute asupra costului total. Evaluarea efectului pentru toate rutele posibile este reprezentat n tabelul urmtor unde modificrile n costul unitar sunt reprezentate prin valorile ncercuite:
Tabelul nr. 2.19
6000
Destinaii Craiova Constana 2 7 +9 4000 5 2 -1 2000 5 4 +4 +7

4000 2000
Iai +7 1500 +7
1500
Oferta sursei 6 3 5
5000 6000 2500 13500
44
Din Tabelul nr. 2.18 se constat c cea mai bun modificare a costului n sensul reducerii acestuia este reprezentat n celula Cluj-Craiova. Pe aceast nou rut se poate transporta un maxim de 2500 uniti, care nu vor mai fi alocate de la Cluj la Bucureti, ci de la Cluj la Craiova. Aceasta determin o reducere a cantitii transportate de la Braov la Craiova cu 2500 uniti i renunarea la ruta Cluj-Bucureti. Toate modificrile fcute au pstrat restriciile asupra cererii n Bucureti i Craiova i restriciile asupra ofertei la Braov i Cluj. Noua soluie este reprezentat n Tabelul nr. 2.19. n acest tabel este reprezentat prima modificare indus de metoda Stepping Stone care presupune o reducere a costului total din soluia iniial fezabil cu 2500 u.m. de la 42 000 u.m. la 39 500 u.m. Dac se evalueaz acum modificrile induse n cost la noua soluie, toate rutele neutilizate vor determina o cretere a cheltuielilor cu transportul. n acest caz, prezentat n Tabelul nr. 2.19, s-a obinut situaia optim, care reprezint chiar soluia problemei de transport problem de programare liniar.
Tabelul nr. 2.20
Surse Braov Cluj Oradea Cererea destinaiei Bucureti 3 3500 7 2 2500
6000 4000 2000 1500
Destinaii Craiova Constana 2 7 1500 5 2 2500 2000 5 4
Iai 6 3 1500 5
Oferta sursei
5000 6000 2500 13500
Soluia problemei este prezentat n Tabelul nr. 2.20.
45
Tabelul nr. 2.21
De la
la
Braov Bucureti Braov Craiova Cluj Craiova Cluj Constana Cluj Iai Oradea Bucureti TOTAL
Cantitatea transportat 3 500 1 500 2 500 2 000 1 500 2 500 13500
Cost unitar 3 2 5 2 3 2 -
Cost total 10 500 3 000 12 500 4 000 4 500 5 000 39 500
Determinarea modificrilor n costuri, induse de schimbarea rutelor de transport se realizeaz prin urmtoarea procedur: a) se stabilete un index ui pentru fiecare rdcin din tabel; b) se stabilete un index vj pentru fiecare rdcin din tabel; c) se asociaz un coeficient cij pentru fiecare celul ocupat din tabelul de transport unde cij= ui+vj. dac cij reprezint costul transportului din sursa i ctre destinaia j; d) se constituie un sistem de m+n-1 ecuaii cu m+n necunoscute care se rezolv pentru un u=0.
Tabelul nr. 2.22
Surse Braov Cluj Oradea Cererea destinaiei Bucureti 3 3500 7 -1 2 2500
6000
Destinaii Craiova Constana 2 7 +8 1500 5 2 2500 2000 5 4 +4 +6

4000 2000
Iai +6 1500 +6
1500
Oferta sursei 6 3 5
5000 6000 2500 13500
46
Pe exemplul GM unde trebuie s dispunem de m+n-1, adic 3+4-1=6 rute de transport n soluia iniial pentru ca aceasta s fie fezabil, aa cum se reprezint n tabelul urmtor:
Tabelul nr. 2.23
6000

2500 2000
Iai 6 3 1500 5
1500
Oferta sursei
3500 6000 2500 12000
Celulele ocupate sunt: Braov Bucureti: u1 + v1 = 3 Braov Craiova: u1 + v2 = 2 Cluj Bucureti: u2 + v1 = 7 Cluj Constana: u2 + v3 = 2 Cluj Iai: u2 + v4 = 3 Oradea Bucureti: u3 + v1 = 2 Pentru u1=0 se obin: v1=3 v2 = 2 u2 + v1 = 7 u2 = 4 u2 + v3 = 2 v3 = -2 u2 + v4 = 3 v4 = -1 u3 + v1 = 2 u3 = -1 e) modificrile nete unitare n costul de transport se determin pe baza relaiei eij = cij ui vj. Acestea sunt trecute n tabelul urmtor ca valori ncercuite:
47
Tabelul nr. 2.24

ui 0 4 -1 vj 3 3 1000 7 2500 2 2500 2 2 2500 5 -1 +4 5 -2 +9 2000 +7 4 7 2 1500 +7 5 -1 +7 6 3
Tabelul nr. 2.24 indic prin valoarea 1, aflat la intersecia rndului 2 cu coloana 2, o scdere a costului cu o u.m. pentru fiecare unitate transportat pe aceast rut, singura care permite mbuntirea soluiei. Dac se consider soluia mbuntit dup aplicarea metodei Stepping Stone reprezentat n Tabelul nr. 2.25.
Tabelul nr. 2.25
ui 0 4 -1 vj 3 3 1000 7 2500 2 2500 2 2 2500 5 -1 +4 5 -2 +9 2000 +7 4 7 2 1500 +7 5 -1 +7 6 3
se obine urmtorul sistem de 6 ecuaii cu 7 necunoscute: u1 + v1 = 3 v1 = 3 iar pentru u1 + v2 = 2 v2 = 2 u1=0 u2 + v2 = 5 se obine u2 + v1 = 5 u2 = 3 urmtorul u2 + v3 = 2 u2 + v3 = 2 v3 = -1 sistem u2 + v4 = 3 u2 + v4 = 3 v4 = 0 echivalent: u3 + v1 = 2 u3 + v1 = 2 u3 = -1
48
Soluia acestui sistem este: u1 = 0 v1 = 3 u2 = 3 v2 = 2 u3 = -1 v3 = -1 v4 = 0 Se asociaz valorile soluiei liniilor i se calculeaz eij pentru celulele care nu sunt incluse n soluia problemei:
Tabelul nr. 2.26
ui 0 4 -1 vj 3 3 3500 -1 2500 7 2 2 2 1500 5 2500 5 +4 -1 +8 2000 +6 4 7 2 1500 +6 5 0 +6 6 3
Se observ c valorile lui eij obinute corespund cu cele din tabelul 2.22, tabel care conduce spre soluia optim. n Tabelul nr. 2.26, obinut anterior: e13 = ci3u1v3 = 7 - 0 - (-1)=8 reprezint schimbarea net n costul total determinat de folosirea rutei de la sursa 1 spre destinaia 3. Folosirea metodei distribuiei modificate (MDM) genereaz aceleai modificri nete ca i metoda Stepping Stone, fapt ce ajut la rezolvarea mai facil a problemei.
49
2.5 SITUAII SPECIALE CARE APAR N PROBLEMA DE TRANSPORT

n practic pot s apar situaii speciale ale problemei de transport precum: 1. cererea total nu egaleaz oferta total; 2. problema de rezolvat conine funcia obiectiv de maximizat; 3. rute de transport care nu pot fi folosite (rute blocate). Prima situaie se rezolv prin introducerea unei destinaii fictive sau a unei surse fictive. Dac oferta depete cererea se introduce o destinaie fictiv cu o cerere reprezentnd excesul de ofert. Dac cererea este excedentar ofertei, se introduce o surs fictiv cu o ofert reprezentnd exact cererea excedentar. n ambele situaii costurile asociate transporturilor spre sau dinspre destinaiile fictive vor fi nule. Dac problema de transport implic obiectiv de maxim, singurele modificri care apar n rezolvare se refer la celulele neocupate. n locul alegerii acelor valori eij negative, minime, se vor alege cele acele valori ale eij cu cea mai mare valoare pozitiv, pentru c acestea vor determina creterea funciei obiectiv. n situaia n care exist rute de transport inacceptabile (blocate), atunci se vor ataa acestora niveluri ale costului cu valori foarte mari (M) pe unitate de bun transportat, iar n acest caz costul total va crete foarte mult. n problemele de maxim, coeficienii din funcia obiectiv pentru cantitile ce (nu) vor fi transportate pe aceste rute vor fi valori negative foarte mari, M. Se consider n continuare un exemplu practic: se presupune c sunt trei productori (surse) care au urmtoarele capaciti de producie:
50
Tabelul nr. 2.27
Productor P1 P2 P3 Total disponibil
Capacitate de producie 50 40 30 120
Cererea previzionat nregistrat pentru aceste produse la vnztorii detailiti este prezentat n tabelul urmtor:
Tabelul nr. 2.28
Detailist V1 V2 V3 Total cerere
Cerere previzionat 45 15 30 90
Costurile de producie variaz de la un productor la altul, iar preurile de vnzare sunt diferite de la un vnztor la altul. Prin luarea n considerare a acestor preuri de producie i de transport, profitul obinut pentru o unitate de bun realizat de productorul i i vndut de detailistul j este prezentat n Tabelul nr. 2.29.
Tabelul nr. 2.29 Profit unitar al productorilor
Productor P1 P2 P3
V1
2 6 12
Detailist V2 8 11 7
V3 10 6 9
51
Se observ c disponibilul depete cererea cu 120 90=30 uniti. Aceasta determin introducerea unui consumator fictiv care va consuma surplusul de 30 de uniti. Profitul unitar asociat i cantitatea consumat de consumatorul fictiv vor fi nule, deoarece bunurile respective nu sunt nici produse i nici transportate.
Tabelul nr. 2.30
Surse V1 2 6 15 12 30
45 15 0 15 0 30 0 30
P1 P2 P3
Cererea
Destinaii V2 V3 8 10 30 11 6 15 7 9
V4 0 20 0 10 0
Oferta
50 20 40 25 10 30 0
Pentru a obine o soluie iniial fezabil se folosete o procedur similar cu metoda costului minim n condiiile unei probleme de maximizare a profitului. Soluia iniial fezabil este prezentat n Tabelul nr. 2.30. Consumatorul V4, este cel fictiv, el are un profit unitar asociat nul. Soluia iniial fezabil folosete m+n1=3+41= 6 rute. n tabelul urmtor se asociaz valorile ui i vj pentru determinarea eij=cijuivj, unde cij reprezint profitul unitar asociat transportului unei uniti de bun de la productorul i spre vnztorul j, pentru toate celulele neocupate:
52
Tabelul nr. 2.31

Surse V1 0 15 12 30
45
P1 P2 P3
Cererea
2 6
Destinaii V2 V3 8 10 0 30 11 6 0 15 7 9 0 0
15 30
V4 0 20 0 10 0
30
Oferta
50 40 30
Se rezolv sistemul: pt. v4 = 0 u1 + v1 = 2 u1 + v1 = 2 u1 + v2 = 8 u1 + v2 = 8 u2 + v3 = 6 u2 + v3 = 6 u3 + v2 = 7 u3 + v2 = 7 u3 + v3 = 9 u3 + v3 = 9 u3 + v4 = 0 u3 + v4 = 0
u1 = 1 u2 = -3 u3 = 0 v1 = 1 v2 = 7 v3 = 9
Deoarece toate eij induc o modificare cu 0 uniti de profit se deduce c soluia iniial fezabil este optim.
CAPITOLUL 3 MODELAREA PROBLEMELOR DE DISTRIBUIE PRIN MODELE DE REEA

