Modelarea Si Simularea Sistemelor Economice

Modelarea i simularea sistemelor economice
CAPITOLUL I Modelarea economico-matematic, alternativa la experimentul din tiinele exacte. Metode. Concepte. Clasificri. 1. Condiiile de apariie a modelarii economico-matematice Bazele organizrii produciei moderne i ale administraiei ntreprinderilor industriale sunt puse la sfritul secolului XIX de ctre F.W.Taylor (1856-1915) i H. Ford (1863-1947). n lucrrile lor au fost formulate o serie de principii i metode de organizare i conducere cu importante consecine economice, punndu-se pentru prima oar problema abordrii raionale a mecanismului funcionrii unei ntreprinderi. Organizarea i conducerea ntreprinderii moderne include activitile de producere, recepionare, transport, prelucrare i stocare de informaii n scopul lurii deciziilor. Procesele decizionale, alturi de cele informaionale, ocup o pondere nsemnat att la nivel macro, ct i microeconomic. Odat cu apariia primei generaii de calculatoare electronice, (anii `50), a primelor lucrri de cibernetic i a primelor echipe de cercetare operaional, se promoveaz informaia i decizia printre elementele de baz ale etapei ce se parcurge. n legtur cu procesele decizionale se pun probleme noi, se dorete mai mult rigurozitate, decidentul s adopte decizii optime sau apropiate de cele optime. Toate acestea se cer a fi rezolvate n condiiile creterii complexitii structurale i funcionale a ntreprinderilor, ale ridicrii nivelului de tehnicitate a instalaiilor i corespunztor unor specializri accentuate a profesiunilor. Procedeele tiinifice moderne de luare a deciziilor se caracterizeaz prin fundamentarea teoretic, bazat n general pe metode matematice, cu pstrarea unei orientri generale practice i realiste. Modelarea economico-matematic este folosit de manager ca o alternativ la experimentul utilizat n tiinele exacte. Experimentul n sensul strict al cuvntului (adic modificarea fizic a valorilor variabilelor) nu este posibil sau este neraional atunci cnd este vorba de probleme economice, organisme militare-guvernamentale, sisteme ce nu pot fi supuse n ansamblu experimentrii. (De exemplu n industrie o companie nu-i poate permite riscul unui faliment de dragul unui experiment). Aceste realiti au condus la la o adevrat revoluie informaionaldecizional n domeniul organizrii i conducerii, perioad n care s-au conturat urmtoarele discipline, ca discipline privind conducerea: - cercetarea operaional definit pe scurt pregtirea tiinific a deciziilor, a aprut n perioada celui de-al doilea rzboi mondial i se caracterizeaz prin procesul de elaborare a unor modele economicomatematice ce conduc la decizii optime sau aproape optime.
1
- cibernetica- este tiina care se ocup de conducerea i reglarea sistemelor complexe; - informatica- reprezint disciplina prelucrrii datelor cu ajutorul echipamentelor electronice; -psihologia organizrii -care a aprut ca i o nou orientare n disciplinele conducerii, n jurul anului 1950, dat fiind existena omului care ia decizii n legtur cu funcionarea eficient a unui organism economic; - teoria general a sistemelor propune o perspectiv sintetizatoare a ideilor privind diversele orientri n tiinele organizrii i conducerii. Modelarea i simularea proceselor economice are legturi strnse cu toate aceste domenii i este conceput astfel nct s ofere economitilor (inginerilor economiti) o serie de modele i tehnici necesare aciunilor manageriale la nivel microeconomic. Deoarece rezolvarea problemelor manageriale din ntreprinderi nu se poate realiza cu un model matematic pur, s-au conceput modele economico-matematice deosebit de elastice, care s surprind att legitatea de desfurare a fenomenului, ct i dinamica acestuia. S-a fcut apel, pe lng modelele fundamentale din teoria stocurilor, fire de ateptare, teoria grafelor, i la teoria probabilitilor, teoria lanurilor Markov, teoria mulimilor vagi, programare dinamic, tehnici de simulare. Modelarea i simularea proceselor economice este un domeniu economic de grani cu tehnica de calcul i matematica, care se ocup de fundamentarea deciziei manageriale n condiii de eficien pentru productor, cu ajutorul unor modele matematice flexibile i cu posibilitatea utilizrii tehnicii simulrii. Managementul ca tiina tehnicilor de conducere i gestiune a ntreprinderii reprezint arta i tiina de a conduce, iar n acest sens modelarea economic ofer managerului latura riguroas a aciunilor sale, modaliti multiple de punere de acord a resurselor (umane, materiale, financiare) existente cu obiectivele formulate pentru o anumit perioad de timp, oferindu-i posibilitatea de a gndi i a decide mai bine i mai repede fr s denatureze realitatea. 2. Metode de culegere i prelucrare a datelor folosite n modelarea economico-matematic Toate adaptrile modelarii matematice la fenomenele economice concrete au la baz o concepie mai corect asupra mrimilor (indicatorilor) care intervin n procesul fundamentrii complexe a deciziei. Aceste mrimi implic observri, anchete, raportri, etc., care permit msurarea lor cu diferite grade de precizie, conform fig.1. Din punct de vedere al preciziei, mrimile care caracterizeaz procesele economice se clasific n trei mari categorii: - mrimi deterministe (riguros stabilite, cu o valoare unic); - mrimi stochastice/aleatoare (mrimi ce au o mulime de valori crora li se asociaz o probabilitate);
2
- mrimi vagi/fuzzy (nu au valoare unic, ci o mulime de valori crora li se asociaz un grad de apartenen la o anumit proprietate). O alt clasificare , bazat deasemenea pe criteriul exactitii, este gruparea n : metode exacte, metode aproximative i metode euristice.
Figura 1 Mrimi care intervin n procesul fundamentrii complexe a deciziei Cele dou moduri de clasificare a metodelor sunt necesare pentru a pune n eviden exactitatea n diverse etape ale fundamentrii deciziei: culegerea datelor i prelucrarea acestora n vederea adoptrii unor decizii. Metodele exacte permit obinerea n cadrul unei probleme de decizie economic a unei soluii S care ndeplinete, fr nici o eroare (abatere), restriciile impuse i/sau condiiile de optim, cerute prin criteriile de eficien. Dac notm cu S vectorul soluiei efectiv adoptate, iar prin S* vectorul soluiei adevrate, atunci: S-S*=0 . Metodele aproximative sunt acele metode care permit obinerea unei soluii S, diferit de soluia adevrat S* printr-un vector , mai mic dect un vector a dinainte stabilit:
S S* = a
Metodele euristice sunt metodele prin care, chiar n cazul unei probleme complexe, se obine ntr-un timp relativ scurt, comparativ cu alte metode, o soluie S, acceptabil din punct de vedere practic , fr a avea garanii asupra rigurozitii rezolvrii. Fiind dat vectorul erorii admisibile a , metodele euristice nu reuesc ntotdeauna s ne conduc la o soluie cu proprietatea S S = a , deci metodele euristice reuesc s asigure respectarea relaiei anterioare cu o probabilitate.
*
Metodele euristice pot fi considerate ca o succesiune de ncercri/tatonri a cror alegere este legat de fiecare dat de natura problemei de rezolvat i de personalitatea modelatorului (analistul de sisteme). 3. Procesul de trecere de la sistemul real la modelul de simulare Obinerea unor informaii despre sistem nainte ca el s fie realizat n mod concret este posibil cu ajutorul tehnicii simulrii. Simularea este o tehnic de realizare a experimentelor cu calculatorul, care implic construire unor modele matematice i logice care descriu comportarea unui sistem real (sau a unor componente ale sale) de-a lungul unei perioade mari de timp. Simularea trebuie s genereze intrrile i, innd seama de strile interne ale sistemului, prin algoritmi adecvai s determine ieirile i s descrie evoluia n timp a strilor interne ale sistemului. Dei nu ofer soluii exacte (ci suboptimale), simularea este o tehnic de cercetare eficient pentru problemele economice complexe la nivel de firm, imposibil de studiat analitic (cu modele economico-matematice de optimizare). Cu ajutorul simulrii se obin mai multe variante de decizie dintre care managerul o va alege pe cea mai bun, corespunztoare condiiilor date ce le are la un moment dat. n cazul unui sistem existent , firm, comportarea sa poate fi prevzut de un model de simulare care pune n eviden efectul modificrii unor parametrii care descriu sistemul respectiv. n activitatea de simulare sunt implicate trei elemente importante: sistemul real, modelul, calculatorul i dou relaii: relaiile de modelare i relaiile de simulare. n figura numrul 2 se reprezint sintetic procesul de trecere de la sistemul real la modelul de simulare modelul real. Sistemul real reprezint sistemul perceput de simurile omului, modelul real reprezint sistemul real nlocuit i care corespunde, n principiu cerinele sistemului real iniial.
Figura 2 Procesul de trecere de la sistemul real la modelul de simulare modelul real Modelul abstract realizeaz trecerea de la sistemul real la modelul real. El reproduce sistemul real prin descompunerea sistemului n pri componente elementare i stabilete legturile dintre acestea. Validarea rezultatelor se face printr-o verificare a concordanei datelor din sistemul real i a celor oferite de model. Modele economico-matematice. Concepte. Clasificri Conceptul de model a fost preluat de tehnicieni de la matematicieni, fiind un concept relativ nou (utilizat prima dat de matematicianul Beltrami n 1868, n construirea unui model euclidian al geometriei). Metoda modelrii este un instrument de cunoatere tiinific i are ca obiect construirea unor reprezentri care s permit o mai bun nelegere i o mai profund cunoatere tiinific a diferitelor domenii. Rezultatele obinute prin modelare se pot extinde asupra procesului modelat, numai n condiiile n care modelul a reprezentat fidel proprietile, structura i particularitile acestuia. Deci, se poate spune c modelul este o reprezentare a realitii, care confer o imagine intuitiv, dar riguroas, n sensul structurii logice a fenomenului studiat, i permite descoperirea unor legturi i legiti greu de stabilit pe alte ci. Orice model economico-matematic va reprezenta fidel un anumit fenomen, numai n msura n care se sprijin pe teoria economic care formuleaz categoriile, conceptele i legile obiective ale realitii economice. Principalele criterii n funcie de care se face clasificarea modelelor economico-matematice sunt: a. n funcie de sfera de reflectare a problematicii economice: - modele macroeconomice modele de ansamblu ale economiei; - modele mezoeconomice la nivel regional, teritoril; - modele microeconomice la nivel de ntreprindere, uniti, trust, companie, combinat. b. n funcie de domeniul de provenien i concepie: - modele cibernetico-economice relaii input/output cu evidenierea fenomenelor de reglare; - modele econometrice (unde elementele numerice sunt determinate statistic) - folosesc metode de explicitare a unei tendine (trend) sau metode de identificare a unei periodiciti (sezonalitate); - modele ale cercetrii operaionale permit obinerea unei soluii optime sau apropiate de optim pentru fenomenul studiat; - modele din teoria deciziei (cu luarea n considerare a mai multor criterii, factori de risc, incertitudine); - modele de simulare ncearc s stabileasc modul de funcionare al unui organism macro- sau microeconomic prin acordarea unor
5
c. d. e. f. -
combinaii de valori ntmpltoare variabilelor independente care descriu procesele; modele specifice de marketing. n funcie de caracterul variabilelor: modele deterministe (mrimi cunoscute); modele stochastice/probabilistice (intervin mrimi a cror valoare este nsoit de o probabilitate/variabile aleatorii); n funcie de factorul timp: modele statice; modele dinamice. n funcie de orizontul de timp considerat: modele discrete-secveniale; modele continue. n funcie de structura proceselor reflectate: modele cu profil tehnologic; modele informaional-decizionale; modele ale relaiilor umane; modele informatice.
Tendine n modelarea proceselor economice. Din multitudinea metodelor de modelare se deosebete metoda analizei drumului critic, care se detaeaz de celelalte metode. Ea pune la ndemna decidenilor instrumente utile de mare eficien pentru analiza i conducerea activitilor complexe, nlnuirea procesului decizional i modul de folosire a resurselor disponibile (exemplul cel mai des citat referitor la aceast metod este utilizarea lui de ctre NASA , cnd graful pentru misiunea Apollo a numrat peste 300.000 activiti). In programarea si urmrirea lucrrilor de anvergura (investiii, reparaii, cercetare-dezvoltare, etc.), se poate folosii ca instrument managerial analiza drumului critic. Aceasta permite planificarea pe termen mediu i scurt, programarea operativa a execuiei, precum i actualizarea periodica a acestor proiecte innd seama de factorii timp, cost, resurse materiale i umane. Metoda const n divizarea aciunilor complexe n pari componente, la un nivel care s permit corelarea logic i tehnologic a acestora, adic s fac posibil stabilirea intercondiionrilor ntre prile componente, care se numesc activiti. Alte tipuri de aplicaii se refer optimizare prin programare liniar a transporturilor materiale i produselor de mas, minimizarea costului ateptrii, creterea volumului vnzrilor prin diferite metode specifice marketingului. Pe plan mondial se lucreaz la realizarea unor sisteme de conducere ierarhizate, multinivel, ce funcioneaz n timp real i care sunt distribuite n
6
toate compartimentele ntreprinderii. Conducerea compartimentelor se bazeaz pe decizii luate n timp real sincron cu realizarea procesului de producie, precum i urmrirea realizrii obiectivelor la toate nivelurile de conducere. Obiectivul global al sistemului este obinerea unei producii optime calitativ i cantitativ din punct de vedere tehnic i economic n anumite condiii de restricii temporale de lung sau scurt durat i a unor perturbaii permanente din partea mediului. Modelarea procedural Existena unei anumite crize n disciplinele ce utilizau modelarea matematic a fost semnalat de numeroi specialiti, n anul 1980 la al IVlea Congres European de Cercetarea Operaional. Metodele folosite, devin rigide, se ndeprteaz de realitatea economic. Unele inconveniente au fost depite cu ajutorul modelrii procedurale. n scopul cunoaterii legilor care definesc fenomenul economic studiat i a folosirii acestora n direcia satisfacerii obiectivelor propuse sunt necesare etapele: 1. observarea sub aspect descriptiv calitativ a fenomenelor (se studiaz cauzalitatea ntre fenomene); 2. formularea unor legi pe baza studiul cauzalitii ntre fenomene; 3. se observ fenomenele sub aspect cantitativ, variabilele se definesc fie printr-un studiu statistic fie printr-un experiment; 4. se analizeaz datele obinute, i pe baza lor se emit primele ipoteze asupra legilor care guverneaz sistemul analizat. Legile sunt confruntate cu alte msurtori i corectate n mod iterativ; 5. se adopt decizii pe baza legilor obinute anterior; 6. se urmresc efectele deciziilor adoptate i eventual se perfecioneaz modelul. Modelarea procedural se caracterizeaz prin acordarea unui prim rol algoritmului de rezolvare i a unuia secundar modelului. Cu ct mrimile pot fi msurate mai exact, cu att metodele folosite pentru luarea deciziei vor fi mai riguroase, folosindu-se n acest caz algoritmi exaci. Pe de alt parte, dac datele sunt exacte dar problema este complex, de dimensiuni mari sau datele de intrare sunt inexacte se recurge la algoritmi euristici. Schema general de concepere a algoritmilor euristici Euristica este o categorie clasic, ce exprim bucuria descoperirii tiinifice. Euristica se definete ca fiind : - o clas de metode i reguli care dirijeaz subiectul spre cea mai simpl i mai economic soluie a problemelor;
7
- un drum care permite descoperirea soluiilor problemelor complexe fr a le supune unei simplificri. Metodele euristice sunt de fapt tatonri, nu abloane, alegerea lor este legat de fiecare dat de natura problemei de rezolvat i de personalitatea modelatorului. Algoritmii bazai pe euristic au cptat o rspndire tot mai larg, n 1978 s-a acordat lui HERBERT SIMON fondatorul euristicii aplicate premiul Nobel pentru economie. Acesta a elaborat un algoritm general al rezolvatorului de probleme, care reprezint de fapt schema general de concepere a algoritmilor euristici, prezentat n figur. Majoritatea algoritmilor euristici se bazeaz pe urmtoarea idee: dac sunt respectate anumite restricii, este avantajos ca n fiecare etap de calcul s se obin ct mai mult pe linia funciei scop, deci din dou sau mai multe ci de aciune se va alege creterea (descreterea) valorii funciei de maxim (minim). Aceti algoritmi sunt de tip greedy (din englezul gredy=lacom). Principalii pai ai logaritmului sunt: Pasul 1 se construiete o soluie iniial;
Figura 1 Schema general de concepere a algoritmilor euristici Pasul 2 se testeaz condiiile de admisibilitate a soluiei (sistemul de restricii). Dac sunt ndeplinite condiiile se trece la pasul 4, dac nu se calculeaz abaterile i se trece la pasul 3. Pasul 3 se caut o strategie de reducere a abaterilor , pe baza experienei practice a analistului. Dac dup un numr raional de mare de iteraii nu s-au reuit o anulare (reducere) a abaterilor problema este considerat fr soluie (din punct de vedere al algoritmului euristic folosit). Dac s-a obinut o soluie admisibil se trece la pasul 4.
9
Pasul 4 se calculeaz funcia de performan f(x0) a soluiei iniiale admisibile (de regul un indicator economic) sau funcia global de optimizat (n cazul folosirii mai multor criterii de natur economic sau social, etc.). Pasul 5 se transform soluia iniial admisibil x0 ntr-o soluie deasemenea admisibil x1 pe baza unor reguli de transformare; Pasul 6 se calculeaz funcia de performan f(x1); Pasul 7 se compar performanele celor dou soluii f(x0) i f(x1). Dac funcia f(x1) este mai performant dect f(x0) se testeaz diferena f(x0)-f(x1). Dac diferena este semnificativ, soluia x1 devine soluie iniial i algoritmul se reia de la pasul 5. Dac diferena este nesemnificativ sau dac performana f(x1) este inferioar performanei f(x0) se reia pasul 5 alegndu-se alte reguli care s asigure un ctig mai mare pentru funcia de performan pn cnd se ajunge la un numr raional de iteraii. Cnd obiectivul a fost atins, algoritmul se oprete obinndu-se o soluie suboptimal. Paii algoritmului pot fi parcuri cu sau fr ajutorul calculatorului. Modelarea procedural asistat de calculator are la baz ideea c omul nu poate fi exclus din procesul de conducere al unui sistem, deoarece el reprezint principala surs de formulare a ipotezelor referitoare la comportamentul sistemului i singurul capabil s cuprind ntr-o raiune integratoare rezultatele diferitelor variante de evoluie a acestuia. Simularea numeric Descrierea modelelor de simulare. Realizarea experimentelor de simulare. n cazul sistemelor complexe, modelele matematice ce au un caracter deductiv nu pot surprinde realitatea. Se apeleaz la modele de simulare care au caracter procedural. n figura 2 se prezint procesul de selectare a unei metode de luare a deciziei. Realizarea experimentului de simulare face necesar parcurgerea etapelor de: - modelare, - programare, - analiz economic a rezultatelor . Simularea poate fi analogic, numeric. Un sistem de simulare cuprinde: - modelul, - operatorul simulrii, - variabilele I/E, - parametrii I/E. PAS AL SIMULRII Etapa n care toate variabilele iau valori constante. Evoluia sistemului n timp se urmrete cu variabila: CLOCK TIME. Pentru un anumit model se poate realiza un algoritm cu ceas fix i sau cu ceas variabil.
10
Figura 2 Procesul de selectare a unei metode de luare a deciziei n figurile 3 i 4 se poate urmri modul n care variaz ceasul n cazul modelelor cu ceas variabil i cu ceas fix. Valorile succesive ale ceasului T sunt marcate prin bare, iar apariiile evenimentului E prin puncte.
11
Figura 3 Ceas cu cretere constant
Figura 4 Ceas cu cretere variabil Fcnd abstracie de particularitile specifice fiecrui program de simulare, exist o structur global comun tuturor programelor de simulare bazate pe metoda ceasului variabil. Generarea numerelor aleatoare Pentru a reproduce n mod realist anumite elemente ale sistemului simulat, precum i pentru rezolvarea unor probleme numerice, apare necesitatea existenei unor numere alese la ntmplare. Despre un numr oarecare se poate spune c este ntmpltor (aleator) numai dac se afl ntr-un context statistic. n programele de simulare a proceselor economice, generarea variabilelor aleatoare ocup o pondere relativ mare n timpul total de rulare la calculator. Aceasta se datoreaz numeroaselor evenimente perturbatoare care apar n desfurarea proceselor economice, care de fapt reprezint de cele mai multe ori procese stochastice. De aceea este necesar s se elaboreze metode care s asigure generarea numerelor aleatoare care s respecte legea sistemului economic, consumnd un timp minim de rulare. Generarea numerelor aleatoare uniform repartizate Cel mai simplu fenomen l reprezint apariia unui eveniment, dintr-o mulime de evenimente posibile i probabile. Aceasta revine, din punct de vedere al calcului numeric la generarea unor numere aleatoare uniform repartizate. n practic se pot genera numai numere pseudoaleatoare, care satisfac urmtoarele condiii: - sunt repartizate uniform pe intervalul dat; - sunt statistic independente; - funcia de repartiie este stabil, nu se schimb n cursul rulrii programului de simulare; - irul generat are o perioad de repetiie mare.
12
irurile de numere pseudoaleatoare aproximeaz irurile de numere aleatoare, astfel cu ct condiiile anterioare sunt mai bine respectate cu att aproximaia este mai bun. Deoarece metodele cunoscute asigur o apropiere suficient de mare ntre cele dou tipuri de numere, n literatura de specialitate se folosete aproape exclusiv denumirea de numere aleatoare. Numerele aleatoare se pot genera prin mai multe tipuri de metode: metode manuale care folosesc diferite dispozitive (zaruri, urne,etc.). Datorit vitezei reduse se folosesc foarte rar. metode fizice se bazeaz pe analogii dintre procese fizice ntmpltoare (procese electronice, procese radioactive, etc.). Satisfac n cea mai mare msur caracterul aleator, dar au dezavantajul c nu sunt reproductibile. metode de memorizare care folosesc de regul memoria intern sau extern a calculatoarelor. Aceste metode ofer avantajul reproductibilitii. metode care const n consultarea specialitilor prezint n primul rnd dezavantajul subiectivismului celor consultai. Se folosesc n special n scopuri didactice sau pentru iniializri i testri ale programelor complexe de simulare. metode analitice care const n utilizarea unor algoritmi de calcul, bazai pe una sau mai multe relaii de recuren. Au fost elaborai algoritmi care respect condiiile menionate mai sus i n plus necesit un consum redus de timp i de memorie, atunci cnd algoritmii sunt inclui ntr-un program principal care este rulat pe calculator. Datorit acestor avantaje, metodele analitice sunt cele mai rspndite n aplicaiile numerice. Cei mai reprezentativi algoritmi de generare a numerelor aleatoare folosesc metodele congrueniale aditive, multiplicative i mixte sau clasele de resturi. Metod congruenial aditiv Se d un ir de numere X10, X20,...., Xn0 i un numr prim m. Numerele generate folosesc clasele de resturi modulo m, adic: X1=( X10+ X20+,....,+Xn0)mod m X2=( X20+ X30+,....,+Xn0+ X1)mod m X3=( X30+ X40+,....,+Xn0+ X1+ X2)mod m .............................................................. Xk+1=( Xk-n+1+ Xk-n+2+,....,+Xk-1+ Xk)mod m pentru k>n . Pentru a genera numere n intervalul (0,1) se efectueaz transformarea de variabil: Yi=Xi/m, unde Xi (0,m), Yi (0,1). Aceast metod d rezultate slabe. Poate fi folosit cu mai mult succes dac se folosete mpreun cu alt metod.
13
Metod congruenial multiplicativ Elementele folosite n acest caz sunt: un factor multiplicativ a, un numr iniial X0 (nedivizibil cu 2) i un numr prim m iar a este o rdcin primitiv a lui m. irul generat este de forma : X1=(a X0)mod m X2=(a X1)mod m .............................. Xk+1=(a Xk)mod m Cu ct m este mai mare, cu att rezultatele sunt mai bune, adic se respect condiiile care se cer numerelor aleatoare uniform repartizate. Metode congrueniale mixte Elementele sunt : un ir de numere iniiale X10, X20,...., Xn0 , un ir de factori multiplicativi: a1, a2,...., an , o constant aditiv c i un numr prim m. X1=( a1X10+ a2X20+,....,+ anXn0+c)mod m X2=( a1X20+ a2X30+,....,+ anX1+c)mod m .............................................................. Xk+1=( a1Xk-n+1+ a2Xk-n+2+,....,+ anXk+ c)mod m pentru k>n . Generarea numerelor aleatoare cu restricii date n funcie de natura repartiiilor date (discret, continu, empiric, teoretic) se pot utiliza urmtoarele metode de generare: metoda transformatei inverse, metode aproximative, metode specifice repartiiei date, etc. Metoda transformatei inverse Metoda se aplic avantajos n cazul repartiiilor teoretice continue, definite de o funcie F(x) pe ntreg domeniul de existen i uor inversabil. Relaia dintre funcia de repartiie i funcia densitate de probabilitate este F (x ) = Dac se genereaz un numr y [0,1] , cu densitate de probabilitate uniform, atunci numrul x , cu densitatea de probabilitate f(x) trebuie s satisfac relaia F(x)=y , x=F-1(y). Ex. f (x ) =
y= 1 , x ( ,+ ) 1 + x2
f (t )dt
1 arctg x + 2 1 x = tg y 2
14
Metode aproximative Aceste metode const n aproximarea funciei de repartiie F(x), definit pe un interval [a,b] ca o succesiune de funcii Fi(x) definite pe intervalele [ai,bi] incluse n [a,b]. Funciile Fi(x) trebuie s fie liniare sau polinoame de grad mic, uor inversabil. Ex. funcia de repartiie pentru analiza drumului critic, aproximat pe patru intervale prin drepte sau curbe. Dac U este uniform repartizat pe intervalul (0,1) numrul x generat este:
U 4 dac U [0;0,2825] 1,64 U + 0,4995 dac U (0,2825;0,47] x = 1,876 0,424 U + 0,55 dac U (0,47;0,96] 1 1U dac U (0.96;1) 3,4
SIMULAREA STOCHASTIC CU TEHNICA MONTE CARLO Metoda Monte Carlo st la baza procedurilor de generare a proceselor stochastice sau de cutare a unor puncte ntr-un domeniu. Pe baza rezultatelor obinute prin metoda Monte Carlo, n cadrul programului de simulare, se obin diferite evaluri, ierarhizri care permit fundamentarea deciziei economice. Se pot evidenia urmtoarele domenii: - procese de stocare complexe n care ritmul de aprovizionare are caracter aleator sau sezonier, suprafaa de depozitare este limitat, etc., n general cnd optimizarea nu mai este posibil cu modele clasice din teoria stocurilor. Metoda Monte Carlo permite obinerea repartiiilor principalilor parametrii ai procesului de stocare; - procese de ateptare n care au loc evenimente care se intercondiioneaz, iar rezolvarea lor cu ajutorul modelelor de ateptare (din teoria firelor de ateptare) nu este posibil. O problem de larg interes i utilitate o reprezint semaforizarea n marile orae (unda verde); - procese de reparaii analizate n legtur cu activitatea de producie i investiii; - estimarea parametrilor repartiiei duratei totale i posibilitatea determinrii frecvenei caracterului critic pentru fiecare activitate; - procese de munc complexe privind adoptarea unor decizii legate de problemele programrii operative a produciei (ncrcarea utilajelor, lansarea n fabricaie, urmrirea realizrii produciei) de la loc de munc/instalaie/secie;
15
- procese macroeconomice atunci cnd se dorete cunoaterea unor corelaii ntre dou sau mai multe ramuri, studiul fluxurilor ntre ramuri, probleme de cretere economic. Prezentarea general a metodei n situaia n care unei probleme deterministe i se asociaz un model aleator (probabilist) i prin generarea unor variabile aleatoare legate funcional de soluie se realizeaz experiene pe model i se furnizeaz informaii despre soluia problemei deterministe, se folosete simularea Monte Carlo. Apariia ideii utilizrii fenomenelor aleatoare n domeniul calculelor de aproximare s-a produs n 1878. (Lucrarea lui Hall despre determinarea numrului cu ajutorul aruncrilor ntmpltoare ale unui ac pe o hrtie pe care s-au trasat drepte paralele. Esena metodei const n realizarea experimental a unui eveniment a crui probabilitate s fie exprimat prin numrul i estimarea aproximativ a acestei probabiliti). Termenul metoda Monte Carlo este de fapt sinonim cu metoda experimentrilor statistice. Metoda Monte Carlo poate fi definit ca metoda modelrii variabilelor aleatoare, n scopul calculrii repartiiei lor. Prima lucrare n care este prezentat metoda a aprut n 1949 (The Monte Carlo Method J. Amer. Stat. Assoc. autori Metropolis i Ulam). La nceput metoda a fost aplicat n principal n rezolvarea problemelor fizicii neutronului (cnd metodele clasice nu mai erau utile). Ulterior a fost considerat deosebit de util n rezolvarea problemelor economice, cnd metodele analitice devin inoperante. Pentru calcularea unei variabile aleatoare se pleac de la o variabil aleatoare cu repartiie uniform pe intervalul [0,1] din cmpul de probabilitate constructiv. Prin cmp de probabilitate constructiv se nelege cmpul cu o aplicaie de forma : =f(x), x [0,1] cu proprietatea c:
f ( x)dx = 1 .
0
Metoda presupune estimarea parametrilor repartiiei unei variabile aleatoare pe baza realizrilor acesteia, astfel nct problema principala problem care se rezolv prin aceast metod const n estimarea valorii medii a unei variabile aleatoare n funcie de o eroare admisibil i o probabilitate dat. Datorit faptului c metoda conduce la construirea prin experiment statistic a imaginii unor procese, se impune ca variabilele aleatoare s fie estimate cu o abatere ct mai mic n probabilitate n raport acelea care ar putea fi considerate reale. Aceasta conduce la necesitatea construirii unor estimatori satisfctori, care n cazul metodei Monte Carlo este media aritmetic simpl sau ponderat.
16
Pentru o variabil aleatoare , cu distribuie normal, cu media m i dispersia 2, funcia de verosimilitate n raport cu m este:
F x1 ,..., x n ; m,
)=
)
F x1 ,..., x n ; m, 2
(2 )n / 2
este maxim n raport cu m i 2 pentru realizrile

