Professional Documents
Culture Documents
BAZELE CERCETĂRII
OPERAŢIONALE
2004
2
CUPRINS
1
Printre reprezentanţii "şcolii comportamentului" pot fi citaţi Mayo,
Abraham Zalesnick şi D. G. Peltz.
2
Desigur, referirea la un moment în timp nu poate fi decât pur orientativă; aici am
avut în vedere apariţia primei generaţii de calculatoare electronice, a primelor lucrări
de cibernetică şi a primelor echipe de cercetare operaţională.
12
celui de-al doilea război mondial.
Considerată de unii ca reprezentând şcoala matematică în disciplinele
organizării şi conducerii, cercetarea operaţională se caracterizează în primul
rând prin procesul de elaborare a modelelor, de regulă matematizate, care
descriu procesele economice pentru care urmează a se lua decizii cât mai
avantajoase.
• Cibernetica este ştiinţa care se ocupă cu conducerea şi reglarea
sistemelor complexe.
Printre încercările cele mai caracteristice de perfecţionare a metodelor
folosite în ultimele decenii în ştiinţele organizării şi conducerii, alături de
întrebuinţarea masivă a procedeelor matematice şi a calculatoarelor electronice,
se află şi utilizarea concepţiei sistemico-cibernetice.
Poate fi definită ca sistem orice secţiune a realităţii în care se identifică
un ansamblu de fenomene, obiecte, procese, concepte, fiinţe sau grupuri
interconectate printr-o mulţime de relaţii reciproce, precum şi cu mediul
înconjurător şi care acţionează în comun în vederea realizării unor obiective
bine definite. Mulţimea elementelor şi a relaţiilor dintre acestea, precum şi a
relaţiilor între componente şi ansamblu formează structura sistemului.
Mulţimea caracteristicilor unui sistem, la un moment dat, determină starea sa.
Pentru analiza comportamentului sistemelor, în ansamblul lor, s-a
propus conceptul de "cutie neagră" care reprezintă sistemul privit ca un tot,
făcând abstracţie de procesele sale interne. Cutia neagră primeşte impulsuri din
partea mediului înconjurător (″intrările" în sistem) şi, prelucrând aceste
impulsuri, le transformă în acţiuni asupra mediului ("ieşirile") din sistem.
Sistemele se pot clasifica: după natura lor (sisteme naturale - cum sunt
organismele vii şi sisteme elaborate - tehnice, economice, conceptuale), după
modul de funcţionare (deschise - în care ieşirile nu influenţează intrările, şi
închise, în care are loc influenţa intrărilor de către ieşiri) şi după comportament
(deterministe sau probabilistice1).
Mecanismul transformării intrărilor în ieşiri poate fi descris cu ajutorul
funcţiilor de transfer, care au diverse forme, particulare, după natura
sistemului.
1
Sistemele deterministe au o comportare previzibilă, în timp ce sistemele
probabilistice au o comportare aleatoare.
13
2
Sistemul devine cibernetic atunci când apare reglarea (conexiunea
inversă, feedback-ul), adică o intervenţie asupra intrărilor în scopul menţinerii
ieşirilor la nivelul unor parametri-obiectiv doriţi.
Se înţelege că expresia analitică a funcţiilor de transfer şi a
mecanismului reglării conduce la forme matematice foarte diverse şi de cele
mai multe ori foarte complexe.
Ansamblul economiei poate fi privit ca un sistem ale cărui elemente
componente (organizaţiile social-economice de diferite mărimi) sunt
intercorelate prin fluxuri materiale şi informaţionale şi au un comportament
orientat spre atingerea unor obiective precise. La rândul lor, organizaţiile, care
sunt elemente componente ale sistemului-ansamblu, pot fi considerate sisteme,
diviziunea putându-se continua până la identificarea unor componente
elementare indivizibile. Scopul cercetării cibernetico-sistemice aplicată la
realitatea social-economică îl constituie surprinderea comportamentului
sistemelor, una din căile de descriere a acestui comportament fiind găsirea
expresiei funcţiilor de transfer şi a mecanismului reglării.
Adoptarea perspectivei cibernetico-economice în ştiinţele
social-economice reprezintă un câştig teoretic remarcabil şi este foarte probabil
ca, în următorii ani, să asistăm la închegarea unei teorii cibernetico-sistemice
complete şi unitare aplicată la realitatea social-economică pe scară largă.
• Informatica poate fi definită ca disciplina prelucrării datelor cu
ajutorul echipamentelor automate de prelucrare.
Principalele probleme care pot fi considerate ca aparţinând informaticii
sunt: culegerea datelor, pregătirea datelor, codificarea acestora, transmiterea
lor, prelucrarea datelor pe echipamente, stocarea şi conservarea lor.
Problema dezvoltării explozive a informaticii şi a rolului ei în
economie, administraţie, cercetare spaţială, strategie militară, ştiinţă,
învăţământ etc, este bine cunoscută şi de nespecialişti. Vom arăta numai că, de
la câteva calculatoare electronice şi puţini specialişti în informatică, în 1945,
s-a ajuns azi, pe plan mondial, la milioane de calculatoare şi specialişti.
• Psihosociologia organizării a apărut ca o nouă orientare în
2
Apariţia şi dezvoltarea ciberneticii (începând din deceniul al 5-lea al secolului nostru) este
legată de numele unor savanţi celebri ca Norbert Wiener, Claude Shannon, Ross Ashby
etc.
14
disciplinele conducerii în jurul anului 1950.
St. March, F. Simon şi alţi reprezentanţi ai aşa-numitei "şcoli
psihosociologice" abordează, în principal, problema influenţei factorilor
psihologici şi sociologici în compartimentul decizional. Luarea deciziilor, în
concepţia acestei şcoli, nu este funcţie numai de criterii raţionale ci şi de modul
de percepere a stimulilor, depinzând de poziţia decidentului şi de relaţiile cu
ceilalţi membri ai grupului.
Cu alte cuvinte, oricât s-ar face apel, în organizarea şi conducerea
organismelor economice, la metode şi echipamente de mare fineţe şi
tehnicitate, în ultimă instanţă oamenii sunt cei de care depinde funcţionarea
eficientă a sistemului, de aceea, trebuie studiate reacţiile individuale şi relaţiile
dintre indivizii din sistem.
• Teoria generală a sistemelor (TGS), strâns legată de cibernetică,
propune o perspectivă care să sintetizeze ideile viabile ale diferitelor orientări
în ştiinţele organizării şi conducerii.
Iată câteva din ideile de bază ale teoriei generale a sistemelor, după
"Industrial Dynamics" a lui J. Forrester:
3
Oamenii de ştiinţă din toate timpurile au folosit "modele" în cele mai diverse
domenii ale cunoaşterii ştiinţifice. Până de curând însă ei utilizau modelarea fără a folosi
termenul respectiv.
26
fi programate cu ajutorul calculatoarelor electronice, alcătuind împreună un
instrument de investigaţie ştiinţifică de o putere necunoscută până în prezent, o
prodigioasă "prelungire" a inteligenţei umane.
O sistematizare metodologică a modelelor matematice întrebuinţate în
disciplinele organizării şi conducerii social-economice ar fi riscantă, având în
vedere mutaţiile continue şi spectaculoase care au loc în aceste discipline şi, în
plus, ar avea un caracter pur scolastic, fără utilitate teoretică sau practică reală.
De aceea, ne vom limita, în continuare, să enumerăm principalele tipuri de
modele matematice cunoscute în acest domeniu.
După întinderea domeniului studiat, modelele care descriu realitatea
economică pot fi: macroeconomice - cele care se referă la economia naţională,
la ramură (subramură) sau la economia unui teritoriu mare (un judeţ, o anumită
zonă industrială, agricolă etc.) şi microeconomice - la nivel de întreprindere,
uzină, trust, combinat etc.
Modelele cibernetico-economice urmăresc să studieze relaţia dintre
intrări şi ieşiri într-un organism economic, cu evidenţierea fenomenelor de
reglare care determină buna funcţionare a sistemului. Majoritatea modelelor
cibernetico-economice sunt macroeconomice.
Modelele econometrice descriu comportamentul organismelor
economice cu ajutorul unor sisteme de ecuaţii în care elementele numerice sunt
determinate statistic. Şi aceste modele sunt, de obicei, macroeconomice.
Modelele de simulare încearcă să stabilească modul de funcţionare al
unor organisme macro sau microeconomice prin acordarea unor combinaţii de
valori întâmplătoare variabilelor independente care descriu procesele. Prin
"citirea" valorilor pe care le capătă în felul acesta variabilele dependente, se
obţin mărimi semnificative în procesul studiat.
Modelele sistemice au drept obiectiv surprinderea ansamblului
aspectelor dintr-un organism economic (de exemplu, în modelele Forrester se
consideră că prin identificarea celor şase fluxuri caracteristice se poate
cunoaşte comportarea sistemului ca un tot).
Modelele cercetării operaţionale se caracterizează prin căutarea unei
soluţii optime sau apropiată de optim, pentru fenomenul studiat. Modelele
cercetării operaţionale se bazează pe o mare diversitate de procedee
matematice şi au aplicaţii la nivel macro, dar în special la nivel
27
microeconomic. Ele reprezintă principalul instrument pentru optimizarea
deciziilor în analiza de sistem.
Tipologia de mai sus este foarte relativă, între grupele menţionate
existând frecvente asemănări şi întrepătrunderi. Astfel, modelele econometrice
sunt adesea de tip cibernetic, simularea se utilizează în mai toate tipurile de
modele matematice, modelele cercetării operaţionale pot fi folosite în
descrierea sistemică a unui organism etc.
Vom examinăm, în continuare, procedeele practice de elaborare şi
utilizare a modelelor matematice în disciplinele organizării şi conducerii.
În primul rând trebuie subliniat faptul că activitatea de modelare, pentru
a fi eficientă, trebuie desfăşurată întotdeauna în cadrul analizei de sistem, şi
anume ca un moment al etapei de proiectare a noului sistem. O serie de operaţii
care se desfăşoară în cadrul analizei de sistem înaintea acestui moment au un
caracter pregătitor pentru efectuarea modelării, iar altele, ulterioare ei, sunt
necesare pentru aplicarea în practică a modelelor elaborate.