Multe probleme manageriale care apar curent n designul sistemelor de transport, n designul sistemelor informaionale i programarea proiectelor, pot fi rezolvate cu ajutorul modelelor de reea i prin tehnicile de analiz a reelelor. n rezolvarea problemelor de transport, reeaua de transport const n noduri i arce. Aici, vor fi prezentate trei tipuri mari de probleme de reea: problema rutei cele mai scurte, problema arborelui de acoperire maximal i problema de flux maxim. n fiecare caz se va dezvolta un model de reea care va fi rezolvat pentru obinerea soluiei optime a problemei.
3.1 Problema celei mai scurte rute
Se consider reeaua din perspectiva proiectrii i desemnrii unui sistem de transport, unde principalul scop este de a determina cea mai scurt rut n reea. Se va dezvolta i rezolva problema celei mai scurte rute pe cazul aplicativ al Nord Construct (NC). NC opereaz n prezent mai multe proiecte de construcii localizate n judee diferite. antierele sunt uneori la peste 20 km distan de sediul firmei.
54
MODELAREA PROBLEMELOR DE DISTRIBUIE PRIN MODELE DE REEA
Cheltuielile firmei cu transportul zilnic al personalului, al echipamentelor i al materialelor spre i dinspre antiere sunt considerabile. Pentru fiecare antier, drumurile alternative pot fi reprezentate ca n drumuri sau strzi n reeaua de transport. n figura urmtoare sunt reprezentate alternativele de transport de la antiere i de la sediul NC.
Figura nr. 3. 1 Reeaua de drumuri pentru problema NC
Arcurile (nodurile) din reea corespund locaiilor antierelor. Drumurile i strzile apar reprezentate prin arce de reea. Distana dintre antiere este reprezentat prin valori asociate fiecrei rute. Lungimea rutei nu este proporional cu reprezentarea arcelor n reeaua de transport. Dac NC dorete s minimizeze distana total de transport de la sediul firmei spre fiecare antier, atunci care este cea mai scurt rut n reea, spre fiecare locaie? 3.1.1 Algoritmul celei mai scurte rute Pentru a determina cea mai scurt rut n cazul problemei NC trebuie stabilit cea mai scurt de la sediul NC (nodul 1) la fiecare dintre celelalte noduri din reea. Algoritmul
55
folosit ataeaz fiecrui nod o etichet. Prin procedura de etichetare se ataeaz la fiecare nod o etichet format din dou valori incluse ntre paranteze drepte. Prima valoare indic distana de la nodul 1 la nodul etichetat, iar a doua valoare arat nodul precedent din care s-a ajuns n nodul curent. n orice moment al aplicrii procedurii de etichetare vor exista noduri etichetate i/sau noduri neetichetate. Un nod etichetat este un nod pentru care s-a identificat drumul cel mai scurt dinspre nodul 1, iar cel neetichetat nu a fost nc evaluat. Reprezentarea urmtoare prezint un exemplu de etichet:
Figura nr. 3. 2 Etichet asociat unui nod
Valoare care arat c distana de la nodul iniial pn la nodul curent este 10
[10, 7]
Valoare care indic faptul c nodul precedent celui curent este nodul 7
Un nod odat etichetat, poate fi considerat etichetat definitiv sau etichetat temporar. Atunci cnd un nod este etichetat definitiv, algoritmul a generat ruta cea mai scurt la acel nod, iar pentru etichetele temporare, nc nu s-a stabilit ruta cea mai scurt. n continuare se procedeaz la etichetarea nodurilor reelei. Prin convenie, nodului 1 i se asociaz eticheta permanent [0, S]. Valoarea 0 denot c nodul 1 este nodul de start iar distana de la nodul 1 spre el nsui este 0. S arat c nodul 1 este nodul se start. Pentru a recunoate un nod etichetat permanent, tot prin convenie, acesta va fi reprezentat haurat. n plus, o sgeat va fi folosit pentru a reprezenta care este nodul investigat la fiecare pas al algoritmului. Figura urmtoare arat c doar nodul 1 a fost etichetat permanent.
56
Figura nr. 3. 3
Pentru a considera primul pas, sau iteraia ca algoritm de etichetare, trebuie considerat fiecare nod n care poate ajunge direct dinspre nodul 1. Se observ c noduri candidate sunt 2 i 3. Pentru nodul 2 se remarc distana asociat pe arc egal cu 15. Nodul 2 va fi etichetat ca temporar cu eticheta [15, 1]. Din nodul 1 se parcurg 15 km pn n nodul 2. Apoi pentru nodul 3 se observ c distana asociat rutei de la nodul 1 spre nodul 3 este 10, fapt care determin etichetarea temporar a nodului 3 cu [10, 1]. Figura 3.4 arat rezultatul acestei iteraii cu etichetele temporare. Pentru a continua se ia n considerare nodul care are drumul de cost minim asociat dintre nodurile etichetate temporar.
Figura nr. 3. 4
57
Dintre cele dou noduri se alege nodul 3 cu distana fa de nodul de start egal cu 10. n nodul 3 se poate ajunge din nodul 1 cu parcurgerea distanei 15 + 3=18 km parcurgerea distanei 10 + 3=13. Pentru nodul 3 se determin minimul dintre 10 i 13, ceea ce nseamn c nodului 3 i se poate stabili eticheta permanent ca n Figura 3.5 i se va reprezenta haurat nodul 3.
Figura nr. 3. 5
Odat ce nodului 3 i-a fost determinat eticheta permanent, se va asocia acum o sgeat precum n Figura nr. 3.5. Acum se vor lua n considerare toate nodurile care nu au etichet permanent i la care se poate ajunge din nodul 3. Acestea sunt nodurile 2 i 5.
58
Figura nr. 3. 6
Se calculeaz distana la aceste noduri pornind din nodul 3 i se ataeaz etichetele corespunztoare. Practic se observ din figura urmtoare c nodul 2 are asociate dou etichete. Dintre acestea se alege cea care indic distana minim. Deoarece n nodul 2 se poate alege ntre dou posibile rute, pentru un drum minim la nodul 2, este preferat ruta care pornete din nodul 1 i trece prin nodul 3. n consecin eticheta [15, 1] este nlturat i nlocuit cu [13, 3].
Figura nr. 3. 7
59
n nodul 2 nu se mai poate ajunge pe o rut mai scurt. Acestui nod i se consider eticheta permanent [13, 3], iar nodul va fi reprezentat haurat i se va reprezenta sgeata de marcaj n dreptul nodului 2 (Figura nr. 3.7). Se calculeaz apoi distanele i se ataeaz etichetele pentru toate nodurile care au arce adiacente cu nodurile 2 i 5. acestea sunt nodurile 4 i 3. Etichetele sunt n nodul 4, [19, 2] (13+6=19 km privind nodul 2) i respectiv n nodul 7 eticheta este [30, 2]. n nodul 4 se poate ajunge din nodul 5, distana parcurs fiind 14+4=18 km, eticheta temporar asociat fiind [18, 5]. Comparnd etichetele [19, 2] i [18, 5] se constat c distana minim spre nodul 4 este parcurs dinspre nodul 5. Se renun la eticheta temporar asociat nodului [19, 2] i se bareaz. Eticheta [18, 5] asociat nodului 4 devine permanent. De asemenea pentru nodul 5 care are eticheta [14, 3], aceasta devine permanent. Nodul 5 va fi reprezentat haurat, iar sgeata de marcaj va fi reprezentat n dreptul nodului 5 (Figura 3.8).
Figura nr. 3. 8
De asemenea, se ataeaz eticheta [16, 5] nodului 6 pentru care distana dinspre nodul 5 este 14+2=16. Acum nodul 4 devine nod cu etichet permanent [18, 5]. Se va reprezenta
60
acest nod haurat, iar sgeta de marcaj va fi n dreptul su (Figura 3.9).

