TEORIJA ODLUIVANJA

1. ODLUIVANJE U USLOVIMA IZVIJESNOSTI KVANTITATIVNI MODELI I

METODE U FUNKCIJI POSLOVNOG ODLUIVANJA

Rijeavanje problema primjenom modela linearnog programiranja prolazi kroz sledee
faze:
- Izbor problema. Najprije se mora odabrati problem za rjeavanje. Pri tome je neophodno da se
posebno ispitaju karakteristike svih pojava koje ga formiraju, da se ustanove meusobni
odnosi, meusobna zavisnost ovih pojava. Najvanije je da se provjeri, da li problem ima
karakteristike koje su potrebne da bi se mogao rijeiti metodama linearnog programiranja.
- Izbor metode. U zavisnosti od izabranog problema i njegovih karakteristika vri se izbor
adekvatne metode linearnog programiranja.
- Prikupljanje podataka. Vana, zahtjevna i obimna faza rada je prikupljanje podataka. Tanost
i valjanost optimalnog rjeenja zavisi od tanosti i istinitosti polaznih pretpostavki, meu
kojima posebno mjesto pripada odgovarajuem dokumentacionom materijalu. Metode
linearnog programiranja ne mogu poboljati kvalitet optimalnog rjeenja iznad kvaliteta
podataka koji sainjavaju model. Metode omoguavaju i olakavaju pronalaenje
optimalnog izmeu veeg broja moguih rjeenja, koje zadovoljava postavljeni kriterij
optimalnosti. Zakljuujemo da se ovoj fazi mora posvetiti najvie panje.
- Formiranje modela. Problem se moe uspjeno rijeiti samo ako se predstavi u obliku
podesnog matematikog modela. Podesan matematiki model je onaj koji najvjernije
predstavlja posmatrani problem. Model treba da bude takav da reaguje na sve promjene
njegovih parametara, kako bi reagovao stvarni problem pod uticajem promjene
ograniavajuih faktora. Odabir ograniavajuih faktora i njihovo kvantitativno izraavanje
trai angaovanje i timski rad razliitih strunjaka, kako bi se obezbjedilo da se stvarni
problem rjeava kroz njegov teoretski matematiki model.
- Rjeavanje problema. Formirani model se rjeava primjenom neke od metoda linearnog
programiranja. U dananje vrijeme problemi iz domena linearnog programiranja se
rjeavaju primjenom raunara.
- Analiza optimalnog rjeenja. U ovoj fazi se vri prevoenje dobijenog optimalnog rjeenja sa
jezika elektronske maine i vri se sistematska analiza tog rjeenja. U ovoj fazi treba da se
ispita i da li je optimalno rjeenje primjenjivo, odnosno koliko je ono stabilno u odnosu na
oekivane promjene.
1


1.1.Donoenje odluka u uslovima izvjesnosti

Proizvodni problem predstavlja svaki onaj upravljaki zadatak koji podrazumijeva da
se ustanovi optimalan obim proizvodnje proizvoda koji su predmet poslovne aktivnosti
konkretnog poslovnog sistema, uz postojanje odreenog broja ograniavajuih faktora ali uz
ostvarivanje unaprijed postavljenih ciljeva. Ograniavajui faktori se odnose na operativne
resurse koji preteno obuhvataju:
- Radnu snagu,
- Predmete rada,
- Sredstva za rad,
- Trine faktore u pogledu mogueg plasmana,
- Mogunosti transporta,
- Mogunosti skladitenja i sl.
U kontekstu ograniavajuih faktora vano je napomenuti da je neophodno obuhvatiti
sa jedne strane raspoloive koliine pojedinih resursa, sa druge strane iskoritenje pojedinih
resursa, a meu njima odgovarajui relacijski znak.

ZAHTIJEV U POGLEDU KORITENJA RESURSA RELACIJSKI ZNAK
SVE =
MINIMALNO >
MAKSIMALNO s
TABELA 1. Postupak usklaivanja zahtijeva u pogledu upotrebe resursa i relacijskog znaka u
ogranienjima matematikog modela

U kontekstu postavljenih ciljeva najei sluajevi su:
- Maksimalan prihod od prodaje,

1
Stanojevi, R.(1966.) Linearno programiranje, Beograd: Institut za ekonomiku industrije, str. 15
- Maksimalan profit,
- Minimalni trokovi,
- Ostvarivanje ciljanog obima proizvodnje i sl.
Matematiki model kojim moemo rijeiti opisani problem u optem sluaju moemo
efikasno rijeiti opisani problem u optem obliku glasi:
0
; (max)
0
0
>
s
+ =
X
A X A
C X C z

