Gestion de La Production Madame Assia

UNIVERSITE CATHOLIQUEDE LOUVAIN
INSTITUT DADMINISTRATIONET DE GESTION.

Dipl ome detudes complementaires en Administration des entreprises.
Gestion de la Production et des Op erations.
Daniel DE WOLF.
PROD 2800 2000/2001.
Table des mati` eres
1 Introduction 7
1.1 Objectifs du cours . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.2 Denition de la gestion de production . . . . . . . . . . . . . . . 8
1.3 Classication des systèmes productifs . . . . . . . . . . . . . . . 10
1.3.1 Organisation de type serie unitaire . . . . . . . . . . . . . 10
1.3.2 Organisation en ateliers specialis es . . . . . . . . . . . . 11
1.3.3 Organisation en lignes de production . . . . . . . . . . . 11
1.3.4 Les industries de process . . . . . . . . . . . . . . . . . 12
1.4 Plan du cours . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
1.5 Formulation en modèles mathematiques . . . . . . . . . . . . . . 12
1.6 Exercices de formulation . . . . . . . . . . . . . . . . . . . . . . 16
I Les d ecisions op erationnelles 19
2 Ordonnancement en ateliers sp ecialises 21
2.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
2.2 Ordonnancement sur une machine . . . . . . . . . . . . . . . . . 22
2.2.1 Le diagramme de Gantt . . . . . . . . . . . . . . . . . . 22
2.2.2 La r` egle T.O.M. . . . . . . . . . . . . . . . . . . . . . . 23
2.3 Ordonnancement avec deux centres de production . . . . . . . . . 25
2.3.1 Cas o` u toutes les t aches sont ` a ex ecuter sur A puis B . . . 25
2.3.2 Cas de t aches ne seffectuant pas dans le m eme ordre . . . 26
2.4 Ordonnancement sur trois machines . . . . . . . . . . . . . . . . 28
3
4 Table des matières
2.5 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
3 La gestion calendaire de stock 31
3.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
3.2 Les politiques de gestion de stock . . . . . . . . . . . . . . . . . 32
3.3 Les co uts associes aux stocks . . . . . . . . . . . . . . . . . . . 33
3.3.1 Les co uts de possession . . . . . . . . . . . . . . . . . . 33
3.3.2 Les co uts de rupture . . . . . . . . . . . . . . . . . . . . 35
3.3.3 Les co uts de commande . . . . . . . . . . . . . . . . . . 35
3.4 Gestion calendaire de stock ` a rotation nulle . . . . . . . . . . . . 36
3.5 Cas dune loi de demande continue . . . . . . . . . . . . . . . . 40
3.6 Les consequences economiques de la solution optimale . . . . . . 42
3.7 Cas de stocks ` a rotation non nulle . . . . . . . . . . . . . . . . . 45
3.7.1 Determination de la solution optimale . . . . . . . . . . . 48
3.7.2 Cas dune loi de demande discrète . . . . . . . . . . . . . 50
3.8 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51
4 La gestion par point de commande 53
4.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53
4.2 Determination de la quantite economique de commande . . . . . . 54
4.3 Determination du point de commande . . . . . . . . . . . . . . . 57
4.4 Cas dune demande aleatoire . . . . . . . . . . . . . . . . . . . . 58
4.4.1 Determination de q et s . . . . . . . . . . . . . . . . . . 59
4.4.2 Cons equences economiques du choix . . . . . . . . . . . 61
4.5 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 63
II Les decisions tactiques 65
5 La planication de la production 67
5.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . 67
5.2 La planication des besoins en composants . . . . . . . . . . . . 68
Table des matières 5
5.3 Principes de base de la MRP . . . . . . . . . . . . . . . . . . . . 70
5.3.1 Determination des besoins nets dun composant . . . . . . 70
5.3.2 Determination de la couverture des besoins nets . . . . . . 71
5.3.3 Utilisation en cascade de la logique de calcul . . . . . . . 72
5.4 Ajustement charge-capacit e . . . . . . . . . . . . . . . . . . . . 75
5.5 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 86
6 La programmation dynamique. 87
6.1 Le probl` eme du voyageur . . . . . . . . . . . . . . . . . . . . . 87
6.2 Un probl` eme daffectation de ressources rares . . . . . . . . . . . 91
6.3 Application ` a la planication de la production. . . . . . . . . . . 93
6.4 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 99
7 Les techniques de juste ` a temps 101
7.1 Origine et principe du JAT . . . . . . . . . . . . . . . . . . . . . 101
7.2 Les deux approches du JAT . . . . . . . . . . . . . . . . . . . . 103
7.2.1 Augmenter la reactivit e du système logistique . . . . . . . 103
7.2.2 La rationalisation de la production . . . . . . . . . . . . . 103
7.3 Les facteurs cl es du JAT . . . . . . . . . . . . . . . . . . . . . . 104
7.3.1 Recherche dun plus grande reactivit e . . . . . . . . . . . 104
7.3.2 Matrise des aleas . . . . . . . . . . . . . . . . . . . . . 104
7.4 La m ethode Kanban . . . . . . . . . . . . . . . . . . . . . . . . 105
7.4.1 Système Kanban ` a une boucle . . . . . . . . . . . . . . . 105
7.4.2 Système Kanban ` a deux boucles . . . . . . . . . . . . . . 107
7.4.3 Determination du nombre detiquettes . . . . . . . . . . . 108
7.5 Exercice . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 110
III Les d ecisions strategiques 111
8 Lordonnancement de projets 113
8.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . 113
6 Table des matières
8.2 Formulation et representation du problème . . . . . . . . . . . . 115
8.3 Calcul de lordonnancement au plus t ot . . . . . . . . . . . . . . 119
8.4 Chemin critique et calcul des marges . . . . . . . . . . . . . . . 120
8.5 Lordonancement par la m ethode PERT . . . . . . . . . . . . . . 122
8.6 Prise en compte des contraintes disjonctives . . . . . . . . . . . . 124
8.7 La minimisation des co uts . . . . . . . . . . . . . . . . . . . . . 125
8.8 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 128
9 Conception dun centre de production 133
9.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . 133
9.2 Conguration dun centre de production . . . . . . . . . . . . . . 134
9.2.1 Conguration en ateliers sp ecialises . . . . . . . . . . . . 134
9.2.2 Conguration en ligne de production . . . . . . . . . . . 137
9.2.3 Conguration ` a poste xe . . . . . . . . . . . . . . . . . 141
9.3 Decisions de capacit e . . . . . . . . . . . . . . . . . . . . . . . 143
9.4 Decisions de localisation . . . . . . . . . . . . . . . . . . . . . . 146
9.4.1 Utilisation de la programmation mathematique . . . . . . 148
9.4.2 Utilisation de variables binaires . . . . . . . . . . . . . . 151
9.5 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 152
A Formulaire pour la gestion de production 157
A.1 La gestion calendaire de stock . . . . . . . . . . . . . . . . . . . 157
A.2 La gestion par point de commande . . . . . . . . . . . . . . . . . 158
A.2.1 Cas de lunivers certain. . . . . . . . . . . . . . . . . . . 158
A.2.2 Cas dune demande aleatoire . . . . . . . . . . . . . . . 159
A.3 Equilibrage dune cha ne de production . . . . . . . . . . . . . . 160
A.4 Calcul dannuit es . . . . . . . . . . . . . . . . . . . . . . . . . 160
B Tables pour la gestion de stocks 161
B.1 Table de la loi Poisson() . . . . . . . . . . . . . . . . . . . . . 161
B.2 Table de la loi normale Z N(0, 1) . . . . . . . . . . . . . . . . 166
B.3 Table pour le calcul de I
r
(S) . . . . . . . . . . . . . . . . . . . . 167
Chapitre 1
Introduction
1.1 Objectifs du cours
Lobjectifducours estdedonnerune formationdebase ` a lapprochequantitative
des problèmes de gestion de lentreprise tels que :
la planication de la production;
lordonnancement de projets;
la gestion des stocks;
la gestion de la capacit e,. . .
Pour cela, on essayer de developper une double competence :
La capacite de formuler ces problèmes en des modèles math ematiques :
cest-à-dire, partant de problèmes enonc es de manière litt eraire, de les tra-
duire sous formes dequations math ematiques (cfr section 1.5 ` a la n de ce
chapitre).
La connaissance doutils de resolution de ces problèmes : en effet, une
fois le problème formule, souvent on tombe sur un problème classique (tel
celui de la gestion de stock), pour lequel il existe des m ethodes de r esolution
adaptees.
Comme r ef erences, nous utiliserons les livres de Giard [5] et Baglin et al [1]
pour tous les modèles classiques de gestion de la production. Pour ce qui est de
la formulation en modèles mathematiques, une tr` es bonne ref erence est le livre de
Williams [14]. Pour les techniques doptimisation appliquees aux problèmes de
gestion, nous suivrons Hillier et Liberman [7] ainsi que Norbert et al [12]. Une
autre bonne ref erence est Lacaze [8].
7
8 Chapitre 1. Introduction
1.2 D enition de la gestion de production
Pour pouvoir donner une d enition de la gestion de production, il faut dabord
denir ce que lon entend par la production. La production consiste en une
transformation de ressources (humaines ou materielles) en vue de la cr eation de
biens ou services :
La production dun bien seffectue par une succession dop erations consom-
mant des ressources et transformant les caracteristiques de la matière. Un
exemple classique est la production de voitures.
La production dun service seffectue par une succession doperations con-
sommant des ressources sans quil ny ait necessairement transformation
de matière. Des exemples classiques sont la mise ` a disposition de produits
aux consommateurs (la vente), le traitement de dossier (par un notaire), la
maintenance dequipements.
On peut alors denir la gestion de production comme suit.
Denition 1.1 La gestion de la production consiste en la recherche dune orga-
nisation efcace de la production des biens et services.
La gestion de production consiste donc ` a lobtention dun produit donn e dont les
caracteristiques sont connues en mettant en uvre un minimum de ressources.
En gestion de production, on considerera, g eneralement, comme donnees les ca-
racteristiques du produit que sont :
la denition du produit;
le processus de fabrication;
la demande ` a satisfaire.
Ces trois caracteristiques du produit rel` event des sciences de lingenieur et de la
gestion commerciale. Nous verrons cependant au chapitre 8 la gestion de projets
qui est souvent utilis ee pour optimiser le processus de conception dun nouveau
produit. Nous verrons aussi au chapitre 9 comment optimiser le processus de
fabrication.
Les outils de la gestion de la production sont un ensemble de techniques
danalyse et de r esolution des probl` emes de mani` ere ` a produire au moindre co ut.
Nous verrons dans ce cours un certain nombre de problèmes types rencontr es en
gestion de production. Pour situer ces diff erents problèmes entre eux, on classie
souvent les decisions de gestion en trois classes :
Section 1.2. Denition de la gestion de production 9
1. Les decisions strat egiques : il sagit de la formulation de la politique ` a
long terme pour lentreprise (cest-à-dire ` a un horizon de plus de deux ans).
Entrent dans ces decisions :
la denition du portefeuille dactivit es;
la denition des ressources stables : aussi bien humaines (engagement,
licenciement, preretraite,. . . ) que mat erielles (decisions dinvestisse-
ment, de cession, de fermeture,. . . );
2. Les decisions tactiques : il sagit des decisions ` a moyen terme parmi les-
quelles on trouve la planication de la production ` a 18 mois. Il sagit de
produire au moindre co ut pour satisfaire la demande previsible en sinscri-
vant dans le cadre x e le plan strategique de lentreprise (donc ` a ressources
materielles et humaines connues).
3. les d ecisions op erationnelles : il sagit des d ecisions degestion quotidienne
pour faire face ` a la demande au jour le jour, dans le respect des d ecisions
tactiques. Parmi ces decisions, on trouve :
la gestion de stocks;
la gestion de la main duvre;
la gestion des equipements.
Ces trois classes de decisions de gestion de production se diff erencient par au
moins trois elements :
1. par lhorizon de temps consider e :
les d ecisions operationnelles se prennent au jour le jour;
les d ecisions tactiques concernent la planication ` a 18 mois;
les d ecisions strat egiques concernent la planication ` a long terme.
2. par le niveau dagregation :
les d ecisions op erationnelles se prennent au niveau dun atelier;
les d ecisions tactiques se prennent au niveau dune usine;
les decisions strat egiques se prennent au niveau de lensemble de len-
treprise.
3. par le niveau de responsabilit e :
les d ecisions operationnelles sont prises par les agents de ma trise;
les d ecisions tactiques sont prises par les cadres;
les d ecisions strat egiques sont prises par la direction gen erale.
1.3 Classication des syst` emes productifs
On peut classer les modes dorganisation de la production en quatre grandes
classes :
lorganisation en serie unitaire;
lorganisation en ateliers specialis es;
lorganisation en ligne de production;
lorganisation en industries de process.
Nous examinerons dans chaque cas, le type de ressources ` a mettre en uvre et
le probl` eme principal de leur utilisation.
1.3.1 Organisation de type s erie unitaire
Denition 1.2 La production de type s erie unitaire est une production mobili-
sant sur une periode assez longue lessentiel des ressources dune entreprise pour
realiser un nombre très limite de projets.
Comme exemples, on peut citer la construction de navires de grande taille
(qui se font, le plus souvent, en quelques exemplaires), les grands travaux publics
(tel que le creusement dun tunnel sous la manche ou la construction dun pont
suspendu,. . . ).
En ce qui concerne les ressources mobilisees, on fait le plus souvent appel ` a
un personnel hautement quali e vu le caractère non rep etitif des t aches.
En ce qui concerne le probl` eme dordonnancement, le problème majeur est
larbitrage entre la recherchedun co utcomp etitif et le respect des d elais. Eneffet,
dune part, les commandes seront rapidement honorees si beaucoup de ressources
sont mises en uvre. Mais, dautre part, le co ut des ressources est gen eralement
croissant avec leur niveau dutilisation : la location de machines suppl ementaires
et lengagement dinterimaires co utent generalement plus cher que lutilisation des
ressources propres de lentreprise. Nous verrons cela en d etails au chapitre 8.
Danslesdeuxcas, lordonnancementdestaches, cest-` a-direladetermination
de lordre dex ecution des t aches) est essentiel. En effet, non seulement lordre
dexecution des t aches determine la date de livraison, mais, comme nous le verrons
au chapitre 8, il inuence les co uts dans la mesure o` u une mauvaise coordination
saccompagne souvent de ch omage technique pour certaines ressources et du paie-
ment de penalit es pour non respect des delais.
Section 1.3. Classication des systèmes productifs 11
1.3.2 Organisation en ateliers specialis es
Denition 1.3 On parle dorganisation en ateliers sp ecialises lorsque tous les
equipements assurant une fonction specialis ee sont r eunis en un m eme lieu.
Comme exemple, on peut citer un atelier demboutissage des t oles de voitures ou
un atelier de peinture dans une usine dassemblage automobile.
En ce qui concerne les ressources mobilisees, la main duvre est plut ot
qualiee et les equipements sont polyvalents.
En ce qui concerne le probl` eme de lorganisation efcace des ressources,
deux problèmes principaux sont ` a considerer :
Lors de la conception de latelier, le problème principal est la gestion des
co uts de manutention entre les diff erents postes de travail. An de diminuer
ces co uts on determine la meilleure localisation des machines les unes par
rapport aux autres dans latelier. Ceci fait appel aux m ethodes dagencement
dans lespace (cfr chapitre 9 consacre ` a la conguration dun centre de
production).
Lors de la gestion quotidienne de latelier, le problème principal est de
determiner lordre dex ecutions des diff erentes t aches sur une ou plusieurs
machines. Nous verrons cela en details au chapitre 2 consacre ` a lordonnan-
cement en ateliers sp ecialis es.
1.3.3 Organisation en lignes de production
Denition 1.4 On parle dorganisation en lignes de production lorsque quun
ux regulier de produits passe dun poste ` a lautre, lordre de passage etant x e.
Comme exemple, on peut citer les lignes dassemblage dautomobiles.
En ce qui concerne les ressources mises en uvre, les equipements sont
gen eralement tr` es specialis es. En ce qui concerne lorganisation efcace des
ressources, le problème majeur consiste en l equilibrage de la chane : cest-` a-
dire ` a denir les t aches ` a realiser ` a chaque poste de mani` ere ` a avoir le m eme temps
de realisation ` a chaque poste (cfr chapitre 9). En effet, un mauvais equilibrage de
la cha ne entranera une sous-utilisation des ressources puisque la cha ne tourne ` a
la vitesse de l element le plus lent.
Deux autres problèmes sont tr` es importants dans ce mode dorganisation de la
production. Il sagit de : la abilite de la chane (un maillon defectueux et toute
la cha ne sarr ete) et de la abilite du système dinformations.
1.3.4 Les industries de process
Denition 1.5 On parle dindustries de process lorsque le mode dorganisation
est caract eris e par un ux regulier et important de matières premi` eres destin ees ` a
etre transformees en matières plus elabor ees.
Comme exemples, on peutciter lasiderurgie, la p etrochimie, lesecteurdelachimie
lourde, le secteur agro-alimentaire, etc. . .
En ce qui concerne lorganisation efcace des ressources, vues limportance
et la regularite de la demande, le problème dorganisation au co ut minimum est
gen eralement assez simple. Il peut etre resolu par la programmation lin eaire.
1.4 Plan du cours
Partie I : les d ecisions op erationnelles.
Lordonnancement en ateliers sp ecialis es.
La gestion calendaire de stocks.
La gestion de stocks par point de commande.
Partie II : les decisions tactiques.
La planication de la production.
La programmation dynamique.
Les techniques de juste-` a-temps.
Partie III : les d ecisions strategiques.
La gestion de projets : application ` a la conception de nouveaux pro-
duits.
Conception de centres de production : localisation, choix de la capa-
cit e, choix du processus.
1.5 Formulation en mod` eles mathematiques
Terminons ce chapitre en introduisant la notion de modèle math ematique. Par
modèle math ematique, on entend la representation par des equations mathema-
tiques dun problème de la vie reelle. Nous allons illustrer la construction dun
Section 1.5. Formulation en modèles mathematiques 13
modèle math ematique sur un exemple tr` es simpliede planication de laproduc-
tion tire de Williams [14]. Une usine peut produire cinq produits (notes PROD1 ` a
PROD5). La marge ben eciaire unitaire, cest-` a-dire la diff erence entre le prix de
vente et le co ut de production dun produit, est donnee pour chacun des produits
au tableau 1.1.
Produit PROD1 PROD2 PROD3 PROD4 PROD5
Marge 550 600 350 400 200
Tableau 1.1: Prot net par produit
Chaque produit necessite le passage par trois etapes de fabrication. Les temps
requis ` a chaque etape sont donnes pour chaque produit au tableau 1.2.
Produit PROD1 PROD2 PROD3 PROD4 PROD5
Etape 1 12 20 0 25 15
Etape 2 10 8 16 0 0
Etape 3 20 20 20 20 20
Tableau 1.2: Temps de fabrication
Enn, il faut tenir compte des ressources en facteurs disponibles donn ees au
tableau 1.3. Les deux premi` eres etapes sont effectu ees sur machine tandis que la
Etape Ressources en facteurs