Figura nr. 3. 9
Din nodul 4 se determin distana dinspre nodul 3. Eticheta asociat nodului 7 este [23, 4] (18 + 5 = 23 km dinspre nodul 4). Nodul 6 devine nod cruia i se asociaz etichet permanent [16, 5]. El va fi reprezentat haurat i se va muta sgeata de marcaj n nodul 6 Figura 3.10).
Figura nr. 3.10
61
Se calculeaz pentru nodul 7 distana dinspre nodul 6 i se adaug eticheta [22, 5]. Aceast etichet va fi considerat permanent i vor fi eliminate etichetele [30, 2] i [23, 4] care confer o soluie mai puin convenabil. Nodul 7 fiind ultimul din reea neetichetat cu etichet permanent, va fi acum considerat ca etichetat permanent. Astfel reeaua de transport a NC cu rutele de distane minime vor fi reprezentate precum n Figura 3.11.
Figura nr. 3. 11
Etichetele permanente asociate fiecrui nod furnizeaz informaia relativ la distana minim de la sediul NC spre orice destinaie. De exemplu de la nodul 6 se poate ajunge parcurgnd minim 16 km, trecnd prin nodurile 5, 3 i 1, ruta de parcurs de la sediul firmei fiind: nodul 1, nodul 3, nodul 5 i destinaia, nodul 6. n Tabelul nr. 3.1 sunt sintetizate rutele care trebuiesc parcurse astfel nct s se parcurg o distan minim n km de la sediul firmei spre fiecare punct de lucru:
62
Tabelul nr. 3.1
Nod 2 3 4 5 6 7
Ruta cea mai scurt 132 13 1354 135 1356 13567
Distana (km) 13 10 18 14 16 22
O problem de asemenea dimensiuni ar putea fi rezolvat i doar prin ncercri, deoarece numrul mic de rute permite rezolvarea prin inspectarea situaiilor posibile. Acest lucru este posibil i deoarece 7 noduri permit puine rute alternative. Dac problema ar avea 20 25 noduri, ar fi necesar destul de mult timp pentru rezolvarea prin inspecie. De fapt, datorit numrului crescut de rute alternative, ntr-o reea mare este destul de uor s fie omise unele rute, iar soluia problemei s nu fie cea potrivit, optim. Pentru o problem de dimensiuni mari se impune utilizarea procedurii sistematice folosite la rezolvarea problemei NC. Chiar i n situaia n care se folosete procedura de etichetare, pentru rezolvarea problemelor de mari dimensiuni, devine util folosirea unui algoritm corespunztor. n determinarea rutei celei mai scurte prin procedura de etichetare vom considera o reea format din N noduri. Poate fi folosit urmtoarea procedur pentru determinarea celui mai scurt drum de la nodul 1 spre fiecare nod al reelei: Pasul 1: Se ataeaz nodului 1 eticheta permanent [0,S], unde S arat c nodul 1 este nodul de start, iar 0 arat c distana de la acest nod la el nsui este 0.
63
Pasul 2: Se determin etichetele candidate pentru toate nodurile n care se poate ajunge direct din nodul 1. Prima valoare din etichetele candidate este chiar distana de la nodul 1 la fiecare dintre noduri. Se poate numi valoare a distanei prima parte din etichet. A doua valoare din etichet reprezint nodul precedent, n spe nodul 1. n acest pas nodul precedent poate fi doar nodul 1. Pasul 3: Se identific dintre nodurile candidate la eticheta permanent acel nod care are cea mai mic valoare a distanei, i se declar nod cu etichet permanent. Dac toate nodurile sunt cu etichete permanente, se trece la pasul 5. Pasul 4: Se consider toate nodurile care nu au etichet permanent identificate la pasul 3. Se calculeaz etichetele candidate pentru nodurile n cauz, astfel: a) dac un nod care nu are etichet permanent are o etichet candidat, se determin prin nsumare valoarea distanei dinspre nodul cu etichet permanent spre noul nod. Dac suma este mai mic dect valoarea distanei nainte calculat, noua valoare a distanei este minima celor dou. n plus, se va modifica nodul precedent din etichet corespunztor nodului care determin distana cea mai mic. Se trece la pasul 3. b) Dac un nod cu etichet temporar nu a mai avut o alt etichet candidat, aceasta este creat cu o valoare a distanei egal cu suma dintre valoarea distanei de la nodul cu etichet permanent spre nodul n discuie. Simbolul nodului precedent este schimbat cu cel al nodului dinspre care ruta parcurs este minim. Se trece la pasul 3. Pasul 5: etichetele permanente identific distanele cele mai scurte dinspre nodul 1 spre fiecare nod al reelei precum i
64
precedena n parcurgerea nodurilor n reea. Cea mai scurt rut spre un nod din reea poate fi determinat prin parcurgerea drumului n sus invers, de la nodul respectiv spre nodul 1, prin citirea etichetelor care arat precedena. Se continu parcurgerea n sus invers a nodurilor din reea pn la nodul 1 pentru fiecare nod al reelei, genernd astfel parcursul celei mai scurte rute de la nodul 1 spre fiecare nod din reea. Paii procedurii vor determina soluia problemei rutei de distan minim n reeaua de transport. Sunt necesari N 1 iteraii pentru acest algoritm pentru determinarea soluiei optime. Dac trebuie determinat doar cea mai scurt distan spre un anumit nod, algoritmul se poate opri imediat ce nodului respectiv i este asociat o etichet permanent. De asemenea, se poate determina care este drumul cel mai scurt de la un nod k din reea spre celelalte noduri ale reelei. n acest scop, nodului k i va fi asociat eticheta permanent [0, S]. dup aplicarea pailor algoritmului poate fi gsit cea mai scurt rut de la nodul k spre toate celelalte noduri din reea. n problema NC s-a folosit ca msur de prim interes distana, dar pot fi folosite i alte criterii precum: timpul necesar pentru deplasare, costul transportului, etc. Uneori analistul poate s ntlneasc reele n care arcele asociate au valori negative1. Aceast situaie poate fi ntlnit n acele reele n care se dorete minimizarea costului, unde valoarea asociat arcului va indica profitul pentru acea rut.
Algoritmul de etichetare folosit aici folosete doar valori pozitive.
65
3.2 Problema arborelui de acoperire minimal
n terminologia de specialitate, problema arborelui de acoperire minimal presupune folosirea ramurilor (arce) n reea pentru a ajunge n toate nodurile reelei, astfel nct lungimea total a tuturor ramurilor folosite pentru a ajunge la toate nodurile s fie minim. Pentru o mai bun nelegere a situaiei se va considera problema de determinare a reelei de comunicaii pentru firm, de la sediul regional al acesteia. Firma de telefonie Est Telecom trebuie s dispun la sediul su regional de un computer care s fie conectat prin anten de satelit cu un computer central. Compania de telefonie va instala noua reea de comunicaii. Instalarea reelei este o operaiune foarte costisitoare. Pentru a reduce costurile, echipa managerial dorete ca noile linii de comunicaie instalate s nsumeze o lungime minim posibil. Computerul central poate fi legat direct la fiecare utilizator, dar pentru firm este mai economic s instaleze linii directe pentru unii utilizatori i s-i lase pe ceilali utilizatori s se conecteze la sistem prin intermediul utilizatorilor deja conectai la sistem.
Figura nr. 3. 12
66
Determinarea reelei de comunicaie cu lungimea cea mai mic este un exemplu de problem a arborelui de acoperire minimal. Reeaua pentru problema de mai sus permite conexiuni alternative, pe arce fiind asociate distanele dintre noduri. 3.2.1 Algoritmul arborelui de acoperire minimal (Greedy) Algoritmul folosit n problema arborelui de acoperire minimal poart denumirea de Greedy i const n alegerea celei mai bune variante, la fiecare pas al algoritmului, fapt care conduce rapid la obinerea soluiei optime a problemei. Acest algoritm este unul dintre puinii algoritmi folosii n tiina managementului care este cel mai economic la fiecare pas i genereaz direct evoluia optim. Paii algoritmului Greedy sunt: Pasul 1: n mod arbitrar se pornete din orice nod i se realizeaz legtura cu nodul cel mai apropiat. Cele doua noduri se numesc noduri conectate iar celelalte se numesc neconectate. Pasul 2: Se identific un nod neconectat care este situat cel mai aproape de un nod conectat. Dac apare o situaie de egalitate se alege arbitrar unul dintre ele ca fiind cel mai apropiat nod. Acesta va fi adugat mulimii nodurilor conectate. Se repet pasul doi pn cnd toate nodurile sunt conectate. Algoritmul este uor de aplicat prin realizarea conectrilor direct pe graful asociat reelei. Dac lum spre rezolvare problema Est Telecom vom alege arbitrar un nod de start, de exemplu nodul 1. Cea mai mic distan de la acest nod este 20 km pn la nodul 2. Se conecteaz cele dou
67
noduri printr-o linie punctat (practic, linia poate fi dublat prin ngroare) precum n Figura 3.13.
Figura nr. 3. 13
n pasul doi al algoritmului se caut nodul neconectat cel mai apropiat de nodurile conectate 1 sau 2. Nodul 4 este situat la 30 km de nodul 1. Nodul 4 se adaug la lista nodurilor conectate, iar pe reea se reprezint cu linie punctat arcul dintre nodurile 1 i 4 precum n Figura nr. 3.14.
Figura nr. 3. 14
68
Se repet pasul 2 i se include nodul 3 n lista nodurilor conectate. Se reprezint punctat arcul dintre nodurile 3 i 4, apoi se include n lista nodurilor conectate i nodul 6 i se reprezint punctat arcul dintre nodurile 4 i 6. Ulterior se include nodul 5 n lista nodurilor conectate, se reprezint punctat arcul dintre nodurile 3 i 5 i se obine soluia. Arborele de acoperire minimal are lungimea total dat de suma valorilor asociate arcelor dintre nodurile conectate.
Figura nr. 3. 15
Lungimea minim a reelei care acoper minimal ntreaga reea este 20 + 30 + 10 + 20 + 30=110 km de conexiuni de la sediul central spre oricare nod al reelei. Aici, sunt reprezentate pe arce distanele n km, dar pot fi asociate arcelor, costuri, timp etc. n aceste situaii arborele de acoperire minimal va determina costul minim, timpul minim etc. n raport de criteriul considerat.
69
3.3 Problema de flux maxim
Se consider o reea cu un nod surs (nod intrare, input) i cu un nod de ieire (nod de output). Problema de flux maxim const n determinarea cantitii de flux (vehicule, fluid, mesaj etc.) care pot fi introduse i scoase din sistemul de reea ntr-o perioad de timp. n aceast problem fluxul care circul n reea poate folosi toate ramurile (arcele reelei) ct mai eficient posibil. Capacitatea transportat este limitat (superior) prin restriciile de capacitate care pot s existe pe fiecare dintre ramurile reelei. De exemplu, exist limitri ale fluxului de autovehicule care pot s parcurg o autostrad, sau conductele de transport petrolier nu pot s depeasc un anumit nivel determinat de limita constructiv a sistemului de conducte. Capacitatea minim sau maxim de transport este denumit i capacitate de flux pe arc/rut. Dac nu se specific capacitatea pentru un nod, se presupune c fluxul de ieire este egal cu fluxul de intrare. Un exemplu de problem de flux maxim este cel al TransGaz. Fluxul de gaz metan intr n conductele din Media prin partea de nord i ies din reeaua de conducte n partea de sud a oraului. Fluxul de gaz este maxim n perioadele iarn cu temperaturi sczute. Conductele pot s fie solicitate, acum, la a transporta 13000 mc pe or. n timpul efecturii reviziilor i verificrilor, se presupune un sistem de rute alternative. Rutele alternative prezint restricii. Reeaua alternativ propus, pentru a prelua cantitatea curent i cea suplimentar, care n mod normal ar fi tranzitat prin alte conducte, este reprezentat n Figura nr. 3.16.
70
Figura nr. 3. 16
Capacitatea de transport este direcionat, funcie de cerine. De exemplu pe ruta de la 1 la 4 se pot transporta 5000 mc/h dar n sens invers nu se poate transporta nimic. Este de dorit ca s nu existe situaii de suprasolicitare (loc ngust) pentru nici una din conductele utilizate. Poate firma TransGaz s transporte prin reeaua din Figura 3.16 o cantitate de 15000 mc/h? Care este capacitatea maxim de transport, pe or a reelei? Care este cantitatea maxim ce poate fi transportat pe fiecare conduct (ramur) din reea? 3.3.1 Algoritmul pentru flux maxim La ntrebrile de mai sus se poate rspunde dup aplicarea Algoritmului de flux maxim, care va folosi urmtoarele specificaii: 1. poate fi folosit orice rut dinspre nodul de intrare spre nodul de ieire n sensul/direcia pentru care fluxul este mai mare dect 0 pentru toate conductele parcurse;
71
2. se poate crete fluxul pe o rut la nivelul maxim posibil; 3. trebuie cutate rutele dinspre intrare spre ieire care mai suport creterea cantitii transportate (dispun de rezerv de capacitate) n direciile n care fluxul are valoare mai mare dect 0, pentru toate ramurile, i apoi se va crete fluxul pe aceste rute ct de mult posibil; 4. algoritmul se oprete cnd nu mai este posibil s fie gsit o nou rut, dinspre intrare spre ieire, cu capacitatea de flux orientat, cu valoarea mai mare sau egal cu 0, pentru toate ramurile din rut. nainte de a prezenta detaliile algoritmului de flux maxim, se prezint pe scurt procedura care va determina dac paii parcuri vor conduce spre soluia optim a problemei i va gsi fluxul maxim ce poate fi transportat de la intrare spre ieire. Procedura permite ca fluxul anterior asigurat s fie condus pe rute alternative, prin posibilitatea de a avea i n direcie invers fluxuri fictive. De exemplu, se consider ruta de la 1 la 6 astfel:
Figura nr. 3. 17
Fluxul iniial ce poate fi propagat n reea de la nodul 1 spre nodul 6 este de 6000 mc/h. Dac n reea sunt propagai 4000 mc/h de la nodul 1 spre nodul 6, se vor revizui capacitile ce flux astfel:
Figura nr. 3. 18
72
Se observ c s-a redus capacitatea de flux dinspre nodul 1 spre nodul 6 de la 6000 mc/h la 2000 mc/h, deoarece n reea mai exist disponibilitatea de a transporta de la nodul 1 spre nodul 6 de numai 2000 mc/h (60004000=2000). Aceast reducere determin simultan o cretere a fluxului dinspre nodul 6 spre nodul 1 egal cu cantitatea propagat n reea, de la 0 la 4000 mc/h (0+4000=4000). Aceast revizuire a capacitii fluxului dinspre nodul 6 spre nodul 1 arat c dinspre nodul 6 se pot transporta (fictiv) 4000 mc/h. Acest flux fictiv arat c nu este posibil transportul dinspre nodul 6 spre nodul 1, ci arat doar faptul c a sczut cantitatea care mai poate fi transportat de la nodul 1 spre nodul 6. De fapt, fluxul fictiv dinspre nodul 6 spre nodul 1 provine acum din fluxul iniial dinspre nodul 1 spre nodul 6 care a fost propagat pe alte ramuri ale reelei. Procesul descris anterior prezint importan n problemele de flux maxim atunci cnd ntr-o iteraie se poate propaga flux pe o ramur, iar apoi dup ce se observ fluxul propagat pe alt ramur este mai avantajos, se va recurge la reducerea fluxului propagat iniial. Aceast procedur, descris mai nainte, va identifica o extensie spre care decizia original poate fi revizuit pentru a propaga flux pe o ramur de reea cu scopul de a crete fluxul total propagat n reea. Paii algoritmului de flux maxim: Pasul 1: Se identific orice rut care pleac din nodul de intrare i ajunge la nodul de ieire i care prezint capacitate de flux mai mare dect 0 pentru toate ramurile de pe rut. Dac o asemenea rut nu exist, soluia optim a fost obinut. Pasul 2: Se identific cea mai redus capacitate de transport, Pm de pe arcele care compun ruta identificat la pasul 1. S
73
crete fluxul propagat n reea prin transportarea a Pm uniti de-a lungul rutei identificat la pasul 1. Pasul 3: Pentru ruta identificat la pasul 1 se reduc toate capacitile de transport dinspre surs spre destinaie cu cantitile Pm i se cresc toate capacitile de transport dinspre destinaie spre surs cu cantitatea Pm. Se trece la pasul 1. Procedura poate varia funcie de alegerea iniial a analistului efectuat n pasul 1, iar algoritmul va genera probabil, soluia fluxului maxim. Calculele efectuate aici sunt urmtoarele: Iteraia 1. Pasul selectat este 1 3 6 7, Pm = min(6,7,7) = 6 care corespunde drumului de la 1 la 3. Reeaua revizuit (Figura 3.19) este:
Figura nr. 3. 19
n reea se propag un flux iniial de 6000 mc. Iteraia 2. Pasul selectat este: 1 2 5 3. Pm = min(5, 3, 8)=3 valoare care corespunde drumului de la 2 la 5. Reeaua revizuit este prezentat n Figura nr. 3.20.
74
Figura nr. 3. 20
n reea se propag suplimentar nc 3000 mc/h. Fluxul total este acum de 9000 mc/h. Fluxul total propagat n reea se determin prin nsumarea valorilor Pm pentru fiecare instalaie. Iteraia 3. Pasul selectat este 1 2 3 5 3. Pm= min(2, 2, 3, 5) = 2, valoarea lui Pm corespunde ramurilor de la 1 la 2 i respectiv de la 2 la 3.
Figura nr. 3. 21
Fluxul total este acum de 11000 mc/h.
75
Iteraia 4. Ruta aleas este 1 4 6 7. Pm=min(5,5,1) = 1 care corespunde drumului de la nodul 6 la 3.