Vom arăta în continuare care sunt principalele faze ale elaborării unui
model matematic într-o problemă de organizare-conducere social-economică,
având grijă să evidenţiem cum se împletesc aceste faze cu alte operaţii ale
analizei de sistem.
• Prima fază a modelării, care are un caracter pregătitor, este
cunoaşterea realităţii în organismul studiat, în scopul îmbunătăţirii
mecanismului informaţional-decizional. Descrierea logicii proceselor
decizionale, alături de considerarea obiectivelor viitorului sistem, sunt
principalele elemente ale cunoaşterii realităţii necesare modelării.
• A doua fază a modelării o reprezintă construirea propriu-zisă a
modelului. Această operaţie, în marea majoritate a cazurilor din practică,
constă în aplicarea unui instrument clasic de modelare ales din gama extrem de
variată pe care ne-o pune la dispoziţie teoria cercetării operaţionale. În astfel de
situaţii, abilitatea analistului constă în stabilirea corespondenţei dintre realitate
şi instrumentul de modelare cunoscut din literatura de specialitate. Există şi
cazuri când nu se poate stabili o astfel de corespondenţă, analistul fiind obligat
să elaboreze modele noi. Acestea pot fi de două feluri: a) combinaţii de modele
clasice, din domeniul teoriei şi b) modele noi propriu-zise. În primul caz, totul
se reduce la buna cunoaştere a realităţii şi a teoriei, la care trebuie adăugată o
28
doză de abilitate în combinarea metodelor. În cazul al doilea, este vorba despre
creaţie originală. Elaborarea unui model matematic realmente original reclamă,
pe lângă profunda cunoaştere a realităţii care urmează a fi modelată, o foarte
solidă cultură matematică, imaginaţie şi talent. După cum va rezulta din
parcurgerea în prezentul curs a modelelor clasice ale cercetării operaţionale,
există o mare diversitate în structura, matematica şi logica modelelor, de la
modele foarte simple, neaxiomatizate, cum sunt cele din programarea liniară, la
modele combinatorice, în probleme de teoria grafelor, analiza drumului critic şi
programarea operativă a producţiei şi până la modele de mare fineţe, prezentate
axiomatizat, cum sunt cele ale utilităţii sau deciziilor de grup. Evident,
elaborarea în forma axiomatizată a unui model reprezintă un stadiu superior în
procesul modelării care, însă, nu poate fi totdeauna atins în practică.
Un model axiomatizat (sistem axiomatic) cuprinde:
- axiomele sistemului, reprezentând propoziţii exprimate în formă
matematică, de regulă foarte puţine, care conţin unele adevăruri de
mare generalitate privind fenomenul care se modelează, atât de
generale, încât toate constatările concrete şi particulare vor putea fi
deduse din cele generale;
- reguli de inferenţă, reprezentând prescripţii riguroase, singurele
admise în sistem, prin care se trece de la axiome la teoreme, sau de la teoreme
deja demonstrate, la altele noi;
- teoreme, adică propoziţii mai mult sau mai puţin particulare,
exprimate matematic, deduse prin reguli de inferenţă din aproape în
aproape din axiome şi care exprimă proprietăţi ale fenomenului
modelat.
Când în procesul de modelare axiomatică se explicitează limitativ
conceptele care urmează a fi utilizate, adică se dă de la început o listă a
noţiunilor şi operaţiilor matematice admise în sistem, se obţine o formă
superioară de sistem axiomatic numit sistem formal.
Sistemele formale sunt încă foarte puţin utilizate în ştiinţă şi cu atât mai
puţin în disciplinele organizării şi conducerii economice.
Axiomatizarea şi, în ultima analiză, formalizarea, reprezintă viitorul în
modelarea matematică, datorită rigorii excepţionale pe care o introduc,
diminuării considerabile a elementelor de intuiţie şi arbitrar, care, deşi mult
29
mai puţine decât în modelele nematematizate, sunt încă prezente în modelarea
matematică axiomatizată.
• A treia fază a modelării este confruntarea modelului cu realitatea şi
eventual experimentarea sa. Această fază se realizează în cadrul implementării
sistemului, care poate fi considerată a patra şi ultima fază a modelării.
În încheierea acestui paragraf, să examinăm câteva caracteristici ale
instrumentelor de modelare matematică pe care ni le pune la dispoziţie
cercetarea operaţională.
Una din principalele caracteristici ale tuturor metodelor cercetării
operaţionale este faptul că unele probleme ale cercetării operaţionale pot fi
privite, din perspectivă pur teoretică, ca probleme de matematică pură. Evident,
nu aceasta va fi perspectiva pe care o vom adopta în cele ce urmează, întrucât
vom privi metodele cercetării operaţionale strâns legate de problemele practice.
Din punct de vedere istoric, unele dintre problemele cercetării
operaţionale s-au ivit, ce e drept, în special sub aspect pur matematic, cu mult
înainte de a fi apărut activitatea organizată şi denumirea de cercetare
operaţională. Astfel, unele noţiuni de teoria grafelor se cunosc de mai bine de
un secol, teoria aşteptării îşi are originea în unele lucrări ale lui Erlang din
deceniul al 2-lea al secolului nostru, iar teoria stocurilor apare către anul 1930.
Ca disciplină de sine stătătoare, cercetarea operaţională a apărut însă în timpul
celui de-al doilea război mondial, prin înfiinţarea unor echipe complexe
(matematicieni, ingineri, economişti, biologi, psihologi ş.a.) însărcinate cu
optimizarea deciziilor privind unele acţiuni pregătitoare operaţiilor militare.
După război, echipele astfel formate s-au reprofilat rapid pentru activităţi
paşnice. Dezvoltându-se spectaculos în ultimele trei decenii, preocupările
teoretice şi în special practice, în domeniul cercetării operaţionale, au ajuns să
antreneze astăzi pe plan mondial sute de mii de specialişti.
În prezent nu se mai poate concepe conducerea unei activităţi tehnico-
economice importante fără a face apel la metodele cercetării operaţionale,
bineînţeles împreună cu celelalte tehnici moderne cum ar fi informatica,
analiza de sistem ş.a..
30
2.2. PROBLEME TIP DE CERCETARE
OPERAŢIONALĂ
Încă de la începuturile ei, cercetarea operaţională a fost aplicată la
rezolvarea unei mari varietăţi de probleme. Multe din acestea aveau un caracter
mai curând tactic, decât strategic. Distincţia între problemele tactice şi cele
strategice nu este simplă, deoarece ea se bazează pe cel puţin trei caracteristici
ale problemei, fiecare din acestea având un caracter gradual.
Mai întâi, o problemă are un caracter tactic mai accentuat decât alta,
dacă efectul pe care-l exercită soluţia sa are o durată mai scurtă sau, ceea ce
este de fapt acelaşi lucru, dacă soluţia poate fi uşor modificată sau înlocuită. Cu
cât efectul soluţiei durează mai mult, cu atât caracterul strategic al problemei
este mai accentuat. De aceea, o problemă în care se stabileşte producţia pentru
ziua următoare este o problemă tactică în comparaţie cu problema construirii
unei noi întreprinderi. Cercetarea operaţională s-a aplicat mai mult problemelor
având o durată scurtă, decât celor de lungă durată. Vom numi această
caracteristică registrul problemei.
În al doilea rând, o problemă are un caracter cu atât mai strategic, cu cât
este mai mare partea din organizaţie care este afectată direct de rezolvarea ei.
De aceea, o problemă privind alegerea unei noi forme de evidenţă contabilă are
un caracter tactic în comparaţie cu problema stabilirii bugetului întregii firme.
Această caracteristică o vom numi aria problemei.
În sfârşit, o problemă are un caracter strategic cu atât mai pronunţat, cu
cât ea joacă un rol mai important în determinarea obiectivelor intermediare sau
finale. Toate problemele stabilesc căile şi mijloacele prin care se poate atinge
scopul dorit, însă cele mai multe probleme presupun că acest scop este dat din
exterior sau este cunoscut în prealabil. Astfel de probleme au un caracter tactic.
De aceea, planul global al firmei, în care trebuie determinate obiectivele
parţiale şi finale ale diverselor compartimente, este o problemă de strategie în
comparaţie, de exemplu, cu problema minimizării cheltuielilor de transport,
problemă al cărei obiectiv este clar formulat. Vom numi această caracteristică
orientarea problemei.
Cele trei caracteristici enumerate nu oferă o delimitare clară între
problemele strategice şi cele tactice. De aceea, în cel mai bun caz, putem spune
31
că o problemă are un caracter mai mult sau mai puţin strategic (sau tactic) în
raport cu unul sau altul din cele trei aspecte.
După cum s-a menţionat, cercetarea operaţională s-a ocupat cel mai
mult (dar nu în exclusivitate) de probleme având un caracter tactic. Totuşi, vom
examina ceva mai amănunţit problemele strategice şi rolul pe care-l poate juca
cercetarea operaţională în rezolvarea lor.
Dintre-un anumit punct de vedere, două probleme tactice nu pot fi
niciodată identice. Pe de altă parte, problemele tactice tind să se grupeze în
câteva tipuri bine definite. Ceea ce face ca două probleme să nu fie niciodată
identice, este conţinutul lor. Ceea ce face ca toate problemele tactice să se
grupeze într-un număr relativ mic de tipuri este forma lor. Orice problemă are o
formă şi un conţinut. Aceste două trăsături sunt la fel de inseparabile, ca cele
două feţe ale unei monede: le putem examina separat, dar nu le putem despărţi.
Forma se referă la felul în care mărimile problemei sunt legate între ele, pe
când conţinutul se referă la natura (semnificaţia) acestor mărimi. De exemplu,
mai multe perechi de variabile pot fi legate între ele printr-o relaţie care se
exprimă grafic printr-o dreaptă. Aceste perechi de variabile, între care există o
dependenţă liniară, au forme identice, dar conţinutul lor este diferit.
