Modelare economică 1

MODELARE ECONOMICA
-
PROIECT DE DISCIPLINĂ

Stoica Ramona-Elena
Seria C
Grupa160

Decizia managerială asistată de calculator pentru îndeplinirea obiectivelor

propuse la firma LEGUMIFAM

1. Prezentare generală
2. Situaţia tehnico-economică şi de producţie a firmei " LEGUMIFAM "
(individualizată pe student)
3. Obiectivele echipei manageriale pentru trimestrul IV a.c.
4. Decizia managerială asistată de calculator
Estimarea vânzărilor produsului B=Ceapa
Estimarea cererii produsului A=cartofi în condiţii de concurenţă
Decizia managerială în condiţii de incertitudine şi risc.
Calculul profitului maxim probabil (speranţa matematică a profitului) în cazul în care
se va lansa pe piaţă produsul D=Vanata.
Programarea activităţilor unui proiect pentru introducerea în fabricaţie a produsului
vanata.
2 Modelare economică

1. Prezentare generală

Proiectul la disciplina "Modelarea economică" oferă studenţilor facultăţii de Management

posibilitatea de a rezolva o serie de probleme importante de decizie economică la nivel de firmă, în
condiţii de concurenţă cu ajutorul unui instrumentar adecvat de modelare şi simulare, în sistem
conversaţional.
Proiectul este conceput pe exemplul unei organizaţii pentru care se cunosc: situaţia tehnico-
economică şi de producţie (la sfârşitul trimestrului III a.c.) precum şi obiectivele echipei manageriale
pentru trimestrul IV a.c. şi în perspectivă.
Proiectul este individualizat şi are caracter de autoinstruire.
Individualizarea constă în nominalizarea firmei analizate de fiecare student, nominalizarea
produselor şi modificarea datelor cu parametrul de individualizare <c>.
Este prezentată situaţia tehnico-economică şi de producţie la S.C. " LEGUMIFAM " S.A.,
obiectivele manageriale şi modul de rezolvare în sistem conversaţional.
Proiectul conţine următoarele module :
M1. Estimarea vânzărilor produsului B=Ceapa
M2. Estimarea cererii produsului A=Cartofi în condiţii de concurenţă
M3. Decizia managerială privind stabilirea strategiei de vânzare în condiţii de
incertitudine şi risc
M4. Calculul profitului maxim probabil (speranţa matematică a profitului) în cazul în care se va
lansa pe piaţă produsul D=Vanata.
M5. Programarea activităţilor proiectului pentru introducerea în fabricaţie a produsului VANATA
în cazul duratelor deterministe şi analiza cost – durată.
Rezolvarea cerinţelor pe module se realizează pe baza algoritmilor prezentaţi, iar în sistem
conversaţional, se va utiliza un produs software la alegere: WINQSB, QM for WINDOWS sau
EXCEL. Pentru rezolvarea completă, proiectul individual impune interpretarea şi efectuarea unei
analize economice a rezultatelor parţiale/totale, cu precizarea consecinţelor asupra activităţilor
organizaţiei prin decizia sau deciziile adoptate.
 Modelare economică 3

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

(individualizată pe student)

Firma LEGUMIFAM operează pe piaţa unui bun de consum de folosință curentă şi realizează,
de 2 ani, două tipuri de produse CARTOFI şi CEAPA cu următoarele caracteristici:
 Volumul vânzărilor variază întâmplător de la o lună la alta, cu toate că aceste produse au
câştigat poziţii importante pe piaţă;
 Pregătirea producţiei pentru cele două produse CATOFI, şi CEAPA în lunile următoare
(octombrie, noiembrie, decembrie), necesită cunoaşterea în avans de către S.C. LEGUMIFAM
S.A. a cererii viitoare pentru cele două produse ale sale;
 Produsul CARTOF este în concurenţă cu alte trei produse similare C1=ROSII,
C2=CASTRAVETI, C3=MORCOVI realizate de firme concurente, astfel că variaţia cererii
pentru produsul A –CARTOF este cauzată de evoluţia ponderii pe piaţă a produselor
concurenţiale C1=ROSII, C2=CASTRAVETI, C3=MORCOVI
 Produsul B=CEAPA nu are concurenţă semnificativă pe piaţă, dar cererea pentru acest produs
variază în funcţie de conjunctura economică: rata inflaţiei, creşterea preţurilor unor produse de
consum curent, etc.
 În evidenţa contabilă şi statistică a S.C. LEGUMIFAM S.A. există informaţii privind costul
și profitul unitar (Tabelul 1), şi despre vânzările din produsul B CEAPA (Tabelul 2).