Figura nr. 3. 22
Fluxul total propagat este acum de 12000 mc/h. Iteraia 5. Ruta aleas acum este: 1 4 6 5 7, Pm=min(4, 4, 1, 3)=1. Pm corespunde drumului de la 6 la 5.
Figura nr. 3. 23
Fluxul total transportat n reea este acum de 13000 mc/h.
76
Iteraia 6. Mai exist, oare, o alt rut dinspre nodul 1 spre nodul 7 care s permit propagarea suplimentar a cantitii de flux mai mare dect 0? Dac se folosete ruta 1 4 6 3 5 7 pentru care Pm = min (3, 3, 6, 1, 2) care corespunde drumului de la nodul 3 la nodul 5. Aceast nou rut poate s creasc fluxul total la 14 000 mc/h.
Figura nr. 3. 24
Dup cum se observ, din reeaua revizuit, nu mai sunt drumuri care s permit un transport suplimentar (flux propagat mai mare dect 0) prin ramurile reelei. Astfel fluxul total maxim pe care l permite reeaua de transport este de 14000mc/h. n iteraia 6, fluxul de 1000 mc/h a fost posibil de realizat dinspre nodul 6 spre nodul 3, chiar dac n reea nu este permis transportul dinspre nodul 6 spre nodul 3. Acest flux propagat n iteraia 6 este un flux fictiv. Efectul real indus de acest flux fictiv este determinat de faptul c fluxul original de 1000 mc/h dinspre nodul 3 spre nodul 6 din iteraia 1 este de fapt dirijat dinspre nodul 3 spre nodul 5, ceea ce permite transportul a nc 1000 mc/h prin reea. Acum se va determina
77
cantitatea i direcia fluxurilor propagate pe fiecare ramur din reea astfel nct fluxul maxim total propagat s fie de 140000 mc/h. Fluxurile corespunztoare fiecrei ramuri care conduce la soluia optim pot fi implicate prin compararea capacitilor de flux finale cu cele iniiale. n cazul n care capacitatea de flux final este mai mic dect capacitatea iniial, prin ramura respectiv se propag un flux de cantitate egal cu diferena dintre capacitatea de flux iniial i cea final. De exemplu se consider ramura 3 6 pe care capacitatea de flux iniial era:
Figura nr. 3. 25
cu capacitatea de flux final:

Figura nr. 3. 26
Deoarece capacitatea de flux final dinspre 3 spre 6 este mai mic dect capacitatea iniial, ramura are un flux propagat de 72=5 dinspre nodul 3 spre nodul 6. Acest flux va fi reprezentat prin:
Figura nr. 3. 27
78
Prin compararea fluxurilor de capacitate iniiale pe toate ramurile cu fluxurile de capacitate final, se determin urmtorul flux de reea:
Figura nr. 3. 28
Rezultatul analizei fluxului maximal indic faptul c reeaua de conducte TransGaz nu poate s transporte un flux de 15000 de mc/h. n consecin va fi necesar extinderea capacitii de transport pentru a face fa perioadelor din an cu cerere mare de gaz. Dac reeaua se va extinde, sau va fi modificat, trebuie s fie realizat o nou analiz, care s determine noul nivel al fluxului n reea.
CAPITOLUL 4 MODELE DE STOCARE
Stocurile pot fi definite ca fiind acele cantiti de bunuri sau materiale care sunt pstrate n scopul de a fi utilizate. Pentru foarte multe firme, cheltuielile asociate cu finanarea i pstrarea stocurilor constituie o parte substanial a costurilor afacerii. n companiile mari, n special n acelea n care produc cantiti mari de bunuri, sau bunuri scumpe, costurile asociate cu materiile prime care sunt procesate i stocurile de produse finite pot s ajung la valori mari. Pentru a realiza nivelurile valorice la care pot s ajung aceste stocuri, se va considera n continuare situaia firmei DrinkCo. DrinkCo este un distribuitor de sucuri, vin i bere. De la depozitul central al firmei, se livreaz marf la peste 1000 de beneficiari, magazine de vnzare en-detail. Stocul valoric al firmei este reprezentat i de ambalaje a cror valoare este de aproximativ 40% din valoarea stocurilor. Aceasta reprezint aproximativ 50000 de lzi. Costul mediu al unei lzi este de aproximativ 5 uniti monetare. Firma estimeaz astfel c valoarea ambalajelor pentru sucuri este de 250000 de uniti monetare. Exist unele costuri asociate cu meninerea i manipularea unui nivel dat al stocurilor. Luate mpreun, aceste costuri poart numele de costuri de stocare. n primul rnd, este implicat aici costul finanrii. Dac firma mprumut bani
80
MODELE DE STOCARE
pentru a-i menine investiia n stocuri, o dobnd va majora aceste costuri. Dac firma folosete capitalul propriu pentru a pstra stocuri, ea nu va fi capabil s foloseasc acest capital pentru alte investiii. n fiecare caz exist o cheltuial legat de nivelul capitalului imobilizat n stocuri. De obicei, costul capitalului este exprimat n procente din suma investit. Dac firma estimeaz c acest cost este reprezentat de o rat a dobnzii de 18% anual atunci dobnda 18 pentru costurile de stocare este 250000=45000 uniti 100 monetare/an. Exist un numr de alte costuri asociate precum: cheltuieli cu asigurrile, taxe casare, pierderi, depozitare, care de asemenea depind de valoarea stocului. Firma estimeaz aceste costuri la un nivel de aproximativ 7% din valoarea stocului. 18 + 7 Costul total de stocare este 250000 = 62500 100 uniti monetare/an. Dac se apreciaz c sucurile reprezint doar 40% din nivelul total al stocurilor, se poate deduce c, pentru meninerea stocurilor, costurile necesare sunt apreciabile. Managerii au de ales ntre (a) a dispune de stocuri suficiente care s satisfac cererea de bunuri i (b) de a investi ct mai puin n activitatea de meninere a stocurilor. De fapt, managerii trebuie s rezolve problema prin alegerea celei mai bune decizii care s ia n considerare urmtoarele: 1. Care trebuie s fie cantitatea comandat astfel nct nivelul stocului s fie readus la nivelul iniial? 2. Cnd trebuie s fie luat decizia prin care s dispun refacerea stocului?
MODELE DE STOCARE
81
Scopul acestui capitol este de arta cum modelarea cantitii poate folosi ca suport n luarea deciziilor. n majoritatea sistemelor de stocare chiar dac exist similariti, totui fiecare sistem este particular. n prima parte se discut despre modelele deterministe de stocare unde se presupune c cererea este cunoscut i are o valoare constant. Apoi se discut despre modele probabiliste de stocare, unde cererea are o valoare fluctuant, descris n termeni probabilistici.
82
MODELE DE STOCARE
4.1 Modelul de stocare cu cerere constant
Acest model este aplicabil pentru situaiile n care cererea este constant sau relativ constant. Aceasta nseamn c cererea satisfcut cu ajutorul stocului nregistreaz valori similare n intervalul de timp. De exemplu 5 buci/sptmn sau 1000kg/lun. Tabelul nr. 4. 1 Sptmna Cererea (lzi) 1 2000 2 2025 3 1950 4 2000 5 2100 6 2050 7 2000 8 1975 9 1900 10 2000 TOTAL lzi 20000 Cererea medie sptmnal 2000
Se aplic acest model pentru firma DrinkCo. La nivelul firmei s-a efectuat o analiz preliminar privind costurile de stocare i s-a decis realizarea unui studiu detaliat care s ofere informaii despre ct i cnd comand beneficiarii pentru ce s se aduc la nivelul cel mai sczut costul de stocare. Cererea pentru sptmnile viitoare pentru SoftDrink, o butur
MODELE DE STOCARE
83
rcoritoare produs de DrinkCo este prezentat n Tabelul nr. 4.1. Cererea prezentat nu este strict constant, dar prezint variaii foarte mici de la o sptmn la alta. Furnizarea sptmnal a 2000 de lzi de butur rcoritoare pare o aproximare rezonabil. n practic, se constat c stocul real chiar satisface propunerea realizat prin model. Astfel n situaiile reale managerul sau analistul vor determina care modele sunt cele mai apropiate de reprezentarea real. n cazul n care cererea variaz ntre 1900 i 2100 de lzi pe sptmn, nivelul stocului de 2000 de lzi reprezint o valoare rezonabil, iar decidentul poate realiza un compromis ntre: (a) pstrarea unui stoc redus i existena unor comenzi frecvente i (b) pstrarea unui stoc mare care s satisfac comenzile mai puin frecvente, dar cu o cantitate furnizat mai mare. Prima situaie are ca efect cheltuieli considerabile cu pregtirea comenzii, n timp ce n situaia a doua vor fi mai mari cheltuielile de stocare. Soluia optim va combina cele dou situaii, n aa mod, nct s determine un cost total minim. Costul de stocare i manipulare este cel care depinde de nivelul stocului. Un nivel al stocului ridicat va determina un cost de stocare ridicat. Dac DrinkCo estimeaz c nivelul costului anual de stocare reprezint 25% din valoarea stocului, iar costul unei lzi este de 5 uniti monetare, costul de stocare i manipulare pentru o lad de SoftDrink pe o perioad de un an este 0,255=1,25 uniti monetare. n continuare, trebuie determinat costul de lansare a unei noi comenzi. Pentru DrinkCo, pregtirea unei comenzi const n aprox. 45 de minute de procesare a documentelor i manipulare a produselor. Costurile salariale pentru plata
84
MODELE DE STOCARE
angajailor sunt de 16 uniti monetare pe or, deci plata corespunztoare pentru 45 minute=(45/60)16=12 uniti monetare pe or. Cheltuielile cu documente, pot, telefon, transport i recepie sunt de 8 uniti monetare/comand. Astfel, cheltuielile de lansare a unei noi comenzi sunt 12+8=20 uniti monetare/comand. Astfel, firma DrinkCo pltete 20 uniti monetare pe comand, indiferent de volumul acesteia. Costul de stocare i costul de lansare al comenzii, precum i informaiile privind cererea pot fi folosite n modelul de stocare cu cererea constant. Cantitatea Q reprezint nivelul comenzii. Astfel, decizia de a produce cantitatea Q presupune determinarea acestei valori Q care va minimiza suma dintre costul de stocare i costul de lansare al comenzii. Figura nr. 4. 1
Nivel maxim al stocului Q
Nivel mediu al stocului Q Nivel minim al stocului 0 t Timp mediu necesar pentru epuizarea stocului
Nivelul inventarului pentru SoftDrink va avea maxim valoarea Q atunci cnd unul dintre detailiti va avea o comand cu cantitatea Q. DrinkCo va satisface cererea clienilor pn cnd stocul de produse se epuizeaz. n acel moment un alt transport de 2000 lzi va fi primit. n ipoteza unei cereri constante de 2000 de lzi/sptmn, (cu 5 zile lucrtoare),
MODELE DE STOCARE
85
poate fi satisfcut o cerere medie de 400 lzi/zi (reprezentarea grafic Figura nr. 4.1) Nivelul mediu al stocului n intervalul de timp este (stocul iniial + stocul final)/2 i se bazeaz pe faptul c stocul descrete de la nivelul Q spre 0 n intervalul de timp T. Figura nr. 4. 2
Q Q 0 t T 2T 3T Nivel de stoc mediu
Figura nr. 4.2 arat evoluia activitii de stocare pe un interval de timp mai mare. Stocul este alimentat ciclic la fiecare sfrit de perioad T. Stocul satisface o cerere constant de 2000 lzi/sptmn. Dac stocul mediu este Q pentru fiecare ciclu, stocul mediu pentru un numr (ntreg ) de cicluri este tot Q. Cheltuielile de stocare pot fi determinate folosind stocul mediu. Acestea rezult din multiplicarea stocului mediu cu costul unitar de stocare pentru perioada de stocare. Perioada de stocare poate fi considerat 1 sptmn, o lun, un an sau mai mult. De obicei, se folosete costul de stocare unitar anual. Dac se noteaz: I = procentul din valoarea produsului care reprezint costul anual unitar de stocare (25 % pentru DrinkCo) C = cost unitar al unei lzi de produs (Cs) este determinat de: Cs = IC
86
MODELE DE STOCARE
Pentru produsul SoftDrink se obine 0,255 = 1,25 Costul anual de stocare se determin prin multiplicarea stocului mediu cu costul unitar anual de stocare. Cost anual de stocare = QCs Pentru completitudine, n costul total trebuie introduse i cheltuielile cu lansarea comenzilor. Dac se noteaz cu D cererea anual de produse, atunci numrul anual de comenzi va D fi determinat de raportul . Q Astfel, costul total anual cu lansarea comenzilor va fi: Cost anual cu nr. anual costul unitar = D C o lansarea = de de lansare Q produsului comenzi
unde costul de lansare este notat prin Co. Astfel, costul total anual (costul de stocare + costul de lansare) poate fi determinat prin: D 1 TC = QCs + Co 2 Q Dac n cazul DrinkCo avem Cs=1,25 uniti monetare i Co=20 uniti monetare, atunci cererea anual este calculat prin: D=52(spt.)2000 (lzi)=104000 (lzi anual), i atunci: 104000 2080000 1 TC= Q1,26+ 20 = 0,265Q + 2 Q Q Relaia anterioar descrie costul total n funcie de Q. Valoarea minim a costului se poate determina pentru acea valoare Q care minimizeaz funcia costului total. Pentru a determina minimele funciei costului, derivata acesteia n raport cu cantitatea trebuie s fie egal cu zero.
MODELE DE STOCARE
87
D Co TC 1 = Ch =0. De aici se deduce c: Q 2 Q2 D Co 2D C o 1 Q2= Cs = 2 Cs 2 Q