Putem separa forma unei probleme de conţinutul ei printr-un proces de
abstractizare. Limbajul cu ajutorul căruia exprimăm forma, abstracţie făcând
de conţinut, este limbajul matematic. Prin urmare, un model matematic de
decizie constituie o reprezentare a formei problemei.
Separarea formei de conţinut face necesară cunoaşterea conţinutului
problemei. Inginerii sau economiştii interesaţi de rezolvare problemei cunosc
conţinutului ei mai bine decât cercetătorii operaţionali. În general, cercetătorii
nu-şi pot permite să cheltuiască timpul şi efortul necesar pentru a cunoaşte
conţinutul fiecărei probleme concrete în parte, la fel de bine ca cei interesaţi de
problema respectivă. De aceea, cercetătorul trebuie să utilizeze cunoştinţele
despre problemă pe care le are inginerul sau economistul. Din această cauză,
cercetarea operaţională dă cele mai bune rezultate atunci când există o
colaborare activă între parteneri.
După cum am văzut mai sus, o consecinţă importantă a faptului că
cercetarea operaţională a fost aplicată la rezolvarea unei largi varietăţi de
probleme cu caracter tactic, constă în identificarea unui grup restrâns de
32
probleme tip, la care se reduc majoritatea problemelor. Deoarece aceste tipuri
de probleme se întâlnesc frecvent, s-au construit diverse tehnici pentru
modelarea şi rezolvarea lor.
Problemele tip sunt următoarele:
1) alocare;
2) stocuri;
3) reînnoire;
4) fire de aşteptare;
5) ordonanţare şi coordonare;
6) alegerea itinerariilor;
7) competiţie;
8) căutare.
Ordinea în care au fost redate aici are la bază anumite considerente
metodice. În realitate, diversele tipuri de probleme apar unele după altele (şi nu
neapărat în ordinea amintită), pe măsură ce se lărgeşte concepţia asupra
sistemului. De exemplu, mulţi cercetători operaţionali încep cu problemele de
stocuri deoarece:
1) conceptual, ele sunt cele mai simple;
2) există tehnici puternic dezvoltate pentru rezolvarea lor;
3) se crede de obicei că datele necesare sunt uşor disponibile (dar
rareori se întâmplă aşa în realitate);
4) conducătorii compartimentului respectiv sunt obişnuiţi, de regulă,
să gândească în categorii cantitative şi de aceea nu sunt atât de
refractari cercetării operaţionale, ca alţi conducători mai puţin
pregătiţi tehnic.
După cum vom vedea, teoria stocurilor reprezintă aparent cea mai
simplă operaţie ce se poate concepe – păstrarea unor produse. Deciziile
stabilesc, în general, când şi câte produse vor trebui achiziţionate. S-ar putea ca
în problemă să fie implicat un mare număr de produse (de exemplu, părţi ale
unui aceluiaşi agregat); atunci pentru fiecare din ele trebuie stabilit când şi ce
cantitate se achiziţionează. După rezolvarea acestei probleme s-ar putea
constata eventual că nu există posibilitatea fabricării tuturor produselor, în
cantităţile cerute de soluţia optimă a problemei. În acest caz, se pune problema
alocării utilajelor disponibile la executarea diverselor produse, astfel încât
33
pierderile, în comparaţie cu soluţia obţinută prin rezolvarea problemei de
stocuri, luată izolat, să fie minime.
Problema de alocare utilizează un model în care de regulă se presupune
că utilajele sunt disponibile în mod continuu, fără întrerupere. În realitate, se
pot ivi unele staţionări: utilajele se defectează şu trebuie reparate, se produc
întreruperi în alimentarea cu energie, oamenii sau materialul nu se găsesc acolo
unde este nevoie şi atunci când este nevoie. De aceea, în problema de alocare
ar trebui să se ţină seama de aceste întârzieri. Pentru aceasta va trebui rezolvată
o problemă de teoria aşteptării.
În teoria aşteptării se presupune de obicei că există o regulă pentru
determinarea ordinii de servire (de exemplu, se ştie ce utilaj urmează să fie
reparat). În unele cazuri, ordinea în care se execută aceste lucrări are o
influenţă sensibilă asupra timpului total necesar sau asupra executării lucrărilor
la datele planificate. În aceste situaţii, va trebui rezolvată o problemă de
ordonanţare (determinarea ordinii de servire), astfel încât să fie asigurată
îndeplinirea obiectivului propus: respectarea termenelor planificate sau
reducerea timpului total de execuţie.
Dacă înaintea executării fiecărei noi lucrări este necesară o anumită
pregătire a oamenilor şi utilajelor, iar durata acestei pregătiri depinde de
ordinea în care sunt dispuse lucrările, atunci ar trebui luate în considerare şi
pierderile de timp legate de perioadele de pregătire. Pentru aceasta trebuie
rezolvată o problemă privind alegerea unui anumit itinerariu; consideraţiile
care impun examinarea acestei probleme vor deveni evidente atunci când ne
vom opri asupra ei în detaliu.
Dacă această problemă ilustrativă este studiată pentru un interval de
timp mai îndelungat, va trebui să avem în vedere şi problema reînnoirii
utilajelor uzate sau cu o uzură avansată.
Până acum ne-am concentrat atenţia aproape exclusiv asupra
comportării sistemului studiat, fără a lua în consideraţie factorii externi care ar
putea influenţa performanţele sistemului (furnizori, clienţi, concurenţi). Dacă
vom ţine seama de aceşti factori, pentru a încerca să achiziţionăm materii
prime la un preţ mai redus sau să ne vindem mărfurile la un preţ mai
convenabil, va trebui rezolvată o problemă de tip competitiv. De regulă, aceste
probleme sunt foarte complexe şi greu de rezolvat. De aceea, o echipă de
34
cercetare operaţională abordează o astfel de problemă numai după ce
conducerea firmei a căpătat destulă încredere în capacitatea echipei, pentru a
admite „riscul” acestei cercetări. Trebuie să remarcăm că, în general, cu cât o
cercetare este mai dificilă şi comportă o doză mai mare de risc, cu atât mai
mare este beneficiul ce se obţine prin aplicarea rezultatelor pe care le oferă.
În sfârşit, cu cât obiectivul problemelor de cercetare operaţională este
mai cuprinzător şi cu cât mai variate sunt soluţiile ce urmează a fi
implementate, cu atât mai acută devine nevoia de a culege, păstra şi prelucra
informaţiile necesare utilizării şi reactualizării soluţiilor. Adesea aceasta
conduce la un studiu dedicat sistemului informaţional şi de comunicaţii.
Problema care constă în a stabili ce şi de multe informaţii sunt necesare, cum
trebuie culese şi folosite aceste informaţii, este o problemă de căutare.
Rezultă că problemele de conducere pot fi examinate foarte rar separat
una de alta. De aceea, cu toate că, cercetarea operaţională se poate limita la o
singură problemă, ea este mult mai eficientă atunci când are posibilitatea să-şi
lărgească obiectivul iniţial şi să examineze, simultan sau succesiv, cât mai
multe probleme ce se influenţează reciproc.
Multe probleme practice nu pot fi încadrate în nici unul din modelele
tip. Deşi pentru ele se pot construi modele care să încorporeze mai multe
probleme tip, în general nu dispunem de metode pentru rezolvarea acestor
modele. Problemele tip sunt, într-un sens, cele mai extinse probleme ce se pot
rezolva într-o singură etapă. Cum problemele reale conţin mai multe probleme
tip, adesea trebuie să le „descompunem” în mai multe probleme parţiale;
soluţia unei probleme parţiale va furniza datele iniţiale pentru următoarea
problemă parţială. Vom putea utiliza atunci soluţia ultimei subprobleme, pentru
a corecta sau reevalua una sau mai multe din soluţiile parţiale obţinute anterior.
În practică, deseori când avem de-a face cu mai multe tipuri de probleme şi
repetând acest ciclu până când se ajunge la o soluţie globală satisfăcătoare.
Clasificarea problemelor de cercetare operaţională în cele opt tipuri nu
conţine nimic magic sau imuabil. Cu timpul apar noi probleme, iar cele vechi
se pot combina când se descoperă metode pentru rezolvarea lor simultană.
Graniţa dintre diversele probleme tip nu este clar conturată şi devine din ce în
ce mai difuză, pe măsură ce apar noi generalizări şi se descoperă noi puncte
comune. Unele tehnici matematice, utilizate pentru rezolvarea anumitor
35
probleme, de exemplu, pentru programarea liniară sau dinamică, sunt aplicabile
şi la alte probleme. De aceea, uneori problemele sunt clasificate în raport cu
aparatul matematic necesar pentru rezolvarea lor. Am preferat clasificarea lor
după situaţiile chemate să le rezolve şi nu după aspectul lor matematic,
deoarece acest lucru corespunde mai bine caracterului cercetării operaţionale.
Ar însemna să dăm dovadă de uşurinţă, dacă am considera cercetarea
operaţională ca fiind o ramură a matematicii aplicate, mai curând decât o ştiinţă
aplicată interdisciplinară şi dacă, concentrându-se asupra metodelor, am neglija
scopul final.
Să mai remarcăm că există unele probleme foarte interesante din punct
de vedere teoretic, dar care nu se încadrează în vreunul din tipurile enumerate.
Astfel de probleme prezintă un domeniu atractiv de cercetare şi deschid drumul
către o eventuală identificare a unor noi probleme tip.
Din discuţia de mai sus, rezultă că problemele tip nu constituie
instrumente care să poată fi aplicate de-a gata în orice situaţie. Problemele tip
se potrivesc foarte rar unor situaţii reale. De obicei, ele trebuie să fie adaptate
fiecărui caz concret în parte. Dacă considerăm însă că studiul acestor probleme
constituie un exerciţiu de construire şi rezolvare a modelelor, atunci vom
căpăta o bază corespunzătoare pentru studiul problemelor concrete.