ln F m = 0 ln F =0 2
1 xi m 2 exp ; n i =1 2
n
xi , i = 1, n
x1 ,..., x n ale lui dac:
de unde rezult c pentru variabila aleatoare cu distribuie normal, media m

= xi . este estimator de maxim verosimilitate: m
i =1
1 n
Calitatea eantionului poate fi apreciat prin teste de concordan, care msoar apropierea repartiiei empirice de repartiia teoretic. Precizia i proprietile metodei Monte Carlo Pentru ca rezultatele obinute cu ajutorul metodei Monte Carlo s poat fi concludente trebuie inut seama de aspectele: a) Pentru ca eroarea maxim admisibil n determinarea probabilitii apariiei evenimentului considerat s nu depeasc o valoare , este necesar ca experimentarea s se fac de un numr de ori dat de relaia: n =
4 p (1 p ) , unde p este valoarea cutat a probabilitii de 2
apariie a unui eveniment; b) Dac dup n experimentri s-a determinat o valoare statistic medie (m) a unei variabile aleatoare V, valoarea medie real se va situa ntre limitele: m = m ; c) Dac este dorete obinerea valorii medii m a variabilei aleatoare V cu o eroare cel mult egal cu dat, atunci experimentul se repet de un n ori dat de relaia: n
4 Dv , unde Dv reprezint dispersia 2
mrimii V, care poate fi determinat pornind de la rezultatele primei serii de (n1) experimentri, dup care se corecteaz treptat pe msura obinerii datelor. Simularea producerii unui eveniment (E) a crui apariie este apreciat prin probabilitatea p se determin din ndeplinirea inegalitii i < p , unde i este un numr aleator 0 i 1 . Ca urmare, evenimentul E este definit prin egalitatea:
i sau E = 0 i > p dac dac d) Precizia metodei Monte Carlo se poate estima statistic, cu un grad de certitudine finit (se va considera suficient 0,99 ... 0,97);
1 dac E a avut loc E= 0 dac E nu a avut loc
1 dac p
17
e)Precizia metodei variaz cu N1/2 (N numrul total de ncercri), deci o cretere a preciziei cu un ordin de mrime mrete timpul de calcul cu dou ordine de mrime. Concluzii - metoda Monte Carlo este o metod aproximativ ce poate fi adaptat problemelor economice; - precizia metodei este determinat de numrul de ncercri independente i de variaia lor; - numrul de ncercri variaz invers proporional cu probabilitatea; - metoda Monte Carlo nu este adaptat studiului unor procese cu probabilitate foarte mic, deoarece rezult un numr imens de cicluri de simulare. EXEMPLU: STUDIUL DE CAZ Societatea comercial S.C. OMEGA S.A. i propune s realizeze un produs nou pe care dorete s-l comercializeze pe pia. Obiectivele managementului societii sunt: obinerea unei imagini de prestigiu a firmei, creterea interesului public pentru societate i obinerea de profit. Cu toate c vnzarea produsului va avea loc ntr-o foarte scurt perioad de timp, este posibil ca att costurile de producie, marketing i distribuie, ct i volumul vnzrilor s varieze ntmpltor n aceast perioad. nainte de realizarea i lansarea efectiv a produsului pe pia, managerul de marketing a hotrt s estimeze prin simulare profitul care ar putea fi realizat de produsul nou pe baza informaiilor furnizate de un studiu de marketing referitor la costuri i vnzrile posibile ale produsului. Aplicarea simulrii la probleme de acest tip presupune parcurgerea unor etape: 1) identificarea factorilor care influeneaz rezultatele lansrii pe pia a produsului; 2) formularea unui model care s arate legturile dintre factori; 3) determinarea distribuiilor de probabilitate pentru factorii luai n considerare; 4) realizarea simulrii; 5) analiza i interpretarea datelor simulrii. Etapa 1. Identificarea factorilor Dac se pornete de la conceptul economic de profit naintea de plata taxelor, factorii care influeneaz profitul pot fi reprezentai n figura:
18
Costurile variabile includ costurile de producie, costurile de marketing i de vnzare, iar costurile fixe includ costurile fixe legate de utilaje, costurile de lansare a produciei i de publicitate. Trebuie amintit c problema este simplificat, luarea n considerare a tuturor factorilor posibili ar duce la o complicare a problemei ceea ce ar face-o mai greu de rezolvat ( de exemplu se poate extinde arborescena prin ramificarea costurilor fixe n costuri de publicitate i costuri de lansare a produciei, sau prin ramificarea vnzrilor n vnzri interne i n vnzri export, etc.). ETAPA 2. FORMULAREA UNUI MODEL Pe baza teoriei economice referitoare la conceptul de profit i pe baza factorilor identificai, se poate propune urmtorul model: Profitul total=volum vnzri(pre de vnzarecost variabil unitar)-costuri fixe Acesta este unul dintre modelele care se pot construi pentru determinarea profitului total. De exemplu, dac vnzrile sunt mari, profitul poate fi diminuat din cauza presiunii de cretere a salariilor din partea forei de munc. De asemenea, costurile fixe pot rmne la acelai nivel, numai pn la un anumit volum al vnzrilor, dup care poate aprea necesitatea unui nou echipament sau utilaj. Dac se ncearc includerea n model a tuturor factorilor posibili s-ar produce o complicare a problemei. Prin urmare este necesar s se realizeze un compromis ntre necesitatea de a construi un model simplu, uor de neles i necesitatea de a obine prin model o reprezentare rezonabil i plauzibil a problemei reale. Etapa 3.Determinarea distribuiilor de probabilitate Conducerea societii comerciale a fixat preul de vnzare la 10 uniti monetare/buc.(u.m./buc.)i consider c nu exist incertitudine cu acest factor
19
S-au stabilit costurile fixe la 150.000 u.m. Pe baza informaiilor furnizate de departamentele de marketing, producie i de costuri s-au determinat distribuiile de probabilitate prezentate n tabelul urmtor. Costuri variabile Valoare Probabilitate (u.m./buc) 6 0,3 7,5 0,5 9 0,2 Volumul vnzrilor Cantitate (mii Probabilitate buc.) 60 0,1 70 0,3 80 0,4 90 0,2
Etapa 4.Realizarea simulrii Pentru realizarea simulrii cu metoda Monte Carlo se utilizeaz distribuia de probabilitate cumulat a fiecrui factor i un generator de numere aleatoare, uniform distribuite ntre [0,1). Deoarece se presupune ca cei doi factori aleatori (costurile variabile i volumul vnzrilor) sunt independeni, la fiecare experiment de simulare se genereaz un set de numere aleatorii ntre [0,1). Se poate aplica urmtoarea procedur: Pasul 1. Pentru fiecare distribuie de probabilitate, se calculeaz probabilitile cumulate
Pk = pi , k = 1, ... , n
i =0
unde pi sunt probabilitile asociate factorilor aleatorii. Se nscriu n tabelul urmtor probabilitile cumulate obinute. Costuri variabile Valoare Probabilitate Intervalul (u.m./buc) cumulat [Pk-1,Pk) 6 0,3 [0-0,3) 7,5 0,8 [0,3-0,8) 9 1,0 [0,8-1) Volumul vnzrilor Cantitate Probabilitate Intervalul (mii buc.) cumulat [Pk-1,Pk) 60 0,1 [0-0,1) 70 0,4 [0,1-0,5) 80 0,8 [0,5-0,8) 90 1,0 [0,8-1)
Pasul 2 Se asociaz intervale de numere aleatorii valorilor factorilor aleatorii. Acest lucru se poate realiza grafic sau tabelar. Pentru un numr mai mare de factori se prefer metoda tabelar.
20
Grafic Deoarece se lucreaz cu doi factori aleatorii se vor construi dou grafice. Pe axele orizontale se reprezint valorile factorilor aleatorii (costurile variabile, respectiv vnzrile), iar pe axele verticale probabilitile cumulate. Pentru fiecare valoare se construiete o bar vertical care are nlimea egal cu probabilitatea cumulat corespunztoare acelei valori.
1 0,9 0,8 0,7 0,6 0,5 0,4 0,3 0,2 0,1 0 6 1 0,8
Probabiliti
0,3
7,5
Costuri variabile (u.m./buc)
1 0,9 0,8 0,7 0,6 0,5 0,4 0,3 0,2 0,1 0 60
1 0,8
Probabiliti
0,4
0,1 70 80 90
Vnzri(mii buci)
Tabelar n tabelul anterior se prezint intervalele construite cu ajutorul probabilitilor cumulate [Pk-1,Pk), asociate valorilor factorilor aleatorii. Pasul 3 Se genereaz dou seturi de numere aleatorii, uniform repartizate n intervalul [0,1), utiliznd funcia RAND din Excel i se trec n tabelul urmtor. Pasul 4 Se simuleaz factorii aleatorii i se calculeaz profitul. Obinerea valorilor simulate se poate face grafic sau tabelar. Grafic Fiecare numr din seturile de numere aleatorii generate se reprezint orizontal care intersecteaz o bar vertical. Se citete valoarea de la baza barei , iar n tabelul 3 se trece volumul simulat al vnzrilor, respectiv costul variabil simulat i apoi se calculeaz profitul total.
21
Tabelar Se caut intervalul [Pk-1,Pk) cruia i aparine fiecare numr aleatoriu. Se trec datele n tabelul 3 (volumul simulat al vnzrilor, respectiv costul variabil simulat) i apoi se calculeaz profitul total. Tabelul 3 Numr Numr experiment aleatoriu 1. 1. 2. 3. 4. 5. 6. 7. 8. 9. 10. ... 100 2. 0,36679 0,13273 0,79054 0,10328 0,53723 0,37764 0,98360 0,19179 0,73569 0,02472 Volum vnzri (mii buc.) 3. 70 70 80 70 80 70 90 70 80 60 Numr aleatoriu 4. 0,87109 0,70050 0,81018 0,00799 0,65239 0,29714 0,37499 0,94440 0,19555 0,67882 Costuri variabile (u.m./buc) 5. 9 7,5 9 6 7,5 6 7,5 9 6 7,5 Profitul total pri (u.m.) 6. - 80.000,00 25.000,00 - 70.000,00 130.000,00 50.000,00 130.000,00 75.000,00 - 80.000,00 170.000,00 -
Pasul 5 Dac numrul de experimente este mai mic dect numrul N stabilit de utilizator, se reia procedura de la pasul 3 pentru efectuarea unui nou experiment, altfel se trece la pasul 6. Pasul 6 Analiza statistic a rezultatelor, se determin media profitului, deviaia standard, intervalul de ncredere i distribuia de probabilitate. n tabelul anterior sunt prezentate rezultatele obinute pentru 10 experimente de simulare. Astfel, pentru experimentul numrul 1, numrul aleatoriu 0,36679 [0,1-0,5) i genereaz vnzri de 70.000 buci, numrul aleatoriu 0,87109 [0,8-1) i genereaz costuri variabile de 9 u.m./bucat. Profitul total este pri=70.000(10-9)-150.000 = -80.000 u.m. 1 10 * Profitul mediu este: pr = pri = 35.000 u.m. 10 1 Deviaia standard : s =
( pr
1
10
pri ) 2
= 92.436,16 u.m.
Pentru caracterizarea corect a distribuiei de probabilitate a profitului este necesar un numr mare de experimente de simulare. n tabelul
22
4 sunt prezentate rezultatele obinute din analiza statistic a 500 experimente de simulare realizate n Excel, iar n figura 4 sunt reprezentate distribuia discret de probabilitate i funcia de distribuie cumulat a profitului corespunztor noului produs. Tabelul4 Intervale de profit (mii u.m.) (-150,-90] (-90,-30] (-30,30] (30,90] (90,150] (150,210]
1 0,9 0,8 0,7
Frecvena 8 97 100 166 56 73
Probabilitatea relativ 0,016 0,194 0,200 0,332 0,112 0,146
Probabilitatea cumulat 0,016 0,210 0,410 0,742 0,854 1,000

1
Probabiliti
0,6 0,5 0,4 0,3 0,2 0,1 0 -90 0 0,016 0,194 0,2 0,112 0,146 0,332
-30
30
90
150
210
Profitul total (mii u.m.)
Caracteristicile distribuiei de probabilitate a profitului simulat sunt urmtoarele: - profitul total minim = pierderea maxim = -80.000 u.m. - profitul total maxim = 170.000 u.m. - profitul mediu pr* = 35.000 u.m. - deviaia standard s = 92.436,16 u.m. Intervalul de ncredere (1-) = 0,95 se construiete cu relaia :
* s s , pr * + 1,96 , pr 1,96 N N
92.436,16 92.436,16 , , 35.000 + 1,96 35.000 1,96 10 10
23
intervalul: ( -22 292,52811; 92 292,52811 ) u.m. - pentru N=10 i