Q*=
2D C o , Cs
unde Q* reprezint cantitatea optim care poate fi stocat dac se folosete modelul cu cerere constant. Dac deja sunt determinate D=104000 lzi, Co=20 uniti monetare i Cs=1,25 uniti monetare, atunci: 2 104000 20 =1824. Q= 1,25
Astfel cantitatea optim este Q*=1824 lzi/sptmn. Dac se reprezint pe acelai grafic costurile implicate, atunci se deduce:
Figura nr. 4. 3
cost anual total cost anual de stocare cost anual de lansare cantitate
Q*=1824
88
MODELE DE STOCARE
Astfel costul total minim devine: D 1 Co TC* = Q*Cs + 2 Q* TC*=
D Co D Co Cs D Co Cs 1 2D C o Cs+ + = 2 Cs 2 2 2D C o Cs
TC*= 2D C o Cs n problema prezentat TC* devine: TC*= 2 104000 20 1,25 = 2280,35 u.m. Acum, managerii tiu c nivelul stocului optim este Q* (n cazul DrinkCo Q* = 1824 lzi) i trebuie s determine care este momentul n care trebuie s lanseze comanda astfel nct stocul s fie realimentat. Managerii trebuie s stabileasc i D calendaristic zilele n care s reaprovizioneze. Expresia Q arat numrul de comenzi care se fac ntr-un an. Cu datele D 104000 = = 57,02 ceea ce nseamn c pentru problemei, Q* 1824 un an se efectueaz aproximativ 57 de comenzi. Pentru c sptmna lucrtoare are doar 5 zile, numrul de zile total lucrate pe parcursul anului este: 52 sptmni 5 zile/sptmn = 260 zile lucrtoare. Dac se repartizeaz cele 57 comenzi pe an la 260 zile lucrtoare se deduce: 260 260 Q * 260 1824 T= = = 4,56 zile. = D D 104000 Q* Rezultatul asigur c, o reaprovizionare la 4,56 zile confer o satisfacie optim a cerinelor. Totui nu poate fi
MODELE DE STOCARE
89
practic folosit valoarea optim a lui T*=4,56 zile lucrtoare, fapt care denot c pot fi lansate comenzile la 4 zile, dar stocul crete i implicit cheltuielile sau se lanseaz comenzile la interval de 5 zile, dar poate s apar situaia lipsei stocului, fapt care poate conduce la costuri de penalizare.
Tabelul nr. 4. 2 Analiza senzitivitii pentru modelul de stocare cu cerere constant.
Valoare Cs (%) 23 23 23 24 24 24 25 25 25 26 26 26
Valoare Co 19 20 21 19 20 21 19 20 21 19 20 21
Q* 1792,5 1839,1 1884,5 1785,2 1831,6 1876,9 1778,1 1824,3 1869,3 1771,0 1817,0 1861,9
Cost Total Pe baza Pe baza Q = 1824 Q* 2204,76 2205,09 2262,03 2262,11 2317,90 2319,13 2213,70 2214,21 2271,21 2271,23 2327,30 2328,25 2222,61 2223,33 2280,35 2280,35 2336,66 2337,37 2231,48 2232,45 2289,45 2289,47 2345,99 2346,49
Pe baza analizei senzitivitii se deduce c valoarea optim (teoretic) a stocului conduce la nivelul costului total minim. Dac se nregistreaz variaii n Cs i Co se deduce din Tabelul nr. 4.2, pe baza costurilor totale proiectate, c volumul costului total variaz ntre 2200 i 2400 uniti monetare/an. n acest caz se recomand decidentului de a alege o valoare a lui Q apropiat de 1824 lzi.
90
MODELE DE STOCARE
4.2 Modelul de stocare a produciei fabricate pe loturi
Urmtorul model suport decizional pentru activitatea de stocare este similar cu modelul de stocare cu cerere constant. De asemenea, se consider ipoteza unei cereri constante, dar bunurile nu mai aprovizioneaz depozitul n transporturi de Q uniti ci se consider c depozitul este aprovizionat continuu cteva zile sau cteva sptmni (de exemplu, din producie proprie fabricat). Oferta cu rat constant, presupus aici, semnific faptul c este furnizat aceeai cantitate de produse n fiecare unitate de timp (de exemplu 20 uniti n fiecare zi, 100 pe sptmn etc.). Acest model este destinat situaiilor n care odat o comand fcut, ncepe producia unui numr constant de produse (un lot de fabricaie) care se adaug la stocul existent pn cnd lotul respectiv este realizat n totalitate. Dac se consider un sistem de producie care produce 50 de uniti pe zi i se programeaz 10 zile de producie se va realiza un lot de 5010=500 uniti. Problema principal n acest model const n determinarea mrimii optime Q a lotului care va minimiza costul total. O condiie care trebuie menionata este c modelul se aplic n situaiile n care rata produciei este mai mare dect rata cererii, iar sistemul trebuie s prezinte capacitatea de a satisface cererea. De exemplu, dac nivelul cererii este de 2000 uniti pe sptmn, nivelul produciei trebuie s fie cel puin de 2000 uniti pe sptmn pentru ca oferta s satisfac cererea. Cu aceast condiie suplimentar, practic, n fiecare zi se produce mai mult dect se livreaz spre beneficiar. Excesul de producie va fi, astfel, stocat, stocul nregistrnd o cretere gradual pe perioada n care se produc bunurile. Atunci cnd producia nceteaz (s-a produs ntreg lotul), stocul va ncepe s
MODELE DE STOCARE
91
nregistreze o scdere progresiv pn cnd este lansat n producie noul lot. Reprezentarea evoluiei stocului este prezentat n Figura nr. 4.4.
Figura nr. 4. 4
cost Stoc maxim Q Stoc mediu Q Stoc minim 0 t Faza de cretere a stocului (producie) Faza de reducere a stocului (non-producie)
Sunt utilizate costurile de stocare i costurile de lansare la fel ca la modelul de stocare cu cereri constant, cu costul de stocare variabil, funcie de nivelul stocului. Costul de lansare, ns, este un cost care include: ore de munc, materiale, costul rebuturilor, fiind de fapt un cost fix pentru fiecare lot produs, care este totui dependent de mrimea costului de fabricaie.
Determinarea costului total
Fie notaia Q pentru mrimea lotului de producie. Trebuie determinat nivelul mediu al stocului i costul unitar de stocare. Se consider o durat de un an i corespunztor costul unitar anual de stocare. Folosind notaiile: d = cererea zilnic pentru produs; p = producia zilnic; t = durata (n zile) pentru un ciclu de fabricaie i reprezentarea din Figura nr. 4.4 se determin valoarea medie a stocului.
92
MODELE DE STOCARE
Dac se presupune p>d, atunci diferena p-d arat nivelul zilnic al excesului de cerere, care va alimenta stocul. Dac se stocheaz zilnic p-d uniti timp de t zile, nivelul maxim al stocului este: Nivel maxim stoc = (p-d) t Dac un lot de produse are Q uniti care sunt produse n t zile, iar producia zilnic este de p buci, atunci Q = pt. De aici se deduce c durata unui ciclu de fabricaie este de: Q t = zile p Nivelul maxim al stocului devine: Q d (p-d)t = (p-d) = (1- )Q p p Stocul mediu se determin ca medie aritmetic a nivelului maxim i a celui minim astfel: d (1 - ) Q + 0 1 d p Stocul mediu = = (1 - ) Q 2 2 p Dac costul de stocare unitar anual este Cs = IC, atunci costul anual de stocare devine: cost unitar 1 d stoc Cost anual (1 - ) QCs anual de = = mediu de stocare 2 p stocare Dac D este cererea anual pentru produs i Co este costul pentru un ciclu de fabricaie, iar numrul de cicluri de
MODELE DE STOCARE
93
fabricaie pe an este
D , costul anual de producie se determin Q cost de producie pe ciclu de fabricaie = D Co Q
prin: Cost anual nr. cicluri de = de fabricaie producie pe an
Astfel, costul total de operare (TC) al modelului devine: D 1 d TC = (1 - ) QCs + Co (4.1) Q 2 p Dac firma lucreaz 250 zile/an (i 115 sunt zile libere i nelucrtoare), atunci cererea zilnic d poate fi determinat D prin: d = , iar dac prin P se noteaz producia anual, 250 P producia zilnic este p = , atunci numrul de zile de 250 producie (250) coincide cu numrul de zile care se manifest cererea pentru produs: d D P D = = p 250 250 P Pe baza relaiei de mai sus se poate scrie costul total anual ca: D 1 D TC = (1 - ) QCs + Co (4.2) Q 2 P Ecuaiile (4.1) i (4.2) sunt echivalente. Analistul va alege care dintre acestea este preferabil s fie folosit.
94
MODELE DE STOCARE
Determinarea nivelului optim al lotului de producie. Cnd se dorete obinerea costului minim, derivata costului total n raport cu cantitatea va genera dup egalare cu zero soluia nivelului optim al lotului de producie Q*:
TC 1 D D = (1 - ) Cs - 2 C o =0 Q 2 P Q Q2=
2D C o 2D C o Q*= , D Cs (1 - D P) Cs 1 P
Pe baza acestei valori se deduce nivelul minim al costului total: TC* =
2D C o 1 D Cs + (1 - ) 2 P (1 - D P) Cs
D Co 2D C o (1 - D P) C s
TC*=
1 D 1 D (1 ) D C o C s + (1 ) D C o C s 2 P 2 P D ) D Co Cs P
TC*= 2(1
De asemenea, durata unui ciclu de producie optim este: t*=