Tabelul 1.
Produsul Costul unitar de Profitul unitar
producţie
A-CARTOF 20 u.m./u.f. 5 u.m./u.f.
B-CEAPA 10 u.m./u.f. 3 u.m./u.f.

Tabelul 2.
Nr.crt. Luna Vânzări din produsul B=CEAPA
(unităţi fizice)
1 Octombrie (anul 1400 +281= 1681
precedent)
2 Noiembrie (anul 1500 +281 = 1781
precedent)
3 Decembrie (anul 1200 +281=1481
precedent)
4 Ianuarie (anul curent) 1300 +281=1581
5 Februarie (anul curent) 1100 +281=1381
6 Martie (anul curent) 1350 +281=1631
7 Aprilie (anul curent) 1450 +281= 1731
8 Mai (anul curent) 1150 +281=1431
9 Iunie (anul curent) 1200 +281=1481
10 Iulie (anul curent) 1100 +281=1381
11 August (anul curent) 1310 +281=1591
12 Septembrie (anul curent) 1250 +281=1531
4 Modelare economică

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

o Estimarea vânzării produselor A-CARTOFI si B CEAPA în funcţie de evoluţia lor pe

piaţă şi situaţia produselor concurenţiale;
o Stabilirea strategiei de vânzare în condiţii de incertitudine şi risc:.
o Calculul profitului maxim probabil (speranţa matematică a profitului) în cazul în care se
va lansa pe piaţă produsul D - VANATA.
o Programarea activităţilor proiectului pentru introducerea în fabricaţie a produsului D
VANATA în cazul duratelor deterministe şi analiza cost – durată.

4. Decizia managerială asistată de calculator

MODULUL I: Estimarea vânzărilor produsului B- CEAPA

Societatea Comercială LEGUMIFAM S.A. are contracte ferme pentru produsul B CEAPA,
numai în lunile noiembrie şi decembrie a.c. Pentru estimarea volumului vânzărilor produsului B CEAPA
în luna octombrie a.c., conducerea firmei a hotărât să utilizeze datele din lunile anterioare (Tabelul 2), care
în reprezentare grafică sunt redate în Figura 1.

1600
1550
1500
1450
1400
1350
1300
1250
1200
1150
1100
1050
1000
oct nov dec ian feb mar apr mai iun iul aug sep

Datele reale Media

Figura 1

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

Modelul economico-matematic

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

Modelul lui Brown de nivelare exponenţială simplă este de forma:

 Modelare economică 5

Ft = αXt + (1-α)Ft-1 sau Ft+1 = αXt + (1-α)Ft

unde:
Xt = volumul real al vânzărilor în perioada t;
Ft = volumul estimat în perioada t-1 pentru vânzările din perioada t;
Ft+1 = volumul estimat în perioada t pentru vânzările din perioada t+1;
α = constanta de nivelare, 0  α  1.
Pentru estimarea iniţială (F0) a vânzărilor, conducerea S.C. LEGUMIFAM S.A. propune
volumul vânzărilor din luna octombrie anul precedent, iar pentru constanta de nivelare propune valorile:
I. α = 0,2
II. α = 0,9
III. α optim în raport cu eroarea medie pătratică.

Rezolvare
Rezolvarea problemei se poate face cu unul dintre produsele informatice:
WINQSB/ Forecasting/ Time Series Forecasting/SES, QM for Windows/Forecasting/Time Series
Analysis sau în Excel

Analiza economică a rezultatelor

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

valoarea c  0 va include următoarele informaţii:
1. Reprezentarea grafică a datelor reale, a mediei vânzărilor şi a estimaţiilor vânzărilor pentru
constantele de nivelare: α = 0,2, α = 0,9 şi, respectiv α optim în raport cu eroarea medie
pătratică;
6 Modelare economică
 Modelare economică 7