* s s , pr * + 1,96 , pr 1,96 N N
92.436,16 92.436,16 , 35.000 + 1,96 , 35.000 1,96 500 500
intervalul: (26 897,61; 43 102,39 N=500
) u.m. - mai corect pentru
Prin urmare profitul total mediu generat de produsul nou poate fi ntre 26,89 i 43,10 mii u.m. Probabilitatea ca profitul total s fie mai mic sau egal cu zero se determin prin interpolare: P(profitul total 0) = 0,21+(0,41-0,21) [0-(-30)]/[30-(-30)]=0,31 Exist probabilitatea de 31% ca produsul s produc pierderi. Va fi necesar ca managementul firmei s ia msuri pentru prevenirea sau diminuarea acestor pierderi dac dorete s lanseze produsul care poate contribui la creterea prestigiului firmei S.C. OMEGA S.A. . Modelarea fenomenelor de pia Cunoaterea cerinelor pieei, anticiparea acestora, constituie una din premisele ntocmirii programului de fabricaie ntr-o ntreprindere. Prospectarea pieei reprezint un proces complex ce se refer la aspecte cantitative i calitative. n cercetrile specifice ce se realizeaz se folosesc att date statistice privind evoluia cererii i ofertei de produse pe diferite piee, ct i informaii culese direct din cadrul pieei, locul de confruntare a cererii cu oferta. Modele de estimare a evoluiei cererii pe pia a. Raportul cerere-pre Teoria cantitativ a cererii pornete de la urmtoarele ipoteze: -I1- n cazul unui venit constant, cererea pentru o marf scade odat cu creterea preului i invers. Ipoteza permite formularea unor modele numerice care s previzioneze creterea (scderea) cererii n cazul reducerii (creterii) preului ntr-o proporie definit. Sensibilitatea cererii la modificrile de pre este ilustrat de coeficientul de elasticitate al cererii (c) fa de pre (p) i care arat cu ct la sut se modific (n sens invers) cererea unui bun dac preul su se modific cu 1%. Expresia de calcul este:
Ec / p =
c p : , c p
24
unde c,p sunt modificarea cererii i a preului n dou perioade de referin. -I2- n cazul unui venit variabil, cererea pentru un bun crete odat cu creterea venitului i scade cu creterea preului. b. Raportul cerere-pre Dac preul este meninut constant, cererea poate fi descris ca o funcie a venitului ci=f(v). Modificarea preurilor determin deplasarea curbelor de cerere. n literatura de specialitate, curbele care exprim dependena dintre cerere i venit sunt cunoscute sub denumirea curbelor tip Engel. Dependena nu este liniar, cererea pentru diferite grupe de produse cunoate puncte de saturaie . Dependena cerere-venit poate fi exprimat n principal prin urmtoarele tipuri de funcii: a) n cazul bunurilor strict necesare: C1 =
m1 V V + n1 m 2 (V p 2 ) V + n2
b) n cazul bunurilor de consum curent: C 2 = c) n cazul bunurilor de lux: C 3 =
m3 V (V p 3 ) V + n3
d) n cazul bunurilor care, pentru un anumit nivel al venitului, ies din uz: C 4 = m 4 V n 4 V 2 unde: C cererea la produsul (sau grupa de produse) considerat; V venitul; m,n,p parametrii econometrici. Interpretarea celor patru funcii este urmtoarea: a) Prima funcie C1, cunoscut sub numele de funcia Trnquist I, arat c pe msura creterii veniturilor , cererea crete ntr-o proporie mai slab, tinznd s se plafoneze, graficul fiind prezentat n figura 1.
Figura 1 Funcia Trnquist I
25
Limita cnd V este m1, deci nivelul spre care tinde C1 este m1 . Derivata nti a funciei este descresctoare, tinznd asimptotic ctre zero. b) Funcia C2, cunoscut sub numele de funcia Trnquist II, prezint aproximativ aceeai dependen cerere-venit ca i C1, deoarece are un prag de saturaie la nivelul m2, ceea ce nseamn c la creteri din ce n ce mai mari ale lui V, C2 tinde ctre m2.
Figura 2 Funcia Trnquist II Cererea pentru aceast grup de produse sau servicii ncepe s se manifeste numai dup ce V>p2 ,pentru V=0 C 2 =
m2 p 2 (parametrul n2
p2 este negativ).Graficul funciei este prezentat n figura 2. c) Funcia C3, cunoscut sub numele de funcia Trnquist III, este specific pentru produsele la care cererea crete continuu pe msura creterii veniturilor. Curba prezint o asimptot oblic la ramura spre +, asimptot care are ecuaia C=m3V-m3(p3+n3). Pentru n3<0 cererea se manifest cnd n3<p3.Graficul este prezentat n figura 3.
Figura 3 Funcia Trnquist III d) Funcia C4 este caracteristic pentru produsele sau grupele de produse care, dup un anumit nivel al veniturilor ies din uz. Cererea pentru astfel de produse prezint la nceput o cretere, atinge un maxim pentru V=m4/2n4 , dup care ncepe s scad ajungnd la zero , ceea ce
26
nseamn c, la venituri mai mari dect aceast limit nu exist cerere pentru astfel de produse. Avnd n vedere dinamica legturii cerere-venit, exist tendina normal ca funciile care reflect aceast dependen s se verifice tot mai mult. n cazul produselor de prim necesitate i greu substituibile, variaia preurilor nu influeneaz semnificativ consumul acestora, totui apar schimbri n volumul i structura consumului ca urmare a scderii veniturilor. n grupa produselor de lux sau uor susbstituibile consumul este puternic influenat de pre. Exemplu Folosind date de pia anuale a putut fi determinat empiric funcia de cerere pentru hran: F=97,677-0,246pa/p+0,247Y+0,051Y-1-0,104t unde: F- consumul de alimente n preuri constante; pa/p indicele de pre al consumatorului (raportul dintre preul produselor alimentare i preul produselor nealimetare); Y, Y-1 venitul disponibil n anul curent i respectiv n anul trecut; t tendina n timp. n obinerea acestei funcii s-a plecat de la ideea c cererea pentru hran este o funcie de raportul dintre preul produselor alimentare i a celor nealimentare, de venitul disponibil curent i cel din perioada trecut, precum i de tendina impus de schimbri n gusturi, obiceiuri, etc. Analiza funciei conduce la urmtoarele aspecte: - cererea are pant negativ, deoarece cererea scade cnd preul produselor alimentare crete; - efectul venitului este pozitiv, cererea pentru hran crete cu creterea venitului; - produsele alimentare i nealimentare sunt parial substituibile, deoarece o cretere n preul articolelor nealimentare relativ la cele alimentare conduce la cererea creterii pentru hran Indicatorii ofertei de mrfuri Principalii indicatori ai ofertei sunt: cantitatea de produse existent la un moment dat pe pia, valoarea produselor, structura pe categorii de produse, durata de ateptare a produselor pe pia pentru a fi vndute, frecvena solicitrii produselor de ctre consumatori, vrsta produselor, ansa lor de supravieuire pe pia, competitivitatea. Oferta de mrfuri trebuie tratat n profil static i dinamic pentru a putea fi surprins la un moment dat, dar i n micare, cu implicaiile ce le atrage prezena ei asupra procesului economic n complexitatea lui.
27
Creterea cantitativ, ridicarea calitativ, diversificarea sortimental, nnoirea produselor n timp reprezint principalii parametri care caracterizeaz dinamica ofertei de mrfuri. Fiecrui articol individualizat n masa ofertei i se poate stabilii uor vrsta, pornind de la momentul primei sale apariii pe pia. Oferta, considerat la un moment dat, cuprinde produse de vrste foarte diferite, ea va avea vrsta medie (simpl sau ponderat) a vrstelor produselor care o compun. Viaa produsului pe pia cunoate etapele de lansare, cretere, maturitate i declin (figura).
Curba vanzarilor Curba vnzrilor arat caracterul progresiv al penetraiei produsului n consum, stabilitatea relativ din perioada de maturitate, concurena pe care produsele noi o fac celor vechi, sfrind prin eliminarea acestora de pe pia. Privit n dinamica ei, oferta de mrfuri trebuie s asigure nnoirea permanent a produselor, astfel nct, n timp ce un produs intr n faz de declin, produsul nou s fie deja n faza lansare sau chiar n faza de cretere (expansiune). Faza prin care se afl un produs la un moment dat pe pia se mai poate aprecia prin analiza structurii consumatorilor la un moment dat. Difuzarea pe pia a unui nou produs ntlnete un grad diferit de receptivitate pe grupe de populaie (mediu, sex vrst). Pe de alt parte, n cazul produselor noi, evoluia numrului de cumprtori, adic a volumului vnzrilor, nu caracterizeaz n totalitate statutul pe pia a acestora, deoarece o prim cumprare nu nseamn i acceptarea lui definitiv (primele cumprturi avnd mai mut un caracter de testare a produsului). Curba vnzrilor ia forme diverse, n funcie de natura produsului, a piei pe care este lansat, a politicii de lansare i staionare pe pia. n general aceast curb poate fi asimilat unei funcii Gamma de forma: Vt=kte-t unde Vt vnzrile la un moment dat t,k constante; , parametrii.
28
Anulnd derivata I, se afl nivelul maxim al vnzrilor: Vt`=0 t= / Anulnd derivata II, se afl momentul creterii / descreterii ritmului vnzrilor: Vt``=0 t1= ( ()1/2)/ t2= ( + ()1/2)/ Integrnd, se observ volumul global al vnzrilor n perioada existenei produsului pe pia:
V = k t e t dt
0 1
n practic, problema fidelitii cumprtorului fa de o anumit marc, de un anumit produs, este destul de complex, deoarece pot aprea produse noi pe o pia destul de saturat de produsele existente, poate avea loc o competiie ntre produse de vrste diferite, piaa poate fi de dimensiuni rigide sau elastice, pe pia pot exista oferte, aciuni publicitare n favoarea unor produse, etc.
Modelarea evoluiei ponderii pe pia a unor produse concureniale cu lanuri Markov
Orice lan Markov este definit de matricea sa stochastic (P) i de distribuia iniial aj. La stabilirea modului n care se presupune s evolueze ponderea pe pia a unor produse concureniale pot fi aplicate lanurile Markov Aspecte teoretice Considerm un ansamblu de rezultate posibile, independente E1, E2, ... (n numr finit sau infinit). Fiecrui rezultat i asociem o probabilitate pk. Probabilitatea unei succesiuni de rezultate se definete prin proprietatea multiplicativ de forma: Pr{Ej0, Ej1,..., Ejk,..., Ejn} = pj0*pj1,..., *pjn. n teoria lanurilor Markov se consider c rezultatul oricrei ncercri depinde de rezultatul ncercrii care o precede direct i numai de acesta. Fiecrei perechi Ej, Ek i se asociaz probabilitatea condiionat pjk, adic, dac se realizeaz Ej, probabilitatea de realizare a lui Ek este pjk. Probabilitatea rezultatului Ej al ncercrii iniiale este aj (distribuia iniial). Probabilitatea condiionat este, de fapt, probabilitatea de trecere de la starea Ej la Ek. Probabilitile de trecere sunt reprezentate sub forma unor matrice ptratice cu toate elementele nenegative i cu proprietatea c suma elementelor unei linii este egal cu 1.
29
Paii algoritmului analitic: 1. Se construiete matricea probabilitilor de trecere de la o stare la o alt stare n funcie de coeficientul de fidelitate i de reorientare a cumprtorilor din momente de timp succesive; 2. Se scrie distribuia iniial sub forma unui vector linie, cu elementele formate din ponderile pe pia ale produselor considerate la momentul 0; 3. Prin nmulirea distribuiei iniiale cu matricea probabilitii de trecere se determin ponderea produselor pentru momentul 1; 4. Se determin ponderea pe pia a produsului pentru 2, 3, 4 etc momente dorite; La stabilirea modului n care se presupune s evolueze ponderea pe pia a unor produse concureniale pot fi aplicate lanurile Markov 5. Se ntocmete situaia evoluiei ponderii pe pia a produselor; 6. Se traseaz curba evoluiei ponderii fiecrui produs; 7. Se precizeaz situaia produsului la momentul iniial i se stabilete politica de comercializare a propriului produs n funcie de aceasta, de situaia concurenei i a posibilitilor tehnico-economice din organizaie. STUDIUL DE CAZ Pe piaa produselor de ciocolat se studiaz trei sortimente A, B, C de ciocolat. Cota de participare a fiecrui produs n vnzri la momentul 0 este A50%, B-35%, C-15%. Coeficientul de fidelitate de la o lun la alta, este constant i anume : 60% din cumprtori rmn fideli sortimentului A, 70% din cumprtori rmn fideli sortimentului B i 80% din cumprtori rmn fideli sortimentului C. Ceilali consumatori prsesc produsul i se reorienteaz celorlalte produse conform tabelului: Produsul Reorientri % prsit A B C A 20 20 B 15 15 C 5 15 Considernd constante probabilitile de tranziie, se propune analizarea evoluiei ponderii celor trei produse pe pia pentru un semestru. P1. Se construiete matricea probabilitilor de trecere (elemente nenegative iar suma elementelor aceleiai linii este 1) n funcie de coeficientul de fidelitate i de reorientrile cumprtorilor n dou luni
0,6 0 ,2 0 ,2 succesive, astfel: P = 0,15 0,7 0,15 0 ,05 0 ,15 0 ,8
P2. Se scrie distribuia iniial sub forma uni vector linie cu elementele formate de ponderile de pia ale produselor considerate la momentul 0:
30
a j = (0,5 0,35 0,15)
P3. Se determin ponderea de pia a celor trei produse dup prima lun:
(0,5 0,35 0,15) P = (0,36 0,368 0,273) ,
adic
A=36%; B=36,8%; C=27,3%
P4. Se determin ponderile pe pia ale celor trei produse dup 2,3,4,5,6 luni considerate; P5. Se ntocmete situaia privind evoluia pe pia a produselor pentru lunile considerate, conform tabelului; P M1 M2 M3 M4 M5 M6 M7 A 0,5 0,36 0,285 0,244 0,221 0,208 0,200 B 0,35 0,368 0,370 0,368 0,364 0,361 0,359 C 0,15 0,272 0,345 0,389 0,415 0,431 0,440 P6. Se traseaz curba evoluiei ponderii fiecrui produs conform figurii;
0,6 0,5 0,4 0,3 0,2 0,1 0 1 2 3 4 5 6 7 Produs 1 Produs 2 Produs 3
P7. Se precizeaz situaia produsului la momentul iniial i se stabilete politica de comercializare a produsului. Din analiza pe pia a celor trei produse rezult c la momentul 1, produsul A se afl n faz de declin, ponderea lui n totalul pieei fiind n continu scdere (de la 50% la 20%). Produsul B se afl n faz de maturitate, se constat la nceputul perioadei o uoar cretere a ponderii sale n totalul pieei (pn la 37%), apoi o meninere n jurul valorii de 36 %. Produsul C se afl n faza de cretere (de la 15% la 44,1%).
Modele econome cu o ecua ie (unisectoriale)
31
Procesele de cunoatere din domeniul economiei se concentreaz n mod frecvent asupra unei probleme sau asupra unui sector de activitate n vederea desluirii cauzelor, desprinderii tendinelor, profilrii soluiilor. Astfel, studiul se poate concentra asupra investiiilor din sectorul privat sau asupra productivitii n sectorul industriei alimentare, rentabilitii n domeniul exporturilor, ratei omajului, etc. Acesta presupune desprinderea din estura de interdependene care caracterizeaz demersul economic a unui singur proces, precum i factorilor care l determin. Din ansamblul variabilelor i legturilor economice, ne limitm la analiza investiiilor (y) privite ca funcie de rata dobnzii (x1) i cuantumul economiilor (x2), exprimnd relaia dintre y i factorii x1, x2 printr-o funcie y=f(x1, x2) (u-variabil fr nume). Modelul adoptat pentru a descrie relaia dintre variabile se ncadreaz n una din categoriile: - unifactoriale y=f(x, u) a) modele -multifactorile y=f(x1, x2,...,xk, u) b) modele - liniare - neliniare yi=a0+a1xi+ui yi=a0+a1logxi+ui yi=a0xa1eui yi=a0+a11/xi+ui , etc.
c) modele d) modele gru
-cu influene sincrone xt=a0+a1xt+ut - cu influene asincrone yt=a0+a1zt-1+a2yt-2+ut - pariale qi=a0+aixi+ui , unde q producia de Qi= a0+a1xi+ui , unde Q produsul intern brut.
Formarea modelului unisectorial precum i utilizarea sa presupune urmtoarele etape: a. analiza dependenei variabilei economice n raport cu posibilii factori, innd seama de ceea ce admite teoria economic n domeniul respectiv, de aspectele scoase n eviden de practica economic n perioada i spaiul economic avute n vedere, precum i de existentul de date numerice sau de posibilitile de obinere a acestora; b. verificarea prezumiilor teoretice prin prisma comportamentului variabilelor aa cum este el relevat de date, ceea ce implic utilizarea unor metode statistice specifice, (reprezentri grafice, teste de semnificaie, etc); c. elaborarea propriu-zis a modelului n condiiile n care urmrete reinerea unui numr restrns de factori de maxim relevan precum i respectarea formei legturii aa cum este ea descris de datele ce se refer la evoluia paralel a variabilelor;
32
d. estimarea parametrilor modelului i obinerea n acest fel a unor caracterizri numerice privind influena exercitat de factori asupra variabilei efect; e. verificarea calitii modelului de a reproduce schematic evoluia unui fenomen n raport cu cauzele (variabile factoriale), precum i verificarea semnificaiei parametrilor; f. obinerea de previziuni sau generarea de valori simulate cu ajutorul modelului. Toate aceste etape ofer rspunsuri la urmtoarele probleme: - forma legturii dintre variabila efect i prezumtivii factori; - n ce msur, o modificare a cu o unitate, procent a factorului genereaz schimbarea efectului; - dac modificarea generat de factor este semnificativ sau se datoreaz unor situaii conjuncturale sau aleatoare; - ce garanii evaluate probabilistic exist cu privire la semnificaia parametrilor, calitatea modelului, veridicitatea prognozelor.
Cazul liniar unifactorial
Pentru a exemplifica modalitatea de parcurgere a etapelor enunate, se consider un exemplu simplu (caz unifactorial liniar) pentru care se prezint un numr limitat de date. Astfel, exemplu const n analiza dependenei cererii pentru produsul A n raport cu factorul care i determin n cel mai nalt grad evoluia. Din teoria economic i din experiena ctigat n diferite aciuni de promovare, se cunoate c cererea depinde de pre, ofert, venituri, reclam, preul produselor nlocuitoare, etc. Pentru produsul considerat nu au intervenit schimbri notabile n rndul factorilor enumerai, cu excepia reclamei (aciuni publicitare) care a nregistrat n general creteri, conform tabelului urmtor. Luna I II III IV V y (mil. tone) 1 2 4 6 4 x reclama (mil. lei) 2 5 4 7 8 y nivelul vnzrilor; x cheltuieli publicitare. VI 7 10
Analiznd statistic datele, se poate realiza o prim form de sintez a ansamblului de date prin calculul mediei, dispersiei, asimetriei, iar a doua form de sintez este reprezentat ndeosebi de regresia statistic. Dintre funciile grafice elementare se alege spre exemplificare cea mai simpl, funcia liniar, de forma: yt=a0+a1xt+ut Pe lng variabilele considerate se folosete i simbolul u t (variabil fr nume) i este specific dependenelor de natur statistic. Aceasta se datoreaz existenei cauzelor accidentale, episodice, cauze dependente de
33
comportamentul uman imprevizibil, posibila influen a unor factori necunoscui sau dificil de msurat, existena erorilor de msurare, eantionare i observare. Variabila se numete PERTURBAIE sau variabil rezidual. Parametrii modelului (a0, a1) se obin printr-o metod de calcul numeric. Deoarece acetia sunt determinai pe baza unui eantion se obin ESTIMAII ale parametrilor de regresie. Calitatea estimrii se bazeaz pe criteriile: - gradul de determinare R2; t ) s fie - abaterea dintre valorile empirice (yt) i valorile simulate ( y minim; - costul aplicrii metodei s fie minim. Metoda care ndeplinete aceste condiii este METODA CELOR MAI MICI PTRATE. Pentru prezentarea metodei se consider ca element de plecare exemplul anterior. Urmrim s obinem o bun aproximare (ajustare) a norului de date printr-o linie care s traverseze mijlocul acestuia, conform figurii urmtoare. 0 +a 1 x t unde: t =a Algebric, dreapta este redat prin relaia: y 0, a 1 - estimaii ale parametrilor a0, a1; a t y - valori corespunztoare nivelelor xt.
Lund o pereche de valori arbitrare x4=7, y4=6 se pot evidenia: 4 , DA-CA= y4- y 4 =u4 OA= x4 , DA= y4 , CA= y Condiia pentru obinerea unei soluii este ca suma 2 t )2 s fie minim. ut = (y t y
t t
Condiia este satisfcut dac derivatele pariale ale sumei
u
t
2 t
0 i a 1 sunt egale cu zero (se obine un minim al funciei). raport cu a
34
Cazul liniar multifactorial Fenomenele economice care depind de un singur factor sunt puine, cazul general este acela n care fenomenul economic este rezultatul mai multor factori importani x1, x2, ..., xk la care se adaug factorii nesemnificativi u. Analiznd sectoare importante din economie, se constat multitudinea de influene dintre care se rein cele cu influen determinant cum sunt: - producia industrial este influenat de cantitatea i calitatea fondurilor fixe (n special utilaje) i a salariailor; - volumul investiiilor depinde de cuantumul economiilor i rata dobnzii; - cererea de mrfuri este n funcie de ofert, venituri, publicitate, preuri, ; etc. Se consider spre exemplificare productivitatea muncii care depinde de utilaje de mare performan i de veniturile suplimentare acordate salariailor. Norul de puncte din reprezentarea grafic sugereaz o linie dreapt a crei ecuaie are forma:
yi = a0 + a1 x1i + a2 x2i + ui
valoarea ajustat rezultat n urma Dac se simbolizeaz cu y aplicrii modelului liniar multifactorial, rezult urmtoarea ecuaie:
i = a 0 + a 1 x1i + a 2 x2 i y
Utiliznd metoda celor mai mici ptrate n vederea estimrii, se dorete minimizarea termenului
u
t
2 i
i ) = [ y i (a 0 + a 1 x1 i + a 2 x 2i )] = (y i y
2 t
1 , a 2 conduce la o , a Anularea derivatelor pariale n raport cu a urmtorul sistem de ecuaii normale:
0 + a1 x1i + a 2 x 2i = y i n a i i i 2 0 x1i + a 1 x1i + a 2 x1i x 2i = x1i y i a i i i i a 0 x 2i + a 1 x1i x 2i + a 2 x 2 2i = x 2i y i i i i i
Sistemul este format din trei ecuaii cu trei necunoscute, putndu-se rezolva printr-una din metodele cunoscute (de ex. metoda determinanilor, metoda Gauss-Jordan, etc). Dac numrul de cazuri este superior celui anterior prezentat, rezolvarea sistemului de ecuaii este laborioas, n special cnd numrul de factori crete. n aceste cazuri se recomand utilizarea unor programe de calcul, bazate pe calcul matriceal.
35
METODE DE PROGNOZARE A VNZ RII PRODUSELOR