Gdje su:
Z funkcija cilja, odnosno funkcionalni izraz ukupno ostvarenog profita
C kriterijumski vektor, ije koordinate su jedinini profit po osnovu realizacije pojedinih
proizvoda;
C
0
fiksni profit;
X vektor aktivnosti, ije koordinate su koliina pojedinih proizvoda u proizvodnom
asortimanu;
A matrica ogranienja, iji elementi oznaavaju utroak operativih resursa u odnosu na
komponenete aktivnosti;
A
0
vektor kapaciteta, ije koordinate oznaavaju kapacitet pojedinih resursa;
Optimalno rijeenje modela omoguava realizaciju poslovne aktivnosti uz racionalnu
upotrebu ogranienih operativnih resursa, uz ostvarivanje maksimalno mogueg profita, pod
postojeim uslovima.

1.2.Opis problema
Preduzee proizvodi dva proizvoda A I B. Proizvodnja ovih proizvoda odvija se pod
sledeim uslovima:
- U procesu proizvodnje angauju se radnici struke R, ije angaovanje ne smije biti iznad
70 sati u planskom periodu. Proizvodi A I B zahtijevaju po 2, odnosno 1 sat angaovanja
ovih radnika, respektivno;
- U procesu proizvodnje koristi se I sirovina S, tako da za jednu jedinicu proizvoda A i B
treba po 3, odnosno 4 jedinice sirovine S respektivno. Sirovine S moe se nabaviti najvie
180 jedinica;
- U procesu proizvodnje angauju se i sredstva za rad (maine M) iji radni kapacitet u
planskom periodu iznosi 150 radnih sati. Za jedan sat rada proizvodnih postrojenja
proizvede se 1 jedinica proizvoda A, i 0,25 jedinica proizvoda B;
- Prema ugovoru sa potencijalnim kupcima, kupci su spremni da kupe najvie 60 proizvoda
ukupno bez obzira na vrstu;
- Profit po jedinici proizvoda A I B iznosi 20 I 23 KM respektivno.
Potrebo je odrediti optimalan program izrade proizvoda A I B ako je cilj maksimalan ukupni
profit!

1.3.Prevoenje opisanog problema u adekvatan matematiki model

Naprijed opisana upravljaki problem uspjeno se rijeava primjenom modela I metoda
linearnog programiranja. Tako da opisanom problemu odgovara sledei model linearnog
programiranja:
a) Funkcija cilja
()

b) Sistem ograniavajuih faktora
(1)

(2)

(3)

(4)

(5)

Gdje su:
X
1
broj proizvedenih proizvoda A izraeno u komadima;
X
2
broj proizvedenih proizvoda B izraeno u komadima;
Pojedine relacije u modelu imaju sledea znaenja:
Funkcija cilja predstavlja funkcionalni izraz ukupno ostvarenog profita po osnovu realizacije
proizvedenih koliina proizvoda A I B;
Relacijom (1) izraavamo mogunost iskoritenja radne snage u procesu proizvodnje, u pogledu
radnika sruke R;
Relacijom (2) izraavamo mogunost iskoritenja sirovine S u procesu proizvodnje;
Relacijom (3) izraavamo mogunost iskoritenja kapaciteta proizvodnih kapaciteta maine M u
procesu proizvodnje;
Relacijom (4) izraavamo mogunost plasmana ostvarenog obima proizvodnje;
Relacija (5) izraava cjelobrojnosti za relizovani proizvodni asortiman.