36
CAPITOLUL 3
PROGRAMAREA LINIARĂ
a 11 a 12 L a 1n x1 b1
L a 2n ; x = x b
unde A = a 21 a 22
2 şi b = 2
M M O M M M
a m1 a m2 L a mn xn bn
(∗)
De aici rezultă posibilitatea să calculăm coeficienţii aij pe baza informaţiilor disponibile
R ij
privind cantităţile consumate Rij şi nivelul xj: aij = ; i = 1,...,m; j = 1,...,n
xj
38
n
un program x∈ R care minimizează sau maximizează o funcţie obiectiv şi, în
acelaşi timp, satisface toate restricţiile tehnico-economice.
Presupunând că fiecare componentă a vectorului linie c = (c1, c2, ..., cn)
măsoară eficienţa unei unităţi din rezultatul activităţii Aj, atunci se poate
introduce funcţia liniară:
optim[ f (x )] (1)
x
n
∑ a ij ⋅ x j ≤ b i i ∈ I1
j=1 unde I1 ∪ I2 = {1,2,...,m}
n (2)
∑ a kj ⋅ x j ≥ b k k ∈ I2
j=1
xj ≥ 0 j = 1, n
(3)
Relaţiile (1), (2) şi (3) constituie împreună modelul general al unei
probleme de programare liniară, având fiecare un rol specific:
n
1. relaţia (1), unde f(x) = ∑ c j ⋅ x j este denumită funcţia obiectiv de
j=1
n
resurse; iar restricţiile de tipul ∑ a kj ⋅ x j ≥ b k se referă la restricţii
j=1
min (c 1 x 1 + c 2 x 2 + ... + c n x n )
x j ( j =1,..., n)
a i1 x 1 + a i2 x 2 + ... + a in x n ≥ b i i = 1,..., m
x j ≥ 0 j = 1,..., n
vectorul x.
− Dacă toate sunt mai mici sau egale cu 0 atunci problema are
optim infinit şi algoritmul ia sfârşit;
− Dacă există componente strict pozitive, pentru acestea se
xs
calculează rapoartele θs = . Variabila xi corespunzătoare
a sj
43
raportului minim este cea care va ieşi din bază. Dacă acest
minim este multiplu sunt posibile două cazuri:
1) minimul este strict pozitiv. În acest caz se alege unul
dintre aceştia la întâmplare;
2) minimul este 0. Atunci xi corespunzători sunt 0, deci
soluţia este degenerată şi noua soluţie este la fel de
bună. Această situaţie poate duce la ciclarea
algoritmului şi alegerea la întâmplare nu mai este
suficientă, fiind nevoie de o regulă de alegere
suplimentară care să evite ciclarea. O metodă de
alegere se bazează pe faptul că, aşa cum vom vedea,
întotdeauna prima bază este matricea unitate şi în
dreptul ei, în toate tabelele simplex, se va afla inversa
bazei corespunzător fiecăruia. În acest caz, pentru
poziţiile în care s-a obţinut minimul împărţim prima
coloană a lui B-1 la coloana aj şi alegem minimul
dintre aceste rapoarte. Dacă minimul dintre aceştia
este tot multiplu continuăm procedeul, pentru
poziţiile ce dau noul minim, cu coloana a doua din B-
1
şi aşa mai departe, până minimul rămâne unic. Nu
este posibil să se epuizeze toate coloanele lui B-1 şi
minimul să rămână multiplu, deoarece, în acest caz,
b i1 jk b i 2 jk
am avea: = , pentru toţi indicii jk ai
a i1 j a i2 j
x1 x2 x3 x4 x5 x6
E F
x1 x2 x3 x4 x5 x6 x1 x2 x3 x4 x5 x6
x1 1 1 0 1 1 0 x1 x1x1 x1x2 0 x1x4 x1x5 0
x2 0 0 1 1 0 1 x2 0 0 x 2x 3 x 2x 4 0 x 2x 6
x3 1 1 0 0 0 0 x3 x3x1 x3x2 0 0 0 0
x4 0 0 0 0 1 0 x4 0 0 0 0 x4x5 0
x5 0 1 0 0 0 0 x5 0 x5x2 0 0 0 0
x6 0 0 0 1 0 0 x6 0 0 0 x 6x 4 0 0
49
cu δ x−k ;
4. semigradul exterior al unui nod xk: este numărul arcelor care sunt
incidente spre exterior nodului xk = cardinalul lui U +x k şi se notează
cu δ x+k ;
5. gradul unui nod xk: este suma semigradelor nodului xk: δ x k = δ x+k +
δ x−k ;
6. nod izolat: este un nod cu gradul 0;
7. nod suspendat: este un nod cu gradul 1;
8. arce adiacente: arce care au o extremitate comună;
9. drum într-un graf: o mulţime ordonată de noduri ale grafului: (x1,
x2, ..., xk), cu proprietatea că există în graf toate arcele de forma
(xi,xi+1) i = 1,...,k-1;
10. lungimea unui drum: este numărul arcelor care îl formează;
11. drum elementar: un drum în care fiecare nod apare o singură dată;
12. drum simplu: un drum în care fiecare arc apare o singură dată;
13. putere de atingere a unui nod xi ∈ X în graful G: numărul de
noduri la care se poate ajunge din xi. Puterea de atingere se notează
cu p(xi), 1 ≤ i ≤ n şi evident p(xi) ≥ δ x+i .
27. graf tare conex: este un graf în care între oricare două noduri există
cel puţin un drum;
28. graf simplu conex: este un graf în care între oricare două noduri
există cel puţin un lanţ;
Observaţie: Pentru grafuri neorientat noţiunile de tare conex şi simplu
conex sunt echivalente, graful numindu-se doar conex;
29. componentă tare conexă a unui graf G = (X,U): este un subgraf al
lui G care este tare conex şi nu este subgraful nici unui alt subgraf
tare conex al lui G (altfel spus, între oricare două noduri din
51
componentă există cel puţin un drum şi nu mai există nici un nod în
afara componentei legat printr-un drum de un nod al componentei).
( (
1 daca exista cel putin un drum de x i la x j
dij = ( (
0 daca nu exista nici un drum de x i la x j
deci de la puterea k = n-2 toate matricile Ak sunt egale. Putem, deci, calcula
direct orice putere a lui A+I mai mare sau egală cu n-1 (de exemplu calculând
r
(A+I)2, (A+I)4, (A+I)8, ..., (A + I) 2 , r fiind prima putere a lui 2 pentru care 2r
≥ n-2).
Procedeul de mai sus nu asigură decât aflarea faptului dacă există sau
nu drum între două noduri, eventual ce lungime are şi câte sunt de această
lungime. Totuşi, în problemele practice cel mai important este să ştim care sunt
efectiv aceste drumuri. Deoarece toate drumurile pot fi descompuse în drumuri
54
elementare şi în problemele practice în general acestea sunt cele care
interesează, paşii următori ai algoritmului vor fi dedicaţi găsirii lor. Pentru
găsirea acestora se foloseşte reprezentarea grafului prin matricea latină de la
cazul F.
Pasul 4. Construim matricea latină L asociată grafului, unde:
x x daca exista arcul (x i , x j )
( (
lij = i j
daca nu exista arcul (x i , x j )
( (
0
~
şi matricea L , definită prin:
~ x j daca exista arcul (x i , x j )
( (
s s ...s
s i1 s i 2 ...s i n + L s j1 s j2 ...s jm = i1 i 2 i n
s j1 s j2 ...s jm
(suma a două cuvinte este mulţimea formată din cele două cuvinte)
Pasul 5. Se calculează succesiv matricile:
~ ~ ~
L2 = L × L L , L3 = L2 × L L , ... ,Lk+1 = Lk × L L
folosind operaţiile de înmulţire şi adunare latină, alfabetul fiind mulţimea
nodurilor grafului, unde operaţia de înmulţire este uşor modificată, produsul
dintre două elemente ale matricilor fiind 0, dacă unul dintre ele este 0 sau au un
nod comun şi este produsul latin al lor, în caz contrar.
Din felul cum a fost construită, matricea Lk va conţine toate drumurile
elementare de lungime k. Cum un drum elementar poate avea cel mult n noduri
(câte are graful cu totul) rezultă că:
− primele n-1 puteri ale lui L conţin toate drumurile elementare din
graf;
− puterile lui L mai mari sau egale cu n au toate elementele egale cu 0;
− matricea Ln-1 conţine toate drumurile hamiltoniene din graf (dacă
există).
x1 x1 x1 x1 x1
x1
x1
x1 x1 x1 x1
a) c)
b)
Figura 4.1
Demonstraţie :
1)⇒ 2). între cele două noduri adiacente noii muchii introduse exista deja un
drum în fostul graf. Acest drum, împreună cu noul arc va forma
evident un ciclu şi afirmaţia 2) a fost demonstrată.
58
2)⇒3). Pentru oricare două vârfuri neunite printr-o muchie, adăugând muchia
dintre cele două vârfuri s-ar crea, conform ipotezei, un ciclu care
conţine această muchie, deci două drumuri între cele două noduri, din
care unul nu conţine noua muchie, adică în graful iniţial exista un
drum între cele două noduri. Dacă nu există cicluri înseamnă că între
oricare două noduri există un singur drum. Pentru două noduri unite
printr-o muchie, aceasta este chiar drumul corespunzător celor două
noduri. Dacă suprimăm această muchie între cele două noduri nu va
mai exista nici un drum, formându-se două componente conexe.
3)⇒4). Demonstraţia se face prin inducţie după n = numărul de noduri ale
grafului. Pentru n=2 este evident. Presupunem afirmaţia adevărată
pentru toate grafurile cu cel mult n noduri. Dacă graful are n+1 noduri,
prin suprimarea unei muchii se formează două componente conexe
fiecare având cel mult n noduri (n1 ≤ n, n2 ≤ n şi n1 + n2 = n+1) şi deci
au n1 – 1 respectiv n2 – 1 muchii. În concluzie graful iniţial a avut (n1
– 1) + (n2 – 1) +1 = n1 + n2 – 1= (n+1)-1 muchii, ceea ce era de
demonstrat.