α = 0,2 => MSE= 19826,09

8 Modelare economică
 Modelare economică 9

Pentru α = 0.9
10 Modelare economică

- α= 0,9 -> MSE = 28267,18

 Modelare economică 11

alpha optim – 0,27

12 Modelare economică

Pentru alpha optim =0,27 => MSE 19503,35

 Modelare economică 13

2. Analiza comparativă a rezultatelor pentru cele trei valori ale constantei de nivelare;
Pentru contanda 0,2 previziunea este de 1540,669
Pentru contanda 0,9 previziunea este de 1570,978
Pentru contanda 0,27 previziunea este de 1525,563
3. Volumul vânzărilor recomandat să fie luat în considerare pentru producţia din luna octombrie
anul curent. Justificarea recomandării.
Volumul vanzarilor luat in considerare este cel pentru α = 0.27, respectiv 1525,563, pentru că
are eroarea medie patratica (MSE) cea mai mica 19503,35, fata de previziunea pentru α = 0.2
care are eroarea medie patratica 19826,09sau α = 0.9 care are eroare medie patratica
28267,18.

4. Recomandări generale pentru alegerea constantei de nivelare α.

Alegerea valorii lui alpha influențează ajustarea oscilațiilor din seria de date reale și calitatea
previziunii.
Semnalul de urmărire = TS= CFE/MAD
-pozitiv: există tendință de creștere a vânzărilor
-negativ: există tendință de descreștere a vânzărilor
-numai daca |TS| >5 =>există o tendință reală de creștere sau descreștere a vânzărilor.

MODULUL II: Estimarea cererii produsului A în condiţii de concurenţă

La începutul lunii septembrie a.c., S.C. LEGUMIFAM S.A. a organizat o anchetă asupra unui
eşantion reprezentativ de (1000+281=1281) consumatori, cu scopul de a determina numărul utilizatorilor
produsului A=cartofi, cât şi al utilizatorilor produselor concurente C1, C2, C3.
14 Modelare economică

S-au înregistrat următoarele rezultate:

(400+281=681) cumpărători s-au declarat utilizatori ai produsului A=Cartofi;
220 cumpărători s-au declarat utilizatori ai produsului C1=rosii;
230 cumpărători s-au declarat utilizatori ai produsului C2=castraveti;
150 cumpărători s-au declarat utilizatori ai produsului C3=morcovi.
În luna septembrie a.c., S.C. LEGUMIFAM S.A. a lansat o campanie de publicitate pentru
produsul A=Cartofi. La începutul lunii octombrie s-a efectuat o nouă anchetă asupra aceluiaşi eşantion
reprezentativ de cumpărători şi s-au obţinut următoarele rezultate:
- dintre utilizatorii produsului A CARTOFI(la începutul lunii septembrie a.c.):
80% au rămas fideli produsului A- CARTOFI;
10% s-au orientat către produsul C1;
5% s-au orientat către produsul C2;
5% s-au orientat către produsul C3;
- dintre utilizatorii produsului C1 (la începutul lunii septembrie a.c.):
60% au rămas fideli produsului C1;
20% s-au orientat către produsul A;
10% s-au orientat către produsul C2;
10% s-au orientat către produsul C3;
- dintre utilizatorii produsului C2 (la începutul lunii septembrie a.c.):
50% au rămas fideli produsului C2;
25% s-au orientat către produsul A;
10% s-au orientat către produsul C1;
15% s-au orientat către produsul C3;
- dintre utilizatorii produsului C3 (la începutul lunii septembrie a.c.):
40% au rămas fideli produsului C3;
30% s-au orientat către produsul A;
20% s-au orientat către produsul C1;
10% s-au orientat către produsul C2.
Se fac următoarele ipoteze:
 Alegerea unuia dintre produsele A, C1, C2, C3 în luna următoare depinde numai de alegerea din
luna curentă;
 Se consideră că matricea reorientărilor rămâne neschimbată pentru fiecare din următoarele 3
luni;
 Fiecare consumator cumpără un singur tip de produs, iar cantităţile cumpărate rămân
neschimbate în următoarele trei luni.

Modelul economico-matematic

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

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

S t 1  S t  Pt / t 1 ,
pentru perioadele de timp desemnate prin t = 0 pentru septembrie, t=1 pentru octombrie, t=2 pentru
noiembrie, t=3 pentru decembrie;
unde:
 Modelare economică 15

 
S t  cp tA cpCt 1 cpCt 2 cpCt 3 reprezintă vectorul cotelor de participare pe piaţă ale produselor A, C1,
C2, C3 în luna t.
Cotele de participare pe piaţă pot fi exprimate ca ponderi: 0  cp A  1, 0  cpCi  1 pentru
4
i=1,2,3 astfel ca suma tuturor să fie 1 (  cpit  1 ), sau ca procente: 0  cpi  100 , pentru i=1,...,4
i 1
4
şi  cp
i 1
t
i  100 pentru oricare moment de timp ( t, t=1,2,...T);