1.4.Rijeavanje formiranog matematikog modela instalacija i upotreba Solvera

Rijeavanje formiranog matematikog modela zahtijeva primjenu adekvatnih metoda ili
gotovih softverskih paketa, najenjenih efikasnom rijeavanju formiranog matematikog modela,
a time I informacionu podlogu generisanju upravljake platform u procesu formulisanja
efikasnih poslovnih strategija.
Postupak instalacije Solver a:
- Korak 1. Office Button Excel Options
- Korak 2. Add Ins; Excel Add Ins izbor opcije GO
- Korak 3. Add Ins Available oznaiti opciju Solver Add Ins I kliknuti OK
- Korak 4. Instalacija je zavrena I Solver se nalazi na meniju u opciji Data.
Upotreba Solver a zahtijeva:
- Definisanje promjenljivih u modelu. U odabranom polju upiu se nazivi promjenljivih u
modelu, najbolje jedna ispod druge. U konkretnom sluaju promjenljive u modelu su X
1
I
X
2
upisane u polja A1, odnosno A2 tabele u Excel u;
- Prije rijeavanja modela promjenljivim se dodijeljuje vrijednost 0 u polju nasuprot naziva
tabele, u konkretnom prmjeru polja B1, odnosno B2;
- Radi vee preglednosti I mogunosti primjene u promjenjenim okolnostima u polja tabele
unijete su koordinate kriterijumskog vektora, kao I matrice tehnikih koeficijenata, te
njima odgovarajue vrijednosti. Koordinate kriterijumskog vektora u poljima B4, B5 I
B6, a njihove vrijednosti u polja C4,C5 I C6, dok su koordinate matrice A smjetene u
poljima C4, C5, C6; E4, E5, E6; G4, G5, G6; I4, I5 I I6, dok su njihove vrijednosti
smjetene u polja D4, D5, D6; F4, F5, F6; H4, H5, H6; J4, J5 I J6;
- Definisanje vrijednosti funkcije cilja ukljuuje mogunost maksimalne, minimalne ili
odgovarajue ciljane vrijednosti cilja kome tei poslovni sistem. U konktetnom sluaju
funkcija cilja je maksimalna vrijednost ostvarenog profita, to je zapisano u polju B9, a
izraunava se po obrascu =B1*B4+B2*B5+B6, korespodentno postavljenom modelu;
- Ograniavajui faktori, kao to je naprijed napomenuto, ukljuuju: naziv resursa, obim
iskoritenosti, relacijski znak, raspoloivost resursa, ali I mogunost utvrivanja
neiskoritenog dijela raspoloivog resursa. Naziv resursa uneseni su u polja B11, B12,
B13 I B14, pojednostavljeno R1 odnosi se na radnu snagu struke R, R2 odnosi se na
sirovinu S, R3 odnosi se na kapacitet proizvodnih kapaciteta maine M, R4 odnosi se
na trini potencijal mogunost plasmana. Iskoritenost resursa izraunavamo na
sledei nain:
Naziv resursa Izraunavanje obima iskoritenja
R1 =B1*D4+B2*D5
R2 =B1*F4+B2*F5
R3 =B1*H4+B2*H5
R4 =B1*J4+B2*J5
TABELA 2. Oderivanje stepena iskoritenja pojedinih resursa
Relacijski znak u svim ogranienjima je s, to je uneseno u polja C11, C12, C13 I C14,
dok je raspoloivost pojedinih resursa unesena u polja D11, D12, D13 I D14.
- Nakon opisanih radnji spremni smo rijeavati model matematikog programiranja
pomou Solver a, pri emu otvaramo solver I izvravamo sledee radnje
- Set target cell, zahtijeva da kliknemo na polje u kome je unseen obrazac za
izraunavanje vrijednosti funkcije cilja polje B9;
- Equal to, zahtijeva da se odabere maksimalna, minimalna ili ciljana vrijednost
funkcije cilja u modelu. U konkretnom sluaju to je (max), kao to je I oznaeno;
- Gesses unoenje promjenljivih, odnosno polja u kojima su vrijednosti
promjenljivih u modelu. U konkretnom sluaju to su polja B1 i B2;
- Subject to the Constraints, podrazumijeva unos ograniavajuih faktora
izborom opcije Add, ponuene opcije Change I Delete, omoguavaju
promjenu ili brisanje u sluaju greke. Izborom opcije Add iskoritenje resursa
unosimo u polje Cell References. U srednje polje u kome se inicijalno nalazi
znak biramo relacijski znak, pri emu ponuene opcije podrazumijevaju jo
>, =, int i bin. Relacijski znak dodijeljuje se ogranienju u skladu sa
formiranim modelom, dok se ostale opcije dodijeljuju promjenljivim u modelu u
skladu sa postavljenim zahtijevima da promjenljiva rijeenjem modela ima
binarnu (vrijednost 0 ili 1) ili cijelobrojnu vrijednost (kod nedijeljivih proizvoda).
Raspoloivost resursa unosimo u polje Constraints. Sve klikom na polje tabele
u kome se nalaze navedene vrijednosti (izuzev relacijskog zanaka). Sledee
ogranienje unosimo izborom opcije Add, Cancel otkazujemo unos, a
opcijom OK zavravamo unos.
- Options, biramo brzinu, tanost, uslove rjeavanja, kao i vrstu modela. U
modelu promjenljive moraju biti nenegativne to omoguava aktiviranje opcije
Assume Non - Negative, potvrdu da je rije o linearnom modelu aktiviramo
opcijom Assume Linear Model. Navedeno je potrebno za efikasno rijeavanje
postavljenog modela;
- Opcijom Solve rijeavamo model, postepeno ili odjednom. Kada se pojavi
opcija solver found solution model je rijeen. Optimalno rijeenje modela
moemo prikazati sledeom tabelom:
(MAX);Z 1090