Preocuparea constant a factorilor de conducere ai oricrei firme cu activitate de producie pentru studiul vnzrilor poteniale ale produselor fabricate deriv din unul dintre obiectivele fundamentale ale activitii economice, maximizarea profiturilor. Unul dintre cei mai importani factori ai mrimii profitului este volumul vnzrilor (alturi de preul de vnzare unitar, structura costurilor de producie, etc.). n funcie de posibilitatea firmei productoare de a aciona asupra acestor factori i de a le influena, se pot identifica: - factori interni, asupra crora o ntreprindere poate aciona prin intermediul deciziilor sale : preul propriilor produse, aciuni de promovare, publicitate, etc. - factori externi, care nu pot fi controlai prin aciunea contient a productorilor: mrimea veniturilor i puterea de cumprare a consumatorilor, comportamentul cumprtorilor, evoluia mediului concurenial, cadrul macroeconomic general, etc. ncercarea de a lua n considerare aceti factori (controlabili sau nu) duce la utilizarea unor metode diferite de previziune: - metode cauzale pentru care este posibil identificarea unor relaii funcionale de tipul Y=f(x1, x2, ..., xn), unde Y este variabila dependent (n acest caz vnzrile), exprimate n funcie de nivelul factorilor explicativi/independeni (x1, x2, ..., xn); - metode bazate pe serii de timp, n cazul n care evoluia curent a unui indicator (de exemplu nivelul vnzrilor) depinde de nivelul anterior al acestuia (n ipoteza pstrrii unui comportament inerial al fenomenului). n cea de a doua categorie de metode, o grup cuprinztoare este format din metodele de ajustare/nivelare care presupun faptul c valoarea prognozat a unui indicator poate fi echivalent cu o medie ponderat a valorilor sale trecute, corectate cu factor aleatoriu.
Metoda ajustrii exponeniale exponenial smoothing a lui R.K.Brown
Ajustarea exponenial reprezint o sum ponderat a datelor din trecut a unei serii dinamice, cu ponderea cea mai mare plasat asupra celei mai recente informaii. Datele sunt nivelate cu o constant de nivelare ( 0 1 ).
36
Ideea de baz a acestei metode const n corectarea previziunii proporional cu abaterea constatat ntre previziunile anterioare i realizarea lor, fiecare abatere fiind ponderat geometric, descrescnd pe msur ce se ndeprteaz de prezent (diminuarea progresiv a influenei informaiilor mai ndeprtate). n aceste condiii, fiecrei valori din seria cronologic a fenomenului i se ataeaz cte un coeficient de ponderare, difereniat n aa fel nct s confere evenimentelor, ncepnd cu cele recente, o importan care scade exponenial odat cu vechimea astfel nct, la un moment dat (mergnd spre trecut), evenimentele s nu aib nici o influen asupra previziunii. Metoda nivelrii exponeniale comport parcurgerea urmtoarelor etape: 1. Se stabilete apartenena fenomenului la unul din cele patru tipuri de evoluii prezentate n figurile urmtoare:
Fenomen orizontal caracterizat de medie dreptei
Fenomen cu tendin caracterizat de medie i panta
Fenomen sezonier caracterizat de medie i indici de sezonalitate dreptei
Fenomen sezonier cu tendin caracterizat de medie, indici de sezonalitate i panta
Pentru a completa mrimile caracteristice la fiecare tip de evoluie se adaug mrimea variaiilor accidentale. 2. Se disociaz fenomenul n componentele sale caracteristice calculndu-se mrimea lor. 3. Se recompune fenomenul din mrimile caracteristice pentru o perioad viitoare, adic se realizeaz previziunea propriu-zis.
37
Se numete nivelare exponenial de form primar cnd se lucreaz cu un singur factor de nivelare ( 0 1 ) i nivelare exponenial secundar cnd se au n vedere sezonalitatea i trendul unui fenomen. n acest caz modelul este mult mai complex prin faptul c implic luarea n considerare a nc doi factori de nivelare 0 1 i 0 1 .
1. Previziunea vnzrilor medii pentru un produs care nu are un profil sezonier definit i un trend pe termen lung n cazul previziunii vnzrilor medii pentru un produs, care nu are un profil sezonier definit i un trend pe termen lung Brown a definit modelul pornind de la construcia unor coeficieni polinomiali n funcie de orizontul prognozei. Un sistem de prognoz (S) poate fi generalizat printr-un polinom de grad n:
S t + q = Pt 0 + Pt1 Q + Pt 2 Q 2 + ... + Pt n Q n
prognoznd n momentul t pentru momentul (t+q). Astfel se permite cuantificarea coeficienilor Pn ai polinomului, cu ajutorul urmtorului sistem de ecuaii: Pt 0 = P0 Rt1 , Rt2 ,..., Rtn
1 2 n Pt1 0 t t t ................................. Pt n = P0 Rt1 , Rt2 ,..., Rtn Se stabilesc analitic pi, iar valorile Rtj, numite valorii nivelate de ordin j sunt determinate prin urmtorul calcul iterativ: Rt1=St+(1- )Rt-11 Rt2=Rt1+(1- )Rt-12
( ) = P (R , R ,..., R )
......................................................
Rtn=Rtn-1+(1- )Rt-1n
0 1
Rezult pentru a calcula previziunea pentru o anumit perioad avem nevoie de trei date, i anume: - vnzrile realizate n ultima perioad a seriei de date; - previziunile care s-au fcut pentru vnzrile din ultima perioad a seriei de date; - valoarea lui , factorul ponderator de nivelare 0 1 . Expresia previziunii vnzrilor fcute la sfritul perioadei pentru perioada urmtoare (t+1) poate fi scris sub forma: Rt=Rt-1+ (St-Rt-1) Formula ne arat c se poate previziona, plecnd de la previziunea pentru ultimele desfaceri ale seriei vnzrilor lunare efective, corectnd-o cu o fraciune de eroare (diferena dintre vnzrile realizate n ultima perioad i previziunile de vnzri fcute pentru aceast perioad).
38
Factorul Rt cuprinde i sintetizeaz toate previziunile din trecut, lucru deosebit de important n efectuarea calculelor numerice. Plecnd de la valorile pe care le poate lua , 0 1 , apar urmtoarele situaii: - dac = 1, previziunea va fi egal cu vnzrile efective din perioada curent; - dac ~ 1, influena vnzrilor din ultimele perioade asupra previziunii pentru perioada urmtoare va fi mare; - dac primete o valoare mic, influena rezultatelor vnzrilor recente asupra previziunilor va fi mic (previziunile de la o perioad la alta vor tinde s fie constante). Exemplu Pentru exemplificarea metodei de previziune a lui Brown, vom porni de la datele urmtoare, care reprezint vnzrile efective de produse din cadrul unei societi comerciale pe durata a patru trimestre ale unui an calendaristic, scopul urmrit fiind de a previziona nivelul vnzrilor pentru primul trimestru al anului urmtor. Perioada Vnzri efective (mii u.m.) perioada I St-3 35,4 perioada II St-2 31,5 perioada III St-1 47,2 perioada IV St 57,5 Se cunoate c, pentru primul trimestru al anului n curs, nivelul previzionat al vnzrilor efective Rt-4 este de 33 mii u.m., iar parametrul de nivelare este =0,15 . Calculele se fac pe baza relaiei stabilite anterior: Rt= St+ (1-)Rt-1 ( St nivelul vnzrilor la momentul t; Rt progonoza corespunztoare momentului t) Deci, previziunea pentru perioada t este o medie ponderat a vnzrilor efective din acea perioad i a previziunilor fcute pentru aceste vnzri. Valoarea previzionat a vnzrilor este urmatoarea: - pentru trimestrul II: Rt-3= St-3 +(1-)Rt-4= 0,1535,4 +(1-0,15)33=33,36 mii u.m. - pentru trimestrul III: Rt-2= St-2 +(1-)Rt-3= 0,1531,5 +(1-0,15)33,36=33,081 mii u.m. - pentru trimestrul IV: Rt-1= St-1 +(1-)Rt-2= 0,1547,2 +(1-0,15)33,081=35,199 mii u.m. - pentru trimestrul I al anului urmtor: Rt= St +(1-)Rt-1= 0,1557,5+(1-0,15)35,199=38,544 mii u.m. Cnd este mic (apropiat de 0), valorile previzionate oscileaz puin n jurul n jurul mediei vnzrilor efective .
39
Acest lucru se explic prin faptul c dac este mic (apropiat de 0), factorul St (ponderea vnzrilor efective n mrimea previziunilor Rt este redus, influena mai mare exercitnd-o factorul + (1-)Rt-1, adic ponderea previziunii din etapa anterioar celei care se face calculul. Pentru este mare (apropiat de 1) situaia se prezint invers, ponderea mare avnd vnzrile efective ale perioadei de calcul, deci previziunile urmresc oscilaiile vnzrilor efective.
2. Previziunea vnzrilor medii pentru un caracterizat de sezonalitate i trend Dac n modelul considerat nu exist un profil sezonier i nu are un trend de lung durat pentru seria dinamic pe baza creia se face ajustarea, procesul statistic este considerat staionar. Dac se au n vedere i celelalte componente ale unei serii dinamice, sezonalitatea i trendul, trebuie fcute i ajustri i pentru acestea. Nivelarea componentei sezoniere se face pe baza unui model asemntor cu cel al lui Brown, dar cu un numr mai mare de date. Pentru exprimarea influenelor sezoniere, vnzrile estimate prin procedeul Brown sunt multiplicate cu un factor sezonier, calculat ca un raport ntre vnzrile efective i cele ajustate (nivelate, desezonalizate) ale unei perioade trecute, adic: Mt=RtFt-s+1 unde Mt este previziunea desezonalizat fcut n perioada t pentru perioada t+1 Rt este previziunea fcut fr considerarea sezonalitii Ft-s+1 este factorul sezonier (s- durat sezonului) obinut cu relaia: Ft=(St/Rt)+(1- )Ft-s 0 1 este un factor de sezonalitate, St sunt vnzrile efective n perioada t. Deci, pentru a se obine o previziune fr influena sezonalitii, vnzrile trebuie desezonalizate conform realaiei lui Brown adaptat acestui scop pentru perioada t: Mt= St/Ft-s+(1- )Mt-1 - parametrul de nivelare Model de livrare a unor produse conform unui spectru constant aplicat unor comenzi succesive (metoda vectorilor spectrali)
Pentru determinarea unor previziuni pe o perioad imediat urmtoare (cteva luni) se utilizeaz metoda vectorilor spectrali. Metoda se bazeaz pe descompunerea spectrului succesiunii n timp a unei comenzi conform graficului de livrare, pe baza unor date din trecut, privind evoluia sau structura acestuia. Un vector spectral este un vector tip coloan de forma:
40
V1 V V = 2 ... V n
unde Vj , j=1...n sunt componentele vectorului n perioade succesive care ndeplinesc condiia
V
j =1
= 1.
Cunoscnd c livrrile de mrfuri se fac ealonat n timp, conform protocolului ncheiat ntre parteneri, comanda corespunztoare unei perioade T este livrat fracionat n subperioadele t, t+1, t+2, ... , t+. Pe baza comenzilor emise n diferite luni succesive, se ntocmete matricea comenzilor notat Ct-1; t-2 . Componentele matricei reprezint comenzile emise n trecut (t-1) (comanda cea mai veche) i cele prevzute pentru viitor (t-2) (ultima comand avut n vedere). Vnzrile de mrfuri pentru perioada (t+2) se poate determina cu relaia: It,t-2=Ct-1,t-2 Vj
Studiu de caz O societate comercial de produse cosmetice urmeaz s livreze ampon pentru a acoperi o comanda de 500.000 u.m. Graficul de livrare prevede o ealonare a comenzii pe opt luni calendaristice. Din cantitatea total, n prima lun va livra 10%, n a doua 5 %, n a treia 15%, n a patra 10%, n a cincea 25%, n a asea 20%, n a saptea 5% iar n luna a opta 10%. n precedentele trei luni s-au emis comenzi n valoare de 400.000 u.m. n luna (t-1), 100.000 u.m. n luna (t-2) i 200.000 u.m. n luna (t-3), iar n urmtoarele dou luni se vor emite comenzi n valoare de 300.000 u.m. n luna (t+1) i 600.000 u.m. n luna (t+2). Toate comenzile sunt satisfcute dup acelai grafic de livrare. Se dorete cunoaterea valorii vnzrilor ncepnd cu prima lun (decembrie) pn la epuizarea comenzii. Matricea extins a comenzilor se nmulete cu vectorul spectral i se obine un vector coloan cu elemente ce reprezint valoarea comenzilor n luni succesive ncepnd cu luna de referin (decembrie):
41
XII I II III IV V VI VII VIII IX
XII XI X IX VIII 500 400 100 200 0 300 500 400 100 200
VII 0 0
VI 0 0 0 200 100 400 500
600 300 500 400 100 200 0 600 300 500 400 100 0 0 600 300 500 400 0 0 0 600 300 500 0 0 0 0 600 300 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
600 300 0 600 0 0
V 0 0,10 105 0 0,05 175 0 0,15 255 0 0,10 255 200 0,25 = 350 100 0,20 265 400 0,05 275 500 0,10 185 60 300 600 60
XII I II III IV V VI VII VIII IX
1.985 mii. u.m. Suma tuturor comenzilor ealonate din decembrie pn n septembrie anul urmtor conform vectorului spectral este 1985 mii u.m. n aceast valoare se regsesc 100% comenzile emise n lunile XII,I,II (500+300+600 mii u.m.); 90% din comanda emis n luna XI (0,9400=360 mii u.m.); 85% din comanda emis n luna X (0,85100=85 mii u.m.); 70% din comanda emis n luna IX (0,70200=140 mii u.m.). n septembrie se lichideaz toate comenzile emise ncepnd cu luna septembrie anul precedent.
Extrapolarea fenomenologic Activitile comerciale nu se desfoar preponderent pe baz de comenzi ferme. Cumprtorii nu comand dinainte o marf pe care s o cumpere n mod sigur. De aceea, cunoaterea nivelului cererii de mrfuri se face pe baza unor prognoze. O tehnic de prognoz foarte des utilizat este extrapolarea fenomenologic. Aceasta presupune cunoaterea tipului de evoluie a fenomenului studiat, exprimat sub forma unor funcii matematice numit funcie de extrapolare. Proprietile funciilor matematice cu ajutorul crora se extrapoleaz evoluia proceselor economice trebuie s corespund particularitilor acestora. Problema central a acestui tip de prognoz este aceea a stabilirii tipului funciei de extrapolare , adic a alegerii din mulimea funciilor matematice cunoscute a uneia care s aib un grad mare de fidelitate fa de procesul studiat. Aceste funcii descriu legtura care s-a format n perioada trecut ntre dou sau mai multe mrimi economice considerate ca variabile matematice i permit aprecierea nivelurilor probabile n perspectiv, pornind de la ideea meninerii n continuare a acestor legturi.
42
Curb liniar de plafonare
Curb exponenial
Curba funciei gaussiene sigmoide
Curba funciei
Extrapolarea seriilor dinamice ca metod de prognoz prezint unele dezavantaje i, n primul rnd pe acela c nu poate s in seama de schimbrile care pot modifica n viitor legtura dintre mrimile economice , precum i de apariia unor factori noi de influen. Cu toate acestea, metoda extrapolrii fenomenologice are o larg utilizare pentru c permite o prim apreciere a evoluiei viitoare a unui proces economic, care va trebui asociat cu rezultatele obinute prin utilizarea altor metode. Complexitatea relaiilor economice face necesar utilizarea funciilor de corelaie cu mai multe variabile independente i mai puin a corelaiilor simple. Obinerea de rezultate satisfctoare depinde n mod esenial de alegerea acelor funcii matematice care descriu cel mai bine evoluia procesului economic analizat. Astfel, determinarea tipului de funcie reprezint una din etapele cele mai importante n extrapolare pentru care se poate apela la tehnica de calcul.
Simularea prin joc a proceselor economice. Generalit i
Jocurile de ntreprindere sunt modele de simulare ce cuprind mai muli participani angajai ntr-un proces informaional-decizional ce simuleaz o situaie de competiie real. Un numr de echipe de juctori sunt organizate,
43
fiecare echip ncercnd s-i maximizeze propriul profit printr-o secven de decizii n domenii cum ar fi: producia, stocurile, investiii, marketing, ntreinere, cercetare sau finanare. Jocurile de ntreprindere s-au dezvoltat din jocurile de rzboi care urmreau stabilirea unei strategii de lupt i antrenare a ofierilor prin simularea unor activiti militare. n 1950, Asociaia American de Management a publicat lucrarea Top Management Simulation care a fost primul joc de ntreprindere folosit la formarea oamenilor de afaceri, an dup care utilizarea jcurilor de intreprindere s-a extins n toat lumea. Noiunea de joc de ntreprindere se regsete i sub denumirea de joc de conducere (management game) sau joc de afaceri (business game), acestea particulariznd prin denumire sfera de aplicabilitate. Jocul de afaceri este definit, ca un exerciiu de luarea a deciziilor secveniale structurat n jurul unei operaii de afaceri n care participanii i asum riscul de conducere a aciunii simulate. n general, jocurile sunt destinate simulrii viitorului unei organizaii i a conjuncturii n care se va gsi aceasta. Modelul unui joc de ntreprindere are urmtoarele elemente constitutive: - organizaia - unitatea economic sau procesul economic pe exemplul cruia se efectueaz simulrile; - conjuctura - este mediul n care organizaia evolueaz, caracterizat de structura pieei, resursele disponibile, concureni poteniali, tradiii, etc.; - deciziile - mulimea strategiilor posibile ce se pot adopta corespunztor fiecrui obiectiv simulat; acestea se pot referi la politica preurilor, politica de personal, politici de desfacere, de aprovizionare, structura de plan etc.; - rezultatele - se constituie din mulimea informaiilor oferite participanilor la joc; acestea sunt determinate de conjuctura aleas i de deciziile luate i se refer la indicatorii de performan rezultai n urma strategiilor adoptate de juctori. * Astfel, dup scopul jocului avem jocuri didactice i jocuri analitice. Jocurile didactice reprezint cea mai eficient i rapid metod de acumulare a experienei n domeniul conducerii chiar prin substituirea acesteia. Cu ajutorul lor se urmrete ca participanii la joc s nvee cum s vehiculeze cu noiunile teoretice, s-i nsueasc unele deprinderi i abiliti n activitatea de conducere Jocurile analitice urmresc s furnizeze informaii n vederea lurii deciziilor. Cu ajutorul acestor jocuri pot fi analizate, de exemplu, strategiile pe care trebuie s le adopte managerul unei ntreprinderi pe pia n condiiile unei anumite conjuncturi sau tendine de dezvoltare ale unor tehnologii. Analiza celor dou tipuri de jocuri face dificil o delimitare strict ntre ele deoarece jocurile analitice au un pronunat coninut didactic, iar cele didactice conin elementele celor analitice. * Dup elementul competitiv avem: jocuri concureniale, jocuri cooperative i jocuri contra naturii.
44
Jocurile concureniale, cuprind acele jocuri n care fiecare grup de participani urmrete, prin deciziile pe care le ia, s-i depeasc concurenii (adversarii). Aceste jocuri se subdivid n jocuri interdependente i jocuri independente. Jocurile interdependente se caracterizeaz prin faptul c succesul fiecrei grupe de participani este condiional att de propriile decizii ct i deciziile concurenilor. Jocurile independente se caracterizeaz prin faptul c participanii caut s-i mbunteasc performanele fr a leza interesele vreunuia, cutnd s-i mbunteasc indicatorii economici printro mai bun organizare a muncii, prin creterea productivitii muncii, prin inovaii tehnice etc. Jocurile cooperative se caracterizeaz prin faptul c cel puin doi dintre participani convin s evite, prin deciziile pe care le vor lua, lezarea reciproc a intereselor lor sau uneori chiar s aleag acele decizii care i vor avantaja pe amndoi. Jocurile contra naturii sunt acele jocuri n care unul sau mai muli participani (aflai n coaliie) lupt mpotriva unui partener fictiv care reprezint de fapt mediul (natura). Ele se deosebesc de cele concureniale prin faptul c natura acioneaz fr scop. Uneori aciunile naturii sunt considerate perturbaii iar modul de manifestare al lor este aleatoriu. Participanii la joc trebuie s identifice mulimea msurilor preventive necesare pentru a diminua probabilitatea apariiei sau/i efectele nedorite ale perturbaiilor, reducnd caracterul lor imprevizibil. * Dup modul de desfurare avem: jocuri manuale, jocuri mixte, jocuri pe calculator. Cnd arbitrul este depit de complexitatea jocului se pot concepe algoritmi sau programe de calcul care s determine efectele economice ale ale deciziilor adoptate de parteneri. *Dup aria de cuprindere avem: jocuri complexe, funcionale, operative i pentru alte zone de specialitate. *Dup gradul de cunoatere a situaiei celorlalte pri participante avem: jocuri cu informaie incomplet (nchise), jocuri cu informaie complet (deschise). *Dup metoda de arbitraj avem: jocuri cu metoda de arbitraj liber, rigid, semirigid.
Limitele jocurilor de ntreprindere
Conceperea, modelarea i punerea la punct a unui joc necesit mult timp (msurat n ani) i, de asemenea, un volum mare de munc din partea unei echipe complexe formate din economiti, matematicieni, programatori, ingineri. Se poate asimila implementarea unui joc de ntreprindere cu o investiie care implic sume mari de bani i timp la demarare. Jocul de anvergur care s cuprind ct mai multe situaii reale se poate realiza numai cu ajutorul calculatorului electronic. Cu tot consumul mare de resurse materiale, umane, financiare metoda jocurilor de ntreprindere constituie un incontestabil mod de pregtire a
45
managerilor, dar poate fi folosit i ca metod de testare a salariailor i de verificare a competenelor lor.
Modelarea situa iilor concuren iale utiliznd elemente de teoria jocurilor.
n orice proces de decizie, sunt importante i condiiile care influeneaz asupra consecinelor diferitelor alternative. Aceste condiii pot depinde de voina i aciunile unor oameni sau pot reprezenta complexul de mprejurri naturale n care se vor desfura evenimentele. Modelarea acestui aspect al procesului de decizie se face cu ajutorul conceptului de joc strategic (concept introdus n literatura de specialitate de von Neumann i Morgenstern n 1947 la Princetown University). Jocul este un proces competitiv care se desfoar ntre mai muli participani numii juctori, dintre care cel puin unul este inteligent i prudent, adic poate analiza situaia i hotr asupra aciunilor viitoare. n modelarea proceselor economice prezint importan jocurile cu doi participani. Partida reprezint desfurarea aciunilor juctorilor, dup anumite reguli. Orice partid are o stare iniial i una final, determin pe baza regulilor un ctig sau o pierdere pentru juctor. Strategia este o colecie de succesiuni de aciuni ale unui juctor, fiecare dintre succesiuni fiind pregtit ca o reacie fa de strategia adversarului (care poate fi uneori natura) pentru atingerea scopului propus, adic a acelei stri finale creia regulile jocului i asociaz maximum de ctig posibil. Un joc cu doi juctori este reprezentat matriceal n tabelul urmtor: N2 ... Nj ... Nn J/N N1 J1 c11 c12 ... c1n J2 c21 c22 ... c2n ... Ji ... ... ... cij ... Jm cm1 cm2 ... cmn unde: J unul dintre juctori; N adversarul ; Ji este mulimea strategiilor lui J; Ni este mulimea strategiilor lui N; ci,j reprezint consecina corespunztoare adoptrii strategiei Ji de ctre J i a strategiei Ni de ctre N; n procesul de decizie, cnd se pune problema alegerii uneia sau alteia dintre strategii, pentru simplificare se consider c toate consecinele sunt valori bneti. Se prezint aa-numitele jocuri cu punct a i fr punct a. Jocurile cu punct a se caracterizeaz prin aceea c un raionament corect impune fiecruia dintre cei doi juctori alegerea cte unei anumite strategii optime. Ansamblul celor dou strategii optime constituie o soluie a jocului.