4)⇒5). Dacă ar avea un ciclu atunci prin suprimarea unui arc al acestuia ar
rămâne de asemenea conex. Eliminăm acest arc apoi repetăm
procedeul pentru graful parţial rămas şi tot aşa până când nu mai
rămâne nici un ciclu. În acest moment graful rămas este conex şi nu
are cicluri deci este arbore şi deci are n-1 arce, în contradicţie cu
faptul că el avea n-1 arce înainte de a începe suprimarea arcelor;
5)⇒6). Dacă între două noduri ar exista două drumuri atunci acestea ar forma
la un loc un ciclu. Deci între 2 noduri este cel mult un drum. Dacă
între două noduri nu ar exista nici un drum ar fi cel puţin două
componente conexe în graf, fiecare fiind arbore (pentru că nu există
cicluri) şi deci fiecare ar avea un număr de arce cu 1 mai mic decât
numărul de noduri. Făcând adunarea, ar rezulta că în graf sunt strict
mai puţin de n-1 arce.
6)⇒1). Dacă H ar avea un ciclu, între două noduri ale acestuia ar exista două
lanţuri, în contradicţie cu ipoteza.
59
Presupunem că avem un graf pentru care am verificat deja dacă este
conex. Dacă nu este atunci acesta, evident, nu are nici un graf parţial care să fie
arbore.
Presupunem de asemenea că fiecărei muchii îi este asociată o valoare
reală.
Vom da mai jos trei algoritmi pentru determinarea unui graf parţial al
grafului, care să fie arbore şi pentru care suma valorilor arcelor sale să fie
minimă (sau maximă).
Toţi algoritmii descrişi în continuare extrag arborele prin colectarea una
câte una a muchiilor acestuia.
Figura 4.2
Rezolvare
A. Kruskal
La primul pas poate fi ales unul din arcele OP3 sau OP7, ele având
valoarea minimă 2. Putem alege oricum primul arc dintre cele două pentru că la
al doilea pas va fi ales celălalt.
La pasul trei poate fi ales unul din arcele OP5, OP6 sau P1P6 care au
valoarea minimă 3. Nici în acest caz nu are vre-o importanţă ordinea alegerii,
deoarece pot fi alese succesiv toate trei fără a se forma nici un ciclu.
Al şaselea arc poate fi ales dintre arcele P4P5 şi P1P2, care au valoarea
minimă 4. Nici în acest caz nu are vre-o importanţă ordinea alegerii, deoarece
pot fi alese succesiv ambele, fără a se forma nici un ciclu.
Următoarea valoare disponibilă a unui arc este 5, dar arcul opt nu poate
fi ales dintre arcele OP1, P6P7, deşi au valoarea minimă 5. Arcul OP1 nu poate
fi ales deoarece s-ar forma ciclul OP1P6, iar P6P7 ar duce la ciclul OP6P7.
Următoarea valoare minimă este 6, pentru arcul P5P7 dar nu poate fi ales
deoarece se formează ciclul OP5P7.
Valoarea următoare, 7, o au arcele OP4, P2P3 şi P5P8. OP4 nu poate fi
ales deoarece s-ar forma ciclul OP5P4. Arcul P2P3 nu poate fi ales deoarece s-ar
forma ciclul OP6P1P2P3. Arcul P5P8 nu formează nici un ciclu şi el va fi al
optulea arc ales. În acest caz, deoarece s-au adunat 8 arce într-un graf cu 9
noduri, am obţinut graful căutat.
Acest arbore este reprezentat în figura 4.3.
63
P2
4
P1 P3
2 P4
3 4
O
3 3
P6 2 P5
7
P8
P7
Figura 4.3
B. Sollin
P1 P3
2 P4
3 4
O
3
P6 P5 7
2
P8
P7
C(T) = ∑ c
( )
u = x i ,x j
u
x i ∈V
x j∈W
Φ= ∑ ϕ
( )
u = x i ,x j
u – ∑ ϕ
( )
u = x i ,x j
u
x i ∈V x i ∈W
x j∈W x j∈V
sau, altfel spus, valoarea unui flux oarecare este egală cu suma fluxurilor
arcelor care trec de la V la W din care se scade suma fluxurilor arcelor care trec
invers, de la W la V, oricare ar fi tăietura T = (V,W).
Demonstraţie: Avem succesiv:
Φ= ∑
ϕu =
u = (s, x j )
ϕu +
u = (s, x j )
∑
x i ∈V u∈U +
ϕu − ∑ ∑ ϕu =
∑
u∈U x− i
x j∈X x j∈X x i ≠s xi
= ∑ (ϕ
( )
u = x i ,x j
u −ϕ u ) + ∑ ϕ
( )
u = x i ,x j
u - ∑ ϕ
( )
u = x i ,x j
u = ∑ ϕ
( )
u = x i ,x j
u – ∑ ϕ
( )
u = x i ,x j
u
x i ∈V x i ∈V x i ∈W x i ∈V x i ∈W
x j∈V x j∈W x j∈V x j∈W x j∈V
Corolar: Într-o reţea de transport valoarea oricărui flux este mai mică
sau egală decât valoarea oricărei tăieturi.
Demonstraţie: Fie T o tăietură oarecare şi ϕ un flux oarecare. Avem
succesiv:
Φ= ∑ ϕ
( )
u = x i ,x j
u – ∑ ϕ
( )
u = x i ,x j
u ≤ ∑ ϕ
( )
u = x i ,x j
u ≤ ∑ c
( )
u = x i ,x j
u = C(T)
x i ∈V x i ∈W x i ∈V x i ∈V
x j∈W x j∈V x j∈W x j∈W
Ipotezele modelului:
1. cerere constantă în timp (cereri egale pe intervale egale de timp);
2. perioadă fixă de aprovizionare (aprovizionarea se face la intervale
egale de timp);
3. cantităţi egale de aprovizionare;
4. aprovizionarea se face în momentul în care stocul devine 0 (nu se
admit intervale de timp pe care stocul să fie 0);
5. aprovizionarea se face instantaneu (durata dintre momentul lansării
comenzii şi intrarea mărfii în depozit este zero)
Datele modelului:
− T = perioada totală de timp pe care se studiază stocarea;
− N = cererea totală pe perioada T;
− cs = costul unitar de stocare (costul stocării unei unităţi de marfă pe
o unitate de timp)
− cl = costul lansării unei comenzi
Variabilele modelului:
− τ = intervalul dintre două aprovizionări succesive;
− n = cantitatea comandată şi adusă la fiecare aprovizionare;
− s(t) = nivelul stocului din depozit la momentul t
84
Obiectivul modelului
− minimizarea costului total de aprovizionare CT
Relaţiile dintre mărimile modelului
n N
Ipoteza 1 ⇒ = = cererea pe unitatea de timp ⇒ s(t) = liniară
τ T
Ipoteza 2 ⇒ τ acelaşi între oricare două comenzi
Ipoteza 3 ⇒ n acelaşi pentru toate comenzile
Ipoteza 4 ⇒ s(t) ≥ 0 pentru orice t
Ipoteza 5 ⇒ la sfârşitul unei perioade τ s(t) are un salt de la 0 la n
Rezolvare
Situaţia de mai sus poate fi vizualizată prin trasarea graficului variaţiei
stocului în timp:
s(t)
n
τ T
Figura 1
N T
− numărul de perioade este egal cu =
n τ
n N
− costul total cu aprovizionarea va fi CT = (cl + cs · · τ) ·
2 n
În concluzie rezolvarea problemei se reduce la a găsi minimul funcţiei:
n N
CT(n,τ) = (cl + cs · · τ) ·
2 n
N T
dacă variabilele n şi τ verifică = şi n şi τ sunt strict pozitive şi n ∈ (0,N],
n τ
N T
τ ∈ (0,T]. Pentru rezolvare vom scoate pe τ în funcţie de n din relaţia = :
n τ
T
τ=n·
N
şi înlocuim în expresia costului total cu aprovizionarea obţinând:
n T N 1 c ⋅T
CT(n) = (cl + cs · ·n· )· = cl ⋅ N ⋅ + S ⋅n
2 N n n 2
Cei doi termeni în care a fost separat costul total reprezintă cheltuielile
totale cu lansările respectiv cheltuielile totale cu stocarea, observându-se că
primele sunt descrescătoare în n iar celelalte liniar crescătoare. În concluzie,
dacă vom aduce toată cantitatea într-o singură tranşă vor fi foarte mari costurile
de stocare iar dacă vom aduce de foarte multe ori câte foarte puţin vor fi foarte
mari cheltuielile cu lansarea. Soluţia optimă n* va fi deci foarte probabil
undeva între 0 şi N. Pentru a o determina facem tabloul de variaţie al costului
total în funcţie de n pe intervalul (0,N].
Calculăm derivata costului total:
cl ⋅ N cS ⋅ T 2 ⋅ cl ⋅ N
C ′T = − + care are zerourile: n1,2 = ± ⇒
n 2
2 cS ⋅ T
2 ⋅ cl ⋅ N
n1 = − ∉ (0, N ]
cS ⋅ T
86
2 ⋅ cl ⋅ N 2 ⋅ cl ⋅ N c N ⋅T
n2 = ∈ (0, N ] ⇔ ≤N⇔ l ≤
cS ⋅ T cS ⋅ T cS 2
În concluzie:
cl N ⋅T
a) dacă ≥ adică dacă costul de lansare este de mai mult de
cS 2
N ⋅T
ori mai mare decât costul de stocare tabloul de variaţie va fi:
2
n 0 N
CT’(n) - - - - - -
T ⋅N
CT(n) cl + c S ⋅
2
2 ⋅ cl ⋅ N
n 0 N
cS ⋅ T
CT’(n) - - - - - 0 + + + +
CT(n) 2 ⋅ cl ⋅ c S ⋅T ⋅ N
N c ⋅T ⋅ N
în concluzie se vor face = S aprovizionări la intervale de
n 2 ⋅ cl
2 ⋅ cl ⋅ T 2 ⋅ cl ⋅ N
topt = în care se va aduce câte nopt = , variantă
cS ⋅ N cS ⋅T
2 ⋅ cl ⋅ T 2 ⋅ cl ⋅ T
t= şi t = +1
c S ⋅ N c S ⋅ N
alegându-se dintre toate variantele cea mai ieftină. ( [x] = partea întreagă lui x).