RESURS ISKORITENOST
RELACIJSKI
ZNAK RASPOLOIVOST

NEISKORITENOST
R1 70 <= 70

0

R2 180 <= 180

0

R3 140 <= 150

10

R4 50 <= 60

10


X1 20

x2 30
TABELA 3. Rijeenje modela matematikog programiranja dobijeno solverom

1.5.Donoenje upravljakih odluka na bazi modeliranih rezultata

Optimalna identifikacija obima I strukture proizvodnog asortimana podrazumijeva da se
preduzetnik opredjeli za proizvodni asortiman koji mu omoguava maksimalan ukupni profit.
Modelirani rezultati trebaju biti ukljueni u procesu donoenja strategijskih poslovnih
odluka, a modelirane upravljake informacije ukazuju na sledee:
- Maksimalno mogu ukupni profit preduzea pod navedenim uslovima je 1.090 KM ;
- Ostvareni obim poslovne aktivnosti indirektno proizilazi iz programiranog obima odnosi
se na 20 jedinica proizvoda A I 30 jedinica proizvoda B;
- Radna snaga I osnovna sirovina potpuno su iskoriteni programiranim reimom, dok su
neiskoriteni radni kapacitet proizvodnih kapaciteta maine M, te obim nezadovoljene
tranje iznost 10 sati rada maine I 10 jedinica proizvoda.
Uspostavljanje optimalnog proizvodnog programa sa ciljem maksimalne visine
ostvarenog profita omoguava povoljnu konkurentsku poziciju preduzea.
Promjena proizvodnih mogunosti revidira obim proizvodne aktivnosti tako da se nove
promjenljive, konstante ili parametri uvrste u model I Solver om pronae novo optimalno
rjeenje. U prilogu je prikazana upotreba softverskog alata Solver u dokumentu pod
nazivom SOLVER.

2. ODLUIVANJE U USLOVIMA NEIZVJESNOSTI IGRE PROTIV PRIRODE

Veliki broj upravljakih zadataka odnosi se na upravljake situacije u kojima se ne
raspolae sa potpunim informacijama u postupku donoenja odluke. Rijeavanje takvih
zadataka je skopano sa rizikom i spada u domen matrinih igara i statistikog odluivanja.
Teorija igara predstavlja matematiku teoriju konfliktnih situacija. Osnovni elementi u
teoriji igara su:
2

- igra, predstavlja skup pravila, dogovora ili konvencija kojih se moraju pridravati
uesnici u konfliktnoj situaciji,
- strategija, je plan razvoja igre, neka od akcija za koju e se odluiti jedan od igraa u
konfliktnoj situaciji. Drugim rijeima, strategija predstavlja skup informacija koji je
kompletan u smislu da jednom igrau otkriva na koji nain se treba ponaati u datom
trenutku,

2
Miki, . (2007.) Teorija I strategija odluivanja kriterijumski izbor upravljakih opcija, Banja Luka:
Panevropski Univerzitet Apeiron, str.
- potez, je izbor jedne od strategija. Igra se realizuje tako to suprostavljeni igrai biraju
neku od raspoloivih strategija tako da njihov protivnik ne zna za koju se strategiju u
datom trenutku igra odluuje. Tajnost izbora strategije je bitan element konfliktnih
situacija.
Samo upravljanje konfliktnim situacijama, tj.biranje vrijednosti onih argumenata koji
su pod kontrolom jednog od igraa zavisie od procjene igre, verziranosti samog igraa, od
njegove logike rezonovanja i sl.

Ako se igra moe matematiki modelirati, strategija se moe
raunati, odnosno rigorozno odreivati i tako svaka neloginost u upravljanju konfliktnom
situacijom iskljuiti
3
.

Postupci za analizu konfliktnih situacija matematikim putem
zasnivaju se na matrinim i diferencijalnim igrama i Lanchester ovom modelu. Optimalno
rijeenje modela kojeg karakterie konfliktna situacija je izbor strategije kojom se rijeava
konfliktna situacija i da igrai pri tome ostvare maksimalnu dobit, odnosno minimalan
gubitak nezavisno od toga koju strategiju zauzme njegov protivnik u konfliktnoj situaciji.
Uesnici u konfliknih situacija mogu biti razboriti, odnosno mogu teiti da zauzmu onu
strategiju koja je za njih najpovoljnija. Pored toga, uesnici u konfliktnih situacija mogu biti
ovjek i priroda, takve igre karakterie uslovna nerazboritost prirode kao protivnika u
konfliktnoj situaciji, ovjek kao uesnik u igri protiv prirode ne moe raunati da e priroda
zauzet za ovjeka najnepovoljniju strategiju. Ovakve igre karakterie odluivanje u uslovima
neizvjesnosti.