Etape 1 3 machines
Etape 2 2 machines
Etape 3 8 personnes
Tableau 1.3: Ressources en facteurs
troisième ne necessite que lintervention de main duvre. En ce qui concerne les
deux premières etapes, lusine travaille en deux pauses de huit heures par jour, et
ceci, au maximum six jours par semaine. En ce qui concerne la troisi` eme, chaque
personne travaille une pause de 8 heures par jour et ceci au maximum 6 jours par
semaine.
La question que se pose le gestionnaire de lusine est la suivante. Quelles sont
les quantites ` a fabriquer de chaque produit pour maximiser le prot net ?
La construction dun mod` ele est, en gen eral, une operation en trois etapes :
1. le choix des variables de decisions,
2. lexpression de lobjectif en fonction de ces variables,
3. lexpression des contraintes en fonction de ces variables.
La première etape consiste donc en le choix des variables de d ecision.
Denition 1.6 On appelle variable de decision toute quantit e utile ` a la r esolution
du probl` eme dont le mod` ele determine la valeur.
Gen eralement, elles sont not ees par les lettres de la n de lalphabet (x, y, z, etc...).
Ici, on note simplement par x
i
, la quantite du produit i fabriqu ee par semaine, i
allant de un ` a cinq.
Une première remarque importante simpose. Il est fondamental de bien
pr eciser les unit es selon lesquelles sont exprim ees les variables. En effet, lordre
de grandeur des coefcients de lobjectif et des contraintes depend de ces unit es.
La deuxi` eme etape consiste en la formulation de lobjectif.
Denition 1.7 Lobjectif est la quantit e que lon veut minimiser ou maximiser.
Ici, il sagit de la somme des contributions de chacune des productions au prot
net de lusine. Elle sexprime simplement par :
max z = 550x
1
+ 600x
2
+ 350x
3
+ 400x
4
+ 200x
5
La troisi` eme etape consiste en la formulation des contraintes.
Denition 1.8 Les contraintes sont toutes les relations entre les variables qui
limitent les valeurs possibles que peuvent prendre ces variables.
Ici, il y a trois contraintes :
La premi` ere concerne la limite dutilisation des machines ` a letape 1. Il y
a trois machines, utilisees en deux pauses de huit heures et ceci au maxi-
mum six jours par semaine, ce qui donne un nombre maximum dheures par
semaine
1
:
3 (2 8) 6 = 288 heures disponibles.
Une unit e de produit 1 demande 12 heures sur machine ` a letape 1. Si x
1
unites de produit 1 sont produites par semaine, cela demande 12 x
1
heures
sur la machine 1. Par un raisonnement semblable pour les autres produits,
on obtient nalement la contrainte :
12x
1
+ 20x
2
+ 0x
3
+ 25x
4
+ 15x
5
288.
1
Remarquez ici limportance davoir precise que les quantites produites
letaient par semaine.
Section 1.5. Formulation en modèles mathematiques 15
La deuxième contrainte concerne la limite dutilisation des machines ` a la
deuxi` eme etape. Le nombre maximum dheures dutilisation vaut :
2 (2 8) 6 = 192 heures,
et la contrainte sexprime comme :
10x
1
+ 8x
2
+ 16x
3
+ 0x
4
+ 0x
5
192.
La troisième contrainte concerne la limite dutilisation des hommes ` a la troi-
si` eme etape. Le nombre maximum dheures prestees en une semaine par les
8 hommes est de :
8 (1 8) 6 = 384 heures.
Et donc la contrainte sexprime comme :
20x
1
+ 20x
2
+ 20x
3
+ 20x
4
+ 20x
5
384.
Enn, il nefaut pas oublier lescontraintes, presque toujourspresentes, disant
que lon ne peut pas produire des quantites negatives :
x
1
, x
2
, . . .x
5
0.
Enn, gen eralement on conclut letape de construction du modèle, en regrou-
pant lobjectif et les contraintes. On obtient le programme mathematique sui-
vant :
max z = 550x
1
+ 600x
2
+ 350x
3
+ 400x
4
+ 200x
5
s.c.q.
_
_
12x
1
+ 20x
2
+ 0x
3
+ 25x
4
+ 15x
5
288
10x
1
+ 8x
2
+ 16x
3
+ 0x
4
+ 0x
5
192
20x
1
+ 20x
2
+ 20x
3
+ 20x
4
+ 20x
5
384
x
1
, x
2
, x
3
, x
4
, x
5
0
Remarquons quil sagit dun programme lin eaire car il ny pas de terme du
type x
2
1
ou x
1
x
2
qui rendraient le probl` eme non lin eaire. Remarquons egalement
que si les quantites produites avaient d u etre entières (par exemple, la production
davions), on aurait eu un programme en nombres entiers.
1.6 Exercices de formulation
Pour chacun des enonces qui suivent, on demande de formuler mathematiquement
le problème (choix des variables, expression de lobjectif et des contraintes).
1.1. Un probl` eme de choix dinvestissements. Un epargnant peut investir
1000 EURO. Il a le choix entre trois investissements possibles : A, B et
C. Les valeurs attendues et les valeurs minimales garanties après un an sont
donnees au tableau 1.4 par EURO investi. L epargnant souhaite un inter et
Type valeur valeur
dinvestissement attendue garantie
A 1, 4 0, 9
B 1, 2 1, 2
C 1, 6 0, 5
Tableau 1.4: Valeurs attendue et minimum garantie.
minimum garanti de 5% sur un an. Cependant, il a promis dinvestir au
moins 600 EURO sur B et C ensemble. Comment l epargnant pourrait-il
repartir son investissement pour maximiser la valeur attendue globale après
un an ? Lint er et minimal doit porter sur la somme disponible.
1.2. Un probl` eme de chargement dun haut fourneau. Une fonderie re coit
une commande de 1000 tonnes dacier. Cet acier doit r epondre aux ca-
racteristiques suivantes : il doit contenir au moins 0,45 % de mangan` ese
(Mn) tandis que son pourcentage en silicium (Si) doit se situer entre 3,25
et 5,50. Pour couler cet acier, la fonderie dispose en quantites illimitees de
trois types de minerais : A, B et C. Leurs teneurs en Si et Mn sont reprises
au tableau 1.5. Le proced e de production de lacier est tel quune addition
Minerai A B C
Si 4 % 1 % 0,6 %
Mn 0,45 % 0,5 % 0,4 %
Tableau 1.5: Teneurs en Silicium et Mangan` ese des diff erents minerais.
directe de mangan` ese est envisageable. Ce mangan` ese est disponible au prix
de 8 millions la tonne. Quant aux minerais, ils co utent respectivement 21
millions les mille tonnes pour le type A, 25 millions par mille tonnes pour
B, et 15 millions par mille tonnes pour C. Si la fonderie envisage de vendre
Section 1.6. Exercices de formulation 17
lacier produit 0,45 million la tonne, quel doit etre son plan de production
pour maximiser son prot, sachant que le co ut de fonte dune tonne de mine-
rai est de 0,005 million ? Le co ut de fonte ne sapplique pas au mangan` ese
ajoute.
1.3. Un probl` eme de planication sur co ut variable. Un industriel cherche ` a
etablir son plan de production pour les quatre mois ` a venir, sachant que les
demandes sont dejà connues et se chiffrent ` a 900, 1100 1700 et 1300 articles,
respectivement. En regime normal, la production est de 1200 articles par
mois. A laide dheures supplementaires, ce niveau standard peut etre elev e
jusquà 400 articles en plus, mais il faut compter, dans ce cas, un surco ut
de 7 EURO par article. La situation est telle quil peut se permettre en
regime normal de produire moins de 1200 articles par mois. Cela naura
aucune incidence sur les co uts de production, ceux-ci etant xes en regime
normal, mais leffet sur les co uts de stockage peut etre b eneque. Les
co uts de stockage sont de 3 EURO par article en stock en n de mois.
Comment lindustriel doit-il planier sa production pour minimiser les co uts
variables, cest-` a-dire les co uts occasionnes par les heures suppl ementaires
et le stockage ?
1.4. Affectation davions ` a des lignes aeriennes. Une compagnie a erienne
regionaledesireaffectersaottedavionsaux4lignesquelleexploite(lignes
A, B, C et D). Le nombre de passagers desirant effectuer chaque jour un
parcours sur chaque ligne est donne au tableau 1.6. La compagnie dispose
de deux types davions : 8 petits avions de 40 places et 3 avions moyens
de 180 places. Les avions, quils soient du modèle petit ou moyen, peuvent
effectuer un trajetaller-retour par jour. Lecoutdexploitation journalier dun
avion depend de sa taille et de la ligne ` a laquelle il est affect e. Ces co uts
sont donn es au au tableau 1.6. On desire minimiser le co ut dexploitation
Ligne A B C D
Demande 100 200 150 300
Co ut dun petit avion 40 30 70 40
Co ut dun moyen avion 200 100 300 350
Tableau 1.6: Demande et co uts dexploitation des avions par ligne
en satisfaisant la demande. Formuler mathematiquement le problème de la
meilleure affectation de la otte de cette compagnie. Vos variables peuvent-
elles prendre toutes les valeurs reelles non negatives ?
1.5. Production de denrees p erissables. Une compagnie produit 2 denr ees
perissables, P et Q, quun grossiste lui ach` ete au prix respectif de 42 EURO
et 48 EURO lunit e. Chaque soir, les denrees sont acheminees chez le
grossiste. Pour le transport, la compagnie dispose dune camionnette dont
la capacit e permet dacheminer 2000 kg par jour. Lorsque la production
quotidienne exc` ede cette quantite, la compagnie fait appel ` a un transporteur
independant. Si elle utilise sa propre camionnette, cela lui revient ` a deux
EUROpar kilo tandis que le transporteur independant demande trois EURO
par kilo. Les produits P et Qsont fabriqu es ` a partir de 2 composantes M et N
selon les proportions present ees au tableau 1.7. Considerons une journee o` u
Produit Poids de M Poids de N Poids total
(kg par unite) (kg par unite) (kg par unite)
P 4 3 7
Q 2 1 3
Tableau 1.7: Composition des produits
la compagnie dispose de 3 200 kg de M et de 2 400 kg de N. Les ressources
de la compagnie en equipement et en main duvre lui permettent de traiter
5 400 kg de denrees durant la journee. Formulez le problème sachant que la
compagnie cherche ` a maximiser son prot net. Les prix des composants N
et M sont identiques et nentrent donc pas en ligne de compte.
1.6. Probl` eme de livraison de marchandises. Une rme possède trois usines
situees ` a Anvers, Li` ege et Mons, respectivement. Leurs capacites de pro-
duction mensuelles sont de 25 unit es pour Anvers, 15 pour Liège et 15 pour
Mons. Le directeur des ventes remarque que, pour la n du mois, il doit
livrer 20, 12, 9 et 14 unit es ` a quatre clients situes ` a Bruxelles, Charleroi,
Namur et Ostende respectivement. Les co uts de transport dune unit e entre
les usines et les clients sont ` a donnes au tableau 1.8.
Co ut de transport Bruxelles Charleroi Namur Ostende
Anvers 100 150 180 90
Liège 120 170 80 210
Mons 70 30 90 140
Tableau 1.8: Co uts unitaires de transport.
Comment ce directeur doit-il organiser le transport entre les usines et les
clients pour en minimiser les frais de transport, tout en satisfaisant les com-
mandes ? Les co uts de production sont identiques dans les trois usines et
nentrent donc pas en consideration.
Partie I
Les d ecisions op erationnelles
19
Chapitre 2
Ordonnancement en ateliers sp ecialis es
2.1 Introduction
Rappelons quon parle dateliers sp ecialis es lorsque lensemble des equipements
necessaires pour assurer une fonction determinee sont rassembles dans un m eme
atelier. Le probl` emede gestion quotidienne estdedeterminer lordredex ecution
dun certain nombre de t aches, la realisation dune t ache necessitant le passage sur
une ou plusieures machines.
Par exemple, lemboutissage de plusieurs types de porti` eres de voitures de-
mande le passage sur une m eme presse, lordre de passage des diff erents types de
portières sur la presse netant pas determine ` a lavance.
Parmi les modèles dordonnancement en ateliers specialis es, on distingue
Les modèles statiques pour lesquels on recherche lordonnancement opti-
mal dun ensemble donne de taches sur une periode donnee : autrement dit,
au cours de la periode consider ee, aucune nouvelle t ache non prevue ne peut
etre prise en compte dans lordonnancement;
Les mod` eles dynamiques dordonnancement qui se caracterisent au cont-
raire par des arriv ees successives de t aches, le plus souvent dans un univers
aleatoire.
Dans ce chapitre, nous allons nous limiter aux modèles statiques et voir suc-
cessivement le problème dordonnancement sur 1 machine, sur 2 machines. Enn,
nous verrons la gen eralisation au problème sur m machines dont la resolution
demande le recours ` a la programmation en nombres entiers.
21
22 Chapitre 2. Ordonnancement en ateliers specialises
2.2 Ordonnancement sur une machine
Illustrons le problème sur lexemple suivant tir e de Giard [5]. On a cinq t aches
` a effectuer sur la machine A. Le tableau 2.1 presente les diff erentes t aches ainsi
que leurs temps operatoires. Il sagit de determiner lordre dans lequel on va
T ache (i) 1 2 3 4 5
Temps operatoire (t
i
) 50 150 80 200 30
Tableau 2.1: Temps op eratoires (en centièmes dheures)
effectuer ces differentes t aches. Il est clair que, quel que soit lordre choisi, le
temps operatoire total est le m eme : il sagit de la somme des temps operatoires.
Il faudra donc denir un autre critère entre tous les ordonnancements possibles.
Un ordonnancement possible est illustre ` a la table 2.2.
Ordre (j) 1 2 3 4 5
Tache programmee(i) 3 4 1 5 2
Temps dex ecution (T
j
) 80 200 50 30 150
Tableau 2.2: Un ordonnancement possible
2.2.1 Le diagramme de Gantt
Illustrons tout dabord une technique de visualisation dun ordonnancement, le
graphique de Gantt. Celui-ci est construit ` a la gure 2.1 pour lordonnancement
du tableau 2.2.
machine A
3 4 1 5 2
1 2 3 4 5 temps
(heures)
Figure 2.1: Diagramme de Gantt
Le diagramme de Gantt permet de visualiser ` a la fois :
Section 2.2. Ordonnancement sur une machine 23
lutilisation des moyens productifs;
lavancement de lex ecution des t aches.
En effet, une ligne horizontale illustre l evolution du temps (ici en heures, mais
cela peut etre sur lensemble dune semaine ou dun mois). Ensuite, pour chaque
moyen productif (ici, il y a seulement la machine A), on trace une ligne horizon-
tale en dessous de la ligne du temps. Chaque t ache ` a effectuer sur la machine
est represent ee par un segment dont la longueur est proportionnelle ` a la dur ee
dex ecution de la t ache. On indiquera le numero de la tache au dessus du segment
tandis quune machine au repos est indiqu ee par un Z.
Si lon veille ` a aligner verticalement lorigine du temps pour chaque machine,
une ligne verticale indique donc ` a tout moment ` a quelle t ache est occup ee chacune
des machines. Un tableau mural peut etre ainsi dun grand recours pour les agents
de matrise responsable de laffectation des moyens humains et materiels.
2.2.2 La règle T.O.M.
Comme nous lavons indiqu e plus haut, tous les ordonnancements possibles con-
duisent au m eme temps total dex ecution des t aches. Dans lexemple, lex ecution
des 5 taches necessite 510 centièmes dheure. La question qui se pose est alors :
comment choisir parmi les n! ordonnancements possibles ?
Notons A
j
le temps dachèvement de la t ache programmee en position j. Le
temps dachèvement dune tache est la somme des temps dex ecution de la t ache
avec ceux des taches prec edentes. Par exemple,
A
4
= T
1
+T
2
+T
3
+T
4
En general :
A
j
=
j
h=1
T
h
Le calcul des diff erents temps dach` evement des t aches est repris au tableau 2.3.
Ordre (j) 1 2 3 4 5
T
j
80 200 50 30 150
A
j
80 280 330 360 510
Tableau 2.3: Temps dach` evement des t aches
Le temps dach` evement moyen vaut alors :
A =
1
5
n
j=1
A
j
=
80 + 280 + 330 + 360 + 510
5
= 312
En general :
A =
1
n
n
j=1
A
j
=
1
n
n
j=1
_
_
j
h=1
T
h
_
_
=
1
n
n
j=1
T
j
(n + 1 j)
Il sagit donc dune somme pond er ee des temps operatoires, chaque temps opera-
toire etant ponder e par un facteur dautant plus grand quil se trouve ex ecute plus
t ot dans lordonnancement.
La règle dordonnancement qui minimise le temps dach` evement moyen est
celle du temps op eratoire minimum : il sagit dex ecuter les t aches par ordre
croissant de dur ee :
T
1
T
2
. . . T
j
. . . T
n
En anglais, on parle de SOTrule pour Shortest Operation Time. Lapplication
de cette règle donne lordonnancement illustre au tableau 2.4. Cette application
donne le temps dach` evement moyen minimum :
A = 218
Ordre (j) 1 2 3 4 5
T aches (i) 5 1 3 4 5
T
j
30 50 80 150 200
A
j
30 80 160 310 510
Tableau 2.4: Application de la règle TOM
On peut montrer que la règle T.O.M. revient ` a minimiser le retard moyen, le
retard dune t ache etant la diff erence entre le moment o` u la tache est terminee et
celui o` u elle aurait et e terminee si lon lavait commence en premier lieu.
Section 2.3. Ordonnancement avec deux centres de production 25
2.3 Ordonnancement avec deux centres de production
Chaque tache necessite pour son ex ecution le passage sur deux machines : les
machines. Soient t
iA
et t
iB
, les temps dex ecution de la tache i sur les machines
A et B respectivement.
On va utiliser comme critère dordonnancement la minimisation du temps total
dex ecution des t aches sur les deux machines. On va distinguer deux cas :
le cas o` u toutes les t aches sont ` a ex ecuter sur A puis B;
le cas o` u toutes les t aches nont pas le m eme ordre de passage sur les deux
machines.
2.3.1 Cas o` u toutes les t aches sont ` a executer sur A puis B
Supposons donc que cinq t aches soient ` a ex ecuter sur les machines A puis B. Les
temps op eratoires (en centièmes dheure) sont repris au tableau 2.5.
T aches (i) 1 2 3 4 5
t
iA
50 150 80 200 30
t
iB
60 50 150 70 200
Tableau 2.5: Ordonnancement sur deux machines
Lordonnancement optimal est illustre ` a la gure 2.2. Remarquez que durant
lex ecution de la première t ache sur A, la machine B dort. On a donc inter et ` a
mettre en t ete la t ache de temps t
iA
le plus faible. De fa con similaire, lors de
lex ecution de la derni` ere t ache sur la machine B, la machine A dort. On a donc
inter et ` a mettre en n la t ache de duree dex ecution t
iB
minimum.
En se basant sur ces deux observations, Johnson (1954) a deni lalgorithme
suivant decalcul de lordonnancement qui minimise le temps dex ecution detoutes
les taches. Lalgorithme de Johnson (1954) remplit progressivement un tableau
daffectation comme suit :
1. Rechercher la t ache i de temps dex ecution t
ij
minimum.
2. Si j = A, placer cette tache ` a la premi` ere place disponible;
Si j = B, placer cette tache ` a la derni` ere place disponible.
3. Supprimer la t ache i des taches encore ` a programmer, retour en 1.
Appliquons ceci ` a lexemple. Dabord, la tache 5 (t
5A
= 30) est mise en
première position. Puis, la t ache 1 (t
1A
= 50) est mise en deuxi` eme position. Puis
la t ache 2 (t
2B
= 50) est mise en derni` ere position. Puis la t ache 4 (t
2B
= 70)
est mise en avant derni` ere position. Enn, la t ache 3 est mise ` a la derni` ere place
disponible. On obtient le graphique de Gantt de la gure 2.2 o` u le passage dune
tache dune machine ` a lautre est visualise ` a laide dune èche verticale.
machine B
5 1 3 4 2
machine A
1 2 3 4 5 temps
(heures)
5 1 3 4 2
0,3 0,8 1,6 2,3 2,9 3,6 4,4 5,1 5,6
Figure 2.2: Diagramme de Gantt
2.3.2 Cas de t aches ne seffectuant pas dans le meme ordre
Dans ce cas plus gen eral, certaines taches ne necessitent que le passage sur une
machine, dautres sur les deux dans un ordre ou lautre. Les donn ees numeriques
sont reprises au tableau 2.6.
T aches ` a effectuer sur A puis B
T aches (i) 1 2 3 4 5 6
t
iA
50 80 10 50 30 70
t
iB
30 60 30 0 0 0
T aches ` a effectuer sur B puis A
T aches (i) 7 8 9 10 11
t
iB
90 20 10 40 10
t
iA
70 30 100 0 0
Tableau 2.6: Illustration de lalgorithme de Jackson
Lordonnancement qui minimise le temps total dex ecution des t aches sur
Section 2.3. Ordonnancement avec deux centres de production 27
les deux machines est obtenu par lalgorithme de Jackson (1957) qui est une