Ipotezele modelului:
1. cerere constantă în timp (cereri egale pe intervale egale de timp);
2. perioadă fixă de aprovizionare (aprovizionarea se face la intervale
egale de timp);
3. cantităţi egale de aprovizionare;
4. aprovizionarea nu se face în momentul în care stocul devine 0,
admiţându-se scurgerea unui interval de timp în care depozitul va fi
gol şi cererea nu va fi satisfăcută;
5. aprovizionarea se face instantaneu (durata dintre momentul lansării
comenzii şi intrarea mărfii în depozit este zero)
Datele modelului:
− T = perioada totală de timp pe care se studiază stocarea;
− N = cererea totală pe perioada T;
− cs = costul unitar de stocare (costul stocării unei unităţi de marfă pe
o unitate de timp)
− cl = costul lansării unei comenzi
− cp = costul unitar de penalizare (pierderea cauzată de nesatisfacerea
unei unităţi din cerere timp de o zi)
Variabilele modelului:
− τ = intervalul dintre două aprovizionări succesive;
− τ1 = durata de timp în care în depozit se află marfă;
− τ2 = durata de timp în care în depozitul este gol;
− n = cantitatea comandată şi adusă la fiecare aprovizionare;
88
− s = cantitatea maximă de marfă aflată în depozit;
− s(t) = nivelul stocului din depozit la momentul t
Obiectivul modelului
− minimizarea costului total de aprovizionare CT
s(t)
s τ2
n
τ1 T
τ
Figura 2
N T
− numărul de perioade este egal cu =
n τ
s n -s
− costul total cu aprovizionarea va fi CT = (cl + cs · · τ1 + cp · ·
2 2
N
τ2 ) ·
n
În concluzie rezolvarea problemei se reduce la a găsi minimul funcţiei:
s n -s N
CT(n,s,τ,τ1,τ2) = (cl + cs · · τ1 + cp · · τ2 ) ·
2 2 n
unde variabilele n, s, τ, τ1 şi τ2 verifică următoarele condiţii şi relaţii:
Condiţii Relaţii
1. 0<n≤N 1. τ1 + τ2 = τ
2. 0≤s≤n n N
2. =
3. 0<τ≤T τ T
s n−s
4. 0 ≤ τ1 ≤ τ 3. =
τ1 τ2
5. 0 ≤ τ2 ≤ τ
90
În concluzie, din cele 5 variabile doar două sunt independente şi din
cele trei relaţii vom scoate trei dintre ele ca fiind variabile secundare în funcţie
de celelalte două ca fiind principale. Fie cele două variabile principale n şi s. În
acest caz avem rezolvând sistemul de relaţii:
T
τ1 = s ⋅
N
T
τ2 = (n - s ) ⋅
N
T
τ = n⋅
N
Acestea se înlocuiesc în expresia costului total şi obţinem în final o
problemă de minim a unei cu două variabile:
s T n -s T N
min CT(n,s) = (cl + cs · · s⋅ + cp · · (n - s ) ⋅ )·
n,s 2 N 2 N n
unde 0 < n ≤ N şi 0 ≤ s ≤ n.
Pentru rezolvare vom calcula derivatele parţiale ale funcţiei CT(n,s) pe
domeniul D = {(n,s)/ 0 < n ≤ N şi 0 ≤ s ≤ n}. Obţinem:
∂C T (n, s ) T 1 T 1 T N
= cp⋅(n – s)⋅ - [cl + ⋅cs⋅s2⋅ + ⋅cp⋅(n – s)2⋅ ]⋅ 2
∂n n 2 N 2 N n
∂C T (n, s ) T
= [(cs + cp)⋅s - cp⋅n]⋅
∂s n
∂C T (n, s )
=0
Rezolvăm sistemul: ∂n scoţându-l pe s în funcţie de n din a
∂C T (n, s )
=0
∂s
cp 1 csc p
doua ecuaţie (s = ⋅n) şi înlocuindu-l în prima obţinând: ⋅ ⋅T -
cs + cp 2 cs + c p
N 2 ⋅ c l ⋅ (c s + c p ) N
cl⋅ = 0 de unde rezultă n2 = ⋅ şi în final unica soluţie
n2 cscp T
2 ⋅cl ⋅ N cs + cp 2⋅cl ⋅ N cp
pozitivă: n0 = ⋅ şi s0 = ⋅ . Această
cs ⋅T cp cs ⋅T cs + cp
91
soluţie este soluţia optimă doar dacă 0 < n0 ≤ N şi sunt îndeplinite condiţiile de
∂ 2 C T (n, s ) ∂ 2 C T (n, s )
2
(n ,
0 0s ) > 0, (n 0 , s 0 ) > 0
∂ n ∂ 2s
ordinul 2: 2 2
∂ C T (n, s ) (n , s ) ⋅ ∂ C T (n, s ) (n , s ) − ∂ C T (n, s ) (n , s ) > 0
2 2
∂2n 0 0
∂ 2s
0 0 ∂n∂s 0 0
Evident n0 > 0 şi avem:
∂ 2 C T (n, s ) T
2
(n 0 , s 0 ) = (cs + cp)⋅ >0
∂ s n0
∂ 2 C T (n, s )
2
(n 0 , s 0 ) = 2c l + (c s + c p )⋅ s 02 ⋅ T ⋅ N
>0
∂ n N n 30
2
∂ 2 C T (n, s ) ∂ 2 C T (n, s ) ∂ 2 C T (n, s )
(n 0 , s 0 ) ⋅ (n 0 , s 0 ) − (n 0 , s 0 ) =
∂2n ∂ 2s ∂n∂s
2c l (c s + c p )⋅ T ⋅ N
>0
n 04
2 ⋅cl cp
n0 ≤ N este echivalentă cu: ⋅ ≤ N⋅T.
cs cs + cp
2 ⋅cl cp
În concluzie, dacă ⋅ ≤ N⋅T atunci problema admite soluţia
cs cs + cp
optimă:
2 ⋅cl ⋅ N cs + cp
n0 = ⋅
cs ⋅T cp
2⋅cl ⋅ N cp
s0 = ⋅
cs ⋅T cs + cp
2⋅cl ⋅T cp
τ1 = ⋅
cs ⋅ N cs + cp
2⋅cl ⋅T cs + c p cp
τ2 = ⋅ −
cs ⋅ N cp cs + cp
2 ⋅cl ⋅T cs + cp
τ = ⋅
cs ⋅ N cp
92
cp
CT maxim = CT(n0,s0) = 2 ⋅ cl ⋅ c S ⋅ T ⋅ N ⋅
cs + cp
cp
Expresia ρ = măsoară intensitatea lipsei de stoc şi din
cs + cp
N
N) şi vom avea s0 = n0, τ1 = τ = T şi τ0 = 0 iar CT = cl + cs⋅ ⋅T exact ca şi în
2
modelul Willson fără ruptură de stoc.
Ciclu de s(t)
producţie
deficitului în paralel
satisfacerea
cererii curente
s Acumulare
Lichidarea
de comenzi
n neonorate
cu
T
t4 t1 t2 t3
Formarea Consumarea stocului
stocului
Figura 3
95
În acest desen am notat cu:
− n = cantitatea produsă peste cerere într-un ciclu de producţie;
− s = cantitatea maximă acumulată în depozit;
− t1 = intervalul de timp în care se formează stocul;
− t2 = intervalul de timp în care se epuizează stocul ca urmare a opririi
producţiei;
− t3 = intervalul de timp în care se acumulează comenzi neonorate ca
urmare a faptului că nu se produce şi s-a epuizat stocul;
− t4 = intervalul de timp în care este lichidat deficitului în paralel cu
satisfacerea cererii curente.
Se observă că avem de-a face cu un fenomen ciclic în care o perioadă
poate fi aleasă ca intervalul dintre două porniri succesive ale producţiei. Într-o
perioadă costul va fi format din:
− costul unei secvenţe lansare-oprire a producţiei cl;
s
− cheltuieli de stocare pe intervalele t1 şi t2, cs · · (t1 + t2);
2
n -s
− cheltuieli de penalizare pe intervalele t3 şi t4: cp · · (t3 + t4)
2
Costul total unitar va fi:
cl + cs
s
(t 1 + t 2 ) + c p n − s (t 3 + t 4 )
CT(n,s,t1,t2,t3,t4) = 2 2
t1 + t 2 + t 3 + t 4
şi vom avea de rezolvat problema de minim cu legături:
cl + cs
s
(t 1 + t 2 ) + c p n − s (t 3 + t 4 )
min 2 2
n,s, t1 , t 2 , t 3 , t 4 t1 + t 2 + t 3 + t 4
n − s s
t = t = β −α
4 1
n −s = s =α
t t2
3
0 < s ≤n
0 < t , 1≤ i ≤ 4
i
CT(t2,t3) =
(
2c l (β − α ) + αβ c s t 22 + c p t 32 )
2 β (t 2 + t 3 )
Se calculează ca şi în modelul Willson cu ruptură de stoc derivatele
parţiale în t2 şi t3 şi din condiţia ca ele să se anuleze în punctul de minim
obţinem un sistem în t2 şi t3 care are soluţia:
2c l ( β − α ) cp 2c l ( β − α ) cs
t2 = ⋅ , t3 = ⋅
αβc s cs + c p αβc p cs + c p
şi în continuare:
2αc l cs 2αc l cp
t1 = ⋅ , t4 = ⋅
βc p ( β − α ) c s + c p βc s ( β − α ) c s + c p
2αc l (β − α ) cp 2αc l (β − α ) c p c s
s= ⋅ , n= ⋅ +
βc s cs + c p β (c s + c p ) c s cp
α cp
CTminim = 2 ⋅ α ⋅ c s ⋅ c p 1 −
β cs + c p
Soluţia de mai sus verifică evident şi celelalte restricţii, deci este unica
soluţie optimă.