P= matricea reorientărilor = matricea probabilităţilor de tranziţie cu elementele pij, i=1,...,4, j=1,...,4.

pij = probabilitatea de reorientare a unui consumator de la produsul „i”, fie acesta unul din mulţimea
{A, C1, C2, C3} în luna t  {septembrie, octombrie sau noiembrie} a.c., la produsul „j” din
mulţimea {A, C1, C2, C3} în luna t+1  {octombrie, noiembrie sau decembrie} a.c., 0  pij  1 ,
4
i=1,...,4, j=1,...,4, şi astfel încât  pij  1 ;
i 1
pii = coeficientul de fidelitate faţă de produsul i, pentru i=1,2,3,4.
Pe baza datelor furnizate de anchetele efectuate rezultă:
 400  c 220 230 150  400+281 220 230 150
S0   =
 1000  c 1000  c 1000  c 1000  c  1000+281 1000+281 1000+281 1000+281

0,53 0,17 0,18 0,12

vectorul stării iniţiale sau al cotelor iniţiale de piaţă şi matricea probabilitătilor de tranziţie:
 0,80 0,10 0,05 0,05 
 0,20 0,60 0,10 0,10 
P=  .
 0,25 0,10 0,50 0,15 
 0,30 0,20 0,10 0,40 

Rezolvare
Rezolvarea problemei se poate face cu unul dintre produsele informatice:
WINQSB/ Markov Process/ Markov Processes (Mkp); QM for Windows/ Markov Analysis sau în
Excel

Analiza economică a rezultatelor

Raportul managerial în care analizaţi rezultatele obţinute pentru datele individualizate cu valoarea
c  0 va include următoarele informaţii:
1. Reprezentarea grafică şi analiza evoluţiei ponderilor pe piaţă a celor 4 produse concurenţiale.
Precizarea şi comentarea stadiului pe curba "vieţii" în care se află fiecare produs la momentul
iniţial;
16 Modelare economică
Modelare economică 17
18 Modelare economică

A- C2- C3-
Perioada\Produse CARTOFI C1-Rosii Castraveti Morcovi
Septembrie 0,53 0,17 0,18 0,12
Octombrie 0.539 0.197 0.1455 0.1185
Noiembrie 0.5425 0.2104 0.1313 0.1159
Decembrie 0.5437 0.2168 0.1254 0.1142
Steady state 0.5434 0.2226 0.1214 0.1127

2. Ponderea limită pe piaţă la care poate ajunge produsul A dacă matricea de tranziţie rămâne
neschimbată un număr mare de perioade;
Ponderea limită pe piaţă la care poate ajunge produsul A este dată de Starea Staționară =
0,5434
3. Evoluţia pe piaţă în raport cu luna septembrie a fidelităţii faţă de produsul A şi a reorientărilor
către produsele concurenţiale;
4. Volumul vânzărilor produsului A în lunile octombrie, noiembrie, decembrie, pentru situaţia
în care volumul total al vânzărilor celor patru produse este de 6000 u.f. în fiecare lună;
 Modelare economică 19

Volumul al vânzărilor produsului A:

0.539* 6000 = 3234 u.f. în octombrie a.c.,
0.5425* 6000 = 3255 u.f. în noiembrie a.c.şi
0.5437* 6000 = 3262,2 u.f. în decembrie a.c.

5. Evoluţia profitului asociat produsului A;

Octombrie 3234*5=16170
Noiembrie 3255*5=16275
Decembrie 3262,2 *5=16311
20 Modelare economică

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

incertitudine şi risc

LEGUMIFAM realizează în principal două produse, A şi B. Pentru produsele A şi B, volumul