Q* = P
2D C o 1 2 . D P (1 ) C s P
MODELE DE STOCARE
95
4.3 Model de stocare cu cerere constant i lips de stoc

n multe situaii practice nivelul stocului nu poate satisface cererea. Chiar dac nu este o situaie dorit, ea trebuie evitat pe ct posibil. Uneori este foarte costisitor s fie pstrate n stoc bunuri, aa c managerii prefer lipsa de stoc. Pentru un dealer, de exemplu, de autoturisme nu este neobinuit s nu dein n stoc un tip de vehicul, iar clientul este dispus s atepte s-i primeasc maina dup cteva sptmni. Modelul de stocare cu cerere constant i lips de stoc ia n considerare faptul c un client poate comanda un produs, acest produs poate s nu fie n stoc, clientul nu renun la cererea sa i ateapt s soseasc un nou transport de produse pentru ca s-i satisfac cererea. De obicei, clientul este dispus s atepte dac perioada cu lips de stoc este scurt, iar acesta este asigurat de ofertant c cererea sa va fi satisfcut cu prioritate imediat ce bunul este disponibil. Dac clientul consider c amnarea intrrii n posesia bunului i poate cauza prejudicii, atunci el ar putea renuna la achiziionarea bunului de la furnizor i eventual ar cere despgubiri pentru prejudiciul cauzat. n modelul de stocare cu cerere constant introducem urmtoarele ipoteze: 1. Exist S cereri de produs nesatisfcute din cauza lipsei stocului atunci cnd un nou transport Q de produse aprovizioneaz stocul. Cele S cereri rmase neonorate sunt satisfcute imediat, iar n stoc vor rmne Q-S produse. 2. Q-S va fi nivelul maxim al stocului. 3. Durata dintre dou aprovizionri succesive T va fi mprit n dou faze: t1 zilele n care cererea poate fi satisfcut din stoc i t2 zilele n care este lips de stoc.
96
MODELE DE STOCARE
Figura nr. 4. 5
Nivel stoc Stoc maxim Q-S A
0 Cerere nesatisfcut -S
B D1 t1
C D E t2 T
timp
Reprezentarea grafic a acestui model este fcut n Figura nr. 4.5. Aici, cererile nesatisfcute sunt considerate stoc negativ (-S). Pentru determinarea costului total se nsumeaz toate cheltuielile de stocare obinuite i cheltuielile de lansare. n plus, va aprea un cost suplimentar datorit lipsei stocurilor, cheltuieli cu munca i livrrile directe asociate cu procesarea i prelucrarea comenzilor n ateptare. De asemenea, ar putea s apar costuri de penalizare datorit insatisfaciei clienilor. Costul de penalizare poate fi n corelaie direct cu timpul de ateptare al clienilor, el va fi astfel calculat similar cu costul depozitrii. Se calculeaz, astfel, costul de penalizare anual pe baza unei medii a cererii nesatisfcute i pe baza costului unitar. Pentru determinarea costului mediu se folosete o medie ponderat cu frecvene, unde frecvenele reprezint zilele de stocare. Se noteaz cu t1 perioada n care stocul este pozitiv (0) i cu t2 perioada lipsei de stoc.
MODELE DE STOCARE
97
Din Figura 4.5 se deduce c timp de t1 zile, nivelul stocului scade de la Q-S la 0 uniti, fapt care conduce la stabilirea stocului pe aceasta perioad la:
(Q - S) + 0 (Q - S) = . 2 2
n perioada t2 nu exist stoc, ea reprezint perioada corespunztoare lipsei de stoc. Deoarece un ciclu de stocare are T = t1+t2 zile, stocul mediu pe acest interval de timp este: (Q - S) t1 + 0 t 2 t 1 2 = (Q - S) 1 . Stoc mediu = t1 + t 2 T 2 Se exprim t1 i T n funcie de Q, S i d. ntruct nivelul maxim al stocului este Q-S iar d reprezint cererea QS zilnic (constant) se poate scrie t1 = zile1. Astfel, stocul d QS zile. Deoarece maxim de Q-S uniti va fi epuizat n d sunt aduse n stoc la fiecare comand Q uniti, lungimea unui ciclu, a duratei ntre dou reaprovizionri trebuie s fie Q determinat de: T = zile2. d
1
Aceast valoare se deduce n triunghiul ABC pe baza determinrii
tangentei unghiului tg =
2
QS QS = d cererea zilnic t1 = . t1 d
Aceast valoare se deduce din triunghiul ADE, prin calculul valorii
tg =
Q Q = d = cererea zilnic T = . T d
98
MODELE DE STOCARE
Astfel, se nlocuiesc valorile lui t1 i T n nivelul mediu al stocului i se calculeaz: QS 1 (Q - S) 2 1 Stoc mediu = (Q - S) d = Q 2 Q 2 d Se observ c nivelul mediu al stocului este exprimat doar n funcie de dou variabile de decizie: nivelul lotului de reaprovizionare (Q) i numrul maxim de cereri nesatisfcute (S) acceptate. Dac D reprezint cererea anual, numrul total de loturi de reaprovizionare (a cte Q uniti) este: D Numrul anual de reaprovizionri = . Q Numrul mediu de comenzi nesatisfcute este variabil, de la 0 la nivelul maxim S. n intervalul de timp T, stocul poate s satisfac toate comenzile n t1 (nu exist cereri nesatisfcute) iar n t2 exis cerere nesatisfcut. Nivelul mediu al cererilor neonorate la timp =
0t1 +
0+S t 2 2 T
S t2 2 T
Deoarece numrul maxim de comenzi neonorate este S, iar cererea zilnic este d, lungimea perioadei cu lips de stoc se determin ca: S t2 = d nlocuim pe t2 i T n ecuaia nivelului mediu al comenzilor neonorate i se obine:
MODELE DE STOCARE
99
Nivelul mediu al comenzilor neonorate la timp
SS 2d Q d
S2 2Q
n continuare se consider: Cs = cost de stocare unitar anual; Co = cost de lansare comand; Cp = cost de penalizare unitar anual. Expresia costului total n nivelul de stocare cu cerere constant i lips de stoc devine:
TC = (Q - S) 2 D S2 C s + C o + C p 2Q Q 2Q
Dac se estimeaz nivelul costurilor Cs, Co i Cp, se poate determina costul minim pentru nivelurile stabilite ale lui Q i S. Prin derivarea expresiei TC n funcie de Q i n funcie de S i prin egalarea derivatelor cu 0 se obine un sistem de dou ecuaii cu dou necunoscute (n Q i S) care are ca soluie:
Q* = 2DC o Cs Cs + C p i C p
S* = Q*
Cs , Cs + C p
valori care constituie soluia optim a modelului de stocare cu cerere constant i lips de stoc.
100
MODELE DE STOCARE
4.4 Model de stocare cu cerere variabil

Firma FiatLux vinde becuri de iluminat economice. Ea se aprovizioneaz de la productor. FiatLux vrea s determine nivelul optim de reaprovizionare al stocului i s i formuleze politica de stoc cu scopul de a avea un stoc minim. Costul de lansare al comenzii este de 24 u.m. Un bec cost 6 u.m. Costul de stocare anual reprezint 20% din valoarea produsului Cs=0,26=1,2 u.m./an. Cererea variaz de la o sptmn la alta, de la o zi la alta. Astfel, nu se poate estima cererea sptmnal. Firma estimeaz, pe baza cererii trecute, un nivel al cererii pentru anul n curs de 4000 de becuri. Pentru a determina nivelul reaprovizionrii se calculeaz: 2DCo 2400024 = 400 buc. = Q*= Cs 1,2 Acest nivel de 400 de buci genereaz un cost total minim. ns variaia lui Q n jurul nivelului su optim, Q*, nu determin o foarte mare variaie n costul total. Chiar dac cererea anual este de 3000 de buci sau 5000 de buci, totui, un nivel de reaprovizionare de 400 buc. determin un nivel redus al costului total. Dac Q*=400 buc., D 4000 = = 10 reaprovizionri pe an. firma anticipeaz c: Q * 400 Dac se lucreaz 250 de zile pe an, intervalul de timp ntre 250 = 25 zile lucrtoare. Acest dou reaprovizionri este 10 rezultat este convenabil dac se mizeaz pe o cerere constant. Managerul trebuie s stabileasc i momentele n care este nevoie de a se lansa o nou comand de reaprovizionare.
MODELE DE STOCARE
101
Se tie c furnizorul are nevoie de o sptmn pentru a livra transportul. Dac se ia n considerare c necesarul de 4000 buci trebuie vndut ntr-un an, nivelul necesar sptmnal este de 4000 buc./52 spt. 77 buc./spt. Cu aceast medie, n situaia n care cererea este simetric distribuit fa de medie, cererea poate fi mai mare de 77 buc./spt. n 50% din cazuri i respectiv mai mic de 77 buc./spt. n 50% din cazuri. Dac firma va avea o cerere mai mare de 77 buc./spt., se va nregistra o lips de stoc datorat excesului de cerere n 5 din situaiile de reaprovizionare, care reprezint 50% din totalul de 10 anual, cnd lipsa stocului va fi nregistrat nainte de reaprovizionare. Aceast situaie este de neacceptat pentru FiatLux i impune ca firma s stabileasc probabilitatea de distribuie pentru datele de aprovizionare, i s analizeze probabilistic situaiile cu exces de cerere pentru intervalul de timp considerat. Trecutul statistic al cererii n anul anterior prezint o distribuie normal cu media de = 77 becuri pe sptmn i cu o dispersie =25 buc.
Figura nr. 4. 6
=77 =25
77 buc.
Folosind datele din trecutul statistic privind cererea, analistul este n msur s determine dac distribuia normal, sau alte distribuii de probabilitate sunt cele mai adecvate pentru datele reale.
102
MODELE DE STOCARE
Fiind dat o distribuie de probabilitate a cererii, se poate determina aceea probabilitate de lips de stoc, care permite calculul distribuiei de probabilitate a cererii care are o anumit valoare r. Se poate aprecia momentul care determin lansarea unei noi comenzi i se poate folosi un cost de penalizare pe unitatea de produs care lipsete din stoc. Managerul va aprecia un numr mediu de situaii n care exist lips de stoc care ar putea fi permise pe parcursul unui an. Dac cererea pentru produs nregistreaz o distribuie probabilist, managerul va accepta i niveluri crescute ale cererii, dar i niveluri reduse, asociate cu costuri mari de stocare, sau cu costuri sczute. Dac se presupune c managerul firmei accept o singur situaie de lips de stoc, media lipsei de stoc fiind egal cu 1, atunci un numr de 10 reaprovizionri pe an, managerul poate face ca cererea s depeasc posibilitatea sa 1 de ofert o singur dat din 10 cazuri ( 100= 10%) anual. 10 Aceasta nseamn c, la atingerea unui nivel al stocului egal cu r, distribuia cererii poate n 10% din cazuri s depeasc acest nivel. Aceast situaie se regsete n reprezentarea din Figura nr. 4.7.
Figura nr. 4. 7
lips de stoc (cererea > r) n 5% din cazuri
cererea oferta cererea r n 95% din cazuri
Pentru distribuia normal se caut valoarea lui z n Tabela distribuiei normale astfel:
MODELE DE STOCARE
103
z=
r r = +z
Dac analistul dispune de valorile =77, =25, iar pentru z=1,25, corespunde valoarea tabelat f(z)=0,3944, atunci: r =77+1,2525= 77+31,25= 108,25109 Astfel, decizia relativ la stocul recomandat se refer la meninerea unui stoc de siguran de 109-77=32 buci din care s poat fi satisfcute eventualele cereri care depesc cererea medie.
CAPITOLUL 5 FIRE DE ATEPTARE