Observaţie Dacă ritmul producţiei este mult mai mare decât intensitatea
α
cererii (β mult mai mare decât α sau echivalent spus ≅ 0 ) se obţine soluţia
β
din modelul Willson cu ruptură de stoc.
97
1 β ⋅cl
2 c s ⋅ q + pβ + q 0<q<Q
C(q) =
1 β ⋅cl
c s ⋅ q + p ′β + q≥Q
2 q
2⋅ β ⋅cl
care se anulează în q0 = . Punctul de minim este q0 sau Q, punctul în
cs
Dacă q0 < Q atunci soluţia optimă este q0 iar dacă q0 > Q se compară
1 β ⋅cl 1 β ⋅cl
valorile c s ⋅ q 0 + p ′β + şi c s ⋅ Q + pβ + .
2 q0 2 Q
1 β ⋅cl 1 β ⋅cl
Dacă: c s ⋅ q 0 + p ′β + < c s ⋅ Q + pβ + se alege q0 altfel
2 q0 2 Q
se alege Q.
Caz 2 Să presupunem acum că intensitatea cererii de produse este α şi
să presupunem că preţul unitar al produsului este p pentru primele Q produse şi
este cu p' mai mare pentru produsele fabricate peste cantitatea Q.
Atunci f(q) are expresia:
0 q=0
f(q) = c l + p ⋅ q 0<q<Q
c + p ⋅ q + p ′ ⋅ (q - Q ) q ≥ Q
l
şi vor rezulta cheltuielile totale în unitatea de timp:
99
1 β ⋅cl
2 c s ⋅ q + pβ + q 0<q<Q
C(q) =
1 c − ( p ′ − p )Qβ
c s ⋅ q + p ′β + l q≥Q
2 q
C(α,β) = cs⋅
α2
+ cp⋅
(β − α ) 2
2β 2β
β α
α
β
t t1
t2
t
a) b)
Figura 4
C(α) = 2 2 2β 2β
p ( β ) L p (α ) L p ( β )
Al alege pe acel α astfel încât, în timp, să se minimizeze cheltuielile
este echivalent cu a găsi acel α pentru care media variabilei aleatoare C(α) este
minimă.
Avem:
α
β α2 ( β − α ) 2 ⋅ p( β )
C (α ) = ∑
β =0
c ⋅ α − ⋅ p( β ) +
s 2 ∑
β ≥α +1
cs ⋅
2β
⋅ p(β ) + ∑
β ≥α +1
cp ⋅
2β
1 p(β ) cp
L(α) = p(β ≤ α) + α +
∑
2 β ≥α +1 β
iar ρ=
cs + c p
.
Practic, pentru găsirea lui α vom calcula toate valorile lui L(α) într-un
tabel ca cel de mai jos şi vom alege acel α pentru care se obţine valoarea lui
L(α) imediat superioară lui ρ.
1 p( β ) p( β ) p(β )
∑
1
α β p(β) p(β ≤ α) α +
2 β β ≥α +1
β
α + ∑
2 β ≥α +1 β
L(α)
0 0 p(0)
1 1 p(1)
2 2 p(2)
M M M
În final, pentru α0 găsit, se calculează costul mediu minim C (α 0 )
Generalizări
Caz 1 Sunt situaţii în care cererea de produse se poate situa într-un
interval foarte mare (produse de valoare mică), caz în care calcularea
probabilităţilor pentru fiecare valoare a cererii ar cere un efort prea mare,
acesta nefiind justificat şi prin faptul că probabilitatea pentru o anumită cerere
este practic aceeaşi pentru un întreg interval de valori din vecinătatea acesteia.
Din acest motiv se împart valorile cererii în intervale egale, se presupune că
cererile din fiecare interval au aceeaşi probabilitate de manifestare şi vom avea
de estimat doar atâtea probabilităţi câte intervale posibile există (sau se
presupune că numai anumite valori ale cererii sunt posibile, de exemplu
mijloacele acestor intervale).
sau:
a+
l
a+
3l
L a+
(2n − 1)l L
β= 2 2 2
p1 p2 L p(n ) L
p(β )
∞
cp l
L(α0 – l) <
cs + c p
< L(α0) unde L(α) = p(β β α) + α +
2 β =α + l β ∑
Caz 2 Sunt de asemenea cazuri când cererea poate lua valori într-o
mulţime continuă, fiind o variabilă aleatoare continuă cu densitatea de
repartiţie f(β). În acest caz valoarea medie a costului este:
α
β ∞α2 ∞ (β − α )2 f (β )dβ
C (α ) = c s ⋅ ∫0
α − ⋅ f (β )dβ + c s ⋅
2 ∫
α 2β
f (β )dβ + c p ⋅ ∫
α 2β
care este o funcţie continuă în α. Pentru rezolvare vom deriva această funcţie
(folosind şi formula de derivare a integralelor cu parametru:
′
b( y ) b( y )
∫
f ( x, y ) =
∫
f y/ ( x, y ) + b ′( y ) ⋅ f (b( y ), y ) − a ′( y ) ⋅ f (a ( y ), y )
a ( y ) a( y )
fiind îndeplinite condiţiile care permit aplicarea acesteia.) şi apoi vom găsi
punctul în care se anulează aceasta: α0 = soluţia căutată.
b) cu pierderi
Presupunem că cheltuielile de stocare sunt neglijabile. În acest caz
pentru fiecare piesă stocată peste cererea manifestată se face o cheltuială inutilă
c1 iar pentru fiecare piesă lipsă, în cazul unei cereri mai mare decât stocul, o
penalizare c2 (în general c2 > c1). În acest caz, costul mediu va fi:
α ∞
C (α ) = c 1 ⋅ ∑ (α − β )⋅ p(β ) + c 2 ⋅
β =0
∑ ( β − α ) ⋅ p( β )
β =α +1
103
Valoarea α întreagă care dă minimul lui C (α ) este cea care
îndeplineşte simultan relaţiile:
C (α − 1) > C (α ) < C(α + 1)
sistem care, după efectuarea unor calcule simplificatoare, este echivalent cu:
cp
p(β ≤ α - 1) < < p(β ≤ α)
cs + c p
Pondere
valorică
% 100
90
70 C
B
A
10 30 100 Pondere
numerică
%
Fig. nr.
Datorită importanţei lor pentru procesul de fabricaţie şi datorită
influenţei asupra volumului de mijloace circulante, fiecare grupă se va aborda
diferenţiat, atât din punct de vedere a metodologiei de stabilire a stocurilor cât
şi din punct de vedere al conducerii şi desfăşurării procesului de stocare ca
atare.
Deci, metoda A.B.C., pe lângă că oferă o politică diferită pentru
articolele din categoria mai scumpă, permite şi utilizarea unor metode de
gospodărire diferită.
Întrucât în categoria A sunt puţine articole, se poate controla zilnic
nivelul stocurilor, pentru a observa variaţia cererii şi a supraveghea de aproape
respectarea termenelor de către furnizori. Cu alte cuvinte, se înlocuieşte o parte
din stocul tampon de articole scumpe printr-un control al gestiunii mai strâns.
Această decizie este eficientă întrucât ea aduce la o reducere apreciabilă a
investiţiilor în stocuri.
107
Se vor folosi, deci, modele economico-matematice exigente, care vor
avea în vedere elemente (factori) concrete ce condiţionează nivelul stocurilor
şi care asigură constituirea lor la dimensiuni cat mai mici, determinând
creşterea vitezei de rotaţie a mijloacelor circulante la maxim.
Pentru materialele din categoria C se pot folosi procedee mai puţin
exigente (chiar cu caracter statistic) şi care vor avea în vedere factorii cu
acţiune hotărâtoare în optimizarea proceselor de stocare (cheltuielile de
transport, sursa de provenienţă etc.).
Cu articolele din categoria B se poate adopta o politică intermediară,
exercitând un oarecare control, dar baza rămâne tot stocul tampon, spre
deosebire de politica dusă pentru categoria A. La articolele mai ieftine este mai
eficient să se suporte sarcina stocurilor, decât să se plătească salariile
personalului care ar fi indispensabil pentru mărirea controlului.
Pentru grupa B se pot aplica două soluţii:
1 tT
r= ∑ iri ,
T i =1
(V.3.1)
NS = K ⋅ MAD
Între potenţialul de livrare şi costul stocării necesitat de constituirea şi
deţinerea stocului de siguranţă există o corelaţie strânsă. Creşterea potenţialului
de livrare determină creşterea costului total de stocare, dar într-o proporţie mai
mică, ceea ce înseamnă că eficienţa este cu atât mai mare cu cât potenţialul de
livrare se apropie de unu.
Trebuie excluse influenţele întâmplătore, însă luate în considerare
influenţele conjuncturale şi sezoniere. IMPACT foloseşte în acest scop metoda
nivelării exponenţiale. Această metodă a fost dezvoltată de Robert Brown şi
este cunoscută sub numele de exponential smoothing.
Valoarea medie a cererii se corectează cu eroarea de previziune şi se
stabileşte introducând o anumită parte a erorii în noua valoare a estimaţiei.
Fie V1 estimarea cererii pentru prima perioadă şi r1 cererea reală a
primei perioade. Estimarea cererii pentru următoarele perioade se obţine din
relaţiile:
Vi = Vi-1 + α (ri-1 - Vi-1),
unde α reprezintă constanta de nivelare; α ∈ (0,1) şi determină măsura în care
valorile din trecut sunt cuprinse în estimarea cererii.
Constanta de nivelare trebuie astfel aleasă încât să ţină seama suficient
de influenţele conjuncturale şi sezoniere, eliminând totuşi influenţa întregului.
0<α<1
111
α = 0 înseamnă că erorile de prevedere care apar nu sunt luate în
considerare
Tabelul 6.1
Distanţele şi cantităţile de transportat
Bj
B1 B2 B3 Disponibil
Ai
A1 7 4 4 324
A2 6 4 5 448
A3 5 5 6 534
A4 2 3 5 532
A5 6 3 4 468
A6 4 3 2 514
necesar 600 1100 1120 2820
Pornind din colţul stânga sus se va repartiza depozitului B1, din ferma
A1, cantitatea maximă posibilă, adică 324 tone. Diferenţa până la 600 tone cât
poate primi depozitul B1, se va repartiza din ferma A2. În acest fel s-au epuizat
cantităţile din ferma A1 şi deci depozitele B2 şi B3 nu vor primi nici o cantitate
din această fermă.