gen eralisation de lalgorithme de Johnson. Il consiste tout simplement ` a :
1. Faire une partition de lensemble des n taches en
lensemble A des t aches ne necessitant que le passage sur A :
A = {4, 5, 6}
lensemble B des t aches ne necessitant que le passage sur B :
B = {10, 11}
lensemble AB des t aches necessitant le passage sur A puis B :
AB = {1, 2, 3}
lensemble BA des t aches necessitant le passage sur B puis A :
BA = {7, 8, 9}.
2. et ensuite calculer un ordonnancement pour chaque sous-ensemble :
lordonnancement optimal pour AB par lalgorithme de Johnson :
3, 2, 1.
lordonnancement optimal pour BA par lalgorithme de Johnson :
9, 8, 7.
un ordonnancementarbitraire pour A(par exemple, par la règle TOM) :
5, 4, 6.
un ordonnancement arbitraire pour B (par exemple, par la règle TOM) :
11, 10.
3. Remarquons que lon a int er et ` a debuter le plus vite possible sur Ales t aches
qui doivent ensuite aller sur B et ` a mettre en derni` ere place sur A celles qui
doivent dabord aller sur B. Ceci conduit ` a combiner ces ordonnancement
de la manière suivante :
Pour la machine A : la sequence optimale pour le sous-ensemble AB,
puis les t aches de A, puis la sequence optimale du sous-ensemble BA:
3, 2, 1, 5, 4, 6, 9, 8, 7.
Pour la machine B : la sequence optimale pour le sous-ensemble BA,
puis les taches de B, puis la s equence optimale du sous-ensemble AB :
9, 8, 7, 11, 10, 3, 2, 1.
On obtient le diagramme de Gantt de la gure 2.3.
machine A
machine B
3 2 1 5 4 6 9 8 7
10 90 140 170 220 290 390 420 490
9 8 7 11 10 3 2 1 Z
10 30 120 130 170 200 260 290
Figure 2.3: Algorithme de Jackson
2.4 Ordonnancement sur trois machines
Lalgorithme de Johnson ne sapplique quen presence de deux machines. Cepen-
dant, lecas detrois machinespeutseramener aucas dedeux machinessila machine
B est complètement domin ee par la machine A ou par la machine C, cest-` a-dire
si lon se trouve dans le cas o` u
minimum t
iA
maximum t
iB
,
soit dans le cas o` u
minimum t
iC
maximum t
iB
.
Prenons un exemple. On cherche lordonnancement minimisant le temps
dachèvement total de sept t aches necessitant le passage sur trois machines. Les
temps op eratoires sont donn es au tableau 2.7.
t aches 1 2 3 4 5 6 7
Assemblage 20 12 19 16 14 12 17
Inspection 4 1 9 12 5 7 8
Expedition 7 11 4 18 18 3 6
Tableau 2.7: Temps operatoires avec trois machines
Lorsque lon se trouve dans un ce ces deux cas, on reformule alors le problème
en un problème ` a deux machines, la premi` ere groupant les machines A et B (do` u
Section 2.4. Ordonnancement sur trois machines 29
les temps operatoires t
iAB
= t
iA
+ t
iB
) et la seconde groupant les machines B et
C (do` u les temps operatoires t
iBC
= t
iB
+t
iC
).
On applique alors lalgorithme de Johnson ` a ce problème ` a deux machines
pour determiner lordonnancement optimal. On peut alors tracer le diagramme de
Gantt correspondant au problème original, cest-` a-dire celui avec trois machines.
Remarquez que le regroupement na servi quà calculer lordonnancement.
Dans le cas de lexemple ci-dessus on peut verier que l etape Inspection est
dominee par l etape Assemblage. On peut donc reduire le problème au problème
dordonnacement ` a deux machines suivant :
t aches 1 2 3 4 5 6 7
Assemblage + Inspection 24 13 28 28 19 19 25
Inspection + Expedition 11 12 13 30 23 10 14
dont lordonnancement optimal est donne par :
Place 1 2 3 4 5 6 7
t ache 5 4 7 3 2 1 6
Son diagramme de Gantt est donne par la gure 2.4.
Assemblage
5 1
7 4 2 3
5 1 7 4 2 3
6
6
Z Z Z Z Z
Z
Inspection
Expdition
5 1 7 4 2 3 6
Z Z Z Z Z
Z Z
14 19 30 37 42 47 55 60 66 75 78 79 90 98 102 109 110 117 120
Figure 2.4: Ordonnancements avec 3 machines
Dans le cas de trois machines dont la machine centrale nest pas domin ee, on
aura recours ` a la programmation en nombres entiers.
2.5 Exercices
2.1. Usinage de pi` eces sur des machines. On veut organiser la production de
deux lots de pi` eces P
a
et P
b
qui doivent etre usinees sur la machine M
1
puis
sur la machine M
2
. Avant dusiner chaque lot, il faut proceder au reglage de
chaque machine. Les durees des t aches de reglage et dusinage de chacun
des lots sur les deux machines sont donn ees au tableau ci-dessous.
Machine Reglage A Usinage A Reglage B Usinage B
M1 1 2 2 2
M2 1 3 6 1
Onveutminimiser letempstotal dex ecutiondespièces. Expliquezpourquoi
lalgorithme de Johnson ne sapplique pas. Faites une enum eration explicite
de tous les ordonnancements possibles et tracez le diagramme de Gantt dans
chacun des cas.
2.2. Ordonnancement avec trois ateliers. Cinq t aches doivent passer par les
ateliers de montage, de nition et dexp edition. Les temps operatoires gu-
rent au tableau suivant.
T aches 1 2 3 4 5
Montage 7 2 4 3 5
Finition 1 1 2 2 1
Expedition 5 2 4 6 5
On cherche lordonnancement qui minimise le temps dach` evement total des
cinq t aches.
Chapitre 3
La gestion calendaire de stock
3.1 Introduction
Une production sans stock est quasi inconcevable vu les nombreuses fonctions que
remplissent les stocks. En effet, la constitution de stocks est necessaire sil y a :
1. non co ncidence dans le temps et lespace de la production et de la
consommation : le stock est indispensable dans ce cas car il est impossible
de produire l` a et quand la demande se manifeste. Les exemples classiques
sont les jouets et la conserie pour la non co ncidence dans le temps, et les
supermarches pour la non co ncidence dans lespace.
2. incertitude sur le niveau de demande ou sur le prix : sil y a incertitude
sur la quantit e demand ee, on va constituer un stock de securit e qui permet
de faire face ` a une pointe de demande. Sil y a incertitude sur le prix, on va
constituer un stock de sp eculation. Par exemple, les compagnies petrolières
achètent plus que necessaire en petrole brut lorsque le prix de celui-ci est
relativement bas.
3. risquedeproblèmesenchane: ilsagiticideviterquunepanne ` aunposte
ne se repercute sur toute la chane : un retard dex ecution au poste prec edent
ou une grève des transports narretera pas immediatement lensemble du
processus de production sil y a des stocks tampons.
4. presence de co uts de lancement : dans ce cas, travailler par lots permet une
economie dechelle sur les co uts de lancement mais, en revanche, provoque
une augmentation des co uts de possession du stock.
La gestion des stocks pose cependant de multiples problèmes : tenue dinven-
taires, valorisation du stock, denition des capacit es de stockage et enn, disponi-
bilite satisfaisante du stock. Nous allons nous concentrer sur ce dernier aspect.
31
32 Chapitre 3. La gestion calendaire de stock
3.2 Les politiques de gestion de stock
Les politiques de gestion de stock visent ` a repondre aux deux grandes questions :
1. Quand declencher lapprovisionnement du stock? La reponse ` a cette ques-
tion est diff erente suivant la politique de gestion adopt ee :
En gestion de stock par point de commande, lapprovisionnement du
stock est declenche lorsque lon observe que le stock descend en des-
sous dun niveau s, le point de commande.
En gestion calendaire, lapprovisionnement du stock est declenche ` a
intervalles reguliers T, par exemple, chaque jour ou chaque semaine.
En gestion calendaire conditionnelle, lapprovisionnement du stock
est declenche ` a intervalles reguliers T, mais uniquement lorsque lon
observe que le stock descend en dessous dun niveau s, le point de
commande.
2. Combien commander ? La r eponse ` a la question Combien ? depend
egalement du type de gestion de stock appliqu ee :
En cas de gestion par point de commande, on commande une quantite
xe, not ee q et appellee quantite economique de commande. Comme
nous le verrons au chapitre 4, sa determination resulte dun calcul
doptimisation.
En cas de gestion calendaire de stock, la quantite commandee est egale
` a la diff erence entre le stock residuel observe R et S, le niveau de
recompl` etement du stock.
Nous allons nous attacher ` a deux politiques particuli` eres :
La politique de gestion calendaire des stocks, not ee (T, S) avec T linter-
valle entre deux commandes et S, le niveau de recomplètement du stock.
La politique de gestion par point de commande, quantite economique
de commande, not ee (q, s) avec q, la quantit e economique ` a commander
regulièrementet s, lepointdecommandequid eclenchelapprovisionnement
du stock.
Section 3.3. Les co uts associes aux stocks 33
3.3 Les co uts associes aux stocks
Un stock constitu e pour satisfaire une demande future. En cas de demande
aleatoire, il peut y avoir non co ncidence entre la demande et le stock. Deux
cas sont evidemment possibles :
une demande sup erieure au stock : on parle alors de rupture de stock;
une demande inf erieure au stock : on aura alors un stock residuel.
Le critère de gestion gen eralement retenu en gestion des stocks est celui de
la minimisation des co uts. Nous noterons cette fonction par la lettre C, suivie,
entre parenth` eses, de la ou des variables de commande du syst` eme. Par exemple,
si la variable de commande est la quantite command ee, nous noterons lobjectif
C(q). Ces variables de commandes determinent en gen eral trois variables detat
du système :
I
r
, la rupture moyenne, cest-` a-dire le nombre moyen de demandes non satis-
faites au cours dune periode, auquel est associe un co ut unitaire de rupture,
note c
r
;
I
p
, le stock moyen poss ede au cours dune periode, auquel est associe un co ut de
possession unitaire, c
p
;
I
c
, le nombre moyen de commandes passees au cours dune periode, auquel est
associe un co ut de commande unitaire, c
c
.
La fonction de co ut secrit donc en gen eral comme une fonction de ces trois
variables detat :
C = c
r
I
r
+c
p
I
p
+c
c
I
c
.
Nous allons examiner un peu plus en detail chacun des trois co uts partiels.
3.3.1 Les co uts de possession
Les co uts de possession comprennent :
1. les co uts de d etention dun article en stock durant une certaine periode en
fonction des conditions nancières dacquisition et des eventuelles condi-
tions de reprise.
2. les co uts de stockage qui sont les depenses de logistique, de conservation du
stock.
Comme signale plus haut, en presence dune demande al eatoire, il peut y avoir
non co ncidence du stock et de la demande, et donc une rupture ou un stock
residuel. Les consequences de ce stock residuel seront bien diff erentes selon que
lon se trouve dans
le cas du stock ` a rotation nulle, cest-` a-dire lorsque le stock residuel est
sans utilit e pour lentreprise. Ceci se presente notamment :
en cas dobsolescence technique ou commerciale : par exemple, les
vetements de modes,. . .
en cas o` u la consommation a un d elai maximum : par exemple, les
primeurs, les journaux,. . .
Dans ce cas, le co ut de possession dun article se calcule comme le co ut
dacquisition dun article moins la valeur de r ecup eration (solde).
Prenons un exemple. Un quotidien achete 0,9 EURO par le libraire et dont
linvendu est repris 0,75 EURO par le grossiste : le co ut de possession est
de 0,9 - 0,75 = 0,15 EURO.
le cas du stock ` a rotation non nulle, cest-à-dire lorsque linvendupeut etre
vendu ` a une periode ulterieure. Cest lexemple des bo tes de petits pois en
epicerie non vendues une periode qui le seront aux periodes suivantes.
Dans ce cas, le co ut de possession li e ` a limmobilisation du capital. En
gelant la somme dargent correspondant au co ut dachat de larticle invendu,
la societ e se prive du revenu dun placement nancier quelle aurait pu
realiser. Ce co ut est appel e co ut dopportunite. Le taux dopportunite est
la rentabilite du meilleur investissement que lentreprise aurait pu faire.
Prenons un exemple. Si le taux dopportunite est de 6 % lan, une bote de
petits pois achetee 1,20 EURO et restant en rayon un mois entier a cout e
1,20 6 % 1/12 = 0,006 EURO.
Lautrepartie du co ut de possession concerne les co uts de stockage. Ces co uts
de stockage, comprennent, en gen eral des frais xes, tels que le co ut de location
dentrep ots, ainsi que des frais variables, tels que le co ut de manutention. Le
co ut unitaire de stockage que lon doit prendre en consid eration dans la fonction
objectif est le co ut moyen de lensemble de ces frais. Malheureusement, ce ce co ut
moyen depend du volume dactivit e et ne peut donc pas etre consider e comme une
constante. Cette difcult e fait que souvent on ninclut pas de co ut de stockage
dans le co ut de possession et le co ut de possession se r eduit donc au seul co ut
dimmobilisation du capital.
Section 3.3. Les co uts associes aux stocks 35
3.3.2 Les co uts de rupture
La rupture se presente lorsque la demande exc` ede le stock constitu e au cours de la
periode. Les cons equences de cette rupture sont diff erentes selon que la demande
est interne ou externe.
En cas de demande externe, la demande non satisfaite peut etre perdue (on
parle de ventes manqu ees) ou reportee (on parle de ventes diff er ees) :
dans le cas de ventes manquees, le co ut de rupture est le manque ` a gagner
de la non fourniture dune unit e, generalement la marge ben eciaire sur cet
article.
Prenons un exemple. Un journal achete 0,90 EUROpar le libraire et revendu
1,20 EURO a un co ut de rupture de 1,20 - 0,90 = 0,30 EURO.
En cas de ventes diff er es, le co ut de rupture ninclut pas la marge car la
vente sera realisee plus tard. Ce co ut de rupture est le co ut administratif
douverture dun dossier et eventuellement un co ut commercial (on fait une
ristourne pour ne pas perdre le client).
Prenons un exemple. Un garagiste qui na plus de stock le vehicule desire
par son client va lui proposer une voiture de location gratuite durant le delai
dattente pour ne pas perdre le client. Le co ut de rupture correspond ici ` a la
prise en charge par le garage de la location de la voiture.
En cas de demande interne, on ne parle plus de stock de distribution mais bien
de stock de fabrication. Dans ce cas, la rupture entra ne un ch omage technique
des postes en aval. Le co ut de rupture correspond au co ut nancier du ch omage
technique.
3.3.3 Les co uts de commande
A nouveau, il faut ici distinguer le cas dune demande interne et celui dune
demande externe :
Encasdestockdefabrication, lecoutdecommandeest lecoutdelancement
de la production. Il sagit du reglage des machines, etc . . . Normalement,
ce co ut est ind ependant de la quantit e fabriqu ee.
En cas de stock dapprovisionnement, le co ut de commande est le co ut
administratif de gestion de la commande : etablissement dun bordereau,
contr ole de livraison, liquidation comptable,. . . . Normalement, ce co ut est
egalement ind ependant de la quantite commandee.
3.4 Gestion calendaire de stock ` a rotation nulle
Pour rappel, on se trouve dans le cas dun stock ` a rotation nulle lorsquil ny a
pas de report possible des invendus aux periodes suivantes.
On va ici d eterminer le niveau du stock initial S, qui est donc ici la variable
de commande. En effet, la periode de r evision calendaire, cest-à-dire lintervalle
entre deux approvisionnements, not e T est gen eralement x e par la nature de
lapprovisionnement. Par exemple, un patissier met en fabrication des gateaux
chaque jour. Le libraire commande des journaux chaque jour, des periodiques
chaque semaine ou chaque mois.
Nous allons illustrer les choses sur lexemple du p atissier tir e de Giard [5] qui
est un exemple o` u la demande suit une loi de probabilite discrète. Supposons un
co ut de fabrication de 25 F lunite et un prix de vente de 60 F lunit e. Supposons
que la vente quotidienne de ce g ateau soit de 2,5 en moyenne et supposons que la
demande, que nous noterons X, suive une loi de Poisson. Le tableau 3.1 reprend la
x 0 1 2 3 4
P(X = x) 0, 0821 0, 2052 0, 2565 0, 2138 0, 1336
x 5 6 7 8 9
P(X = x) 0, 0668 0, 0278 0, 0099 0, 0031 0, 0009
Tableau 3.1: Distribution de la loi de Poisson
distribution de probabilite du nombre X de clients par jour pour ce produit. Dans
ce tableau x indique une valeur possible de la demande et P(X = x) indique la
probabilite doccurence de cette valeur. Ainsi on a 8,21 % de chances dobserver
aucun client un jour donn e. Les invendus de la journee sont donnes.
La question que se pose le patissier est la suivante : combien mettre de gateaux
en fabrication chaque jour pour maximiser son ben ece ?
Le co ut de possession, c
p
, lie ` a linvendu en n de journee est 25 F, cest-` a-dire
le co ut de production. Tandis que le co ut de rupture, c
r
, lie ` a une vente manquee
est egal ` a la marge, cest-` a-dire : 60 F - 25 F = 35 F. On doit determiner S, le stock
initial, de manière ` a minimiser :
C(S) = c
p
I
p
(S) +c
r
I
r
(S)
= 25I
p
(S) + 35I
r
(S)
avec I
p
(S), le stock moyen residuel en n de journee et I
r
(S), nombre moyen de
ruptures sur la journee.
Section 3.4. Gestion calendaire de stock à rotation nulle 37
En cas de co ut convexe (on peut verier que le co ut est bien une fonction
convexe de S), le stock optimal S
est celui pour lequel le co ut de gestion C(S
)
est inferieur ` a celui des stocks immediatement inf erieur ou superieur :
_
_
C(S
) < C(S
+ 1)
C(S
) < C(S
1)
ou encore
_
_
C(S
+ 1) C(S
) > 0
C(S
) C(S
1) < 0
(3.1)
Remarquez que les conditions (3.1) sont l equivallent pour une fonction continue
de dire que la deriv ee première doit etre negative avant S
et positive après S
. On
va donc etudier l evolution de la diff erence de co ut de stocks successifs :
C(S + 1) C(S)
L etude de C(S +1) C(S) passe par celle de I
r
(S +1) I
r
(S), car, comme
nous allons le voir, on peut exprimer cette variation de co ut en fonction de la seule
variation de rupture moyenne. On va donc etudier I
r
(S + 1) I
r
(S). Calculons,
par exemple, la rupture moyenne I
r
(S = 4) associ ee au stock initial S = 4. On
doit donc calculer lesperance mathematique de X 4 pour des valeurs de X
superieures ` a 4 :
I
r
(S = 4) =
x=5
(x 4)P(X = x)
Calculons, dememe, larupturemoyenne I
r
(S = 5) associeeaustockinitial S = 5:
I
r
(S = 5) =
x=6
(x 5)P(X = x)
En general :
I
r
(S) =
x=S+1
(x S)P(X = x)
Interessons nous maintenant ` a la diff erence de ces ruptures moyennes pour deux
stocks initiaux consecutifs :
I
r
(S = 4) I
r
(S = 5) =
x=5
(x 4)P(X = x)
x=6
(x 5)P(X = x)
=
x=5
(x 4)P(X = x)
x=5
(x 5)P(X = x)
=
x=5
1 P(X = x)
= P(X > 4)
On en conclut que la diminution de rupture moyenne I
r
(S) occasionn ee par
une augmentation dune unit e du stock ` a partir de S est egale ` a la probabilit e que
la demande soit strictement sup erieure ou egale au stock initial S.
Il est facile de montrer que ceci est vrai quelle que soit la forme la distribution
de probabilite discrète :
I
r
(S + 1) I
r
(S) = P(X > S) (3.2)
Les tableaux de lannexe B donne le calcul de P(X > x) en fonction de , la
valeur du paramètre de la loi de Poisson.
Commeannonceplus haut,il estpossiblederamenerlafonctiondeco utcomme
une fonction de la seule variable detat I
r
(S). Pour cela, nous allons etablir la
relation entre I
r
(S) et I
p
(S).
Le stock moyen sur lequel porte le co ut de possession est le stock moyen
observe en n de periode qui correspond donc ` a linvendu. On observera un stock
residuel si la demande observee x est inf erieure ` a S, le stock initial. Son niveau
moyen est calcul e par lexp erence math ematique suivante :
I
p
(S) =
S1
x=0
(S x)P(X = x) =
S
x=0
(S x)P(X = x)
=
x=0
(S x)P(X = x)
x=S+1
(S x)P(X = x)
= S
x=0
P(X = x)
x=0
xP(X = x) +
x=S+1
(x S)P(X = x)
= S