vânzărilor variază întâmplător de la o lună la alta, iar conducerea firmei este interesată în planificarea
programului de producţie pe ultimul trimestru a.c. astfel ca oferta să se apropie cât mai mult de cererea
manifestată pe piaţă.
Ajustarea nivelului producţiilor pentru produsele A şi B este estimată în funcţie de volumul
previzionat al vânzărilor corelat cu vânzările reale din produsele concurente existente pe piaţă
(produsele C1, C2 şi C3 pentru produsul A şi produsele substitut pentru produsul B a cărui cerere
fluctuează în funcţie de conjunctura economică). Sunt evidenţiate următoarele situaţii obiective de
evoluţie a vânzărilor:
- Starea naturii SN1: situaţie favorabilă societăţii LEGUMIFAM (condiţii slabe de concurenţă)
- cererea pentru produsul A se estimează astfel:
 cota de participare pe piaţă (calculată prin modelul Markov)* 6000 u.f. în luna octombrie =
0,539 * 6000 =3234u.f.
 1,10 * cota de piaţă (din modelul Markov)* 6000 u.f. în luna noiembrie = 1,10 * 0.5425*
6000 =3580,5 u.f.
 1,15 * cota de piaţă (din modelul Markov)* 6000 u.f. în luna decembrie = 1,15 * 0.5437*
6000 = 3715,53u.f.
Rezultă că în cazul stării naturii SN1, cererea pentru produsul A se situează la nivelul: 3234 u.f. +
3580,5 u.f. +3715,53 u.f. = 10530,03 u.f.
cererea pentru produsul B să fie în luna octombrie la nivelul de 1570.979u.f. prognozat prin modelul
Brown pentru α = 0,9, apoi în luna noiembrie la nivelul de1400 u.f. şi în decembrie la 3500 u.f.
Rezultă că în cazul stării naturii SN1, cererea pentru produsul B se situează la nivelul: 1570.979
+ 1400 + 3500 = 6470,978 u.f.

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

- cererea pentru produsul A se estimează astfel:
 cota de piaţă (calculată prin modelul Markov)* 6000 u.f. în luna octombrie = 0,539 * 6000
=3234u.f.
 cota de piaţă (calculată prin modelul Markov)* 6000 u.f. în luna noiembrie = 0.5425* 6000
=3255
 cota de piaţă (calculată prin modelul Markov)* 6000 u.f. în luna decembrie = 0.5437*
6000=3262,2
 Rezultă că în cazul stării naturii SN2, cererea pentru produsul A se situează la nivelul:
=3234+3255+3262,2 = 9751,2u.f.
- cererea pentru produsul B să fie în luna octombrie la nivelul de 1538,736u.f. prognozat prin
modelul Brown pentru α =0,2, apoi în luna noiembrie la nivelul 1200 u.f. şi în decembrie la 3200 u.f.
Rezultă că în cazul stării naturii SN2, cererea pentru produsul B se situează la nivelul: 1538,736u
+ 1200 + 3200 = 5938,736 u.f.

- Starea naturii SN3: situaţie nefavorabilă pentru SC. LEGUMIFAM (concurenţă agresivă a
celorlalte produse)
- cererea din produsul A se situează la nivelul:
 cota de participare pe piaţă (calculată prin modelul Markov)* 6000 u.f. în luna octombrie =
0,539 * 6000 =3234u.f.
 Modelare economică 21

 0,95 * cota de piaţă (din modelul Markov) * 6000 u.f. în luna noiembrie = 0,95 * 0.5425*
6000 = 3092,25 u.f.
 0,90 * cota de piaţă (din modelul Markov) * 6000 u.f. în luna decembrie = 0,90 *
0.5437* 6000 = 2935,98
Rezultă că în cazul stării naturii SN3, cererea pentru produsul A se situează la
nivelul: 3234+3092,25 + 2935,98 = 9262,23
- cererea pentru produsul B să fie în luna octombrie la nivelul de 1527,031 u.f. prognozat prin
modelul Brown pentru α optim, apoi în luna noiembrie la nivelul 1000 u.f. şi în decembrie la 3200
u.f.
Rezultă că în cazul stării naturii SN3, cererea pentru produsul B se situează la nivelul: 1527,031
+ 1000 + 3200 = 5727,031u.f.
Sunt luate în considerare următoarele variante decizionale referitoare la oferta de producţie
pentru următoarele trei luni:
V1 – oferta pentru produsul A să fie egală cu cererea totală estimată pe baza cotelor de piaţă din
octombrie, noiembrie şi decembrie a.c. obţinute cu modelul Markov =0,539 *6000
+0.5425*6000 + 0.5437* 6000 = 3234 + 3255 + 3262,2= 9751,2 u.f., iar oferta pentru
produsul B să fie egală cu [(cererea pentru luna octombrie estimată cu modelul lui Brown
pentru α = 0,2) + (cererea de 1000 u.f. pentru luna noiembrie) + (cererea de 3200 u.f.
pentru luna decembrie)] = 1538,736+ 1000 +3200 = 5738,736 u.f.
V2 – oferta pentru produsul A să fie cu 5% mai mare faţă de cererea totală estimată pe baza
cotelor de piaţă din octombrie, noiembrie şi decembrie a.c. obţinute cu modelul Markov =
1,05*9751,2 = 10238,76 u.f., iar oferta pentru produsul B să fie cu 5% mai mică decât
[(cererea pentru luna octombrie estimată cu modelul lui Brown pentru α = 0,2) + (cererea
de 1000 u.f. pentru luna noiembrie) + (cererea de 3200 u.f. pentru luna decembrie)] =
0,95*5738,736 = 5451,799 u.f.
V3 - oferta pentru produsul A să fie cu 5% mai mică faţă de cererea totală estimată pe baza
cotelor de piaţă din octombrie, noiembrie şi decembrie a.c. obţinute cu modelul Markov =
0,95 * 9751,2 = 9263,64 u.f., iar oferta pentru produsul B să fie cu 5% mai mare decât
[(cererea pentru luna octombrie estimată cu modelul lui Brown pentru α = 0,2) + (cererea
de 1000 u.f. pentru luna noiembrie) + (cererea de 3200 u.f. pentru luna decembrie)] =
1,05*5738,736 = 6025,672 u.f.