46
Pentru exemplificare fie jocul reprezentat prin matricea din tabelul urmtor, punndu-se problema strategiilor alese de juctori. Strategiile juctorului N Strategiile juctorului J N1 N2 N3 J1 2 -2 -2,5 J2 1,5 -1,5 0 Datele se interpreteaz n modul urmtor: - dac juctorul J alege strategia J1, iar juctorul N alege strategia N1, atunci juctorul J ctig 2 puncte, iar N pierde 2 puncte. - dac juctorul J alege strategia J1, iar juctorul N alege strategia N2, atunci juctorul J pierde 2 puncte, iar N ctig 2 puncte, etc. Alegerea strategiei J1 poate conduce la cel mai mare ctig pentru J n cazul cnd N alege strategia N1 , dar i la cea mai mare pierdere cnd N alege strategia N3. Strategia J2 este mai prudent, aduce un ctig maxim de 1,5 iar n cazul cel mai nefavorabil o pierdere tot de 1,5. Se observ c att pentru strategia N2 ct i pentru N3 ambele consecine sunt mai avantajoase dect consecinele corespunztoare strategiei J1. Se spune n acest caz c strategiile N2 i N3 domin strategia N1 care poate fi eliminat ca fiind ntotdeauna dezavantajoas pentru juctorul N. Strategiile juctorului N Strategiile juctorului J N3 N2 J1 -2 -2,5 J2 -1,5 0 n matricea redus se observ c strategia J2 domin pe J1 i n consecin elimin pe J1, obinndu-se datele din tabelul urmtor: Strategiile juctorului N Strategiile juctorului J N2 N3 J2 -1,5 0 Juctorul N va alege strategia N2. n consecin strategiile alese sunt: juctorul J a ales strategia J2 iar juctorul N a ales strategia N2, deci juctorul J va pierde 1,5 puncte iar juctorul N va ctiga 1,5 puncte. Aceste valori constituie valorile minime la care se pot atepta cei 2 juctori alegnd cele dou strategii, valori care rezult cnd adversarul joac corect. Perechea celor dou strategii optime constituie o soluie a jocului i determin un aa-numit punct a. Ctigul/pierderea de 1,5 reprezint valoarea jocului. Cazul general al unei astfel de probleme se bazeaz pe principiul maximin: fie un joc de ordinul m*n cu urmtoarea matrice asociat:
47
a11 ... a1n A = ... ... ... a m1 ... a mn
Conform principiului maximin, primul juctor va alege acea strategie creia i corespunde un ctig de minimum:
v1 = max min a ij i j
1 i m , 1 j n
Pentru determinarea valorii v1 i a strategiei corespunztoare el va proceda astfel: va determina toate valorile minime pe linii i dintre acestea va lua valoarea maxim. Cel de-al doilea juctor va proceda asemntor: v 2 = min max a ij 1 i m, 1 j n j i
Valoarea v2 i strategia corespunztoare se vor gsi alegnd toate maximele pe coloane i lund pe cel mai mic dintre ele. Defapt v=v1=v2 . Jocurile fr punct a se caracterizeaz prin faptul c un raionament orict de riguros al juctorilor nu-i va conduce n mod necesar la alegerea unei anumite perechi de strategii ca n cazul precedent. Soluia specific a unei astfel de probleme const n determinarea strategiilor mixte optime ale celor doi parteneri prin metode algebrice iterative i a programelor specializate (modulul Game Theory). Cu ajutorul unor jocuri cu doi adversari care raioneaz, se modeleaz situaiile conflictuale ntre dou sau mai multe pri care se reduc tot la jocuri cu doi participani, prin formarea aa-numitelor coaliii, fiecare din pri urmrind alegerea unei strategii care s-i asigure un rezultat ct mai avantajos n detrimentul adversarului sau adversarilor. Modele asemntoare se utilizeaz n probleme de decizie n care exist un singur participant (decident), care i propune s aleag o strategie optim innd seama de mprejurri care nu depind de ali oameni. Aceste mprejurri se numesc stri ale naturii. Natura nu acioneaz ca un adversar inteligent care ar cuta s obin un ctig mai mare din partea adversarului i, n consecin, nu se pot stabili reguli de comportare a ei. n schimb. se pot culege informaii statistice i se pot face previziuni probabilistice. Decidentul, n funcie de informaiile statistice pe care le deine, poate s-i determine propria strategie. Deciziile, n cazul jocurilor contra naturii, se mpart n: - decizii n condiii de certitudine (exist informaii certe despre condiiile viitoare); - decizii n condiii de incertitudine (nu exist informaii privind probabilitile de realizare a strilor naturii); - decizii n condiii de risc (se cunosc probabilitile de realizare a strilor naturii).
48
Decizii n condiii de incertitudine Se pot utiliza mai multe criterii de decizie: a. Criteriul prudent sau pesimist (al lui Wald) const n aplicarea criteriului maximin numai n ceea ce privete strategiile decidentului (se vor determina minimele pe linii dintre care se va alege cea maxim); b. Criteriul optimist (al lui Hurwicz) recomand s se aprecieze pentru fiecare strategie n parte o probabilitate p1 de realizare a strategiei cea mai avantajoase (coeficient optimist) i o probabilitate p2 de realizare a situaiei celei mai dezavantajoase (coeficient pesimist) astfel nct p1+p2=p. c. Criteriul regretului (al lui Savage) const n alegerea strategiei n funcie de diferena dintre valoarea rezultatului optim ce s-ar fi putut obine ntr-o anumit stare a naturii i valoarea celorlalte rezultate, diferena numindu-se regret. d. Criteriul Laplace, care consider strile naturii echiprobabile (au anse egale a se produce). Decizii n condiii de risc
n procesul managerial, decidenii (cu niveluri diferite de autoritate) sunt deseori pui n situaii dificile prin necesitatea opiunii dintr-o mulime de strategii, a uneia singure. Modelarea structurii generale a unui proces decizional ne conduce la precizarea elementelor acestuia, i anume: - formularea problemei; - stabilirea mulimii variantelor /alternativelor posibile ce caracterizeaz o situaie decizional; - mulimea consecinelor anticipate pentru fiecare variant decizional; - mulimea criteriilor de decizie la dispoziia decidentului; - obiective propuse de decident (minimizarea/maximizarea unor indicatori tehnico-economici); - strile naturii factori conjucturali independeni de decideni. Din mulimea variantelor posibile, decidentul urmeaz s rein numai una, i anume cea mai convenabil. Ca urmare a necesitii de a compara ntre ele diferite variante decizionale caracterizate prin mai multe consecine se face apel la conceptul de utilitate. Funcia de utilitate asociaz fiecrei variante decizionale un element al mulimii numerelor reale. Se noteaz consecinele anticipate pentru diversele variante decizionale cu c (exprimate n u.m.)iar funcia de utilitate cu U(c), adic U(0)=0 i U(1)=1. Funcia este monoton cresctoare. Evoluia funciei se difereniaz n funcie de decident, identificnduse urmtoarele situaii:
49
Cazul I
Cazul II
Cazul III
Cazul IV
Cazul I, decidentul este neutru din punct de vedere al riscului, deoarece i poate judeca aciunile sale numai pe baza valorii ateptate a se obine (ansa de realizare este de 50%, posibilitate de a ctiga/a pierde este 0,5); Cazul II, decidentul este prietenos fa de risc, utilitatea aciunilor cu valori mari este foarte ridicat (specific jocurilor de noroc). Este cazul decidenilor care risc s intre ntr-un gol de pia, s participe la speculaii bursiere, sau cnd iau o decizie n legtur cu statutul lor de angajat (lucreaz pe baz de comision la o firm, lucreaz inependent,etc.) Cazul III, decidentul manifest pruden fa de aciunile riscante. Aversiunea fa de risc se ntlnete cnd se duce o politic de investiii de tip conservator (ex. desfacere asigurat pe baz de comenzi, cnd se contracteaz produse i devize la anumite termene, etc.); Cazul IV, este cel mai des ntlnit n practic, deoarece majoritatea decidenilor manifest n unele situaii un comportament riscant, iar pentru alte situaii unul prudent.
SELECTAREA UNEI VARIANTE DECIZIONALE N CONDIII DE RISC
n desfurarea aciunilor economice complexe, care sunt succesiuni de procese decizionale i de procese economice nedecizionale, de multe ori este necesar s se decid nu numai n funcie de consecinele imediate ale variantelor , ci i de consecinele mai ndeprtate ale unui ir de procese decizionale viitoare. Astfel de succesiuni se pot modela cu ajutorul arborelui decizional. n condiiile n care factorii de mediu afecteaz procesul economic n mod diferit, att ca importan, ct i ca impact, este evident c un model de prognoz strategic nu va putea prevedea, la momentul deciziei, toate consecinele economice sau de alt natur. Exist efecte care apar cu ntrziere sau perturbaii ale mediului ce pot aduce schimbri calitative sau ireversibile. Adugnd caracterul incomplet al informaiilor disponibile decidentului i dinamica aleatoare a procesului supus influenei mediului, rezult c decidentul trebuie s-i construiasc strategia prin enumerarea tuturor variantelor de aciune, cu examinarea diferitelor condiii posibile la acel moment.
50
Se ajunge astfel la structuri arborescente ca reprezentri ale vectorilor strilor naturii i ale variantelor decizionale, care permit fundamentarea unei strategii raionale ca succesiune de decizii. Gsirea soluiei optime este echivalent cu alegerea unui drum n arbore, pornind de la nodul final i parcurgnd ramurile acestuia pn n unul din nodurile iniiale. Se are n vedere respectarea cerinelor: - valoarea nodurilor n care natura face alegerea s depind numai de evenimentele viitoare i nu de deciziile precedente; - desfurarea proceselor de decizie n trepte, ca succesiune la diferite momente temporale, face ca deciziile intermediare s fie condiionate de rezultatele estimate ale deciziilor finale, iar decizia final de efectele cumulate ale tuturor deciziilor intermediare i finale. Elaborarea succesiunii de decizii i faptul c odat cu evaluarea diferitelor consecine nu exist certitudinea c variantele prognozate epuizeaz toate variantele de decizie impune actualizarea informaiilor. Pe msura desfurrii procesului, strile estimate devin sau nu reale, confirmnd sau nu ipotezele iniiale. Pentru a evita eventuale abateri majore de la evoluia real decidentul reexamineaz arborele, adaptndu-l noilor decizii, relund raionamentul la nivelul nodului decizional intermediar. Din studiile efectuate la nivel microeconomic s-au constatat urmtoarele categorii principale de probleme decizionale ce pot fi rezolvate: a. Lansarea pe pia a unui nou produs Strategia de lansare cuprinde procesele decizionale: - testarea pieei printr-un studiu de marketing i lansarea unui lot de prob prin magazinele proprii de desfacere; - lansarea noului produs fr o testare prealabil a lotului de prob; - lansarea pe scar mare/medie/mic a noului produs. Corespunztor fiecrui proces decizional pot exista condiii favorabile/nefavorabile de evoluie a pieei, iar produsul se poate bucura de succes sau eec pe pia (strile naturii). Rezult mai multe variante de conducere a aciunii de lansare a noului produs, managerul urmnd s se pronune numai pentru o variant. Compararea diferitelor variante se face cu ajutorul unor criterii de eficien (maxim/minim). b. Asigurarea unor componente (piese, repere, subansamble) pentru un produs complex Se pot identifica urmtoarele strategii decizionale: asigurarea componentelor din import, din producie proprie (proces integrat) sau din producie prin cooperare. La rndul ei, fiecare strategie decizional se poate realiza cu diferite mijloace de transport: aerian, feroviar sau auto (strile naturii), asigurarea cu componente putndu-se face mai lent sau mai rapid.
51
c. Selectarea personalului pentru a efectua activitile productive n construcii-montaj, n zone climato-teritoriale dificile Implicaiile economice sunt deosebite prin prisma realizrii unei stabiliti a lucrtorilor n anumite zone dificile, cu grad de periculozitate ridicat, izolare ridicat cu consecine asupra productivitii muncii i a calitii execuiei. Strategiile decizionale sunt determinate de calificare (nalt, foarte bun, bun)i de zona de lucru (dificil, medie, urban). Strile naturii se refer la starea fizic a personalului (forte bun, bun, suficient de bun) i la capacitatea de acomodare (rapid, medie, lent). d. Realizarea unui obiectiv de construcii Strategiile decizionale posibile const n alegerea unui procedeu din urmtoarele tipuri: tradiional, semiindustrial sau complet industrializat cu ajutorul cruia s se construiasc obiectiv de3 construcii de capacitate mic, medie, mare. Strile naturii asociate fiecrei strategii n parte pot fi favorabile, neutre sau nefavorabile. Managerul va adopta strategia care va satisface indicatori exprimai prin: durat de execuie, productivitatea muncii, etc. Exemplu: Sectorul de producie al unei firme de carne a realizat un nou produs. Se pune problema lansrii pe pia a noului produs dup ce a fost testat. Rezultatele testului au artat c noul produs nu este inferior produselor similare existente, iar din anumite puncte de vedere este chiar mai bun. n aceste condiii, sectorul de marketing al firmei consider c probabilitatea ca noul produs s se bucure de succes este de 0,3. n acest caz valoarea actualizat a profitului anula este 3.000.000 $. n cazul unui eec pe pia, firma va nregistra o pierdere de 250.000 $. Date fiind condiiile firma poate alege una din variantele: - s renune la lansarea noului produs; - s pun imediate produsul n vnzare; - s testeze produsul ntr-un supermagazin (la un cost de 50.000$). Sunt posibile urmtoarele rezultate ale testului: - noul produs s fie cumprat de mai puin de 10% din consumatori; - produsul s fie cumprat de mai mult de 10% din consumatori dar mai puin 50% dintre ei vor cumpra produsul i a doua oar; - produsul va fi cumprat de mai multe e 10% din consumatori i cel puin 50% dintre ei l vor cumpra produsul i a doua oar. Probabilitile stabilite pe baza experienei n legtur cu rezultatele posibile ale testului sunt: >10% < 10% Probabilitatea revin<50% revin>50% Succes (S) 0,03 0,07 0,2 0,3 Eec (E) 0,47 0,18 0,05 0,7 Probabilitatea 0,5 0,25 0,25 1,0
52
Dac rezultatul testului arat c produsul nu s-a impus atenei clienilor, conducerea firmei are alternativele: - s renune la fabricarea produsului ; - s lanseze pe pia produsul dup anumite aciuni specifice. Diferitele situaii posibile le reprezentm ntr-o diagram, tip arbore, folosindu-se simbolurile: - ramurile vor prezenta evenimentele: R-renunare, L-lansare, Ttestare. nodurile vor prezenta alternativele: -dac conducerea firmei efectueaz alegerea, -responsabilitatea alegerii revine strilor naturii, adic a factorilor independeni de firm, conform figurii urmtoare.
Arbore de decizie (Decision Tree) Analiza variantelor n nodul 1 exist trei posibiliti renunare R, lansare L, testare T. Alegerea urmtoare revine naturii. n nodul 2, produsul se bucur de succes cu probabilitatea 0,3 i aduce un profit de 3.000.000 $, i nregistreaz eec cu probabilitatea 0,7 ce atrage o pierdere de 25.000$. Dac se alege lansarea, profitul mediu este : 3.000.000*0,3-250.000*0,7=725.000$
53
nsemn c firma este gata s cedeze noul produs oricui i va plti o sum mai mare de 725.000$. Se spune c Nodul 2 valoreaz 725.000$. Consecinele care apar ca urmare a deciziei de a testa vnzarea produsului: - vor trebui pltii 50.000$ pentru a ajunge n Nodul 3. n nodul 3 natura alege una din cile a., b. sau c. n loc s se ncerce determinarea n mod direct a valorii din nodul 3, este mai uor s ne deplasm n extremitatea dreapt a arborelui i s efectuam calculele n ordine invers, pornind de la nodurile finale 7,8,9 ctre nodul 3. n nodurile 7-8-9, natura alege una din cele dou alternative succes/eec. Pentru a obine valorile medii ale acestor noduri se pleac de la probabilitile cu care natura alege cele dou alternative. Se calculeaz probabilitile condiionate ale unui succes sau eec tiind c s-a produs unul din evenimentele a., b. sau c. Astfel, din 100 de cazuri, n 50 se va produce a., iar n trei dintre acestea lansarea produselor se va bucura de succes. Probabilitatea unui: - succes cnd s-a produs a. este 3/50 sau 0,06 - eec cnd s-a produs a. este 47/50 sau 0,94 - succes cnd s-a produs b. este 7/25 sau 0,28 - eec cnd s-a produs b. este 18/25 sau 0,72 - succes cnd s-a produs c. este 20/25 sau 0,80 - eec cnd s-a produs c. este 5/25 sau 0,20 Se calculeaz valorile nodurilor: nod 7: 3.000.000*0,06-250.000*0,94=-55.000$ nod 8: 3.000.000*0,28-250.000*0,72=660.000$ nod 9: 3.000.000*0,80-250.000*0,20=2.350.000$ n nodul 4 exist cele dou alternative (renunare sau lansare pe pia): - n caz de renunare, pierderea este 0 - n caz de lansare , pierderea este 55.000$ n nodul 5 exist dou alternative. Din analiz rezult c este mai avantajos s se fabrice produsul, deoarece astfel se ajunge n nodul 8 de valoare 660.000$. Analiza fcut pentru nodul 6 conduce la aceeai concluzie, adic este mai avantajos s se lanseze produsul deoarece, ajungnd n nodul 9, venitul mediu al firmei este 2.350.000$. Evaluarea nodului 3se face: 0*0,5+0,25*660.000+0,25*2.350.000=752.500$ Dar pentru a ajunge n nodul 3trebuie pltii 50.000$, valoarea net a nodului 3 devine: 752.500-50.000=702.500$. Se revine la nodul 1unde se constat: - dac se renun la produs venitul este nul; - dac produsul este lansat imediat pe pia, venitul mediu va fi 725.000$;
54
- dac se utilizeaz un test prealabil, venitul mediu va fi de 702.500$. n studiul prezentat, cheltuielile cerute pentru testarea pieei nu sunt justificat, deci produsul va fi lansat pe pia fr a se mai efectua testul. Acest tip de problem se poate rezolva i n sistem conversaional, utiliznd produsul informatic QM, modulul Decision Theory H/C.
MODELAREA PROCESELOR DECIZIONALE MULTICRITERIALE Multicriterialitatea n activitatea de management Procesul decizional presupune evaluarea mai multor variante decizionale n vederea alegerii uneia dintre ele. De cele mai multe ori, evaluarea variantelor decizionale se face pe baza mai multor indicatori economici considerai criterii de evaluare. Problemele n care se caut varianta decizional optim n raport cu mai multe criterii se numesc probleme de optimizare multicriterial. n cazul optimizrii multicriteriale se trateaz distinct: - optimizarea multiatribut; - optimizarea multiobiectiv. n cazul optimizrii multiatribut: - numrul variantelor decizionale este finit; - fiecare variant este evaluat prin mai multe criterii exprimate prin atribute (valori) cantitative i / sau calitative. n cazul optimizrii multiobiectiv: - numrul variantelor decizionale este infinit; - fiecare variant este evaluat prin mai multe criterii exprimate prin funcii matematice. Criteriile de evaluare pot fi exprimate n uniti de msur diferite. O alt problem const n faptul c, unele criterii luate n considerare urmresc maximizarea unor indicatori economici (de exemplu: venitul total, producia total etc.), iar alte criterii urmresc minimizarea unor indicatori (de exemplu: costul total, timpul de lucru etc.). Pentru alegerea variantei decizionale optime este necesar ierarhizarea variantelor decizionale disponibile n raport cu toate criteriile dorite. Dar, n general, o variant optim n raport cu un criteriu este suboptimal n raport cu celelalte criterii. De aceea, se caut varianta care realizeaz cel mai bun compromis pentru toate criteriile. n acest scop este necesar transformarea valorilor indicatorilor n mrimi care s permit att compararea variantelor, ct i agregarea valorilor criteriilor de evaluare. Programarea liniar multidimensional (multiobiectiv) Forma general a problemei de programare liniar cu mai multe funcii obiectiv:
55
Optimum F(X) = CX Cu restriciile: AX b, X 0, unde: X = vector coloan cu n componente x1, x2,...,xn care reprezint variabilele decizionale ale problemei. (De exemplu, X poate fi vectorul structurii de producie pentru o anumit perioad); F(X) = vector coloan cu r componente f1(X), f2(X),...,fr(X), care reprezint funciile obiectiv prin care sunt exprimate criteriile de evaluare a , variantelor decizionale. Fiecare funcie obiectiv este de forma fh(X) = pentru h = 1,...,r. C = matrice cu r linii i n coloane. Este matricea coeficienilor celor r funcii obiectiv, chj, h = 1,...,r, j = 1,...,n. A = matrice cu m linii i n coloane. Este matricea coeficienilor tehnologici, aij, i = 1,...,m, j = 1,...,n b = vector coloan cu m componente b1, b2,...,bm care reprezint termenii liberi din partea dreapt a restriciilor. Ei reprezint disponibilul maxim dintr-o anumit resurs sau nivelul minim care trebuie atins de anumite activiti.
Metoda maximizrii unei funcii sintez de utilitate Pentru determinarea unei soluii care realizeaz cel mai bun compromis pentru toate funciile se va construi o funcie sintez a tuturor funciilor obiectiv numit funcie sintez de utilitate. Funcia sintez de utilitate se obine prin transformarea funciilor obiectiv f1(X), f2(X),...,fr(X), cu semnificaii economice concrete, n funcii de utilitate care pot fi nsumate. Prin maximizarea funciei sintez de utilitate n raport cu restriciile problemei se obine soluia de compromis cu utilitate maxim. Programarea scop Programarea scop este o metod de rezolvare a problemei de programare liniar cu mai multe funcii obiectiv. Obiectivul programrii scop este gsirea unei soluii care verific restriciile AX b, X0 i care duce la abateri ct mai mici fa de scopurile propuse prin funciile obiectiv. Ideea de baz a metodei const n transformarea tuturor funciilor obiectiv n restricii scop prin: - specificarea pentru fiecare funcie obiectiv a unui nivel de aspiraie sau scop; - definirea pentru fiecare scop a unei perechi de variabile de abatere sau deviaie: - deviaia n plus fa de scopul propus - deviaia n minus fa de scopul propus .
56