2.1.Donoenje odluka u uslovima neizvjesnosti

U problemima istraivanja trita nekog novog proizvoda, su kljuni problemi u
poslovanju novih preduzea ili preduzea u fazi osnivanja. Preduzee e odrediti razliite
varijante ulaganja u taj proces u zavisnosti od toga kakva stanja oekuje na tritu tog
proizvoda, sa jedne strane, kao i mogunosti finansiranja poslovnog procesa, sa druge strane.
Kod ove vrste igara ne moe se apriori primjeniti kriterij max min, koji se primjenjuju u
sluajevima konfliktnih situacija izmeu dva razborita protivnika, jer ovjek ko uesnik u
sukobu ne moe biti siguran da e priroda zauzeti za njega najnepovoljniju strategiju.

3
Petri, J.J. (1973.) Operaciona istraivanja II, Beograd: Fakultet organizacionih nauka, str. 39.

Optimalna strategija za ovjeka odreuje se koritenjem nekih od kriterija, koji se
prilagoavaju problemu igre protiv prirode. Ti kriteriji su:
1. Hurwicz ov
2. Wald ov
3. Laplace ov
4. Savage ov
5. Bayes ov
Postoji mogunost da se na isti problem primjeni vie kriterija istovremeno i da se na
osnovu dobijenih rezultata donese odluka o izboru optimalne strategije za preduzee. Pri
tome, je poeljno koritenje neparnog broja kriterija da se ne bi desilo da dvije ili vie
strategija nau u situaciji da su najpovoljnije za ovjeka.
Prilikom rjeavanja konfliktne situacije polazi se od matrice plaanja, odnosno matrice
cijena. Matrica cijena (M) predstavlja matricu u kojoj su elementi u redovima vezuju se za
strategiju igraa A (ovjeka), a elementi u kolonama se vezuju za strategiju igraa B
(prirode). Elementi matrice M predstavljaju dobitke za igraa A, odnosno gubitke za igraa B
ukoliko su elementi matrice u
ij
> 0, ili gubitke za igraa A, odnosno gubitke za igraa A
ukoliko je u
ij
< 0. Ukoliko se pojavi element matrice M ija vrijednost u
ij
= 0, odnosi se na
sluaj da igraa nema dobitak niti gubitak, odnosno da je dobitak po osnovu poslovanja
jednak trokovima poslovanja. Matrica plaanja u optem sluaju izgleda ovako:

Pri emu su A
1
, ... , A
n
strategije ovjeka, a S
1
, ... , S
m
stanja prirode.
U narednim izlaganjima ukratko naine i efekte upotrebe navedenih kriterija u
rijeavanju konfliktnih situacija.
2.1.1. Hurwicz ov kriterij kao

Koritenje ovog kriterija zahtijeva da se odredi koeficijent optimizma
i
, koji mora
ispunjavati uslov 0 1. Koeficijent optimizma odreuje se empirijski. Nakon toga se u
matrici plaanja za svaku strategiju odrede vrijednosti:

}
Dalje se problem rijeava u zavisnosti od prirode vrijednosti elemenata matrice plaanja.
Ukoliko su elementi matrice plaanja u
ij
dobici za ovjeka tada e optimalna biti ona
strategija koja ima maksimalnu vrijednost linearne kombinacije, odnosno:

( )

+
Ako su elementi matrice plaanja gubici za ovjeka, optimalna strategija minimizira
vrijednost izraza:

( )

+
Kada je = 0, Hurwicz eo kriterij svodi se na kriterij

}
Navedena situacija opisuje ovjeka kao krajnjeg pesimistu.
Ukoliko je = 1, imamo sluaj ekstremnog optimizma, i ovaj kriterij se svodi na kriterij

}
Navedena situacija opisuje ovjeka kao krajnjeg pesimistu.
2.1.2. Wald ov kriteri

Je kriterij krajnjeg pesimizma. To znai ako je cilj ostvarivanje maksimalne dobiti za
ovjeka ovaj kriterij se svodi na:

}
Ako su elementi matrice plaanja gubici za ovjeka ovaj kriterij glasi:

}
Na bazi vrijednosti naprijed navedeni izraza ovjek bira optimalnu strategiju.
2.1.3. Laplace ov kriterij

Ovaj kriterij naziva se i kriterij racionalnosti, jer polazi od pretpostavke da nije mogue
izraunati vjerovatnou nastupanja pojedinih stanja, odnosno strategija prirode. Sledea
pretpostavka je da su sva stanja prirode jednako mogua. Tako da, ukoliko imamo matricu
plaanja iji su elementi u
ij
dobici za ovjeka, traimo:

}
Ukoliko su elementi matrice plaanja gubici za ovjeka, potrebno je odrediti vrijednost:

}
Na bazi vrijednosti naprijed navedeni izraza ovjek bira optimalnu strategiju.