Compararea diferitelor posibilităţi de desfăşurare a producţiei se face prin prisma unor consecinţe
de tip profit calculat pentru fiecare variantă decizională Vi, i = 1, 2, 3 şi stare a naturii SNj, j = 1, 2, 3.
3 3
Profit(Vi, SNj) = (profitul unitar A) * MIN{  (ofertaVi produs A)k,  (cerereaSNj produs
k 1 k 1
3 3
A)k} + (profitul unitar B) * MIN{  (ofertaVi produs B)k,  (cerereaSNj produs B)k} - (costul
k 1 k 1
3 3
unitar producţie A) * MAX{0, [  (ofertaVi produs A)k -  (cerereaSNj produs A)k]} - (costul
k 1 k 1
3 3
unitar producţie B) * MAX{0, [  (ofertaVi produs B)k -  (cerereaSNj produs B)k]}
k 1 k 1
unde k = 1 = octombrie, k = 2 = noiembrie, k = 3 = decembrie.
Din Tabelul 1: profitul unitar A = 5 u.m./u.f.; profitul unitar B = 3 u.m./u.f.;
costul unitar producţie A = 20 u.m./u.f.; costul unitar producţie B = 10 u.m./u.f.
22 Modelare economică

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

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

Modelul economico-matematic

În condiţii de incertitudine, ierarhizarea variantelor se poate obţine prin utilizarea criteriilor de

decizie Wald, Laplace, Savage şi Hurwicz.
În condiţii de risc, ierarhizarea variantelor decizionale se va face în funcţie de speranţa
matematică a profitului (valoarea medie probabilistă a profitului) calculată pentru fiecare
variantă.

Structurarea situaţiei decizionale sub forma unui set finit de variante de acţiune, a mai multor
stări ale naturii şi posibilitatea de a calcula consecinţele economice asociate fiecărei combinaţii variantă
decizională – stare a naturii permite formularea unui model de decizie sub formă matriceală prezentată
în Tabelul 3.1.
Tabelul 3.1
Starea naturii SN1 Starea naturii SN2 Starea naturii SN3
(p1 = 0,4) (p2 = 0,4) (p3 = 0,2)
Varianta
Profit(V1, SN1) Profit(V1, SN2) Profit(V1, SN3)
decizională V1
Varianta
Profit(V2, SN1) Profit(V2, SN2) Profit(V2, SN3)
decizională V2
Varianta
Profit(V3, SN1) Profit(V3, SN2) Profit(V3, SN3)
decizională V3
Pentru individualizarea c = 281 se obţin datele din Tabelul 3.2
Tabelul 3.2
Stările naturii
SN1 (p1 = 0,4) SN2 (p2 = 0,4) SN3 (p3 = 0,2)
Cererea A = 10530,03 Cererea A = 9751,2 u.f. Cererea A = 9262,23 u.f.
u.f. Cererea B = 5938,736 Cererea B = 5727,031
Cererea B = 6470,978 u.f. u.f.
u.f.
Varianta decizională V1
Oferta A = 9751,2
u.f. 57507,093
57542,206 u.m. 57542,206 u.m.
Oferta B = u.m.
5738,736 u.f.
Varianta decizională V2
Oferta A =
10238,76 u.f. 59119,197 u.m. 52550,197 u.m. 40325,947 u.m.
Oferta B =
5451,799 u.f.
Varianta decizională V3
Oferta A =
9263,64 u.f. 55704,408
55965,216 u.m. 54885,833 u.m.
Oferta B = u.m.
6025,672 u.f.
 Modelare economică 23