X +I
r
(S)
o` u

X note la moyenne de la demande X. Do` u la relation entre I
p
et I
s
:
I
p
(S) = S

X + I
r
(S)
(3.3)
qui peut sinterpreter en disant que le stock moyen r esiduel I
p
(S) est egal au stock
de depart S diminue de la demande moyenne satisfaite (

X I
r
(S)).
La cons equence de la relation (3.3) est que lon peut exprimer le co ut total
C(S) en fonction du seul co ut de rupture I
r
:
C(S) = c
r
I
r
+ c
p
I
p
= c
r
I
r
+c
p
_
S

X +I
r
(S)
_
Do` u lexpression de C(S) :
C(S) = c
p
(S

X) + (c
r
+c
p
)I
r
(S) (3.4)
Section 3.4. Gestion calendaire de stock à rotation nulle 39
Revenons maintenant au problème de la determination de la solution opti-
male, cest-` a-dire au stock initial S
qui minimise :
C(S) = c
p
(S

X) + (c
r
+c
p
)I
r
(S)
On a donc que :
C(S + 1) C(S) = c
p
(S + 1

X) + (c
r
+c
p
)I
r
(S + 1)
c
p
(S

X) (c
r
+c
p
)I
r
(S)
= c
p
+ (c
r
+c
p
)(I
r
(S + 1) I
r
(S))
Compte tenu de la relation (3.2) :
C(S + 1) C(S) = c
p
(c
r
+c
p
)P(X > S)
Les conditions doptimalit e (3.1) deviennent ici :
_
_
c
p
(c
p
+c
r
)P(X > S
) > 0
c
p
(c
p
+c
r
)P(X > S
1) < 0
ou encore S
optimal si :
P(X > S
) <
c
p
c
p
+c
r
< P(X > S
1)
(3.5)
Appliquons ceci au cas de lexemple :
c
p
c
p
+c
r
=
25
25 + 35
= 0, 417
En consultant le tableau donnant P(X > S) (cfr Annexe B), on trouve :
P(X > 2) = 0, 4562, et P(X > 3) = 0, 2424.
Do` u
S
= 3
On en conclut quil est optimale de produire chaque matin 3 g ateaux.
3.5 Cas dune loi de demande continue
Nousallonsillustrercecassurunexemple egalementtiredeGiard[5]. Considerons
un marchand de journaux qui vent un quotidien ` a 3,5 F lunit e, qui lui-meme
lacquière ` a 2,8 F auprès de son grossiste qui lui reprend les invendus au prix de
2,6 F lunit e.
Le co ut de rupture, c
r
, est lie ` a linvendu et vaut donc la marge b eneciaire,
3,5 F - 2,8 F = 0,7 F tandis que le co ut de possession, c
p
, vaut la perte enregistr ee
par invendu, cest-` a-dire 2,8 F - 2,6 F = 0,2 F.
On suppose que les ventes quotidiennes suivent approximativement une loi
normale de moyenne

X = 300 et decart type = 20. La question qui se pose
est la suivante : quel est le nombre dexemplaires ` a commander S de mani` ere ` a
minimiser le co ut de gestion :
C(S) = c
p
I
p
(S) +c
r
I
r
(S)
Le co ut de gestion secrit dans le cas dune loi continue de la manière suivante :
C(S) = c
p
_
S
0
(S x)f(x)dx +c
r
_

S
(x S)f(x)dx
La condition doptimalite s ecrit dans le cas dune loi continue :
C
(S
) = 0
Comme dans le cas discret, on peut ramener ce co ut ` a une fonction du seul
nombre moyen de ruptures. En effet, la relation (3.3) entre I
r
(S) et I
p
(S) etablie
dans le cas discret reste valable :
I
p
(S) =
_
S
0
(S x)f(x)dx
=
_

0
(S x)f(x)dx
_

S
(S x)f(x)dx
= S

X +
_

S
(x S)f(x)dx
= S

X +I
r
(S)
On en deduit ` a nouveau lexpression de C(S) en fonction du seul I
r
(S) :
C(S) = c
p
(S

X) + (c
p
+c
r
)I
r
(S)
Il faut maintenant etudier la deriv ee premi` ere de I
r
(S). Par application de la
formule de Leibnitz (cfr Giard [5][Page 90]), on demontre le resultat suivant :
dI
r
(S)
dS
=
_

S
f(x)dx = P(X > S), (3.6)
Section 3.5. Cas dune loi de demande continue 41
cest-à-dire exactement le meme resultat analytique que la relation (3.2) etablie
dans le cas discret.
On peut maintenant passer ` a la determination de la solution optimale. On
doit donc determiner le S qui minimise :
C(S) = c
p
(S

X) + (c
r
+c
p
)I
r
(S)
On calcule la deriv ee de C(S) en utilisant la relation (3.6) :
dC(S)
dS
= c
p
(c
r
+c
p
)P(X > S)
On annule la deriv ee. Do` u lon tire :
S
optimal si P(X > S
) =
c
p
c
r
+c
p
(3.7)
Cet optimum est un minimum car la deriv ee seconde de C(S) est positive. La
deriv ee de P(X > S) par rapport ` a S est clairement negative.
Appliquons ceci au cas de lexemple :
P(X > S
) =
c
p
c
r
+c
p
=
0, 2
0, 2 + 0, 7
= 0, 2222
Comme on ne dispose que de la table de la normale reduite, il faut r eduire la
variable aleatoire X en lui retranchant sa moyenne et en la divisant par son ecart
type. On obtient :
P
_
X
>
S
300
20
_
= 0, 2222
Par lecture dans la table de la normale reduite, on determine :
t
S
= 0, 7655 =
S
300
20
Do` u nalement :
S
= 315, 3 315.
Lapprovisionnement periodique optimal est donc de S
= 315.
Avant de passer au cas de stocks ` a rotation non nulle, examinons quelques
indicateurs que lon peut deduire de la solution optimale.
3.6 Les cons equences economiques de la solution optimale
La rupture de stock
Le premier indicateur nest autre que la rupture de stock I
r
(S). Cet indicateur
permet en effet devaluer les defaillances du syst` eme et une valeur trop importante
de cet indicateur peut conduire ` a remettre en cause la solution proposee.
Dans le cas (discret) de la production de gateau, le calcul de I
r
(s) seffectue
comme suit :
I
r
(S) =
x>S
(x S)P(X = x)
=
x>S
xP(X = x) S
x>S
P(X = x)
Do` u nalement :
I
r
(S) =
x>S
xP(X = x) SP(x > S)
Le premier terme correspond ` a un calcul tronque de la moyenne. Pour la distribu-
tion de Poisson de param` etre , on montre que :
x>S
xP(X = x) = P(X > S 1)
Do` u lon tire nalement :
I
r
(S) = P(X > S 1) SP(X > S)
(3.8)
Ce qui nous donne dans le cas de lexemple :
I
r
(S
= 3) = 2, 5P(X > 2) 3P(X > 3)

= 2, 5 0, 4562 3 0, 2424
= 0, 413.
Dans le cas de la vente de journaux (loi de demande continue), le calcul de
I
r
(S) seffectue par lint egrale suivante :
I
r
(S) =
_

S
(x S)f(x)dx
=
_

S
xf(x)dx S
_

S
f(x)dx
Section 3.6. Les consequences economiques de la solution optimale 43
Do` u lon tire
I
r
(S) =
_

S
xf(x)dx SP(x > S)
Le premier terme correspond ` a nouveau ` a un calcul tronque de la moyenne. On
peut montrer que si X suit une distribution normale N(, ), on obtient la formule
suivante :
I
r
(S) = [f(t
S
) t
S
P(t > t
S
)]
avec :
t
S
=
S

X
et f(t
S
) =
e
t
2
S
/2
2
Appliquons ceci aux donnees numeriques de lexemple pour lequel t
s
= 0, 7655.
Lapplication de la formule donne donc :
f(t
S
= 0, 7655) =
e
0,7655
2
/2
2
= 0, 29762
La probabilite P(t > 0, 7655) est donnee dans la table de la normale reduite et
vaut 0,2218. Donc :
I
r
(S) = 20(0, 29762 0, 7655 0, 2218) = 2, 556.
Lannexe B.3 donne directement la valeur de [f(t
S
) t
S
P(t > t
S
)].
Le stock moyen poss ede
Le stock moyen possed e, I
p
(S), correspond dans le cas de stock ` a rotation nulle
au stock residuel moyen. Cet indicateur permet de se faire une id ee du gachis
engendre par la politique choisie.
Cet indicateur sobtient ` a partir de la rupture moyenne aussi bien dans le cas
discret que dans le cas continu par la relation (3.3) rappel ee ci-dessous :
I
p
(S) = S

X + I
r
(S)
Pour le patissier, on aura donc :
I
p
(S
= 3) = (3 2, 5) + 0, 413 = 0, 913 gateaux.

Pour le marchand de journaux, on aura :
I
p
(S
= 315) = (315 300) + 2, 556 = 17, 556 journaux.

Remarquez que, dans les deux cas, le stock r esiduel se calcule comme le stock
initial diminu e de la demande satisfaite.
Le co ut moyen
Le co ut moyen C(S) correspond tout simplement ` a la valeur prise ` a loptimum
par la fonction objectif. Il peut etre calcul e par la relation (3.4) mais il est plus
instructif de calculer les co uts partiels :
C(S) = c
r
I
r
(S) +c
p
I
p
(S)
Pour lexemple du patissier, on obtient :
C(S) = 35 0, 4132 + 25 0, 9132
= 14, 46 + 22, 83
= 37, 29
Pour lexemple du marchand de journaux, on obtient :
C(S) = 0, 7 2, 556 + 0, 2 17, 556
= 1, 7892 + 3, 5112
= 5, 3004
La marge nette moyenne
La marge nette moyenne, not ee B(S), est egale au produit de la marge unitaire,
m
u
, par la demande moyenne, diminu e du co ut de stockage :
B(S) = m
u

X C(S)
Lapplication de cette relation ` a lexemple numerique du patissier donne :
B(S) = m
u

X C(S)
= 35 2, 5 37, 29
= 50, 21 F.
tandis que pour le marchand de journaux, elle donne :
B(S) = m
u

X C(S)
= 0, 7 300 5, 004
= 204 F.
Nous allons maintenant passer au cas de stock ` a rotation non nulle.
Section 3.7. Cas de stocks à rotation non nulle 45
3.7 Cas de stocks ` a rotation non nulle
Pour rappel, on parle de stocks ` a rotation non nulle lorsque les invendus dune
periode seront vendus aux periodes suivantes. Cest de loin le cas le plus repandu.
La variable de commande du système est ici S, le niveau de recomplètement,
cest-à-dire le niveau du stock que lon cherche ` a retrouver periodiquement. Re-
marquons une diff erence fondamentale avec le cas de stocks ` a rotation nulle. En
effet, la commande ` a passer pour un approvisionnement en d ebut de p eriode nest
plus xe. Deux cas sont possibles :
Il reste un stock r esiduel positif : dans ce cas, on commande la diff erence
entre S et le stock residuel;
Le stock r esiduel est nul : dans ce cas, on commande S augment e des
demandes non satisfaites de la periode prec edente qui ont pu etre reportees.
Pour illustrer le processus de determination de S
, le niveau optimal de re-

complètement, cest-` a-dire celui qui minimise le co ut :
C(S) = c
p
I
p
(S) +c
r
I
r
(S),
nous considerons lexemple suivant de la ventes dampoules declairage tire de
Giard [5].
On suppose que la demande hebdomadaire dampoules de 60 Watt suit une loi
normale de moyenne 300 et decart type 20. Le reapprovisionnement se fait en
debut de semaine chez le grossiste au prix dachat de 3 F lunite. Les ampoules
sont vendues au prix de 3,5 F lunit e. On suppose un taux dopportunite annuel de
20 %.
Do` u un co ut de possession annuel par ampoule en stock de :
3 F 0, 2 = 0, 6 F.
Pour arriver ` a un co ut de possession hebdomadaire, il faut tenir compte du nombre
de semaines sur lesquelles la demande sexprime. Ici, on suppose le magasin
ouvert 52 semaines par an :
0, 6 F /52 = 0, 0115 F
Remarquons quà la diff erence du cas de stock ` a rotation nulle, la perte liee ` a une
ampoule en stock nest plus son prix dachat mais la perte nancière due au gel en
stock de son prix dachat.
Calculons maintenant le co ut unitaire de rupture : il correspond ` a la marge non
realisee par ampoule :
3, 5 F 3 F = 0, 5 F.
La question qui se pose est la suivante : quel est le niveau de recomplètement
optimal S
?
Pourle calcul dustockmoyenpossede, il faudradistinguer deuxcas degure:
1. le cas o` u la demande observ ee est sup erieure au niveau de recomplètement;
2. le cas o` u la demande observ ee est inf erieure au niveau de recomplètement.
Supposons, pour xer les id ees, quun niveau de recomplètement de 320 ait
ete choisi.
1. Cas dune demande inferieure ` a S : dans ce cas, il ny a pas de rupture
de stock. Cest lexemple dune demande observee de 310. Le stock de n
de p eriode vaut donc :
320 310 = 10 ampoules.
En ce qui concerne levolution du stock, on peut supposer que la demande
de 310 ampoules est egalement r epartie sur toute la semaine et on peut faire
une interpolation lin eaire comme ` a la gure 3.1
S = 320
S = 10
x = 310
T = 5 jours
_
_
_ _ _
Figure 3.1: Evolution du stock
On en deduit le stock moyen possed e :
I
p
(S) =
320 + 10
2
=
S + (S x)
2
On en conclut donc que :
Si x < S : I
p
(S) =
S + (S x)
2
= S
x
2
(3.9)
2. Cas dune demande superieure ` a S : dans ce cas, on observe une rupture
de stock. Cest le cas, par exemple, dune demande observ ee de 350. On
va maintenant determiner ` a partir de quand le stock est nul. La demande,
comme dans le cas sans rupture, est supposee uniformement r epartie sur
la semaine de cinq jours (cfr gure 3.2). La demande journalière est donc
S = 320
S = 0
x = 350
T = 5 jours
}
x S = 30
Figure 3.2: Evolution du stock en cas de rupture
350
5
= 70 ampoules par jour. Et l evolution du stock moyen possed e peut
etre obtenue par :
S(t) = 320 70t.
Ce stock est nul pour :
t =
320
70
= 4, 57 jours =
S
x/T
Le stock moyen possed e vaut : (320 + 0)/2 = 160 sur 4,57 jours. Do` u le
stock moyen possed e :
I
p
(S) = 160
4, 57
5
+ 0
5 4, 57
5
=
320
2
320
350
=
S
2
S
x
En g eneral :
Si x > S : I
p
(S) =
S
2
S
x
Cette formuledonneunesolution analytique auproblèmedeladetermination
du niveau optimal de recomplètement S
assez difcile ` a mettre en uvre.