2.1.4. Savage ov kriterij

Koritenje ovog kriterija zahtijeva da se formira nova matrica plaanja, koja se naziva
matrica aljenja ili matrica proputenih ansi. Svaki element te matrice pokazuje koliki je
proputeni dobitak ovjeka, zato to nije znao za koju e se strategiju odluiti. Elementi
matrice aljenja r
ij
raunaju se pomou obrasca:

+
Kada se formira matrica aljenja koristi se neki od navedenih kriterija da se odredi
optimalno rijeenje polazei od matrice aljenja.
Kada se pobrojani kriteriji primjene na konfliktnu situaciju u kojoj su uesnici konflikta
ovjek i priroda, sumiraju se rezultati i pronalazi optimalne strategije za ovjeka uesnika u
sukobu. To je takva strategija koja mu obezbjeuje maksimalno moguu dobit ili minimalan
gubitak, zavisno od polaznih pretpostavki.

2.1.5. Bajsov kriterij
Upotreba ovog kriterija zahtijeva da se odrede vjerovatnoe nastanka pojedinih stanja prirode.
Oznaimo li ta stanja sa P(S
j
) vjerovatnoa nastanka j tog stanja prirode.
Pri emu je

()

= 1 , 0 P(S
j
) 1


Ako su u
ij
dobici za ovjeka optimalna je ona strategija koja maksimizira linearnu kombinaciju:
max{

P(S
j
) }
Ukoliko su u
ij
gubici za ovjeka optimalna je ona strategija koja minimizira linearnu kombinaciju:
min{

P(S
j
) }



2.2. Opis problema odluivanja
Trgovako preduzee planira nabavku novogodinjih jelki povodom novogodinjih praznika. Mogua
tranja za novogodinjim jelkama je:
- Pesimistina; 500 komada
- Umjerena; 1000 komada i
- Optimistina; 1500 komada.
Jelke se nabavljaju po cijeni od 80 KM po komadu, prodju po cijeni 100 KM/kom, nabavljeni viak
se moe prodati u ogrijev po cijeni od 30 KM/kom. Trokovi nabavke (bez obzira na nabavljenu
koliinu) iznose 1000 KM. Potrebno je odrediti optimalnu nabavaku jelki koritenjem:
A. Hurvievog kriterija =0,2;
B. Valdovog kriterija;
C. Laplasovog kriterija;
D. Sevidevog kriterija, tako da se na sevidevu matricu primjeni Laplasov;
E. Sva etri prethodna zajedno;
F. Bajsovog kriterija, ako se umjerena i optimistina tranja oekuju sa vjerovatnoom od po
40%.

2.3. RIJEAVANJE PROBLEMA

Za potrebe rijeavanja problema neophodno je rijeavanja problema neophodno je formirati
matricu plaanja. U kontekstu navedenog polazimo od definisanja strategija ovjeka, koje su u
konkretnom primjeru:
A1 NABAVITI 500 KOMADA JELKI
A2 NABAVITI 1000 KOMADA JELKI
A3 NABAVITI 15000 KOMADA JELKI
ovjek, kao donosilac odluke se suprostavlja prirodi, odnosno za njega je vano da prepozna
i obuhvati mogua stanja prirode, koja su u konkretnom problemu:
S1 TRANJA (MOGUNOST PRODAJE) IZNOSI 500 KOMADA JELKI
S2 TRANJA IZNOSI 1000 KOMADA JELKI
S3 TRANJA IZNOSI 1500 KOMADA JELKI
Elementi matrice plaanja treba da pokau vrijednost ishoda svake pojedine kombinacije
stanja prirode i strategije ovjeka, a u posmatranom primjeru to se odnosi na:
U
11
= - 1000 + 500*(100-80) = 9000
U
12
= -1000 + 500*(100-80) 500*(100-80) = -1000
U
13
= -1000 + 500*(100-80) 1000*(100-80) = - 11000
U
21
= -1000 + 500*(100-80) + 500*(30-80) = - 16000
U
22
= - 1000 + 1000*(100-80) = 19000
U
23
= - 1000 + 1000*(100-80) 500*(100-80) = -6000
U
31
= -1000 + 500*(100-80) 1000*(30-80) = -41000
U
32
= -1000 + 1000*(100-80) 500*(30-80) = -6000
U
33
= -1000+ 1500*(100-80) = 29000
Matrica plaanja obuhvata:
- Trokove nabavke od 1000 KM;
- Profit po osnovu realizacije nabavljene koliine koji se izraunava kao proizvod izmeu
prodane koliine Qp=(MIN(Qn;Qt)) razlike izmeu prodajne i nabavne cijene;
- Trokova proputene dobiti;
- Profita po osnovu realizacije prometnih vikova Qpz*(Pc Nc); gdje je Qpz = Qn Qp;
Qpz > 0.