Un fir de ateptare reprezint un numr de clieni care ateapt s fie deservii (la casa magazinului, la ghieul bncii, la un semafor etc.). n cele mai multe situaii clienii accept i trebuie s atepte pentru a fi deservii. Se poate ntmpla ca unii dintre clieni s nu fie dispui s atepte mult timp pentru a fi deservii. Managerul realizeaz c aceste nemulumiri pot ndeprta clienii, iar cei care ateapt, la coad, nu pot fi servii cu promptitudine. Dac managerul dorete s rezolve aceast situaie, el va fi nevoit s instaleze mai multe case sau s scurteze timpul de deservire din sistem. Prima soluie presupune o cretere a costurilor cu personalul i echipamentul suplimentar necesar. Aceasta determin managerul s pun n balan beneficiile suplimentare i costurile implicate. Modelele cantitative pot s ajute managerii s neleag i s ia deciziile cele mai bune privind funcionarea liniilor de ateptare. Teoria firelor de ateptare presupune studierea comportamentului clienilor i a celor care ofer servicii n sistemul de deservire. Pentru un numr dat de linii de deservire, sistemele de ateptare pot s fie caracterizate prin: 1. procentaj de timp, sau probabilitate, pentru care clientul este servit; 2. probabilitate de a avea un numr specific de clieni n sistem;
FIRE DE ATEPTARE
105
3. numrul mediu de uniti (clieni) n sistem; 4. timpul mediu petrecut de fiecare client n sistem (timp de ateptare plus timp de deservire); 5. numrul mediu de uniti (clieni) n firul de ateptare; 6. timpul mediu petrecut de fiecare client n firul de ateptare; 7. procentaj de timp, sau probabilitate ca un client nou sosit s fie nevoit s atepte pentru a fi deservit. Dac managerul va dispune de aceste informaii el va fi n mai bun msur informat pentru a lua deciziile care vor avea n vedere o mbuntire a serviciului existent raportat la costurile suplimentare.
106
FIRE DE ATEPTARE
5.1 Fir de ateptare cu o singur unitate de deservire
S.C. Meteor este un lan de magazine cu reprezentare regional. Firma s-a dezvoltat n ultima perioad foarte mult, datorit vnzrilor sporite. Unitatea de ncrcare-descrcare a unuia dintre magazinele S.C. Meteor a fost proiectat pentru a permite ncrcarea sau descrcarea exclusiv a unui singur camion. Cererea crescut a clienilor determin o cretere a nivelului activitii la unitatea de ncrcare-descrcare. Managerul trebuie s ia n considerare alternativele care pot s conduc la o cretere a operativitii la unitatea de ncrcare-descrcare. O alternativ ar fi ca ncrcarea i descrcarea mai rapid a camioanelor s se realizeze prin folosirea unei benzi rulante. O alt alternativ este cea a construirii unei noi uniti de ncrcare-descrcare, pentru ca simultan s poat fi operate dou camioane n paralel. Pentru a lua decizia potrivit, managerul are nevoie de informaii necesare s i fundamenteze decizia. El vrea s tie n ce msur fiecare dintre cele dou alternative pot s aduc mbuntiri i care sunt costurile asociate acestora. Dac se ia prima alternativ n calcul, managerul va trebui s identifice cteva caracteristici eseniale ale sistemului de deservire: 1. distribuia sosirilor pentru camioane; 2. distribuia timpului de servire pentru ncrcarea i descrcarea camioanelor; 3. regula de deservire aplicat n firul de ateptare.
FIRE DE ATEPTARE
107
5.1.1 Distribuia sosirilor Definirea distribuiei sosirilor pentru o linie de ateptare presupune determinarea numrului de uniti care sosesc i determinarea frecveniei sosirilor ntr-un interval de timp (de exemplu ntr-o or). Trebuie determinat aici distribuia de probabilitate a sosirilor camioanelor. Pentru cele mai multe sisteme de ateptare, sosirile au o distribuie aleatoare. Aceasta nseamn c sosirile sunt independente de alte sosiri, i nu poate fi prognozat urmtoarea sosire. n asemenea situaie, managerii pot s se bazeze pe distribuia Poisson care ofer o bun descriere a distribuiei sosirilor. Prin utilizarea distribuiei de probabilitate Poisson, probabilitatea ca s existe x sosiri ntr-un interval de timp este x e definit de realia: P(x)= pentru x natural, x! unde: x = numrul de sosiri n unitatea de timp; = media sau numrul de sosiri n unitatea de timp; e = 2,71828 este baza logaritmului natural. n cazul de fa, se determin c sosirile au o medie de trei camioane pe or ( = 3). Astfel, se deduce c: 3 x e 3 P(x)= . x! Deoarece x poate lua valorile 0, 1 sau 2 i e-3=0,0498, probabilitile ca s soseasc zero, unul sau dou camioane n sistem sunt: 30 e 3 P(x=0 camioane) = = 0,0498 0! 31 e 3 = 0,1494 P(x=1 camion) = 1!
108
FIRE DE ATEPTARE
P(x=2 camioane) =
3 2 e 3 = 0,2241. 2! Probabilitate de distribuie P(x) 0,049787068 0,149361205 0,224041808 0,224041808 0,168031356 0,100818813 0,050409407 0,021604031 0,008101512 0,002700504 0,000810151
Tabelul nr. 5. 1 Probabilitatea de distribuie a sosirilor
Numr de camioane x 0 1 2 3 4 5 6 7 8 9 10
Se pot calcula valorile lui P(x) precum n Tabelul nr. 5.1. Reprezentarea grafic a funciei P(x) este prezentat n Figura nr. 5.1. Figura nr. 5. 1
Probabilitate 0,25 0,20 0,15 0,10 0,05 0,00 1 2 3 4 5 6 7 8 9 10 11 Nr. camioane
FIRE DE ATEPTARE
109
Distribuia de probabilitate Poisson descrie sosirile camioanelor la S.C. Meteor S.A. i ajut la simplificarea analizei firului de ateptare. Este important ca dup urmrirea sosirilor n sistem pentru o perioad de timp s se observe dac distribuia Poisson reprezint o bun aproximare a situaiei reale a sosirilor camioanelor. 5.1.2 Distribuia timpilor de deservire O distribuie de probabilitate trebuie s arate ct timp este necesar pentru ncrcarea sau descrcarea unui camion. Deoarece fiecare camion poate transporta produse diferite, n cantiti diferite, timpul de ncrcare i descrcare pentru fiecare camion poate varia foarte mult. Din practic se deduce c cea mai bun aproximare pentru distribuia de probabilitate a timpilor de deservire este distribuia exponenial. Pe baza acesteia, se deduce c probabilitatea ca serviciul s fie realizat ntr-un interval specific de timp (t), se determin prin: P(timpul de deserviret) = 1-e-t unde: = media numrului de uniti pe care le poate deservi sistemul n unitatea de timp. Dac se determin c unitatea de ncrcare-descrcare poate deservi n medie 4 camioane pe or, atunci pentru = 4 se deduce: P(timpul de deserviret) = 1-e-4t Probabilitile de deservire din Tabelul nr. 5.2 au urmtoarea interpretare: pentru t=0,5 ore care au corespondent la 30 minute, P(timpul de deservire 30 minute) = 0,86466, n 86,4% din cazuri timpul de ateptare este mai mic sau egal cu 30 minute, iar pentru t=0,4 ore care au corespondent la 12 minute, P(timpul de deservire 12 minute) = 0,7981, n 79,8%
110
FIRE DE ATEPTARE
din cazuri timpul de ateptare este mai mic sau egal cu 12 minute. Tabelul nr. 5. 2 Probabilitate de distribuie exponenial Timp de deservire Timp de deservire Probabilitatea de n ore (t) n minute distribuie P(t) 0,0 0 0,00000 0,1 6 0,32968 0,2 12 0,55067 0,3 18 0,69881 0,4 24 0,79810 0,5 30 0,86466 0,6 36 0,90928 0,7 42 0,93919 0,8 48 0,95924 0,9 54 0,97268 1,0 60 0,98168 Funcia de distribuie de probabilitate ia valorile din Tabelul nr. 5.2 i este reprezentat grafic n Figura nr. 5.2. Figura nr. 5. 2 Reprezentare a probabilitii de distribuie exponeniale
probabililate 1,20 1,00 0,80 0,60 0,40 0,20 0,00 0,0 0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9 1,0 timp de deservire (ore)
FIRE DE ATEPTARE
111
Practic, funcia exponenial reprezint o nsumare a frecvenelor relative a timpilor de deservire. 5.1.3 Regula de deservire n firul de ateptare trebuie s existe o regul de deservire. De obicei aceasta este de tip FIFO1, ceea ce nseamn c deservirea se face n ordinea sosirilor, primul sosit fiind primul servit. Alte tipuri de reguli pot asocia niveluri de importan clienilor i deservirea prioritar a unora dintre acetia n defavoarea clienilor considerai de o mai mic importan.
First Input First Output
112
FIRE DE ATEPTARE
5.2 Fir de ateptare cu sosiri poissoniene i timpi de deservire exponeniali

Acest tip de fir de ateptare cu o singur unitate de deservire, cu sosiri poissoniene i timpi de deservire exponeniali se caracterizeaz prin: un singur fir de ateptare; sosirile urmeaz o distribuie de probabilitate Poisson; timpii de deservire urmeaz o distribuie de probabilitate exponenial; regula de deservire este FIFO. Dac firma S.C. Meteor S.A. se ncadreaz n acest tip de fir de ateptare atunci se consider c numrul de sosiri n unitatea de timp =3 camioane/or i media numrului de uniti deservite n sistem n unitatea de timp este =4 camioane/or. Pe baza presupunerilor anterioare, s-au elaborat urmtoarele relaii definitorii: 1. Probabilitatea ca unitatea de ncrcare-descrcare s fie liber (probabilitatea de a avea 0 camioane n sistem) este: P0 = 1- = 1-; 2. Probabilitatea de a avea n uniti n sistem: Pn = P0; 3. Numrul mediu de uniti care ateapt s fie deservite 2 (lungimea cozii): Lq= ; ( - ) 4. Numrul mediu de uniti n sistem (n curs de deservire ; plus cei care ateapt n fir): L= Lq + = -
n
FIRE DE ATEPTARE
113
5. Timpul mediu de ateptare pn la deservire: Lq Wq= = ; ( - ) 6. Timpul mediu de ateptare n sistem (ateptare plus 1 1 ; deservire): W = Wq+ = - 7. Probabilitatea ca o unitate sosit s atepte n sistem: = . Pa = Aceast probabilitate = se numete factor de utilizare a firului de ateptare. Sistemul de deservire cu o singur linie de ateptare poate fi aplicat doar dac <1. Aceast relaie este echivalent cu o medie a servirilor () mai mare dect media sosirilor (). n cazul S.C. Meteor S.A. se deduc: 3 1. P0 = 1- = 0,25, probabilitatea ca unitatea de ncrcare4 descrcare s fie liber arat c n sistem sunt 0 camioane n 25% din cazuri; 2 32 2. Lq= = = 2,25. Numrul mediu de camioane ( - ) 4(4 - 3) din coad este 2,25; 3 =3. Numrul mediu de uniti n 3. L= Lq + = = - 4-3 sistem, n curs de deservire plus cei care ateapt n fir, este de 3 camioane;
114
FIRE DE ATEPTARE
2,25 = 0,75. Timpul mediu de ateptare n fir 3 pn la deservire pentru un camion este de 0,75 ore (45 minute); 1 5. W = Wq+ = 0,75+0,25 =1. Timpul mediu de ateptare n sistem (ateptare plus deservire) este de o or pentru fiecare camion; = = 0,75. Probabilitatea arat c n 75% din 6. Pa = cazuri camioanele vor atepta deservirea.
4. Wq=
Lq
Modelul acesta furnizeaz informaii relative la caracteristicile de operare ale sistemului de deservire. Dac managerul va dori s introduc modificri n sistem, el poate s previzioneze care sunt rezultatele acestora. Modelele firelor de ateptare pot fi combinate, situaiile reale n care ele sunt ntlnite pot fi mult mai complexe. De exemplu un singur fir de ateptare i mai multe staii de deservire, pot s apar restricii privind orarul de deservire al staiilor etc. Se pot de asemenea realiza simulri pentru activitatea de deservire i se poate determina un comportament stochastic pentru unitile de deservire.
CAPITOLUL 6 SIMULAREA PROCESELOR ECONOMICE