Une hypoth` ese simplicatrice, ` a savoir que la rupture se produit en n de
p eriode permet deffectuer des calculs simplies. Sous cette hypothèse, le
stock varie entre S et 0 et donc :
Si x > S : I
p
(S) =
S
2
(3.10)
3.7.1 D etermination de la solution optimale
Sous cette hypothèse simplicatrice, nous allons pouvoir determiner le niveau de
recomplètement optimal. Le co ut de gestion s ecrit :
C(S) = c
p
I
p
(S) +c
r
I
r
(S)
Pour le calcul du stock moyen possede I
p
(S), il faut dissocier le cas o` u la
demande x est inf erieure ` a S de celui o` u elle est sup erieure ` a S :
I
p
(S) =
_
S
0
(S
x
2
)f(x)dx +
S
2
_

S
f(x)dx
Tandisquelenombremoyenderuptures, I
r
(S), peutsecalculercommelint egrale:
I
r
(S) =
_

S
(x S)f(x)dx
On peut maintenant tirer lexpression de I
p
(S) en fonction de I
r
(S) :
I
p
(S) =
_
S
0
(S
x
2
)f(x)dx +
S
2
_

S
f(x)dx
=
S
2
_

0
f(x)dx +
1
2
_
S
0
(S x)f(x)dx
=
S
2
+
1
2
__

0
(S x)f(x)dx
_

S
(S x)f(x)dx
_
=
S
2
+
S
2

X
2
+
I
r
(S)
2
On obtient donc la relation suivante :
I
p
(S) = S
X
2
+
I
r
(S)
2
(3.11)
On peut donc exprimer C(S) en fonction du seul I
r
(S) :
C(S) = c
p
I
p
(S) +c
r
I
r
(S) = c
p
[S
X
2
+
I
r
(S)
2
] +c
r
I
r
(S)
Do` u nalement :
C(S) = c
p
(S
X
2
) + (c
r
+
c
p
2
)I
r
(S)
Dans le cas dune loi de demande continue, il suft dannuler la deriv ee premi` ere
dC(S)
dS
= c
p
+ (c
r
+
c
p
2
)
dI
r
(S)
dS
= c
p
+ (c
r
+
c
p
2
)[P(X > S
)] = 0
do` u
P(X > S
) =
c
p
c
r
+c
p
/2
(3.12)
Appliquons ceci aux donnees numeriques de notre exemple de ventes dam-
poules electriques. Par la relation (3.12) :
P(X > S
) =
0, 01154
0, 5 + 0, 01154/2
= 2, 28%
La lecture dans la table normale r eduite nous donne :
t
S
= 2 =
S 300
20
Do` u, le niveau optimal de recompl` etement : S
= 340.
Tout comme dans le cas de stock ` a rotation nulle, on peut deduireles principaux
indicateurs de la solution optimale choisie :
Le nombre moyen de rupture se calcule par la formule suivante :
I
r
(S) = [f(t
S
) t
S
P(t > t
S
)]
avec :
t
S
=
S

X
et f(t
S
) =
e
t
2
S
/2
2
Appliquons ceci aux donn ees numeriques de lexemple pour lequel t
s
= 2.
On obtient :
I
r
(S
) = 0, 159
Le stock moyen possed e se calcule ` a partir de la formule
I
p
(S) = S
X
2
+
I
r
(S)
2
dont lapplication donne ici :
I
p
(S
) = 340
300
2
+
0, 159
2
= 190, 08
Le co ut moyen de stockage se calcule comme
C(S
) = c
p
I
p
(S
) +c
r
I
r
(S
)
= 0, 0115 190, 08 + 0, 5 0, 159 = 2, 27
3.7.2 Cas dune loi de demande discr` ete
Terminons ce chapitre en voyant les formules de calcul dans le cas dune loi de
demande discrète pour la gestion de stock ` a rotation non nulle.
Le stock moyen possede se calcule dans le cas discret comme suit :
I
p
(S) =
S1
0
(S
x
2
)P(X = x) +
S
S
2
P(X = x)
=
S1
0
(S
x
2
)P(X = x) +
S
2
P(X S)
Exprimons ce stock moyen possed e en fonction du stock residuel moyen de n de
periode :
I
p
(S) =
S1
0
(
S
2
+
S
2

x
2
)P(X = x) +
S
2
S
P(X = x)
=
1
2
[
S
0
(S x)P(X = x) +S]
=
S
2
+
1
2
0
(S x)P(X = x)
1
2
S
(S x)P(X = x)
Do` u nalement :
I
p
(S) = S
X
2
+
I
r
(S)
2
, (3.13)
cest-à-dire exactement la m eme formule que celle obtenue dans le cas continu.
On peut donc exprimer C(S) en fonction du seul I
r
(S) :
C(S) = c
p
I
p
(S) +c
r
I
r
(S)
= c
p
[S
X
2
+
I
r
(S)
2
] +c
r
I
r
(S)
Do` u nalement :
C(S) = c
p
(S
X
2
) + (c
r
+
c
p
2
)I
r
(S)
Dans le cas discret, le niveau optimal de recomplètement S
est determine par la

formule suivante :
P(X > S
) <
c
p
c
r
+c
p
/2
< P(X > S
1)
(3.14)
Section 3.8. Exercices 51
3.8 Exercices
3.1. Achat de pi` eces de rechange. Ling enieur en chef dune usine passe la
commande dun modèle de pièces detachees dune machine pour laquelle
il craint un approvisionnement difcile. Les consequences dun arr et de la
machine ` a cause dun retard de livraison de la pi` ece sont particulièrement
onereuses : le co ut dun arret de la production pour manque de pièce est
de 25.000 F. En achetant cette pi` ece en m eme temps que la machine, le
co ut dapprovisionnement unitaire est de 1.000 F. Lexp erience passee de
lingenieur lincite ` a estimer la distribution des pannes sur la duree de vie
du materiel, par une loi de Poisson de param` etre 1. La possession de pi` ece
au del` a de la dur ee de vie de la machine est sans valeur vu lobsolescence
technique rapide de la machine.
(a) Quelle est la politique optimale ` a suivre ?
(b) On calculera les consequences de cette politique de commande de
pièces de rechange que sont le nombre moyen de pi` eces residuelles
et le nombre moyen darrets de la machine.
(c) On en deduira le co ut de gestion du stock C(S).
3.2. Ventes dhebdomadaires. Un libraire commande regulièrement un hebdo-
madaire auprès de son grossiste. Son co ut dachat est de 12 F et son prix
de vente 16 F. On suppose que les ventes hebdomadaires suivent une loi
normale de moyenne 30 et decart type 5.
(a) Quel est le nombre dexemplaires ` a commander auprès de son grossiste
chaque semaine si le co ut de reprise est de 10 F ?
(b) On calculera les consequences de cette politique que sont le nombre
moyen de ventes manquees et le nombre moyen dinvendus.
(c) On en deduira la marge nette moyenne B(S).
3.3. Ventes de calculatrices. Un etablissement sp ecialis e dans la distribution
de calculatrices electroniques a un produit vendu couramment tout au long
de lann ee. Il sagit dune calculatrice scientique qui est achetee 45 F
et revendue 55 F. Le taux dopportunite utilise est de 20 %. La demande
hebdomadaire de ce modèle est denviron 5 calculatrices, et il y a tout lieu
de penser que le modèle de Poisson est utilisable. La societe est ouverte
52 semaines par an, les delais dapprovisionnement sont negligeables, les
demandes non satisfaites sont consider ees comme perdues. La periode de
revision calendaire T est de deux semaines.
(a) On demande de calculer le niveauoptimal derecompletement du stock.
(b) On calculera les consequences de cette politique que sont le nombre
moyen de ventes manquees et le stock moyen possed e.
(c) On en deduira la marge nette moyenne B(S).
3.4. Ventes de reveils electroniques. La societ e commercialise egalement un
reveil electronique qui conna t une grande popularite. La demande sur une
semaine suit approximativement une loi normale de moyenne 100 et decart-
type 30. La m eme politique de gestion calendaire est suivie. Les donn ees
de co ut sont les m emes que celles des calculatrices. La periode de revision
calendaire T est aussi de deux semaines.
(a) Calculez le niveau de recomplètement optimal.
(b) Calculez les consequences decette politique que sont le nombre moyen
de ventes manquees et le stock moyen possed e.
(c) En d eduire la marge nette moyenne B(S).
3.5. Ventes de sapins de No el. Un producteur de sapin de noel doit decider
de la quantite ` a mettre en production chaque annee. Les ventes annuelles
concentreessurlapremièrequinzainededecembresuiventuneloinormalede
moyenne 30.000 et d ecart type 200. Le co ut de production est de 10 EURO
lunite et le prix de vente de 24 EURO. Le producteur travaille uniquement
sur commande de sorte quil ne coupe que les arbres demandes lann ee
courante. Quelle quantite doit-il mettre en production pour minimiser son
co ut de gestion ? On suppose un taux dopportunite de 10 % lan.
Chapitre 4
La gestion par point de commande
4.1 Introduction
La gestion calendaire se caracterise, comme nous lavons vu au chapitre 3 par :
des commandes ` a intervalles xes dont la periodicit e est not ee T;
un niveau de commande variable : qui vaut la diff erence entre S, le niveau
de recompl` etement et R, le stock residuel.
La gestion par point de commande se caracterise, elle, au contraire par :
un montant de commande constant : cette quantit e economique de com-
mande sera not ee q;
une periodicite de commande variable (lorsquon est en univers al eatoire) :
on commande lorsque le stock passe en dessous du point de commande, s.
On examinera successivement les deux cas de gures que sont :
1. La gestion (q, s) en univers certain. Comme, dans ce cas, la demande est
certaine, on commande avant rupture de stock et il ny a pas de co ut de
rupture. La variable de decision q, la valeur constante de la commande,
sera determinee de manière ` a minimiser le co ut de gestion qui ne comprend
que deux termes :
C(q) = c
c
I
c
(q) +c
p
I
p
(q)
2. La gestion (q, s) en univers incertain. Dans ce cas, le co ut de rupture
intervient aussi. Les variables de decision que sont q, le montant des
commandes et s, le point de commande seront determinees de mani` ere ` a
minimiser le co ut de gestion qui comprend trois termes :
C(q, s) = c
c
I
c
(q, s) +c
p
I
p
(q, s) +c
r
I
r
(q, s)
53
54 Chapitre 4. La gestion par point de commande
4.2 D etermination de la quantite economique de commande
Nous allons illustrer la determination de la quantit e economique de commande en
univers certain sur un exemple tire de Giard [5] . Il sagit dun ustensile de cuisine
achete par un supermarche au prix unitaire de 30 F. Les ventes annuelles, que nous
noterons D sont estim ees ` a 2 400 unit es. Cette demande est consider ee comme
uniforme sur lannee : cest-` a-dire quelle ne subit pas de variations saisonnières.
Vu le caractère certain de la demande et du delai dobtention (ici de 20 jours
ouvrables), onpeut evitertouterupturedapprovisionnementenpassantcommande
` a temps. On considère que lann ee comporte 48 semaines de 6 jours ouvrables,
soit 288 jours. Le co ut de passation dune commande de 300 F et est ind ependant
de la quantite commandee.
Le co ut de possession annuel unitaire peut etre calcule en tenant compte du
taux dopportunite annuel ici suppose de 20 % comme :
30 0, 2 = 6 F.
La question qui se pose est la suivante : Quelle est la quantit e q constante ` a
commander periodiquement pour que le co ut annuel moyen soit minimum ?
Avantdedeterminer laquantiteoptimale, raisonnons surune valeurquelconque
de q, par exemple, q = 400. En cas de demande uniforme sur lann ee, on doit
passer commande tous les
400
2 400
=
1
6
annee,
cest-à-dire tous les deux mois. La periode economique de commande est donc :
=
q
D
Le nombre moyen de commandes par an vaut :
I
c
(q) =
D
q
Do` u le co ut de commande :
c
c
I
c
(q) = c
c
D
q
= 300
2 400
400
= 1 800 F.
Passons maintenant au calcul du stock moyen possede. Pour minimiser le
co ut de possession, on passe commande de manière ` a ce que le stock soit nul au
moment o` u arrivent les nouveaux articles. Le stock varie donc entre 400 et 0. Le
stock moyen possed e vaut donc :
I
p
=
q
2
=
400
2
.
Section 4.2. Determination de la quantite economique de commande 55
Le co ut annuel de possession vaut donc :
c
p
I
p
(q) = 6
400
2
= 1 200 F.
Do` u le co ut annuel de gestion :
C(q = 400) = 6
400
2
+ 300
2 400
400
= 3 000 F.
Nous pouvons maintenant faire une mod elisation du problème pour une quan-
tite command ee quelconque q. Rappelons les hypothèses simplicatrices du mo-
dèle :
une demande certaine et distribu ee uniform ement.
un delai de reapprovisionnement certain.
Ces deux hypothèses impliquent quil ny a pas besoin de stock de s ecurit e pour
faire face ` a une pointe de demande imprevue. On cherche donc ` a determiner la
valeur de la seule variable de d ecision, cest-` a-dire q, la commande periodique,
qui minimise le co ut de gestion qui ne comprend que deux termes :
C(q) = c
p
I
p
(q) +c
c
I
c
(q)
On peut gen eraliser les calculs de lexemple ci-dessus. On obtient :
C(q) = c
p
I
p
(q) +c
c
I
c
(q)
= c
p
q
2
+c
c
D
q
= 6
q
2
+ 300
2 400
q
Il est facile de calculer loptimum dune telle fonction. Il suft dannuler sa
deriv ee premi` ere :
C
(q) = c
p
1
2
c
c
D
q
2
= 0
Do` u le point optimum :
q
2Dc
c
c
p
(4.1)
Cette quantite est appelee quantit e de Wilson. Verions quil sagit bien dun
minimum en calculant la deriv ee seconde :
C(q) = 2c
c
D
q
3
> 0
Remarquez quau point optimum, on a egalite des co uts de commande et de
possession. En effet :
c
c
I
c
(q
) = c
c
D
q
= c
c
D
_
2Dc
c
c
p
=
Dc
c
c
p
2
c
p
I
p
(q
) = c
p
q
2
= c
p
_
2Dc
c
c
p
2
=
Dc
c
c
p
2
Appliquons ceci ` a lexemple numerique. La quantit e economique de com-
mande vaut donc :
q
2 2 400 300
6
= 489, 9 490
Do` u la duree optimale de consommation :
=
q
D
=
490
2 400
= 0, 204 annees.
Examinons les cons equencesde lapolitiqueoptimale. Le stockmoyen detenu
vaudra :
I
p
(q
) =
q
2
=
490
2
= 245.
Et le nombre moyen annuel de commandes vaudra :
I
c
(q
) =
D
q
=
2 400
490
= 4, 898
De ces deux quantites, on deduit le co ut annuel de gestion :
C(q
) = c
p
I
p
(q
) +c
c
I
c
(q
)
= 6
490
2
+ 300
2.400
490
= 2 939, 39 F.
Section 4.3. Determination du point de commande 57
4.3 D etermination du point de commande
La question qui se pose maintenant est : Quand commander ?
Comme le d elai dobtention est de 20 jours ouvrables, cest-` a-dire
L =
20
288
= 0, 069 annee,
la demande durant cette periode sel` eve ` a :
D L = 2 400
20
288
= 166, 67 articles.
que lon arrondi au point de commande
s = 167.
Lechef derayon va donc passercommande dès quilvoit quilreste 167articles
en rayon de manière ` a ce que le stock soit nul au moment de la livraison (voir gure
4.1).
490
167
niveau du stock
q
quantite economique de commande