[



]

2.3.1. PRMJENA HURVIEVOG KRITERIJA

STRATEGIJA Mi mi ( )
A1 9 -11 0,2*9+0,8*(-11)=-7
A2 19 -16 0,2*19+0,8*(-16)=-9
A3 29 -41 0,2*29+0,8*(-41)=-27
ODLUKA A1;A2;A3

2.3.2. PRIMJENA VALDOVOG KRITERIJA
STRATEGIJA
A1 -11
A2 -16
A3 -41
ODLUKA A1;A2;A3

2.3.3. PRIMJENA LAPLASOVOG KRITERIJA
STRATEGIJA

A1

( )
A2

( )
A3

( )
ODLUKA A1 ili A2;A2 ili A2; A3

2.3.4. PRIMJENA SEVIDEVOG KRITERIJA

[



]

STRATEGIJA

ij
A1

( )
A2

( )
A3

( )
ODLUKA A1 ili A2;A2 ili A2; A3

2.3.5. ODLUKA
KRITERIJ HURVI VALD LAPLAS SEVID ODLUKA
A1 A1 A1 ili A2 A1 ili A2 A1
A2 A2 A2 ili A1 A2 ili A1 A2
A3 A3 A3 A3 A3
OPTIMALNO JE NABAVIT 500 KOMADA

2.3.6. PRIMJENA BAJSOVOG KRITERIJA
Primjene bajsovog kriterija podrazumijeva da se odrede vjerovatnoe nastanka svih pojedinih
stanja prirode, konkretno to je:
P(S1) + P(S2) + P(S3) =1
P(S1)+0,4+0,4 = 1 P(S1) = 1 - 0,8 = 0,2
STRATEGIJA 0,2*Ui1+0,4*Ui2+0,4*Ui3
A1 0,2*9+0,4*(-1)+0,4*(-11)=-3
A2 0,2*(-16)+0,4*(19)+0,4*(-6)=2
A3 0,2*(-41)+0,4*(-6)+0,4*(29)=1
ODLUKA A2;A3;A1
OPTIMALNO JE NABAVITI 1000 KOMADA JELKI.

3. ODLUIVANJE U USLOVIMA RIZIKA

Model simulacije mora biti konstruisan namjenski za svaku situaciju odluivanja, po svojoj
proirodi zahtijeva specifikaciju promjenljivih i parametara u modelu, a uslovi pod kojima se
sistem posmatra moraju biti prilagoeni konvencionalnim pravilima odluivanja, kako bi se
utvrdila vjerovatnoa odgovarajuih sistemskih kategorija upotrebom sluajnog izbora.

3.1.Monte Carlo metoda modela simulacije

Tehnika se sastoji u simulaciji eksperimenta, gdje se donosilac odluke igra sa sistemom
izgraenim po mjeri ovjeka, istraujui efekte izabrane alternative u skadu sa odabranim
opcijama u odgovarajuem vremenskom intervalu, sa zadatkom da se analiza ponaanja sistema
uskladi sa formulisanim ciljevima, te da se sagledaju implikacije prije ili u toku izvrenja.
Sutina Monte Carlo tehnike, sastoji se od simulacije eksperimenta kako bi se utvrdila
vjerovatnoa odgovarajuih sistemskih osobina upotrebom sluajnog izbora. Procedura analize
rizika navedenom tehnikom omoguava preciznu logiku proceduru modeliranja vjerovatnoe
kriterijumske promjenljive (y) kroz sledee faze:
- Identifikacija kriterijumske i relevantnih nezavisnih promjenljivih;
- Kvantifikacija promjenljivih;
- Meusobni odnosi promjenljivih;
- Ocjena raspodjele vjerovatnoe za ulazne promjenljive;
- Ocjena raspodjele vjerovatnoe zavisne promjenljive (y) na bazi raspodjele nezavisnih
promjenljivih (x
1
, x
2
, ... , x
n
);
- Koritenje tehnike Monte Carlo simulacije za dobijanje zadovoljavajue raspodjele
vjerovatnoe izlazne promjenljive;
- Evaluacija projekta koristei dio ili sve informacije sadane u ocjenjenoj raspodjeli.
4