Nivelurile de aspiraie sau scopurile pot fi: - stabilite de decident; -obinute prin optimizarea problemei de programare liniar n raport cu fiecare funcie obiectiv. Forma general a unui model pentru "programarea scop" este: minimizeaz supus la restriciile: i restriciile scop: fi(X) = Vi + di+ - di- => fi(X) - di+ - di- = Vi, i = 1,...,N di+ 0, di- 0, i = 1,...,N unde: di+ : deviaia n plus fa de valoarea prestabilit pentru funcia obiectiv i; di-: deviaia n minus fa de valoarea prestabilit pentru funcia obiectiv i; i i i sunt coeficieni ai deviaiilor care fac posibil nsumarea lor; fi(X): funcia obiectiv i; Vi : valoarea prestabilit (nivelul de aspiraie) pentru funcia obiectiv i; X : vector coloan cu n componente x1, x2,...,xn care reprezint variabilele decizionale ale problemei; AX b: restriciile care definesc domeniul de admisibilitate al problemei pentru variabilele decizionale x1, x2,...,xn. Elementul cheie n utilizarea practic a metodei de programare scop constituie specificarea funciei obiectiv, adic definirea coeficienilor i i i pentru deviaiile di+ i di- . Funcia care minimizeaz deviaiile fa de nivelurile de aspiraie sau scopurile propuse se numete funcie scop. Dac deviaiile se msoar cu uniti de msur diferite, atunci este necesar definirea unor costuri de penalizare deviaiilor astfel nct s se poat minimiza suma total a costurilor de penalizare generate de diferite deviaii. Funciilor scop li se pot asocia diferite prioriti. n acest caz se poate proceda astfel: -Se ordoneaz descresctor scopurile i se stabilete prioritatea de satisfacere a fiecrui scop: P1 >>> P2 >>> >>>Pn... unde >>> nseamn "mult mai mare". - Ordonarea prin prioriti este absolut, astfel c scopul cu prioritatea P2 nu va fi niciodat atins nainte ca scopul cu prioritatea P1 s fie realizat cu abaterea cea mai mic fa de nivelul de aspiraie propus. - n acest caz, prin metoda programrii scop se rezolv succesiv un numr de probleme egal cu numrul prioritilor. Evident, numrul
57
prioritilor este mai mic sau cel mult egal cu numrul funciilor obiectiv, iar numrul funciilor scop este egal cu numrul prioritilor. Deoarece nu toate scopurile pot fi realizate simultan, n cazul funciilor scop cu prioriti diferite vor aprea conflicte ntre scopuri. Aceste conflicte pot fi analizate cu ajutorul preurilor umbr asociate restriciilor scop.
Fuzzyficarea modelelor Deciziile se bazeaz pe informaii. Cel mai adesea, informaiile disponibile se prezint sub forma unui amestec de date precise i percepii. Aceste percepii pot fi exprimate foarte sugestiv cu ajutorul unor operatori lingvistici cum sunt: poate,oarecum, cald, rece, aproape, departe, mare, mic, nalt, scund etc. sau de exemplu, este foarte posibil ca preul produsului X s creasc semnificativ n viitorul apropiat. Percepiile sunt prin natura lor imprecise, reflectnd abilitatea limitat a oamenilor de a reine detalii i de a memora multe informaii. Imprecizia este generat de imposibilitatea de a delimita exact graniele dintre diferite categorii care reprezint anumite proprieti cum sunt mare mic, aproape departe etc. Legat de imprecizia percepiei umane, Lotfi Zadeh (cercettor american) a formulat chiar un principiu al incompatibilitii artnd c pe msura creterii complexitii, precizia i semnificaia afirmaiilor referitoare la comportamentul procesului economic sunt incompatibile, n sensul c majoritatea afirmaiilor referitoare la un proces complex sunt imprecise sau vagi. De asemenea, L. Zadeh este fondatorul teoriei mulimilor vagi (fuzzy) prin care se fundamenteaz din punct de vedere matematic posibilitatea de a opera cu elemente imprecise. Astfel, prin definirea noiunii de mulimi vagi, elementele unor astfel de mulimi au grade de apartenen cu valori n intervalul [0, 1]. De exemplu,o ntreprindere poate aparine cu gradul de apartenen 0,9 mulimii ntreprinderilor mici i cu gradul de apartenen 0,2 mulimii ntreprinderilor mijlocii.Un asemenea mod de abordare permite definirea conceptelor de optimizareflexibil i de soluie satisfctoare (Herbert Simon). Prin definirea coeficienilor unui model de programare liniar ca mulimi vagi se obine programarea robust (o familie de probleme de programare inexact). Trecerea de la exprimarea lingvistic la cea numeric constituie o art, dificil de algoritmizat. Necesitatea transformrii variabilei lingvistice n variabil de tip numeric, rezult din: posibilitatea reflectrii mai exacte a fenomenelor; posibilitatea prelucrrii automate a datelor. Pe parcursul elaborrii modelelor are loc permanent convertirea variabilelor lingvistice n variabile numerice i invers.
58
Regulile de transformare sunt, n majoritatea cazurilor, de natur empiric i intuitiv, dar n anumite cazuri pot fi folosite proceduri programabile pe calculator prin folosirea statisticii matematice.
Necesitatea fuzzyficrii modelelor deterministe n situaii complexe, pentru rezolvarea problemelor se apeleaz la raionamente exprimate prin variabile descriptive. Imprecizia exprimat prin operatorii lingvistici ofer expresivitate i coninut informaional ridicat comunicrii n limbaj natural. Procesul de fuzzyficare constituie obiectivul unei concepii caracterizate printr-o capacitate deosebit de adaptabilitate i flexibilitate. Prin fuzzyficare, variabilele lingvistice pot fi transformate n variabile cantitative, care au un caracter deosebit de elastic. Manevrarea datelor inexacte permite nuanarea deciziei i conduce la programarea flexibil. Pentru a obine modele flexibile i robuste apare necesitatea utilizrii toleranelor pentru coeficienii modelelor deterministe. n cazul relaxrii restriciilor se pot elabora programe flexibile de producie cu diferite grade de realizare. Mrimea toleranelor admise pentru restriciile problemei de programare liniar reprezint necesarul suplimentar de resurse pentru realizarea obiectivelor propuse. Este recomandat ca iniial s se opereze cu variabile i relaii deterministe. Pe baza analizei rezultatelor, se apreciaz care sunt variabilele i / sau restriciile care denatureaz realitatea economic. n final, aceste variabile i restricii se relaxeaz prin fuzzyficare. Variabil fuzzy, relaie fuzzy Cercettorul american Lotfi Zadeh18 propune, n 1965, conceptul de logic fuzzy prin care se pot construi propoziii care, n afar de valoarea 1 pentru propoziia adevrat i valoarea 0 pentru propoziia fals, pot avea valori intermediare n [0, 1]. Savantul romn Grigore Moisil a anticipat, n 1943, conceptul de logic fuzzy n lucrrile sale de logic nuanat n care propoziiile au o infinitate devalori. Astzi abordarea imprecis a problemelor decizionale beneficiaz de rezultate importante furnizate de teoria mulimilor fuzzy, teoria sistemelor fuzzy, teoria algoritmilor fuzzy. Aceste rezultate stau la baza multor sisteme de inteligen artificial, n special n robotic. Fie E mulimea tuturor elementelor x i A o mulime inclus n E, A E. Elementele mulimii A se caracterizeaz prin anumite proprieti. In cazul utilizrii cuvintelor (adjective, adverbe, etc.) se spune c mulimea elementelor se constituie n universul discursului. n acest caz, se obine o variabillingvistic.
59
In cazul cnd mulimea elementelor este format din cifre care reprezint indicatorii ataai unei caracteristici (cantiti, lungimi, capaciti, note etc.) se obine o variabil fuzzy sau vag. Pentru a indica apartenena unui element x E, la o anumit proprietate a mulimii A E se definete gradul de apartenen sau funcia de apartenen A(x). Funcia de apartenen este definit pe mulimea E i ia valori n mulimea M, adic: A(x): E M Dac mulimea M a valorilor funciei de apartenen este format din dou elemente, adic M = {0, 1}, atunci A este o mulime nevag. Dac mulimea M este intervalul [0, 1], atunci A este o mulime vag sau fuzzy. n acest caz, deoarece max A(x) = 1, mulimea A este o mulime vag normal. In general, se efectueaz o normalizare a gradelor de apartenen. Mulimea elementelor x pentru care A(x) 0 se numete suportul mulimii vagi. Dac se consider c gradul de apartenen este o mrime determinist, atunci este vorba de vaguitate de ordinul I. Dac se consider c gradul de apartenen este o mrime vag (cu grad de apartenen determinist), atunci este vorba de vaguitate de ordinul II. Definiia mulimii vagi sau fuzzy: Se numete mulime vag A n E, E}, unde A(x) este funcia mulimea perechilor ordonate {x, A(x) | x sau gradul de apartenen al elementului x la o anumit proprietate care caracterizeaz mulimea A. Cu ajutorul funciilor de apartenen, variabilele lingvistice pot fi transformate n variabile cantitative, deosebit de flexibile. Funciile de apartenen au caracter subiectiv. De exemplu, afirmaia ntreprinderea Y aparine n mare msur mulimii B a ntreprinderilor mici poate fi exprimat cantitativ prin gradul de apartenen B(Y) = 0,9. Dac subiectivismul reprezint informaia necuantificabil deinut de decident sub forma intuiiei i experienei atunci rezult c abordarea fuzzy permite: valorificarea informaiei comunicabile prin limbajul natural; asimilarea elementelor specifice intuiiei umane. Exist diferite tipuri de funcii de apartenen. Cele mai utilizate sunt funciile de apartenen exponeniale i fracionare. ntre mulimile vagi se pot defini diverse relaii. Aceste relaii sunt definite cu ajutorul gradelor de apartenen. Dac gradele de apartenen sunt mrimi deterministe, atunci relaia definit este n sens nevag. Dac gradele de apartenen sunt mrimi vagi, atunci relaia definit este n sens vag. Egalitatea a dou mulimi vagi:
60
- n sens nevag: A = B dac i numai dac A(x) = B(x), () x E - n sens vag: A B dac A(x) B(x), () x E (adic mulimea A este egal n sens vag cu mulimea B dac A(x) este egal n sens vag cu B(x) aproape pentru orice sau pentru majoritatea elementelor x E).
Incluziunea a dou mulimi vagi:
- n sens nevag: A B, dac i numai dac A(x) B(x), () x E - n sens vag: A ~ B, dac i numai dac A(x) < ~ B(x), () x E.
SIMULAREA PROCESELOR ECONOMICE CU AJUTORUL TEHNICILOR FORRESTER
Modelarea dinamic (dinamica industrial) a fost elaborat de Jay Forrester n perioada anilor '60 i se bazeaz pe faptul c funcionarea unui sistem este reprezentat de cunoaterea (identificarea) interaciunilor dintre fluxurile de informaii, comenzi, resurse materiale i umane etc. Potrivit acestui concept, un model dinamic surprinde comportarea sistemelor complexe, evideniind modul n care structura acestora determin traiectoria, respectiv comportarea n timp. Dinamica industrial propune instrumente prin care se pot mbina observaiile calitative cu modelarea cantitativ. Aplicaii ale tehnicilor Forrester: La nivel microeconomic sunt cunoscute aplicaii pentru alocarea capacitilor, programarea i urmrirea produciei, organizarea desfacerilor de produse, controlul stocurilor. La nivel macroeconomic s-au fcut aplicaii pentru organizarea cercetrii tiinifice i protecia mediului ambiant. Dinamica industrial a fost utilizat n modelele "mondiale" de specialitii care au ntocmit crapoarte privind perspectivele economice ale omenirii n pragul secolului al XXI-lea. Printre avantajele dinamicii industriale se pot enumera urmtoarele: - reprezint un instrument de tratare global, sistemic a problemelor social-economice complexe, cu nsuirea de a cuprinde procesele de intercondiionare reciproc, precum i pe cele de reglare (feed-back); - evideniaz relaiile cantitative i calitative din sistem i prin simulare, permite gsirea unor soluii efective, operaionale, chiar pentru probleme de foarte mare amploare; -ofer utilizatorilor posibilitatea unei abordri conversaionale, n care decidentul deine un rol activ; -evit rigiditatea altor metode de modelare matematic, deoarece dinamica industrial
61
Conceptul fundamental al modelrii dinamice este ciclul informaie decizie - aciune, care constituie o bucl elementar de feed-back n care se identific o cale direct: intrare (decizie) - ieire (starea sistemului); o cale de reacie invers: ieire (starea sistemului) - informaie despre ieire (eventual prelucrat) i intrare (decizie). Dac se ine seama de aciunea tuturor factorilor existeni la un moment dat acest ciclu poate fi reprezentat sub forma unei scheme clasice de reacie .
Elementele unui model de dinamic industrial n realitate, ntre decizie i aciune precum i n transmiterea informaiei apar ntrzieri, iar schema clasic de reacie apare ca n figura urmtoare.
Aceste ntrzieri pot duce la urmtoarele situaii: decizia este luat n raport cu o stare anterioar a sistemului, dar afecteaz starea lui actual, informaia despre starea sistemului va afecta o decizie ulterioar strii pe care o msoar (Se consider situaia clasic a unui bazin care trebuie umplut pn la un anumit nivel.Dac nivelul real al apei se afl sub nivelul dorit, operatorul deschide robinetul de umplere cu un anumit debit, iar pe msur ce nivelul apei se apropie de nivelul dorit, reduce progresiv debitul. Starea = nivelul apei din bazin, intrarea sistemului este debitul (variabil) robinetului, iar mrimea reaciei inverse care acioneaz asupra intrrii este diferena sesizat de operator ntre nivelul cerut i cel real.) Sistemele sunt cauz a comportamentului dinamic; interaciunile din cadrul sistemului au ca rezultat creterea, fluctuaia i modificarea. Orice sistem este format din bucle de reacie interconectate, iar la rndul ei, fiecare bucl conine o substructur alctuit din dou tipuri de elemente variabile (adic mrimi ce sufer variaii n timp): a) variabile care reprezint acumulri de cantiti, msurabile riguros la un moment dat,numite n dinamica industrial niveluri (de exemplu, nivelul produciei msurat fizic sau valoric etc.); b) variabile ce reprezint procese n curs de desfurare ntr-un anumit ritm, msurabile de regul ca valori medii, numite variabile de ritm (ritmul produciei, de exemplu). Alturi de acestea, n dinamica industrial, mai apar i variabilele auxiliare sau parametrii, care pot caracteriza o stare, o comand sau orice
62
alt informaie provenit din exterior i care nu sunt influenate de deciziile din interiorul sistemului analizat. Descrierea matematic a comportrii dinamice se face cu ajutorul unui sistem de ecuaii cu diferene finite, mpreun cu condiiile iniiale, ceea ce poart denumirea de determinare a ecuaiei de stare a sistemului cercetat (ntre terminologia teoriei sistemelor i cea a dinamicii industriale exist urmtoarele analogii: -stare - nivel (rezultatul aciunii); - intrare - ritm (decizie); -mrime de feed-back informaie; -obiectivul sistemului - nivelul dorit) Sistemul de ecuaii, corespunznd unui sistem simplu i riguros de reguli, conine: - ecuaii de nivel (variaia unei variabile de stare); - ecuaii de ritm (ritmul variaiei strii); - ecuaii auxiliare (dependena unei variabile de alt variabil sau parametru). Pentru scrierea acestor ecuaii se construiete n prealabil schema dinamic a sistemului, care sintetizeaz toate observaiile rezultate din analiza calitativ a sistemului, utiliznd simbolurile specifice prezentate n figura.
Simboluri utilizate n diagramele de dinamic industrial Reguli i precizri: 1. Variabilele de ritm rmn constante pe durata unui interval, n timp ce variabilele de nivel capt valori distincte la momente diferite. (Formal, variabilele de nivel primesc un singur indice, iar variabilele de ritm au indice dublu). 2. Constantele care intervin n modele au semnificaie de informaii, de aceea ele sunt situate n fluxuri de acest tip. 3. Succesiunea ritmurilor i nivelurilor pe un flux dat: unui nivel i poate urma doar un ritm i, reciproc, unui ritm i poate urma numai un nivel. 4. Compatibilitatea fluxurilor: - ntr-un nivel nu pot intra sau iei fluxuri de natur fizic diferit
Scrierea ecuaiilor i calcule
63
Variabilele i constantele din ecuaii sunt reprezentate prin simboluri standard (un grup de maximum 6 caractere, primul fiind, n mod obligatoriu, alfabetic). n continuarea simbolului de baz, variabilele vor fi urmate de un punct i un caracter pentru timp. Nivelele vor avea drept caracter o singur liter, J sau K, indicnd momentul la care se refer valoarea. Ritmurile vor purta indicatorii JK sau KL indicnd intervalul precedent sau urmtor. Constantele sunt identificate prin absena indicelui de timp.
Ecuaiile de nivel O ecuaie de nivel reprezint un rezervor de acumulare a ritmurilor fluxului care mrete sau micoreaz coninutul rezervorului. Noua valoare a nivelului este calculat adugndu-se sau sczndu-se din valoarea anterioar modificarea care apare pe parcursul intervalului de timp. Notaii: L - nivelul (uniti); L.K - noua valoare a nivelului calculat la timpul K (uniti); L.J - valoarea nivelului la timpul J, anterior (uniti); DT - lungimea intervalului de calcul ntre timpul J i K (unitate de msur a timpului); RA - ritmul fluxului ce mrete nivelul L (uniti/uniti de timp); RA.JK - valoarea ritmului acumulat n intervalul JK; RS - ritmul fluxului ce micoreaz nivelul L; RS.JK - valoarea ritmului diminuat pe intervalul JK. Ecuaia de nivel devine: L.K = L.J + (DT)(RA.JK - RS.JK) Orice numr de ritmuri, unul sau mai multe, poate fi adugat sau sczutdintr-un nivel. Aceasta este, de altfel, singura flexibilitate permis n ecuaia standard de nivel. Membrul drept al ecuaiei trebuie s conin: valoarea anterioar a nivelului de calculat i intervalul de calcul, DT, ca multiplicator al ritmurilor fluxului. (Ecuaia de nivel este singurul tip de ecuaie care conine explicit intervalul DT). Intervalul DT, msurat n uniti de timp, transform ritmurile fluxului n cantiti ale articolului din flux prin multiplicare, crend unitatea de msur corect a produsului ce trebuie adugat la valoarea nivelului. Intervalul poate fi schimbat arbitrar (dac prin schimbare nu devine prea mare) fr a afecta validitatea modelului. Toate celelalte ecuaii ale modelului sunt formulate n termenii unitii de baz de msurare a timpului, utilizat n sistemul real. Ecuaia de nivel realizeaz un proces de integrare, adic:
64
n care semnificaia notaiilor este: L - valoarea nivelului la timpul t (uniti); L0 - valoarea iniial a nivelului la t=0 (uniti): RS - ritmul fluxului ce micoreaz nivelul (uniti/uniti de timp): RA- ritmul fluxului ce mrete nivelul L.
Ecuaiile de ritm arat cum sunt comandate fluxurile din cadrul unui sistem. Variabilele de intrare ntr-o ecuaie de ritm sunt: nivelurile sistemului i constantele. Variabilele de ieire comand fluxul, de la sau dintre nivele. Ecuaia de ritm este calculat la timpul K, utiliznd informaiile din nivelurile la timpul K, pentru a gsi ritmurile viitoare ale fluxului pe intervalul KL. Forma unei ecuaii de ritm este: R.KL = f (nivele sau constante) Membrul drept poate fi orice funcie sau relaie a nivelurilor i constantelorce descriu strategia de comand impus de ritm. Exemplu: ntr-un proces de aprovizionare-stocare, ecuaia de ritm poate fi scris astfel:
n care: RC- ritmul comenzilor (uniti/sptmn); TA- timpul de ajustare (sptmni); SN- stocul necesar (uniti): S - stocul curent (uniti). Aceast ecuaie exemplific o strategie simpl de cerere (comandare). Rezult c ritmul comandrii trebuie s fie a TA - a parte pe sptmn din diferena dintre stocul necesar i cel curent. Timpul TA este timpul necesar pentru a corecta tocul S dac RC rmne neschimbat, figura.
Ecuaia de ritm arat cum se autocomand sistemul, ea exprim percepia noastr asupra modului cum rspund deciziile unui sistem la situaiile din jurul unctului de decizie.
Ecuaii auxiliare
65
Adesea, claritatea i nelesul unei ecuaii de ritm poate fi sporit prin mprirea ei n pri scrise ca ecuaii separate, ca subdiviziuni algebrice ale ritmurilor. Aceste pri se numesc ecuaii auxiliare.Ecuaiile auxiliare trebuie evaluate dup ecuaiile de nivel de care depind i nainte de ecuaiile de ritm din care fac parte. Atunci cnd exist lanuri interconectate de ecuaii auxiliare, ele trebuie sfie evaluate ntr-o ordine care s permit substituiri succesive.
Ecuaiile valorilor iniiale La nceputul calculului de simulare se iniializeaz toate ecuaiile de nivel. Nu sunt necesare valori iniiale pentru variabilele ritm, deoarece ritmurile sunt determinate de valorile iniiale ale variabilelor de nivel. Din valorile iniiale ale ariabilelor de nivel pot fi calculate ritmurile fluxului ncepnd cu timpul t=0, iar cuvalorile iniiale ale nivelelor i cu ritmurile aflate pot fi calculate noile valori ale nivelelor la sfritul primului interval de timp. Nu se utilizeaz nici un indicator de imp. Membrul drept al ecuaiei valorilor iniiale poate fi alctuit din valori umerice, constante indicate simbolic i valori iniiale ale altor nivele. Dou sau mai ulte valori iniiale nu pot depinde reciproc una de alta pentru c rezultatul ar fi nedeterminat.Ecuaia valorilor iniiale este scris, de obicei, dup ecuaia de nivel Diagrame de flux Diagrama de flux reprezint grafic ecuaiile de nivel, de ritm i auxiliare precum i interconectarea lor. Ea este foarte folositoare deoarece ofer o viziune de ansamblu a sistemului. Simbolurile utilizate pentru reprezentarea elementelor sistemului sunt cele prezentate n figura simboluri utilizate n diagramele de dinamic industrial. Nivelele (integrale). Toate ecuaiile de nivel, ca orice funcii speciale care cuprind integrale, vor fi reprezentate cum s-a artat prin dreptunghiuri. Cea mai simpl ecuaie de nivel este prezentat n figura urmtoare (RP ritm producie; RV ritm vnzri).
Ritmuri (strategii). Ecuaiile de ritm sunt specificaii de strategie care definesc sensul fluxului ntr-un sistem. Ecuaia de ritm primete informaia de intrare i comunic un ritm al fluxului. Ea funcioneaz asemntor cu o supap dintr-un sistem hidraulic (simbolul utilizat). Simbolul pentru o ecuaie de ritm este prezentat n figura.
66
(ST stoc tampon; IL - ntrziere n livrare; AS - ajustare stoc). Ecuaia de ritm este: :
Variabile auxiliare. Acest tip de variabile se situeaz n canaleleinformaionale ntre variabilele de nivel i cele de ritm. Ele sunt pri ale ecuaiilor de ritm subdivizate i separate deoarece exprim concepte cu neles independent. Simbolul pentru o ecuaie auxiliar este prezentat n figura.
(PR - pre; VM -vnzri medii). B.K = (VM.K) (PR)