6.1 Simularea unui proces de stocare
Un en-gross-ist cumpr marf pe care o stocheaz o anumit perioad de timp, pn n momentul n care o vinde. Se presupune c cererea se satisface la nceputul zilei. S-a observat c cererea de marf (r) a fost determinat printr-un studiu statistic. Cererea de marf este aleatoare. n tabelul de mai jos este prezentat probabilitatea asociat unui anumit nivel al cererii.
Tabelul nr. 6. 1
Nr. crt. 1 2 3 4 5 6 7 8 9 10
Valoarea cererii (r) sub 100 100 150 200 250 300 350 400 450 500
P(r) = probabilitatea de a avea nivelul cererii egal cu r 0,00 0,06 0,11 0,20 0,12 0,03 0,10 0,08 0,12 0,18
116
SIMULAREA PROCESELOR ECONOMICE
En-gross-istul trebuie s determine densitatea de repartiie a funciei P(r) notat aici prin F(r). Densitatea de repartiie reprezint probabilitatea cumulat pentru fiecare dintre valorile asociate cererii. Valoarea funciei densitii de repartiie se determin astfel: pentru o cerere sub 100 de uniti, este egal cu F(r<0)=P(r<0)=0; pentru F(r<100)= P(r<100) + P(r=100)=0+0,06=0,06 i arat c o cerere mai mic sau egal cu 100 de uniti poate s apar cu probabilitatea de 0,06; pentru F(r<150)=P(r<100)+P(r=100)+P(r=150)=0+0,06+0,11= =0,06 i arat c o cerere mai mic sau egal cu 150 de uniti poate s apar cu probabilitatea de 0,11 .a.m.d. Valorile funciei densitii de repartiie sunt prezentate n Tabelul 6.3 mpreun cu mulimile asociate valorilor acestei funcii.
Tabelul nr. 6. 2
Nr. crt. 1 2 3 4 5 6 7 8 9 10
F(r) Densitatea de repartiie 0,00 0,06 0,17 0,37 0,49 0,52 0,62 0,70 0,82 1,00
Mulimi asociate 0 0,00-0,05 0,06-0,16 0,17-0,36 0,37-0,48 0,49-0,51 0,52-0,61 0,62-0,69 0,70-0,81 0,82-0,99
117
Durata de reaprovizionare este o variabil aleatoare care are valorile posibile , determinate printr-un studiu statistic anterior i care a returnat urmtoarele rezultate.
Tabelul nr. 6. 3
Nr. crt. 1 2 3 4 5 6 7
Durat de reaprovizionare i (zile) sub 1 1 2 3 4 5 6
P(i) = probabilitatea de a realiza aprovizionarea n i zile 0,20 0,40 0,14 0,15 0,03 0,05 0,03
Pentru distribuia descris n Tabelul nr. 6.3 se determin densitatea de repartiie F(i) i mulimile asociate.
Tabelul nr. 6. 4
Nr. crt. 1 2 3 4 5 6 7 8
F(r) Densitatea de repartiie 0,00 0,20 0,60 0,74 0,89 0,92 0,97 1,00
Mulimi asociate 0 0,00-0,19 0,20-0,59 0,60-0,73 0,74-0,88 0,89-0,91 0,92-0,96 0,97-0,99
118
Se presupune c en-gross-istul se reaprovizioneaz cu o cantitate constant Q= 800 uniti de produs. De asemenea se cunosc urmtoarele informaii: - costul de reaprovizionare CQ= 50000 u.m. (cheltuieli de lansare comand, transport, cheltuieli fixe); - costul unitar este c= 2000 u.m./buc. produs; - stocul iniial este S0= 800 buc. produs. Pot fi ntlnite urmtoarele situaii: 1. stocul cererea, fapt care nu determin probleme deosebite distribuitorului; 2. stocul < cererea, situaie care poate fi rezolvat prin: a. comand special cu costuri suplimentare cs= 30 u.m./buc. produs. Comanda poate fi primit cu o probabilitate de 0,7 n ziua urmtoare i cu o probabilitate de 0,3 peste dou zile de la lasarea comenzii. b. nu exist posibilitatea de a realiza o comand special i se nregistreaz pierderi datorate nesatisfacerii cererii prin cheltuielile de penalizare Cp=100 u.m./buc. produs lips/zi. Se cere determinarea nivelului optim de stoc, prin modificarea unora dintre ipotezele de lucru (stoc iniial, politic de reaprovizionare etc.) Se poate introduce un nivel al stocului de siguran SS=500 buc., iar politica de reaprovizionare poate fi bazat pe comparaia stocului existent astfel: - S< un nivel al stocului R, situaie care implic efectuarea unei comenzi speciale; - S< SS, situaie care conduce la realizarea unei comenzi obinuite.
119
Se simuleaz valori uniform distribuite pe intervalul nchis [0, 1], pentru variabile aleatoare pe care le implic modelul:
Tabelul nr. 6. 5 Simulare variabile aleatoare
Cerere xi 0,83 0,95 0,41 0,57 0,67 0,40 0,49 0,64 0,75 0,10 0,33 0,42 0,61 0,59 0,85 0,45 0,14 0,42 0,83 0,44 Si 500 500 250 350 400 250 300 400 450 150 200 250 350 350 500 250 150 250 500 250
Durat reaprovizionare yi i 0,45 2 0,30 2 0,06 1 0,27 2 0,96 7 0,38 2 0,91 5 0,46 2 0,69 3 0,04 1 0,06 1 0,29 2 0,77 4 0,97 7 0,50 2
Zile sosire comand special ti di 0,49 1 0,91 2 0,02 1 0,26 1 0,11 1 0,90 2 0,52 1 0,42 1 0,66 1 0,85 2 0,01 1
Folosind date din tabelele de numere aleatoare se determin care este nivelul optim al stocului i al cantitii de aprovizionat.
BIBLIOGRAFIE
Blezu Dorin, Boncu Mioara Brabb J. George Charnes A. (coord.) Dinescu Constantin, Ftu Ioan Dobre Ioan, Musta Floarea Gagsdale Cliff Mitru Dorin Musta Floarea, Mrcine Virginia Naylor H. Thomas, Vernon M. John Ndejde Ileana (coord.) Nica Vasile, Musta Floarea, Ciobanu Gheorghe, Mrcine Virginia Popescu Octavian (coord.) Roca Liviu Wagner M. Harvey *** Matematici aplicate n economie, Editura Alma Mater, Sibiu Introduction to Quantitative Management, Holt Inc., 1968 Management Models and Industrial Applications of Linear Programming, John Wiley & Soons, Inc., NY, 1961 Matematici pentru economiti, vol. I, II, III, E.D.P., Bucureti, 1995 Simularea proceselor economice, Curs ASE Bucureti Spreadsheet Modelling and Decision Analysis, South-Western College Publishing, 1998 Culegere de probleme de Bazele Cercetrii operaionale, ASE Bucureti Cercetri operaionale, Curs ASE Bucureti Microeconomics and decision models of the firm, Harcourt Brace & World Inc., 1969 Probleme de cercetare operaional programare matematic -, Editura Academiei RSR, Bucureti, 1971 Cercetri operaionale I, Programare liniar, Problema de transport, Teoria jocurilor, Curs ASE Bucureti Matematici aplicate n economie, E.D.P., Bucureti, 1999 Modelare i simulare, Editura Alma Mater, Sibiu Principles of Operations Research, With Applications to Managerial Decisions, Prentice Hall, 1969 Information for Decision Making, Prentice Hall, New-Jersey, 1970

Metode Cantitative Si Calitative in Managementul Modern

Încărcat de

Informații document

Drepturi de autor

Formate disponibile

Partajați acest document

Partajați sau inserați document

Opțiuni de partajare

Vi se pare util acest document?

Este necorespunzător acest conținut?

Drepturi de autor:

Formate disponibile

Metode Cantitative Si Calitative in Managementul Modern

Încărcat de

Drepturi de autor:

Formate disponibile

CUPRINS CAPITOLUL 1 ANALIZA CANTITATIV, CALITATIV I PROCESUL DE LUARE A DECIZIEI .................................................................................................. 1.1 Procesul de analiz cantitativ ..........................................................

104 106 107 109 111 112 115 115 120

CAPITOLUL 1 ANALIZA CANTITATIV, CALITATIV I PROCESUL DE LUARE A DECIZIEI

ANALIZA CANTITATIV, CALITATIV I PROCESUL DE LUARE A DECIZIEI

ANALIZA CANTITATIV, CALITATIV I PROCESUL DE LUARE A DECIZIEI

ANALIZA CANTITATIV, CALITATIV I PROCESUL DE LUARE A DECIZIEI

ANALIZA CANTITATIV, CALITATIV I PROCESUL DE LUARE A DECIZIEI

Intrri controlabile (Variabile de decizie)

Ieiri (Rezultate proiectate)

ANALIZA CANTITATIV, CALITATIV I PROCESUL DE LUARE A DECIZIEI

max P = 10x Nivelul cantitii produse (x) Intrri

Profitul proiectat i respectarea restriciei timpului de Ieiri

Figura nr. 1. 2 Reprezentarea modelului de producie

ANALIZA CANTITATIV, CALITATIV I PROCESUL DE LUARE A DECIZIEI

ANALIZA CANTITATIV, CALITATIV I PROCESUL DE LUARE A DECIZIEI

ANALIZA CANTITATIV, CALITATIV I PROCESUL DE LUARE A DECIZIEI

ANALIZA CANTITATIV, CALITATIV I PROCESUL DE LUARE A DECIZIEI

Alternativa de decizie (Cantitatea de produs) x 0 2 4 6 8 10 12

Profitul proiectat 0 20 40 60 80 100 120

Total ore de producie 0 10 20 30 40 50 60

Soluie fezabil? (capacitatea =40) Da Da Da Da Da Nu Nu

ANALIZA CANTITATIV, CALITATIV I PROCESUL DE LUARE A DECIZIEI

ANALIZA CANTITATIV, CALITATIV I PROCESUL DE LUARE A DECIZIEI

ANALIZA CANTITATIV, CALITATIV I PROCESUL DE LUARE A DECIZIEI

CAPITOLUL 2 MODELAREA PROBLEMELOR DE TRANSPORT

Unitatea de producie Braov Cluj Oradea

Capacitatea d producie lunar (buc) 5.000 6.000 2.500 13.500

MODELAREA PROBLEMELOR DE TRANSPORT

Centru de distribuie Bucureti Craiova Constana Iai

Cerere lunar previzionat (buc.) 6.000 4.000 2.000 1.500 13.500

MODELAREA PROBLEMELOR DE TRANSPORT

numesc arce. Graful care corespunde nodurilor interconectate se numete reea.

MODELAREA PROBLEMELOR DE TRANSPORT

Tabelul nr. 2. 3 Costul transportului

Surse Braov Cluj Oradea

Destinaii Craiova Constana 2 7 5 2 5 4

MODELAREA PROBLEMELOR DE TRANSPORT

2.2 PROBLEMA DE TRANSPORT: O PROBLEM DE PROGRAMARE LINIAR

MODELAREA PROBLEMELOR DE TRANSPORT

5000 6000 2500 = 6000 = 4000 = 2000 = 1500

MODELAREA PROBLEMELOR DE TRANSPORT

MODELAREA PROBLEMELOR DE TRANSPORT

MODELAREA PROBLEMELOR DE TRANSPORT

MODELAREA PROBLEMELOR DE TRANSPORT

cu cererea total ( di ), o surs fictiv va oferi exact

MODELAREA PROBLEMELOR DE TRANSPORT

2.3 PROBLEMA DE TRANSPORT. PROCEDUR PRACTIC DE REZOLVARE

Oferta sursei 5000 6000 2500 13500

Celul corespunztoare transportului de la Oradea la Bucureti

MODELAREA PROBLEMELOR DE TRANSPORT

MODELAREA PROBLEMELOR DE TRANSPORT

MODELAREA PROBLEMELOR DE TRANSPORT

Destinaii Craiova Constana 2 7 4000 5 2 5

Destinaii Craiova Constana 2 7 4000 5 2 5 4

MODELAREA PROBLEMELOR DE TRANSPORT

Destinaii Craiova Constana 2 7 4000 5 2 2000 5 4

Destinaii Craiova Constana 2 7 4000 5 2 2000 5 4

MODELAREA PROBLEMELOR DE TRANSPORT

Destinaii Craiova Constana 2 7 4000 5 2000 5 4 2

MODELAREA PROBLEMELOR DE TRANSPORT

sursei Cluj i coloana corespunztoare destinaiei Bucureti se taie.

Cantitatea transportat 1 000 4 000 2 500 2 000 1 500 2 500 13500

Cost total 3 000 8 000 17 500 4 000 4 500 5 000 42 000

MODELAREA PROBLEMELOR DE TRANSPORT