3.2.OPIS PROBLEMA ODLUIVANJA
Pekarska radnja planira proizvodnju hljeba. Vlasnik pekarske radnje zna da se tranja za hljebom
kree u intervalu od 30.000 do 70.000 komada, a poznate su mu ii apsolutne frekvencije tranje, to je
prikazano u sledeoj tabeli:
QT(000 KOM) 30 40 50 60 70
F(QT) 20 10 40 10 20
Hljeb se proizvodi za sljedei dan kada se primju i porudbine i isporuuje kupcima. Trokovi
proizvodnje jednog hljeba su 0,5 KM/kom. Prodajna cijena jednog hljeba je 0,7 KM/kom.

4
Miki, . (2007.) Teorija I strategija odluivanja kriterijumski izbor upravljakih opcija, Banja Luka:
Panevropski Univerzitet Apeiron, str.157.
Neprodana koliina se prerauje u prezle koje se realizuju po cijeni 0,2 KM za koliinu dobijenu
od jednog hljeba.
Vaee pravilo je da se proizvodi koliina prodana prethodni dan, ali je vlasnik miljenja da navedeno
treba preispitati. Potrebno je napraviti simulaciju i na bazi 7 radnih dana i odluiti da li je bolje
nastaviti sa dosadanjom praksom ili proizvoditi oekivanu vrijednost tranje u analizi koristiti
sluajne brojeve: 56; 74; 92; 16; 07; 37 I 25.

Sa raspoloivom informacionom podlogom steeni su uslovi za izvoenje simulacije u cilju
adekvatnog izbora ponuenih upravljakih opcija. Potrebno je naglasiti da u provedenoj
simulaciji oznake imaju sledea znaenja:
- Simulacija se bazira na uzorku od 7 sluajno odabranih vremenskih intervala koji su
navedeni u koloni R.B. (redni broj);
- SB oznaava sluajne brojeve;
- Predvienom intervalu oitavanjem dodijeljujemo adekvatnu tranju (Qt) skladno
intervalu sluajnih brojeva;
- Pravilo proizvodnje direktno korespondira sa prodajom od prethodnog dana kod
PRAVILA 1. tj. Qpi = Qpr(i 1)
- Pravilo proizvodnje direktno korespondira sa oekivanom vrijednosti tranje kod
PRAVILA 2., tako da proizvedena koliina odgovara prethodno odreenoj oekivanoj
vrijednosti tranje tj. Qp = 50 kg ( );
- Prodana koliina (Qp) izraunava se respektujui sledee uslove:
o Ako je Qt = Qp Qpr=Qt
o Ako je Qt =Qp Qpr=min(Qt,Qp)
- Preostala koliina (zalihe; Qz) izraunava se respektujui sledee uslove:
o Ako je Qp > Qpr Qz = Qn Qp
o Ako je Qp Qpr Qz = 0
- Profit (Pf) izraunava se respektujui sledee uslove:
o Pf = QprxPc1 QpxTp + Qzx Pc2
- Ponoviti prethodno opisan postupak za svih 7 vremenskih intervala (radnih dana) u
okviru kojih se provodi postupak simulacije.
Potrebno je odrediti oekivanu vrijednost tranje, kao i interval sluajnih brojeva, to je
prikazano u sledeoj tabeli:
Qt F(Qt) P(Qt) Qt*P(Qt) Kum. Int.SB
30 20 0,2 6 0,2 00 19
40 10 0,1 4 0,3 20 29
50 40 0,4 20 0,7 30 69
60 10 0,1 6 0,8 70 79
70 20 0,2 14 1,0 80 99
100 1 50

Preglede provedenog postupka simulacije je:
PRAVILO 1.
RB SB Qt Qp Qpr Qz PF
0 50
1 56 50 50 50 0 10
2 74 60 50 50 0 10
3 92 70 50 50 0 10
4 16 30 50 30 0 6
5 07 30 30 30 0 6
6 37 50 30 30 0 6
7 25 40 30 30 0 6
E
330 290 290 0 54

PRAVILO 2.
RB SB Qt Qp Qpr Qz PF
0 50
1 56 50 50 50 0 10
2 74 60 50 50 0 10
3 92 70 50 50 0 10
4 16 30 50 30 20 0
5 07 30 50 30 20 0
6 37 50 50 50 0 10
7 25 40 50 40 10 5
E
330 350 300 50 45

PREMA VISINI OSTVARENOG PROFITA REALNO SE ODLUITI ZA PRAVILO 1,
ODNOSNO PROIZVODITI KOLIINU PRODANU PRETHODNOG DANA.