De exemplu, consecinţa asociată variantei V1 dacă se manifestă starea SN1 a naturii va fi:

Profit (V1, SN1) = 5*MIN{9751,2 , 10530,03 } + 3*MIN{5738,736, 6470,978} –

20*MAX{281, (9751,2 - 10530,03)} – 10*MAX{281, (5738,736- 6470,978)} = 5*9751,2 +
3*5738,736 – 20*281 – 10*281= 48756+17216,206 – 5620 – 2810 = 57542,206

Profit (V1, SN2) = 5*MIN{9751,2, 9751,2 } + 3*MIN{5738,736, 5938,736} – 20*MAX{281,

(9751,2 - 9751,2)} – 10*MAX{281, (5738,736- 5938,736)} =.48756+17216,208 - 5620 – 2810 =
57542,206

Profit (V1, SN3) = 5*MIN{9751,2, 10530,03 } + 3*MIN{5738,736, 5727,031} –

20*MAX{281, (9751,2 - 10530,03)} – 10*MAX{281, (5738,736- 5727,031)} = 48756+ 17181,093 –
5620 – 2810= 57507,093

Profit (V2, SN1) = 5*MIN{10238,76, 10530,03} + 3*MIN{5451,799, 6470,978} –

20*MAX{281, (10238,76 - 10530,03)} – 10*MAX{281, (5451,799- 6470,978)} = 51193,8+16355,397
– 5620-2810 = 59119,197

Profit (V2, SN2) = 5*MIN{10238,76, 9751,2} + 3*MIN{5451,799, 5938,736} –

20*MAX{281, (10238,76 - 9751,2)} – 10*MAX{281, (5451,799-5938,736)} = 48756+16355,397 –
9751,2 – 2810 = 52550,197

Profit (V2, SN3) = 5*MIN{10238,76, 9262,23} + 3*MIN{5451,799, 5727,031} –

20*MAX{281, (10238,76 - 9262,23)} – 10*MAX{281, (5451,799- 5727,031)} = 46311,15+
16355,397 – 19530,6 – 2810 = 40325,947

Profit (V3, SN1) = 5*MIN{9263,64, 10530,03} + 3*MIN{6025,672 , 6470,978} –

20*MAX{281, (9263,64- 10530,03)} – 10*MAX{281, (6025,672 - 6470,978)} = 46318,2+18077,016
– 5620 – 2810 = 55965,216

Profit (V3, SN2) = 5*MIN{9263,64, 9751,2} + 3*MIN{6025,672, 5938,736} – 20*MAX{281,

(9263,64 - 9751,2)} – 10*MAX{281, (6025,672 - 5938,736)} = 46318,2+17816,208 – 5620 – 2810=
55704,408

Profit (V3, SN3) = 5*MIN{9263,64, 9262,23} + 3*MIN{6025,672, 5727,031} –

20*MAX{281, (9263,64 - 9262,23)} – 10*MAX{281, (6025,672- 5727,031)} = 46311,15+ 17181,093
– 5620 – 2986,41 =54885,833
24 Modelare economică

După construirea matricei consecinţelor de tip profit se vor aplica criteriile de decizie pentru
ierarhizarea variantelor decizionale.

Rezolvare
Rezolvarea problemei se poate face cu unul dintre produsele informatice:
WINQSB/DA/Payoff Table Analysis; QM for Windows/Decision Analysis/Decision Tables sau
în Excel

Analiza economică a rezultatelor

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

1. Recomandări de alegere a celei mai potrivite reguli de decizie din cele folosite: Wald (minmax),
maxmax, Savage (minmax regret), Laplace (equal likelihood), Hurwicz;

Alfa= 0,8
Modelare economică 25
26 Modelare economică
 Modelare economică 27

Dacă analizăm și criteriul de decizie Savage observăm că varianta decizională cea mai bună este 3.