s point de commande
temps
L
L
Figure 4.1: Point de commande
En gen eral, le point de commande est tel que
s = DL
(4.2)
avec D = demande annuelle;
L = delai dobtention exprim e en annee.
4.4 Cas dune demande al eatoire
Rappelons les hypothèses de base de la gestion par point de commande en univers
certain :
On a une demande certaine uniformement repartie sur lann ee;
On a un d elai de livraison certain.
Nous allons generaliser ce modèle de la manière suivante :
On suppose que la demande est connue en probabilit e mais reste statique
(cest-à-dire que les caracteristiques de la distribution restent stables dans le
temps.)
Nous maintenons lhypothèse dun delai dobtention certain. Ce qui est le
plus souvent le cas.
Nous illustrons ce cas sur lexemple introductif, ` a savoir la vente dustensiles
de cuisine mais en considerant cette fois que la demande annuelle suit une normale
de moyenne 2 400 et decart type 189,74. Le co ut de rupture vaut la marge qui est
ici de 10 F. Le co ut de possession annuel reste de 6 F.
Passons au problème de la determination de q et s. Tout dabord, remarquons
que pendant le d elai dobtention de 20 jours la demande est aleatoire. Calculons
les paramètres de sa distribution. Tout dabord, le delai dobtention de 20 jours
sexprime en fraction dannee comme :
L =
20
288
annees.
La demande X
L
en 20 jours suit une loi Normale
de moyenne :
L
= L =
20
288
2 400 = 167
de variance :
2
L
= L
2
=
20
288
(189, 74)
2
.
En effet, les paramètres de la demande durant 20 jours se d eduisent des param` etres
des ventes annuelles en multipliant la moyenne et la variance (et non l ecart type)
par L. Donc, on obtient un ecart type de :
L
=
20
288
189, 74 = 50.
Section 4.4. Cas dune demande aleatoire 59
4.4.1 D etermination de q et s
La fonction de co ut ` a minimiser fait intervenir les trois variables detat que sont :
le nombre moyen de commandes, I
c
;
le stock moyen annuel, I
p
;
la rupture moyenne annuelle, I
r
.
C(q, s) = c
c
I
c
(q, s) +c
p
I
p
(q, s) +c
r
I
r
(q, s)
Nous allons obtenir une solution approchee au problème en effectuant une d e-
termination independante de s et de q en se basant sur lobservation suivante.
Dans lexpression de C, le nombre moyen de commande d epend essentiellement
de la quantite commandee q tandis que le nombre moyen de ruptures depend
essentiellement du point de commande s. On peut donc recrire cette expression
comme :
C(q, s) = c
c
I
c
(q) +c
p
I
p
(q, s) +c
r
I
r
(s)
On voit que le terme qui lie le problème en la variable q et le problème en la
variable s est le stock moyen possed e I
p
qui depend ` a la fois de q et de s. On
va determiner une solution approchee en s eparant le problème ` a deux variables en
deux problèmes ` a une variables de la manière suivante. Le principe pour obtenir
cette solution approchee est de resoudre ind ependamment les deux problèmes
suivant :
1. Determiner la quantite economique q en arbitrant entre le co ut de com-
mande et le co ut de possession ` a partir de la demande moyenne.
2. Determiner le point de commande s en arbitrant entre le co ut de rupture
et le co ut de possession en utilisant la gestion calendaire pendant le delai
dobtention L, en retenant comme s le niveau de recompl` etement optimal.
Le probl` eme deladetermination delaquantite economique decommande nest
rien dautre que le problème etudi e en univers certain si lon remplace la demande
annuelle certaine par la demande annuelle moyenne :
D = = 2 400.
En minimisant le co ut de gestion :
C(q) = c
c
I
c
(q) +c
p
I
p
(q),
la solution trouvee dans le cas certain etait de :
q
= 490.
Le probl` eme de la determination du stock de securite est quant ` a lui resolu en
prenant pour point de commande s le niveau de recompl` etement S qui minimise
le co ut dune gestion calendaire durant le delai dobtention L :
C(S) = c
p
I
p
(S) +c
r
I
r
(S)
avec I
r
(S), le nombre moyen darticles non fournis durant L et I
p
(S), le stock
moyen possed e durant L.
En moyenne, on rencontre le problème de gestion calendaire :
2 400
490
= 4, 9 fois lan
ou encore tous les
288
490
2 400
= 58, 81 jours.
Remarquons que le stock moyen possed e I
p
(S) correspond ` a une immobilisation
sur 59 jours et non sur les 20 jours donc le co ut unitaire de possession est de :
c
p
= 6 0, 2042 F/article/59 jours.
En effet, un article encore en stock ` a lissue des 20 jours du d elai dobtention
augmentera dune unite la valeur du stock durant toute la duree decoulement de
la suivante commande, cest-` a-dire durant 59 jours. Do` u la fonction objectif :
C(S) = 6 0, 2042I
p
(S) + 10I
r
(S)
En utilisant la gestion calendaire, on deduit :
P(X > S
) =
c
p
c
r
+c
p
/2
=
6 0, 2042
10 + 6 0, 2042/2
= 0, 115
La demande X durant le delai dobtention de 20 jours est une N(167,50). On lit
dans la table de la normale N(0,1) :
P(Z > 1, 2004) = 0, 115
Do` u
1, 2004 =
S
167
50
Do` u nalement
S
= 227
Section 4.4. Cas dune demande aleatoire 61
4.4.2 Cons equences economiques du choix
Le stockde s ecurite estdeni comme diff erence entreleniveauderecompl ` etement
et la demande moyenne durant L et vaut ici :
227 167 = 60 articles.
Le nombre moyen de commandes d epend uniquement de q et se calcule par la
formule :
I
c
(q) =
D
q
=
2400
490
= 4, 898 commandes.
Le nombre moyen de ruptures au cours dun cycle, not e I
c
r
, se calcule par la
formule de la gestion calendaire :
I
c
r
(s = 227) = g(t
S
= 1, 2) = 50 0, 0561 = 2, 81
Or le nombre de cycles est egal au nombre de commandes I
c
(q). Le nombre moyen
de ventes manquees par an sel` eve donc ` a :
I
r
(s, q) = I
c
(q)I
c
r
(s) = 4, 898 2, 81 = 13, 76 articles
Le calcul du stock moyen possed e est plus complique car il depend ` a la fois de s
et de q. On peut montrer (voir Giard [5], chapitre 4, relation (20), p 277) que :
1. en cas de ventes manqu ees perdues :
I
p
(s, q) =
q
2
+ (s DL) +
I
c
r
(s)
2
Le co ut de gestion correspondant vaut :
C(s, q) = c
c
D
q
+c
p
(
q
2
+s DL) + (
c
p
2
+c
r
D
q
)I
c
r
(s)
2. en cas de ventes manquees diff erees :
I
p
(s, q) =
q
2
+ (s DL) +
DL
2q
I
c
r
(S)
o` u I
c
r
(s) note le nombre moyen de ruptures par cycle (durant le delai dob-
tention). Le co ut de gestion correspondant vaut :
C(s, q) = c
c
D
q
+c
p
(
q
2
+s DL) + (
c
p
L
2
+c
r
)
D
q
I
c
r
(s)
Dans le cas present, les ventes manquees sont supposees perdues pour le super-
marche et donc le stock moyen possede se calcule par la formule suivante :
I
p
(s, q) =
q
2
+ (s DL) +
I
c
r
(s)
2
=
490
2
+ 60 +
2, 81
2
= 306, 405
On en deduit le co ut de gestion total suivant :
C(s, q) = c
c
I
c
(q) +c
p
I
p
(q, s) +c
r
I
c
(q)I
c
r
(s)
= 300
2 400
490
+ 6 306, 4 + 10
2 400
490
2, 81
= 1 469, 39 + 1 838, 43 + 137, 63
= 3 445, 45
La marge nette moyenne annuelle est obtenue en soustrayant ` a la marge annuelle
sur la demande moyenne le co ut de gestion annuel :
B(s, q) = m
u
DC(s, q)
= 24 000 3 445, 45
= 20 554, 54
On utilise egalement un indicateur appelle le taux de rotation du stock.
Denition 4.1 On denit le taux de rotation du stock comme le quotient de la
demande moyenne sur le stock moyen possed e.
Dans le cas de lexemple, il se calcule comme suit :
r =
D
I
p
=
2 400
306, 4
= 7, 83
Le lecteur interess e touvera dans Giard [5] de nombreuses ameliorations du
modèle vu ici, notamment :
La politique optimale (q, s) dans le cas de demande et delai dobtention
aleatoires,
La prise en compte de linterd ependance entre articles,
La prise en compte de rabais uniformes,
La prise en compte de rabais progressifs,
. . .
4.5 Exercices
4.1. Vente de verre de cristal. Le rayon cristal dun grand magasin vend chaque
semaine 150 botes du modèle Elite. Le co ut dachat dune bo te de verres
est de 8 EURO. Le co ut associe ` a une commande est evalu e ` a 30 EURO.
Le delai de livraison est de deux semaines. Le co ut de possession utilis e ne
fait intervenir quun co ut dopportunite, lequel se calcule ` a laide dun taux
annuel de 15 %. On suppose que la demande est une certaine et quil nest
pas possible davoir de rupture de stock. On suppose egalement que lann ee
comporte 52 semaines, le magasin restant ouvert toute lann ee.
(a) Calculez la commande optimale.
(b) Quel est lintervalle entre deux passations de commandes successives ?
(c) Determinez le point de commande.
(d) Calculez le co ut de gestion de stock correspondant ` a cette solution
optimale.
4.2. Vente de verre de cristal en univers al eatoire. La demande hebdoma-
daire de bo tes de verres en cristal nest maintenant plus consid eree comme
certaine, mais comme aleatoire. Elle suit une loi normale de moyenne 150
et decart-type 50. Le co ut dachat dune bote de verres est toujours de 8
EURO, et le co ut associe ` a une commande est toujours evalu e ` a 30 EURO.
Le prix de vente dune bote de verres est de 10 EURO. Le delai de livraison
est toujours de deux semaines. Le taux annuel est de 15 %. Le magasin est
ouvert 52 semaines par an.
(a) Determinez la quantite ` a commander reguli` erement.
(b) Calculez le nouveau point de commande.
(c) Determinez le nombre moyen annuel de botes de verres que le grand
magasin na pas ete en mesure de vendre.
(d) Determinez le stock moyen possed e.
(e) En d eduire le co ut de gestion annuel.
4.3. Vente de verres plat. Un vitrier doit decider de la commande de verre
plat 4 mm ` a passer auprès de son grossiste. La demande pour le verre
plat est supposee uniforme sur lann ee. Il vend 200 m
2
par an ` a un prix
de vente unitaire de 30 EURO par m
2
, lui-meme lach` ete aupr` es de son
grossiste ` a 20 EURO par m
2
. Le d elai dobtention est dune semaine. Le
co ut de passation dune commande est de 200 EURO. Il est ind ependant de
la quantite commandee. Le taux dint er et annuel est de 10 %.
(a) Quelle est la quantite ` a commander regulièrement ?
(b) A partir de quel niveau de stock faut-il passer commande ?
4.4. Vente par correspondance. Une societe sp ecialis ee dans le vente par cor-
respondance a un article peu vendu. Il sagit dun matelas orthopedique.
La demande mensuelle de cet article suit une loi de Poisson de moyenne 8.
Lacheteur responsable de lapprovisionnement hesite entre trois systèmes :
(a) La gestion calendaire avec une periode de revision calendaire de deux
mois. Lecoutdecommandeestestim e ` a20EURO,leproduit estachete
200 EURO et revendu 350 EURO (y compris le co ut moyen de trans-
port vers le client de 50 EURO). La regularite de lapprovisionnement
permet davoir un delai dobtention insigniant. Une demande non
satisfaite est diff er ee avec un co ut de 10 EURO (frais administratifs).
(b) Une gestion dutype quantit e economique decommande -pointdecom-
mande avec les m emes co uts que precedemment, mais avec cette fois,
du fait de lirregularite de lapprovisionnement, un delai dobtention
de 15 jours environ.
(c) Servir dintermediaire en repercutant au fournisseur la commande, ce
qui permet ` a lentreprise de vente par correspondance de percevoir une
commission de 50 EURO.
Lentreprise estime que la rentabilite marginale de son capital est de 24 %.
Après etude du ben ece net dans les trois cas, que preconisez-vous ?
Partie II
Les d ecisions tactiques
65
Chapitre 5
La planication de la production
5.1 Introduction
La planication de la production consiste en la regulation ` a moyen terme de la
production. Cest donc une d ecision tactique. Elle fait le lien entre les d ecisions
operationnelles ` a court terme et les decisions strat egiques ` a long terme. La plani-
cation de la production sadresse uniquement au cas de la production en serie.
Elle ne sapplique donc pas au cas de la production en serie unitaire.
Il existe deux types dapproches en planication de la production :
la planication des besoins en composants qui vise ` a etablir une program-
mation previsionnelle des composants;
la planication juste ` a temps dont le principe fondamental est de produire la
quantite strictement n ecessaire aux besoins immediats du client.
La planication des besoins en composants ou M.R.P. (Material Require-
ment Planning) cherche ` a etablir la programmation de la production sur base dun
système dinformation. Partant des donn ees physiques (stocks disponibles, li-
vraisons attendues, demandes previsionnelles, capacit es de production,. . . ) et des
donn ees comptables (co uts de production, dapprovisionnement, de rupture), on
etablit un plan de production qui determine pour chaque periode les quantites
` a produire par produit, les quantites fabriquees dans chaque centre productif, le
niveau de stock en produits semi-nis et nis et lutilisation des facteurs travail et
machines. Lutilisation des techniques doptimisation aboutit ` a une program-
mation previsionnelle : on utilisera la programmation dynamique lorsque lon a
une demande dynamique certaine ne portant que sur un seul article et la program-
mation lineaire dans le cas statique portant sur plusieurs produits.
67
68 Chapitre 5. La planication de la production
5.2 La planication des besoins en composants
Illustrons le principe de la planication des besoins en composants sur un exemple
tire de Giard [5] : il sagit dun exemple dassemblage de trois vehicules ` a moteur.
La planication des besoins en composants necessite lexistence des el ements
suivants :
1. Une nomenclature complète : cest-` a-dire une codication de tous les
composants qui permet decrire le sch ema arborescent du tableau 5.1. Dans
lexemple, pour faire une voiture (T27), il faut une bote de vitesse (E1001),
elle m eme constitu ee dun engrenage (E2010), lui-meme constitue de divers
elements (E3047 et E3052).
Niveau 0 Niveau 1 Niveau 2
T27
_
_
-E1001 (1)
-E1010 (1)
. . .
E1001
_
-E2010 (1)
. . .
E2010
_
_
-E3047 (1)
-E3052 (1)
. . .
T28
_
_
-E1001 (1)
-E1020 (1)
. . .
E1004
_
-E2040 (1)
. . .
E2040
_
_
-E3047 (2)
-E3052 (2)
. . .
T29
_
_
-E1004 (1)
-E1020 (1)
. . .
. . . . . .
Tableau 5.1: Decomposition en composants
2. Un plan directeur de production : le plan directeur de production est
le plan de mise ` a disposition de produits naux. Il peut egalement com-
porter le plan de mise ` a disposition de sous-ensembles ou de composants
vendus comme pi` eces detachees. Le plan directeur de production donne au
tableau 5.2 prevoit uniquement la mise ` a disposition des produits naux.
P eriode 17 18 19 20 21 22 23 24
Demande T 27 7 11 6 15 8 11 12 7
Demande T 28 10 9 4 10 7 14 8 8
Demande T 29 4 8 3 5 12 2 8 7
Tableau 5.2: Plan directeur de production.
Section 5.2. La planication des besoins en composants 69
3. Un système dinformation sur les stocks qui pemet de conna tre letat
exact du stock de chaque composant en d ebut de chaque periode. Les stocks
initiaux sont donnes au tableau 5.3.
Element S
15
LA
16
LA
17
E1001 17 0 30
E1004 4 0 11
E2010 10 20 0
E2040 0 0 17
E3047 0 0 0
Tableau 5.3: Stock initiaux et livraisons attendues.
4. Un chier des livraisons attendues : cest-` a-dire donnant le nombre de
pièces resultant de commandes du passe qui nont pas encore ete livr ees.
Elles sont donn ees au tableau 5.3.
5. Un chier des delais dobtention : le d elai dobtention etant la somme
des temps operatoire, de lancement de production et dattente entre deux
productions. Il sagit dun temps pour une production dun lot de taille
standard auquel on peut ajouter un delai de s ecurite. Les delais dobtention
sont donnes au tableau 5.4.
Element Delai dobtention
T 27 1 semaine
T 28 1 semaine
T 29 1 semaine
E1001 1 semaine
E1004 2 semaines
E2010 1 semaine
E2040 2 semaines
E3047 1 semaine
Tableau 5.4: Delais dobtention.
6. Fichier des capacites des centres de production pour chaque periode de
lhorizon de planication.
7. Existence de r` egles de priorite en cas de surcharge.
5.3 Principes de base de la MRP
La logique de calcul de la MRP consiste ` a lutilisation en cascade
de la determination des besoins nets dun composant;