Extragerea informaiilor. Liniile care indic fluxul de informaii ce pleac de la un nivel trebuie s fie distincte de liniile care reprezint fluxul informaional ce intr ntr-un nivel. O linie de flux transfer o cantitate dintr-un loc n altul i este comandat de o ecuaie de ritm. Informaia despre o variabil poate fi extras fr a afecta cantitatea acestei variabile acest lucru este simbolizat n figura urmatoare printr-un mic cerc al extragerii de informaii.
Parametri (constante). Parametrii sunt acele valori care sunt constante pentru o simulare. Ei pot fi schimbai de la o simulare la alta. Parametrul este menionat: printr-o linie deasupra sau dedesubtul lui i conine un cercule pentru informaia extras (n figura urmatoare: TAS timp de ajustare a stocului; MST mrimea stocului).
67
Surse i rezervoare (deversoare, receptoare). Cnd o surs a unui flux nu exercit nici o influen asupra sistemului, fluxul este reprezentat ca venind dintr-o surs "infinit" (figura urmatoare). O surs infinit nu poate fi epuizat.
Opus ei este rezervorul (deversorul, receptorul) unde se sfresc liniile de flux cnd depesc limita modelat.
Stabilirea ritmurilor de fabricaie cu ajutorul tehnicilor de dinamic industrial (de tip Forrester) Deciziile privind programarea operativ a produciei, att din punct de vedere static ct i dinamic pot fi perfecionate cu ajutorul tehnicilor de dinamic industrial, deoarece permit: luarea n considerare a aspectelor dinamice ale desfurrii procesului de producie; posibilitatea considerrii oricror alte legturi cu diverse secii ale ntreprinderii i eventual cu alte ntreprinderi; posibilitatea evidenierii diverilor factori perturbatori pe o anumit perioad de timp (lipsa resursei umane, lipsa semifabricatelor etc.); verificarea strategiilor propuse i alegerea unor strategii suboptime (privind programarea operativ a produciei); analiza stabilitii sistemului produciei n timp etc. Avantajul esenial al aplicrii tehnicilor Forrester const n posibilitatea de a stabili evoluia strii sistemului produciei, toate variabilele modelului elaborat fiind funcii de timp. Dezavantaje n aplicarea tehnicilor Forrester - dificulti mari n stabilirea unei uniti comune de msur a produciei realizate la diversele locuri de munc sau secii; - probabilitatea ridicat de a comite erori n urma alegerii unor uniti de msur convenionale; - durata relativ mare de pregtire a datelor i de calcul n cazul cnd se urmrete o analiz n uniti naturale sau mai apropiate de cele naturale;
68
- necesitatea nsuirii tehnicilor de dinamic industrial de ctre personalul de conducere al ntreprinderii. Toate aceste dezavantaje pot fi, ns, nlturate treptat, pe msura aplicrii metodei.
69