2. Estimarea costului maxim pentru achiziţionarea unor informaţii complete asupra stărilor naturii;
28 Modelare economică
 Modelare economică 29

Putem observa ca valoarea informației perfecte este 525,133 u.m., iar valoarea așteptată cu informație
incompletă este 57511 u.m.

3. Recomandări de alegere a valorii coeficientului de optimism  pentru regula/ criteriul Hurwicz

şi surclasarea variantelor decizionale pentru valorile coeficientului de optimism   [0, 1].

Prin utilizarea programului QM for Windows, se aplică formula de calcul a lui Hurwicz pentru cele 3
variante considerând α necunoscută, se egalează două câte două variantele și se obțin 3 valori ale lui α

4. Decizia în condiţii de risc.

În cazul deciziei în condiții de risc, iar decidentul are o atitudine neutră față de risc pentru alegerea
variantei decizionale se poate aplica metoda valorii așteptate:
30 Modelare economică

MODULUL IV: Calculul profitului maxim probabil (speranţa matematică a profitului) în cazul
în care se va lansa pe piaţă produsul D

Departamentul de cercetare producţie al S.C. LEGUMIFAM S.A. a creat un nou produs D care a
fost testat pe piaţă şi care este acceptat de către utilizatori. Pentru realizarea produsului conducerea S.C.
LEGUMIFAM S.A. are în vedere mai multe variante. Alegerea variantei convenabile depinde în
principal de evoluţia vânzărilor produsului peste 2 ani, acesta fiind timpul de amortizare a utilajelor.
După primul an se vor lua noi decizii în funcţie de situaţia vânzărilor. Datele privind variantele şi
stările naturii pentru cele 2 momente de decizie sunt prezentate în Tabelul 4.1. Conducerea S.C.
LEGUMIFAM S.A. doreşte să cunoască acţiunea pe care trebuie să o întreprindă în prima şi, respectiv,
a doua etapă pentru a obţine maximum de profit.
Modelul economico - matematic
Procesul decizional în două etape poate fi modelat cu ajutorul arborelui decizional.
Tabelul 4.1
Anul t Anul t+1
Variantele Stările naturii Variantele Stările naturii Profitul
estimat
Instalarea Conjuctură favorabilă Instalarea unui nou utilaj 800+281=10
Cerere mare (probabilitatea =0.3)
unui utilaj (probabilitatea=0.7) (cost (20+281=301 ) u.m.) 81
nou 600+281=88
Cerere medie (probabilitatea =0.6)
(cost 1
(20+281=30 500+281=78
1)u.m) Cerere mică (probabilitatea=0.1)
1
Ore suplimentare de lucru 600+281=88
Cerere mare (probabilitatea=0.3)
(cost (2+281=283) u.m.) 1
500+281=78
Cerere medie (probabilitatea=0.6)
1
400+281=68
Cerere mica (probabilitatea=0.1)
1
Conjuctură nefavorabilă Utilizarea capacităţii existente 500+281=78
Cerere mare (probabilitatea=0.3)
(probabilitatea=0.3) 1
400+281=68
Cerere medie (probabilitatea=0.6)
1
200+281=48
Cerere mică (probabilitatea=0.1)
1
Ore Conjuctură favorabilă Instalarea unui utilaj nou 600+281=88
Cerere mare (probabilitatea=0.3)
suplimentare (probabilitatea=0.7) (cost (20+281=301) u.m.) 1
de lucru 500+281=78
Cerere medie (probabilitatea=0.6)
(cost 1
(2+281=283) 200+281=48
u.m.) Cerere mică (probabilitatea=0.1)
1
Instalarea unui utilaj nou şi 500+281=78
Cerere mare (probabilitatea=0.3)
ore suplimentare de lucru 1
(cost (22+2*281=584) u.m.) 400+281=68
Cerere medie (probabilitatea=0.6)
1
200+281=48
Cerere mică (probabilitatea=0.1)
1
Conjuctură nefavorabilă Ore suplimentare de lucru 400+281=68
Cerere mare (probabilitatea=0.3)
(probabilitatea=0.3) (cost (2+281=282) u.m.) 1
400+281=68
Cerere medie (probabilitatea=0.6)
1
200+281=48
Cerere mică (probabilitatea=0.1)
1
 Modelare economică 31

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

Analiza economică a rezultatelor

Raportul managerial va include:
1. Reprezentarea arborelui decizional cu valorile asociate tuturor nodurilor;