de la manière de couvrir ces besoins.
5.3.1 D etermination des besoins nets dun composant
Illustrons ceci sur lexemple du composant de niveau un E1001. Pour ce compo-
sant, sa demande emane des demandes de T27 et T28. Au niveau 0, les lancements
programmes sont determines conformement au plan directeur de production donn e
au tableau 5.2. On suppose ici un delai dassemblage dune semaine pour les trois
modèles (voir tableau 5.4). On suppose egalement quau niveau z ero, il ny a pas
de stock initial ni de livraisons attendues. Au niveau zero, on fait du lot par lot,
cest-à-dire que lon met en production exactement la demande. Ceci conduit aux
lancements de productions de niveau z ero du tableau 5.5.
P eriode 16 17 18 19 20 21 22 23
Lancements T 27 7 11 6 15 8 11 12 7
Lancements T 28 10 9 4 10 7 14 8 8
Lancements T 29 4 8 3 5 12 2 8 7
Tableau 5.5: Lancements de production de niveau z ero.
On peut en deduire les besoins bruts du composant E1001 puisquil est utilis e
` a raison de un par T27 et de un par T28. Les besoins bruts du composant E1001
sont donn es au tableau 5.6. Ces besoins bruts ne correspondent pas ` a la production
P eriode 16 17 18 19 20 21 22 23
Besoins Bruts pour T27 7 11 6 15 8 11 12 7
Besoins Bruts totaux 17 20 10 25 15 25 20 15
Tableau 5.6: Besoins bruts en composant E1001.
Section 5.3. Principes de base de la MRP 71
quil est necessaire de mettre en route, compte tenu du stock initial disponible pour
cette ref erence et des eventuelles livraisons attendues.
Les livraisons attendues sont des quantites resultant de pr ecedents ordres de
lancement de production mais qui nont pas encore ete livr ees. La position initiale
du stock en periode 16 est la position nale du stock en n de periode 15. Ces
informations sont reprises au tableau 5.7.
Periode 15 16 17 18 19 20 21 22 23
Besoins bruts 17 20 10 25 15 25 20 15
Livraisons attendues 0 30 0 0 0 0 0 0
Stocks nal 17 0 10 0 - - - - -
Besoins nets 0 0 0 25 15 25 20 15
Tableau 5.7: Besoins nets en composant E1001.
Formalisons mathematiquement la determination des besoins nets, cest-` a-dire
ceux qui vont necessiter de nouveaux ordres de lancement de production. La
position du stock en n de periode t, not ee PS
t
, se calcule comme la position du
stock en n de p eriode pr ecedente, accrue des livraisons attendues en d ebut de
periode t, notees LA
t
, et diminuee de la demande de la periode (les besoins bruts,
notes BB
t
) :
PS
t
= [PS
t1
+LA
t
BB
t
]
+
o` u [x]
+
= max{0, x}. Les besoins nets de la periode t, not es BN
t
, se calculent
comme la diff erence entre les besoins bruts et la somme des livraisons attendues
et du niveau initial du stock de la periode. Bien s ur, il ny a de besoin de mise en
production que si le resultat est positif ce qui conduit ` a la formule suivante :
BN
t
= [BB
t
LA
t
PS
t1
]
+
Les besoins nets pour le composant E1001 sont d etermines au tableau 5.7
5.3.2 D etermination de la couverture des besoins nets
En planication de la production, on suppose que les besoins nets sont connus
sufsamment ` a lavance pour eviter toute rupture. La determination de la quantit e
` a livrer pour satisfaire les besoins nets repose donc sur un arbitrage entre
les co uts de lancement de production;
les co uts de possession.
Nous verrons au chapitre 6 une m ethode qui permet de faire cet arbitrage : il sagit
de la programmation dynamique. A ce niveau-ci, nous allons faire du lot par lot,
ce qui conduit aux lancements de production illustr es au tableau 5.8.
P eriode 16 17 18 19 20 21 22 23
Besoins nets 0 0 0 25 15 25 20 15
Lancements de production 30 0 25 15 25 20 15 0
Tableau 5.8: Lancement de production en composant E1001.
Pour determiner les lancements de production, on a tenu compte du delai
dobtention, suppose ici de 1 semaine. Remarquez que le lancement de 30 en
periode 16 provient non pas dune livraison programmee de periode 17 mais bien
dune livraison attendue de periode 17.
Remarquez egalement que, dans la determination des lancements de produc-
tion, il faudra tenir compte des capacites de production. Dans le cas o` u ces capa-
cites sont depassees, on procedera ` a un ajustement charge-capacit e comme nous
le verrons plus loin.
5.3.3 Utilisation en cascade de la logique de calcul
Maintenant que cet ech eancier de lancement de production est d etermine pour le
composant de niveau un E1001, il va etre utilise ` a un niveau superieur pour
calculer lech eancier des demandes brutes des composants de niveau superieur.
Ainsi, le composant E1001 (par exemple, une bo te de vitesse) utilise le composant
de niveau un E2010 (un engrenage).
On applique la demarche de calcul que nous venons de voir en cascade :
` a toutes les ref erences de niveau 0 (produits naux);
puis ` a celles de niveau 1;
puis ` a celles de niveau 2;
. . . etc.
Section 5.3. Principes de base de la MRP 73
P eriode 16 17 18 19 20 21 22 23
T 27 7 11 6 15 8 11 12 7
T 28 10 9 4 10 7 14 8 8
T 29 4 8 3 5 12 2 8 7
Tableau 5.9: Lancements programmes de niveau z ero.
Illustrons ceci sur lexemple. Au niveau 0, les lancements programmes (cfr
tableau 5.9) sont determines conformement au plan directeur de production.
Au niveau 1, les lancements du composant E1001, de delai de fabrication L=1,
sont determines conformement au tableau 5.10. Ce composant est utilise ` a raison
Periode 15 16 17 18 19 20 21 22 23
Total 17 20 10 25 15 25 20 15
Stocks 17 0 10 0 0 0 0 0 0
Besoins nets 0 0 0 25 15 25 20 15
Lancements de production 30 0 25 15 25 20 15 -
Tableau 5.10: Lancements en composant E1001.
dune unit e par produit T27 et dune unite par produit T28. Toujours au niveau 1,
les lancements du composant E1004 (de delai de fabrication L=2) sont determines
conformement au tableau 5.11. Ce composant est utilise ` a raison dune unit e par
produit T29.
Au niveau 2, les lancements du composant E2010 (de d elai de fabrication
L=1) sont determines conformement au tableau 5.12. Ce composant est utilise ` a
raison dune unit e par composant de niveau 1 E1001. Toujours au niveau 2, les
lancements du composant E2040 (de delai de fabrication L=2) sont determines
conformement au tableau 5.13. Ce composant est utilise ` a raison dune unit e par
composant de niveau un E1004.
Au niveau3, leslancements du composant E3047 (de delai de fabrication L=1)
sont determines conformement au tableau 5.14. Ce composant est utilise ` a raison
Periode 15 16 17 18 19 20 21 22 23
Besoins Bruts pour T 29 4 8 3 5 12 2 8 7
Position de stocks 4 0 3 0 0 0 0 0 0
Besoins nets 0 0 0 5 12 2 8 7
Lancements de production 11 0 5 12 2 8 7 - -
P eriode 15 16 17 18 19 20 21 22
Besoins Bruts pour E1001 30 0 25 15 25 20 15
Livraisons attendues 20 0 25 0 0 0 0
Position de stocks 10 0 0 0 0 0 0 0
Besoins nets 0 0 0 15 25 20 15
Lancements de production 20 0 25 15 25 20 15 0
P eriode 15 16 17 18 19 20 21
Besoins Bruts pour E1004 0 5 12 2 8 7
Livraisons attendues 0 17 0 0 0 0
Position de stocks 0 0 12 0 0 0 0
Besoins nets 0 0 0 2 8 7
Lancements de production 17 0 2 8 7 0 0
Section 5.4. Ajustement charge-capacite 75
P eriode 15 16 17 18 19 20 21
Total 0 29 31 39 20 15
Livraisons attendues 0 0 0 0 0 0
Position de stocks 0 0 0 0 0 0 0
Besoins nets 0 29 31 39 20 15
Lancements de production 29 31 39 20 15 -
dune unit e par composant de niveau deux E2010 et de deux unit es par composant
de niveau deux E2040.
5.4 Ajustement charge-capacit e
Lorsque leslancements de production sont determines, on peut calculer lescharges
resultantes pour les diff erents ateliers. Pour que ce plan de production soit reali-
sable, il faut que la charge resultante respecte les capacit es de production. Si ce
nest pas le cas, un ajustement charge-capacite est effectu e.
Illustrons ceci sur un second exemple tire egalement de Giard [5]. Supposons
quune entreprise assemble trois produits A, B et C dans un atelier dassemblage
nal (niveau 0). Cette production seffectue ` a partir de trois sous-ensembles F,Get
Hassemblesdansunautre atelierdassemblageintermediaire. Cessous-ensembles
font appel aux composants V,W, X et Y dont X est achete ` a lext erieur tandis que
V,Wet Y sont fabriques dans latelier dusinage. La nomenclature est reprise au
tableau 5.15.
Pour cet exemple, on suppose quil ny a pas de problème de capacit e au
niveau 0. Le tableau 5.16 donne les capacit es de production des ateliers de niveau
1 (assemblage interm ediaire de F, G et H) et de niveau 2 (usinage de V, W et Y).
Le plan directeur de production, donne au tableau 5.17, comporte les livraisons
prevues en produits naux mais aussi les demandes comme pi` eces detachees en
sous-ensembles et en composants.
Les livraisons attendues et les positions initiales de stock sont reprises au
tableau 5.18.
A utilise
_
1 F
1G
F utilise
_
_
1 V
1W
2X
B utilise
_
_
1 F
1G
1H
G utilise
_
1 W
2X
C utilise
_
1 G
1H
H utilise
_
_
1 V
1W
1X
1Y
Tableau 5.15: Nomenclature.
Janvier F evrier Mars Avril Mai Juin
Ass. interm. 1.150 h 1.150 h 1.150 h 1.250 h 1.250 h 1.280 h
Usinage 1.630 h 1.600 h 1.700 h 1.650 h 1.650 h 1.700 h
Juillet Aout Septembre Octobre Novembre Decembre
Ass. interm. 1.250 h 1.200 h 1.200 h 1.200 h 1.200 h 1.200 h
Usinage 1.600 h 1.650 h 1.650 h 1.650 h 1.650 h 1.650 h
Tableau 5.16: Capacites de production.
Janvier F evrier Mars Avril Mai Juin
Produits nis
A 10.300 12.800 9.700 10.500 9.700 10.000
B 12.600 13.400 12.000 10.700 10.100 11.5000
C 17.400 20.100 16.300 17.500 18.000 19.000
Sous-ensembles
F 1.500 1.400 1.500 1.600 2.100 1.800
G 1.700 1.200 1.700 1.600 1.800 1.500
H 2.000 2.300 1.800 1.900 2.100 2.000
Composants
V 4.000 3.500 3.800 3.100 3.600 3.600
W 700 1.000 1.100 900 1.100 1.300
X 3.000 2.500 2.500 2.500 2.500 2.500
Y 1.600 1.700 1.100 1.500 1.500 1.500
Juillet Ao ut Septembre Octobre Novembre D ecembre
Produits nis
A 10.600 11.000 13.000 10.000 10.000 10.000
B 12.000 11.600 11.200 11.000 11.000 11.000
C 21.500 20.900 20.100 19.000 19.500 19.500
Sous-ensembles
F 1.800 2.000 1.600 1.400 1.600 1.600
G 1.400 1.300 1.200 1.400 1.800 1.700
H 2.100 2.000 2.000 2.000 2.000 2.000
Composants
V 3.500 3.400 3.500 3.500 3.500 3.500
W 1.000 1.000 1.000 1.000 1.000 1.000
X 2.500 2.500 2.500 2.500 2.500 2.500
Y 1.500 1.500 1.500 1.500 1.500 1.500
Tableau 5.17: Plan directeur de production.
Janvier F evrier
Produits nis
A 10.000 0
B 12.500 0
C 17.300 0
Sous-ensembles
F 27.400 23.000
G 48.200 0
H 31.400 0
Composants
V 56.600 55.500
W 91.200 0
X 154.000 0
Y 31.800 0
D ecembre
Produits nis
A 300
B 100
C 100
Sous-ensembles
F 500
G 700
H 4.800
Composants
V 500
W 500
X 1.000
Y 300
Livraisons attendues Position du stock
Tableau 5.18: Livraisons attendues et position du stock.
Le co ut horaire dans chacun des ateliers est donn e au tableau 5.19.
(Francs/heure)
Assemblage nal 90 F/h
Assemblage interm ediaire 100 F/h
Usinage 150 F/h
Tableau 5.19: Co ut horaire des ateliers.
Les temps op eratoires unitaires, les d elais dobtention ainsi que le co ut des
matières premières ajoutees aux diff erents etapes de fabrication sont repris au
tableau 5.20.
Calculons les lancements du niveau assemblage nal. Comme ` a ce niveau,
il ny a pas de problèmes de capacite, les productions programmees couvriront
exactement les besoins nets. En tenant compte du delai dobtention dun mois, on
obtient les lancements du tableau 5.21.
D eterminons maintenant les lancements de production de niveau 1. Les
productions A et B utilisent 1 sous-ensemble F. A ces besoins bruts pour A et
B au mois de Janvier (= 12.800 + 13.400), il faut ajouter les besoins bruts pour
Temps operatoire
Produits nis
A 0,020 h/un
B 0,010 h/un
C 0,020 h/un
Sous-ensembles
F 0,005 h/un
G 0,010 h/un
H 0,020 h/un
Composants
V 0,005 h/un
W 0,010 h/un
Y 0,010 h/un
X -
Delai (mois)
Produits nis
A 1 mois
B 1 mois
C 1 mois
Sous-ensembles
F 2 mois
G 1 mois
H 1 mois
Composants
V 2 mois
W 1 mois
Y 1 mois
X 1 mois
Co ut matières premières
Produits nis
A 5 F/un
B 6 F/un
C 6,5 F/un
Sous-ensembles
F 1 F/un
G 2 F/un
H 1 F/un
Composants
V 0,5 F/un
W 0,75 F/un
Y 1 F/un
X 2 F/un
Tableau5.20: Tempsoperatoires, delaisdobtentionetcoutdesmatièrespremières.
pièces detachees (=1.500). Remarquez quil ny a pas de decallage pour les pi` eces
detachees par rapport au plan directeur de production. Le total disponible pour
satisfaire ces besoins bruts (27.900) resulte de laddition de la position du stock
au mois precedent (500) et des livraisons attendues (27.400). Le niveau du stock
en n Janvier (200) resulte de la diff erence entre le total disponible (27.900) et
les besoins bruts (27.700). En Mars, les besoins nets de 22.600 unites resultent
de la diff erence entre les besoins bruts de 22.700 et le stock initial disponible de
100. Ces besoins nets seront couverts par une production lancee deux mois plus
t ot (il faut tenir compte du delai de fabrication de deux mois pour F). On obtient
le tableau des lancements de production illustre au tableaux 5.22 et 5.23.
On peut maintenant calculer la charge de travail resultante pour latelier
dassemblage intermediaire (niveau 1). Une production de 22.600 de F au mois
de Janvier occasionne une charge de :
22.600 0, 005 = 113 heures.
Pour G, une production de 38.300 au mois de Janvier occasionne une charge de :
38.300 0, 01 = 383 heures.
Pour H, une production de 29.900 au mois de Janvier occasionne une charge de :
29.900 0, 02 = 598 heures.
Lancements de A
Decembre Janvier Fevrier Mars Avril Mai Juin
BB
t
10.300 12.800 9.700 10.500 9.700 10.000
LA
t
10.000
PS
t
300 0 0 0 0 0 0
BN
t
0 12.800 9.700 10.500 9.700 10.000
LP
t
10.000 12.800 9.700 10.500 9.700 10.000 10.600
Lancements de A (suite)
BB
t
10.600 11.000 13.000 10.000 10.000 10.000
LA
t
PS
t
0 0 0 0 0 0
BN
t
10.600 11.000 13.000 10.000 10.000 10.000
LP
t
11.000 13.000 10.000 10.000 10.000 -
Lancements de B
BB
t
12.600 13.400 12.000 10.700 10.100 11.500
LA
t
12.500
PS
t
100 0 0 0 0 0 0
BN
t
0 13.400 12.000 10.700 10.100 11.500
LP
t
12.500 13.400 12.000 10.700 10.100 11.500 12.000
Lancements de B (suite)
BB
t
12.000 11.600 11.200 11.000 11.000 11.000
LA
t
PS
t
0 0 0 0 0 0
BN
t
12.000 11.600 11.200 11.000 11.000 11.000
LP
t
11.600 11.200 11.000 11.000 11.000 -
Lancements de C
BB
t
17.400 20.100 16.300 17.500 18.000 19.000
LA
t
17.300
PS
t
100 0 0 0 0 0 0
BN
t
0 20.100 16.300 17.500 18.000 19.000
LP
t
17.300 20.100 16.300 17.500 18.000 19.000 21.500
Lancements de C (suite)
BB
t
21.500 20.900 20.100 19.000 19.500 19.500
LA
t
PS
t
0 0 0 0 0 0
BN
t
21.500 20.900 20.100 19.000 19.500 19.500
LP
t
20.900 20.100 19.000 19.500 19.500 -
Tableau 5.21: Lancement de production (niveau 0).
D etermination des lancements de F
Dec. Janvier F evrier Mars Avril Mai
BB pour A 12.800 9.700 10.500 9.700 10.000
BB pour B 13.400 12.000 10.700 10.100 11.500
BB pour pdt 1.500 1.400 1.500 1.600 2.100
BB totaux 27.700 23.100 22.700 21.400 23.600
LA 27.400 23.000
PS 500 200 100 0 0 0
BN 0 0 22.600 21.400 23.600
LP 22.600 21.400 23.600 24.400 24.400
D etermination des lancements de F (suite)
Juin Juillet Aout Septembre Octobre Novembre
BB pour A 10.600 11.000 13.000 10.000 10.000 10.000
BB pour B 12.000 11.600 11.200 11.000 11.000 11.000
BB pour pdt 1.800 1.800 2.000 1.600 1.400 1.600
BB totaux 24.400 24.400 26.200 22.600 22.400 22.600
LA
PS 0 0 0 0 0 0
BN 24.400 24.400 26.200 22.600 22.400 22.600
LP 26.200 22.600 22.400 22.600 - -
D etermination des lancements de G
BB pour A 12.800 9.700 10.500 9.700 10.000
BB pour B 13.400 12.000 10.700 10.100 11.500
BB pour C 20.100 16.300 17.500 18.000 19.000
BB pour pdt 1.700 1.200 1.700 1.600 1.800
BB totaux 48.000 39.200 40.400 39.400 42.300
LA 48.200
PS 700 900 0 0 0 0
BN 0 38.300 40.400 39.400 42.300
LP 38.300 40.400 39.400 42.300 45.600
Tableau 5.22: Lancement de production de niveau 1 ` a capacite innie (partie 1).