Modelarea Si Simularea Sistemelor Economice

Uploaded by

Document Information

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Modelarea Si Simularea Sistemelor Economice

Uploaded by

Copyright:

Available Formats

Modelarea i simularea sistemelor economice

Modelarea i simularea sistemelor economice

Modelarea i simularea sistemelor economice

Modelarea i simularea sistemelor economice

Modelarea i simularea sistemelor economice

Modelarea i simularea sistemelor economice

Modelarea i simularea sistemelor economice

Modelarea i simularea sistemelor economice

Modelarea i simularea sistemelor economice

Modelarea i simularea sistemelor economice

Modelarea i simularea sistemelor economice

Modelarea i simularea sistemelor economice

Figura 3 Ceas cu cretere constant

Modelarea i simularea sistemelor economice

Modelarea i simularea sistemelor economice

Modelarea i simularea sistemelor economice

Modelarea i simularea sistemelor economice

Modelarea i simularea sistemelor economice

este maxim n raport cu m i 2 pentru realizrile

x1 ,..., x n ale lui dac:

de unde rezult c pentru variabila aleatoare cu distribuie normal, media m

4 p (1 p ) , unde p este valoarea cutat a probabilitii de 2

1 dac E a avut loc E= 0 dac E nu a avut loc

Modelarea i simularea sistemelor economice

Modelarea i simularea sistemelor economice

Modelarea i simularea sistemelor economice

Modelarea i simularea sistemelor economice

Costuri variabile (u.m./buc)

1 0,9 0,8 0,7 0,6 0,5 0,4 0,3 0,2 0,1 0 60

Modelarea i simularea sistemelor economice

Modelarea i simularea sistemelor economice

Frecvena 8 97 100 166 56 73

Probabilitatea relativ 0,016 0,194 0,200 0,332 0,112 0,146

Probabilitatea cumulat 0,016 0,210 0,410 0,742 0,854 1,000

Profitul total (mii u.m.)

Modelarea i simularea sistemelor economice

intervalul: ( -22 292,52811; 92 292,52811 ) u.m. - pentru N=10 i

intervalul: (26 897,61; 43 102,39 N=500

) u.m. - mai corect pentru

Modelarea i simularea sistemelor economice

b) n cazul bunurilor de consum curent: C 2 = c) n cazul bunurilor de lux: C 3 =

Figura 1 Funcia Trnquist I

Modelarea i simularea sistemelor economice

Modelarea i simularea sistemelor economice

Modelarea i simularea sistemelor economice

Modelarea i simularea sistemelor economice

Modelarea evoluiei ponderii pe pia a unor produse concureniale cu lanuri Markov

Modelarea i simularea sistemelor economice

Modelarea i simularea sistemelor economice

a j = (0,5 0,35 0,15)

A=36%; B=36,8%; C=27,3%

Modelarea i simularea sistemelor economice

c) modele d) modele gru

Modelarea i simularea sistemelor economice

Modelarea i simularea sistemelor economice

Condiia este satisfcut dac derivatele pariale ale sumei

0 i a 1 sunt egale cu zero (se obine un minim al funciei). raport cu a

Modelarea i simularea sistemelor economice

1 , a 2 conduce la o , a Anularea derivatelor pariale n raport cu a urmtorul sistem de ecuaii normale:

0 + a1 x1i + a 2 x 2i = y i n a i i i 2 0 x1i + a 1 x1i + a 2 x1i x 2i = x1i y i a i i i i a 0 x 2i + a 1 x1i x 2i + a 2 x 2 2i = x 2i y i i i i i

Modelarea i simularea sistemelor economice

METODE DE PROGNOZARE A VNZ RII PRODUSELOR

Metoda ajustrii exponeniale exponenial smoothing a lui R.K.Brown

Modelarea i simularea sistemelor economice