În acest mod, cantitatea produsă de ferma A1 a fost transportată şi
rezultă că:
A1/B2 = A1/B3 = 0, iar A1/B1 = 324
În a doua etapă, procedeul se repetă ţinând seama că necesarul pentru
depozitul B1 să fie completat cu cantităţile din ferma A2.
B1 = 600 – 324 = 276
Deci, în pătrăţelul A2/B1 vom repartiza 276 tone. Întrucât depozitul B1
este complet satisfăcut, înseamnă că:
A3/B1 = A4/B1 = A/B1 = 0
După această repartiţie, ferma A2 mai are disponibil: 448 – 276 = 172 t.
Acestea vor fi trimise la depozitul B2. Deci A2/B2 = 172. Pentru completarea
115
cantităţilor necesare depozitului B2 va mai fi transportat grâu de la fermele A3
şi A4. Prin urmare:
A2/B2 = 172
= 706; 1100 – 706 = 394
A3/B2 = 534
A4/B2 = 394
F =∑
6
∑C
j =1
ij X ij = 324,7 + 276,6 + 172,4 + 534,5 + 394,3 +
i =1
+ 138,5 + 468,4 + 514,2 = 12.054 t / km
Soluţia stabilită prin această metodă este soluţie iniţială. Ea poate fi
considerată optimă atunci când ar duce la un maxim sau la un minim al funcţiei
obiectiv. De aceea, pentru soluţiile iniţiale trebuie verificată optimalitatea şi
116
continuată, dacă este cazul, îmbunătăţirea repartiţiei. În acest scop, se poate
utiliza metoda distributivă.
Pentru a verifica optimalitatea unei soluţii iniţiale de bază, se calculează
evaluările4 Sij pentru toate pătrăţelele care conţin valori Xij = 0. Dacă Sij > 0
pentru toate aceste pătrăţele, soluţia iniţială obţinută este optimă. Dacă Sij = 0,
problema admite o infinitate de soluţii optime, dar toate aceste soluţii conduc la
aceeaşi valoare optimă a formei liniare F. Dacă avem şi unele evaluări Sij < 0,
soluţia iniţială obţinută nu este optimă, ea poate fi îmbunătăţită.
Soluţia stabilită în tabel poate fi considerată optimă dacă toate sumele
vor fi mai mari decât zero. Întrucât însă, în exemplul nostru avem şi sume
negative (căsuţele A1/B2, A3/B1, A3/B3 etc.), înseamnă că soluţia poate fi
îmbunătăţită. Pentru aceasta se utilizează în continuare fie metoda distributivă,
fie metoda potenţialelor (metoda Modi).
Tabelul 6.3
Repartiţia cantităţilor de transportat
Bj B1 B2 B3 Disponibil
Ai
A1 7 4 7
0 0 324
A2 6 4 5
0 0 448
A3 5 5 6
0 186 348
A4 2 3 5
0 532 0
A5 6 3 4
86 382 0
A6 4 3 2
514 0 0
necesar 600 1100 1120 2820
4
Evaluarea unui pătrăţel Xij reprezintă cantitatea cu care se modifică valoarea funcţiei de
optimizat dacă Xij creşte cu o unitate.
117
Soluţia obţinută în tabel este puţin diferită faţă de soluţia obţinută prin
metoda colţului nord-vest (stânga sus). Calculând valoarea funcţiei obiectiv, pe
baza datelor obţinute în tabel, vom avea:
F = 324,7 + 448,5 + 348,6 + 186,5 + 532,3 + 382,3 + 86,6 + 514,4 = 12.840
Se poate vedea că rezultatul optimizării este mai mare decât în cazul
metodei nord-vest.
Ca şi în cazul precedent, soluţia obţinută cu ajutorul acestei metode este
o soluţie iniţială şi urmează a fi îmbunătăţită. Pentru aceasta se urmează acelaşi
mod de lucru ca şi în cazul repartiţiei nord-vest. În final se ajunge la acelaşi
rezultat.
B1 B2 B3 B4 B5 B6 ai
5,8 5,4 3,8 1,4 5,0 2,6
A1 780
0 0 0 320 320 140
2,8 3,2 3,4 1,8 2,2 2,4
A2 870
0 480 340 0 50 0
2,6 3,6 4,2 4,0 3,0 1,2
A3 550
240 0 0 0 310 0
bj 240 480 340 320 680 140 2200
B1 B2 B3 B4 B5 B6 ai
A1 0 290 170 320 0 0 780
A2 0 190 0 0 680 0 870
A3 240 0 170 0 0 140 550
bj 240 480 340 320 680 140 2200
121
Tabelul 6.10
Scăderea distanţei celei mai mici pe rând
B1 B2 B3 B4 B5
A1 5 12 0 2 7 180
A2 0 5 2 18 6 80
A3 0 14 4 5 3 160
60 100 80 120 60 420
122
B1 B2 B3 B4 B5
A1 5 7 0 0 4 180
A2 0 0 2 16 3 80
A3 0 9 4 3 0 160
60 100 80 120 60 420
Pentru ca soluţia din tabelul să fie optimă trebuie ca suma minimă din
relaţiile de mai sus să fie egală cu cantităţile de gunoi disponibile, adică cu 420
tone, ori, suma minimă este 380, deci e mai mică decât 420, ceea ce înseamnă
că soluţia iniţială nu este optimă, ci trebuie îmbunătăţită.
124
Pentru aceasta se suprimă rândurile şi coloanele care au condus la S
minim = 380, adică rândurile 1, 2 şi coloanele 1, 5 (tabelul 12).
Tabelul 12
Prima suprimare a rândurilor care au dus la S. minim
B1 B2 B3 B4 B5
A1 5 7 0 0 4 180
A2 0 0 2 16 3 80
A3 0 9 4 3 0 160
Tabelul 6.13
Adunarea şi scăderea elementului minim
B1 B2 B3 B4 B5
A1 8 7 0 0 7 180
A2 3 0 2 16 6 80
A3 0 6 1 0 0 160
60 100 80 120 60 420
B1 B2 B3 B4 B5
A1 8 7 0 0 7 180
A2 3 0 2 16 6 80
| |
A3 0 6 1 0 0 160
| |
60 100 80 120 60 420
Tabelul 6.15
Obţinerea valorilor nedeterminate
B1 B2 B3 B4 B5
8 1 0 0 7
A1 180
x11 x12 x13 x14 x15
9 0 8 22 12
A2 80
x21 x22 x23 x24 x25
0 8 1 0 0
A3 160
x31 x32 x33 x34 x35
60 100 80 120 60 420
Tabelul 6.16
Obţinerea valorilor nedeterminate
B1 B2 B3 B4 B5
A1 0 0 x13 x14 0 180
A2 0 x13 0 0 0 80
A3 x13 x13 0 x13 x13 160
60 100 80 120 60 420
Tabelul 6.17
Soluţia optimă
B1 B2 B3 B4 B5
A1 0 0 80 100 0 180
A2 0 80 0 0 0 80
A3 60 20 0 20 60 160
60 100 80 120 60 420
127
Numărul de t.km ce se va efectua va fi:
(80.3) + (100.5) = 74000 t.km
80.7 = 24000 t.km
(60.1) + (20.15) + (20.6) + (60.4) = 72000 t.km
Total 202000 t.km*
Întreaga activitate de transport, exprimată în t.km, va fi minimă şi egală
cu 202000 t.km. Un alt plan de transport care să conducă la un număr mai mic
de t.km, în condiţiile date nu poate exista.
Căutăm apoi care dintre diferenţele calculate este cea mai mare. În
exemplul nostru este 5, din coloana B9; în această coloană vom stabili deci
primul drum de transport şi anume spre locul de consum care are cea mai mică
distanţă (în exemplul nostru A10/B9). Din tabel se vede însă că acest loc are
nevoie de 555 t gunoi, dar de la locul de depozitare A10 nu i se pot repartiza
133
decât 250 t. Ca urmare, vom repartiza aceste 250 t urmând ca restul să fie
aduse de la un alt loc.
În etapa a doua de calcul, stabilim din nou diferenţele între cele mai
mici distanţe procedând la fel ca şi în prima etapă, însă fără a mai lua în calcul
rândul A10, a cărui producţie a fost total repartizată. În această a doua etapă,
diferenţa cea mai mare este 3 din coloana B3. În acest loc vom programa al
doilea transport şi anume, acolo unde este distanţa cea mai mică (A7/B3 – 2
km). Locul B3 are nevoie de 115 t, iar locul A7.
134
Tabelul 6.23
Schema folosită de ....... unitate pentru organizarea transportului gunoiului de grajd
Locul unde se Denu- Răsad- Ghioaca Târziu Averescu Cincu Răsad- Răsad- Broşteni Răsad- Baracă Răsad- Casa Existent T.km
Locul transportă
de unde mirea niţa niţa niţa niţa niţa apelor tone
se transportă centru Brig. V. Brig. Brig. Brig.
VI. VII. VIII.
Denumirea Simbol B1 B2 B3 B4 B5 B6 B7 B8 B9 B10 B11 B12
Sector zootehnic A1 400 600 700 1700 3800
Surdila Greci A2 150 60 210 8130
Cilibia A3 200 57 200 300 757 27710
Lipia A4 15 40 50 30 135 1300
Topitorie cânepă A5 60 100 150 310 1340
Răsadniţă centru A6 50 55 50 50 180 385 1105
Tabăra de vară A7 60 60 60 60 240 510
Zoreşti A8 10 55 25 90 1300
Sector particular A9 50 50 600
Răsadniţă A10 250 250 375
Simileanca
Sector zootehnic A11 200 400 600 1200
Simileanca
Total tone 825 110 115 110 110 757 810 180 555 250 605 300 4727 41370
133
BIBLIOGRAFIE