D etermination des lancements de G (suite)
BB pour A 10.600 11.000 13.000 10.000 10.000 10.000
BB pour B 12.000 11.600 11.200 11.000 11.000 11.000
BB pour C 21.500 20.900 20.100 19.000 19.500 19.500
BB pour pdt 1.500 1.400 1.300 1.200 1.400 1.800
BB totaux 45.600 44.900 45.600 41.200 41.900 42.300
LA
PS 0 0 0 0 0 0
BN 45.600 44.900 45.600 41.200 41.900 42.300
LP 44.900 45.600 41.200 41.900 42.300 -
D etermination des lancements de H
BB pour B 13.400 12.000 10.700 10.100 11.500
BB pour C 20.100 16.300 17.500 18.000 19.000
BB pour pdt 2.000 2.300 1.800 1.900 2.100
BB totaux 35.500 30.600 30.000 30.000 32.600
LA 31.400
PS 4.800 700 0 0 0 0
BN 0 29.900 30.000 30.000 32.600
LP 29.900 30.000 30.000 32.600 35.500
D etermination des lancements de H (suite)
BB pour B 12.000 11.600 11.200 11.000 11.000 11.000
B pour C 21.500 20.900 20.100 19.000 19.500 19.500
BB pour pdt 2.000 2.100 2.000 2.000 2.000 2.000
BB totaux 35.500 34.600 33.300 32.000 32.500 32.500
LA
PS 0 0 0 0 0 0
BN 35.500 34.600 33.300 32.000 32.500 32.500
LP 34.600 33.300 32.000 32.500 32.500 -
Tableau 5.23: Lancement de production de niveau 1 ` a capacite innie (suite).
La charge decoulant du plan directeur de production selève donc en Janvier ` a :
113 + 383 + 598 = 1.094 heures,
pour une capacit e de 1.150 heures. On respecte donc la contrainte de capacit e.
Un calcul similaire (cfr tableau 5.24) montre un exc edent de capacit e pour tous
Assemblage intermediaire
Janvier Fevrier Mars Avril Mai
Assemblage F 113 107 118 122 122
Assemblage G 383 404 394 423 456
Assemblage H 598 600 600 652 710
Heures assemblage 1.094 1.111 1.112 1.197 1.288
Heures disponibles 1.150 1.150 1.150 1.250 1.250
Exc` es de charge 38
Assemblage intermediaire (suite)
Juin Juillet Ao ut Septembre Octobre
Assemblage F 131 113 112 113 -
Assemblage G 449 456 412 419 423
Assemblage H 692 666 640 650 650
Heures assemblage 1.272 1.235 1.164 1.182 -
Exc` es de charge
Tableau 5.24: Charge de niveau 1.
les mois sauf en Mai pour lequel il y a un d epassement de charge de 38 heures.
Lexc edent de charge (38h) doit etre reporte de Mai ` a une periode ant erieure par
la constitution dun stock. Comme on a un exc edent de 53 h le mois prec edent,
la totalite de lexc edent est report e au mois prec edent. Dans le cas o` u il ny aurait
pas eu assez dheures disponibles le mois precedent, on aurait report e encore plus
en amont jusquà report complet de lexc` es de charge.
La question qui se pose maintenant est la suivante : lequel des 3 sous-
ensembles F, G ou H fera lobjet dun transfert dactivit e ? On va constituer
le stock de valeur economique la plus faible possible. Ce calcul se fait au moyen
du prix derevient descomposants. Parexemple, Vutilise 0,5 Fdematière premi` ere
et 0,005 heure ` a 150 F/h. Do` u les prix de revient unitaires :
p
V
= 0, 5 + 0, 005 150 = 1, 25 F
p
W
= 0, 75 + 0, 010 150 = 2, 25 F
p
Y
= 1, 00 + 0, 010 150 = 2, 50 F
On peutalors calculerle prix derevient auniveau 1. Parexemple, le sous-ensemble
F utilise 1 Franc de matière première, 0,005 h 100 Francs/h de travail, 1 unit e
de V (à 1,25 Franc),1 unit e de W (à 2,25 Francs) et 2 unites de X (à 2 Francs). Les
prix de revient unitaires sont donc de :
p
F
= 1 + 0, 005 100 + 1 1, 25 + 1 2, 25 + 2 2 = 9, 00 F
p
G
= 2 + 0, 010 100 + 1 2, 25 + 2 2 = 9, 25 F
p
H
= 1 + 0, 020 100 + 1 1, 25 + 1 2, 25 + 1 2 + 1 2, 5 = 11, 00 F
Pour assembler 1 unit e de F, il faut 0,005 h. Donc 200 sous-ensembles de F sont
assembles par heure. On en deduit les valeurs de la production dune heure de
chacun des sous-ensembles :
vph
F
= 9, 00 200 = 1.800 Francs/h
vph
G
= 9, 25 100 = 925 Francs/h
vph
H
= 11, 00 50 = 550 Francs/h
En conclusion, il est plus interessant de stocker H bien quil ait un prix de revient
unitaire plus elev e !
Le temps operatoire unitaire etant de 0,02 h, les 38 heures deplacees corres-
pondent ` a :
38/0, 02 = 1.900 unit es
On retranche donc 1.900 ` a la production initialement decidee (35.500) pour Mai
et on ajoute cette valeur ` a la production initialement decid ee dAvril (32.600). On
obtient lajustement de niveau 1 illustre au tableau 5.25.
Il est ` a remarquer que, dans le cas present, lexc edent de capacite du mois
dAvril etait sufsant pour produire tout lexc` es de charge du mois de Mai. Dans
le cas contraire, on aurait du reporter lexc` es de charge sur les mois prec edents
jusquà couverture compl` ete de lexc` es de charge.
On procedera alors de manière semblable pour le niveau deux (voir exercices
ci-dessous). Et ainsi de suite pour tous les autres niveaux.
Assemblage interm ediaire
Janvier Fevrier Mars Avril Mai
Lancements F 22.600 21.400 23.600 24.400 24.400
Lancements G 38.300 40.400 39.400 42.300 45.600
Lancements H 29.900 30.000 30.000 32.600 35.500
Assemblage F 113 107 118 122 122
Assemblage G 383 404 394 423 456
Assemblage H 598 600 600 652 710
Heures dassemblage 1.094 1.111 1.112 1.197 1.288
Exc` es de charge 38
Ajustement +38 -38
Report de H +1.900 -1.900
Lancements de F 22.600 21.400 23.600 24.400 24.400
Lancements de G 38.300 40.400 39.400 42.300 45.600
Lancements de H 29.900 30.000 30.000 34.500 33.600
Assemblage interm ediaire (suite)
Juin Juillet Ao ut Septembre Octobre
Lancements F 26.200 22.600 22.400 22.600 -
Lancements G 44.900 45.600 41.200 41.900 42.300
Lancements H 34.600 33.300 32.000 32.500 32.500
Assemblage F 131 113 112 113 -
Assemblage G 449 456 412 419 423
Assemblage H 692 666 640 650 650
Heures dassemblage 1.272 1.235 1.164 1.182 -
Exc` es de charge
Ajustement
Report de H
Lancements F 26.200 22.600 22.400 22.600 -
Lancements G 44.900 45.600 41.200 41.900 42.300
Lancements H 34.600 33.300 32.000 32.500 32.500
Tableau 5.25: Ajustement charge-capacit e de niveau 1.
5.5 Exercices
5.1. Planning de production dun moteur. Un industriel cherche ` a etablir son
planning deproduction pour lesquatrepremiers mois delanneedun moteur
Cintervenantdans lassemblagedes trois typesdemachines MA, MBetMC.
Le plan directeur de production pr evoit la mise ` a disposition les six premiers
mois de lann ee des quantites suivantes pour les trois types de machines :
Mois Janvier Fevrier Mars Avril Mai Juin
MA 3 1 2 1 7 3
MB 1 3 1 5 4 2
MC 2 4 1 5 6 0
Le moteur doit etre mont e dans lavant dernier mois dassemblage pour MA
et MB et dans le dernier mois dassemblage pour MC. Le stock en debut
de janvier est de 2 moteurs C et on prevoit une livraison de 5 moteurs C en
janvier. Determinez les besoins nets de moteurs C pour les quatre premiers
mois de lann ee.
5.2. A partir de lajustement charge-capacit e de niveau 1 donne au tableau 5.25,
deduire les besoins bruts pour les composants de niveau 2 (V, W, X, et Y).
Ensuite, calculer les besoins nets pour ces composants et en deduire les
lancements de production pour ces composants ` a capacite innie.
5.3. Verier si les charges resultantes nexc` edent pas la capacit e de latelier de
niveau 2. Si cest le cas, on procedera ` a un ajustement charge-capacit e de
niveau deux.
Chapitre 6
La programmation dynamique.
La programmation dynamique a pour but de traiter les modèles o` u une sequence
optimale de decisions doit etre prise. Elle est largement utilisee en planication
de la production. En particulier, pour resoudre le problème non resolu au chapitre
5 de la determination des lancements de production ` a partir des besoins nets dun
composant. Il sagit de faire larbitrage entre les co uts de lancement de production
et les co uts de possession du stock. Nous verrons comment ce problème peut etre
formule comme un problème dynamique.
Lid ee gen erale des procedures de resolution en programmation dynamique
est la suivante. On part dun sous problème, celui de derni` ere etape, dont la
resolution esttriviale. Ensuite, et enprocedant ` arebours, on etendprogressivement
le problème en incluant les etapes prec edentes et en calculant la politique optimale
` a chaque etape en se basant sur la politique optimale de l etape suivante. Cette
procedure sera appliquee ` a la planication de la production.
6.1 Le probl` eme du voyageur
Un exemple purement ctif, tire de Hillier et Lieberman [7], va nous permettre
dintroduire la terminologie employ ee en programmation dynamique. Il sagit du
probl` eme du voyageur devant traverser louest am ericain il y a plus dun siècle.
Son point de depart et sa destination sont connus. Il effectue son voyage en quatre
etapes. A chaque etape, il a le choix de se diriger vers plusieurs etats. A la
gure 6.1, on a represent e chaque etat par un cercle. Son etat de depart est letat
1 et son etat darriv ee est l etat 10.
Le voyageur souscrit ` a chaque etape une police dassurance dont le co ut reète
le degr e dins ecurite du voyage. Ceux-ci sont donnes au tableau 6.1. Il va donc
determiner son itineraire de manière ` a choisir la route la plus s ure en minimisant
la somme des polices dassurance pour le passage d etat en etat.
87
88 Chapitre 6. La programmation dynamique.
1
2
3
4
5
6
7
8
9
10
Figure 6.1: Problème du voyageur
1
2 3 4
2 4 3
2
3
4
5 6 7
7 4 6
3 2 4
4 1 5
5
6
7
8 9
1 4
6 3
3 3
8
9
10
3
4
Tableau 6.1: Co uts dassurance pour aller dun etat ` a lautre
Notezdabord que lapproche tr` es simple qui consiste ` achaque etape ` achoisir
la police la moins chère ne conduit pas ` a une solution globalement la moins ch` ere.
En effet, en suivant cette strategie, on choisirait le chemin 1 2 6 9 10
avec un co ut total dassurance de 13. Cependant en sacriant un peu ` a la premi` ere
etape, on peut gagner aux etapes ult erieures. En effet, par exemple la route 1
4 6 9 10 permet un co ut total de 11.
Une autre m ethode serait devaluer toutes les routes possibles. Cependant sur
ce petit exemple, elles sont dej` a au nombre de 33 2 = 18 et lorsque le nombre
detapes et/ou le nombre detats crot, cela devient vite un travail prohibitif.
Cest ici quintervient la programmation dynamique qui permet de calculer
la solutionoptimale sansfairedelenumerationexplicite. Laprogrammation dyna-
mique commence avec une petite portion du problème original, trouve la solution
optimale pour cette portion du problème. Ensuite on elargit progressivement le
problème, en determinant la nouvelle solution optimale ` a partir de la precedente.
Pour le problème du voyageur, on considère le problème de n de voyage, lorsquil
ny a plus quune etape ` a faire. Pour ce problème la solution optimale est evidente :
le voyageur doit aller directement ` a sa destination, letat 10. Aliteration suivante,
on elargit dune unit e le nombre detapes ` a effectuer. On peut ensuite deduire la
strategie optimale pour la troisi` eme etape en fonction de la strat egie optimale pour
Section 6.1. Le problème du voyageur 89
la derni` ere etape.
Enprogrammation dynamique, deux types devariables sont associees ` a chaque
etape. La variable s
t
indique letat du système au debut de l etape t. Cette
variable doit contenir toute linformation resultant des choix effectu es aux etapes
precedentes. La variable x
t
indique la d ecision strat egique prise ` a l etape t. Ainsi,
dans notre exemple, notons s
t
l etat de depart de l etape t tandis que x
t
note la
destination de letape t.
On note par f
t
(s
t
, x
t
) le co ut total de la meilleure strat egie pour les etapes
restantes, si lon se trouve au d ebut de l etape t dans l etat du système s
t
et que
lon prend x
t
comme decision strat egique ` a l etape t. Notons par x
t
la valeur de
x
t
qui minimise f
t
(s
t
, x
t
) et f
t
(s
t
) la valeur minimum correspondante. On a donc
que :
f
t
(s
t
) = min
x
t
f
t
(s
t
, x
t
) = f
t
(s
t
, x
t
)
Ainsi, dans notre exemple, f
t
(s
t
, x
t
) note le co ut total de la meilleure strat egie
pour les etapes restantes si le voyageur est dans l etat s
t
` a l etape t et selectionne
comme etat suivant l etat x
t
.
La programmation dynamique va determiner successivement f
4
(s
4
), f
3
(s
3
),
f
2
(s
2
), f
1
(s
1
) pour chaque etat possible s
t
` a l etape t et utiliser par exemple
f
2
(s
2
) pour calculer f
1
(s
1
). Nous allons maintenant appliquer ceci ` a lexemple
du voyageur. Pour t = 4, cest-à-dire lorsque le voyageur na plus quune etape
` a effectuer pour rejoindre sa destination, sa route est enti` erement determinee par
son etat courant s
4
(ici s
4
= 8 ou 9) et sa destination nale x
4
= 10. Le tableau
6.2 reprend les co uts minimaux de la derni` ere etape ainsi que la decision optimale
en fonction de l etat de depart.
s x
4
f
4
(s)
8 10 3
9 10 4
Tableau 6.2: Co uts minimaux de la dernière etape
Lorsque le voyageur a encore deux etapes ` a effectuer (t = 3), la solution
requière un peu plus de calculs. Si, par exemple, le voyageur est dans letat 5, il
peutaller ` aletape3 vers l etat8 ou9 ` auncoutrespectifde c
5,8
= 1 ou c
5,9
= 4. Sil
choisit l etat 8, le co ut additionnel quil va encourir pour rejoindre sa destination
` a partir de l etat 8 est donne dans la table 6.2, il sagit de f
4
(8) = 3, de sorte
que son co ut total est de 1 + 3 = 4. Semblablement, sil choisit l etat 9, il devra
additionner 4 + 4 = 8. Et donc l etat quil va choisir comme destination est letat
8, donc x
3
= 8, qui donne un co ut minimum pour le chemin qui reste ` a parcourir
de f
3
(5) = 4. On procède de m eme pour les autres etats possibles ` a l etape 3,
cest-à-dire les etats s
3
= 6 et s
3
= 7 et on obtient les valeurs donnees dans la
table 6.3.
x
3
= 8 x
3
= 9 x
3
f
3
(s
3
)
s
3
= 5 1 + 3 = 4 4 + 4 = 8 8 4
s
3
= 6 6 + 3 = 9 3 + 4 = 7 9 7
s
3
= 7 3 + 3 = 6 3 + 4 = 7 8 6
Tableau 6.3: Co uts minimaux de la troisi` eme etape
La solution pour le problème o` u il reste trois etapes (t = 2) est obtenue de
manière similaire. Elle est illustr ee ` a la table 6.4. Les etats destination sont cette
fois au nombre de trois : il sagit de x
2
= 5, x
2
= 6 ou x
2
= 7 tandis que les etats
de depart possibles sont s
2
= 2, s
2
= 3 ou s
2
= 4. Pour les etats de depart 2 ou 4,
la destination optimale peut etre au choix 5 ou 6 puisque le co ut total est le m eme.
x
2
= 5 x
2
= 6 x
2
= 7 x
2
f
2
(s
2
)
s
2
= 2 7 + 4 = 11 4 + 7 = 11 6 + 6 = 12 5 ou 6 11
s
2
= 3 3 + 4 = 7 2 + 7 = 9 4 + 6 = 10 5 7
s
2
= 4 4 + 4 = 8 1 + 7 = 8 5 + 6 = 11 5 ou 6 8
Tableau 6.4: Co ut minimaux de la deuxi` eme etape
Enn, pour terminer, le problème de premi` ere etape (t = 1), le co ut minimum
de la police optimale est ` a nouveau donne en fonction de l etat destination de
letape comme la somme du co ut de premi` ere etape plus le co ut minimum des
etapes ult erieures. On obtient les resultats de la table 6.5.
x
1
= 2 x
1
= 3 x
1
= 4 x
1
f
1
(s
1
)
s
1
= 1 2 + 11 = 13 4 + 7 = 11 3 + 8 = 11 3 ou 4 11
Tableau 6.5: Co ut minimaux de la premi` ere etape
On peut maintenant identier une politique optimale. Pour t = 1, le voyageur
doit donc se diriger initialement vers l etat 3 ou 4. Supposons quil choisisse
x
1
= 3. Pour t = 2, la strategie optimale pour s
2
= 3 est x
2
= 5 (voir tableau
6.4), ce qui dans letape t = 3 conduit ` a l etat s
3
= 5. La strat egie optimale pour
s
3
= 5 consite ` a choisir x
3
= 8 (voir tableau 6.3). On se retrouve en s
4
= 8 et on
choisit x
4
= 10 ` a letape 4 (voir tableau 6.2). Une des routes optimales est donc
1 3 5 8 10
donnant un co ut total minimum de f
1
(1) = 11.
Section 6.2. Un problème daectation de ressources rares 91
6.2 Un probl` eme daffectation de ressources rares
Nous illustrons le fait que le champs dapplication de la m ethode de resolution
est tr` es large sur un deuxi` eme exemple egalement tire de Hillier et Lieberman
[7] : il sagit du probl` eme de lorganisation mondiale de la sante. On suppose que
lO.M.S. dispose de 5 equipes m edicales disponibles quelle peut affecter ` a 3 pays
pour accro tre leur niveau des soins. LO.M.S. doit determiner combien d equipes
elle affecte ` a chacun des trois pays de mani` ere ` a maximiser lefcacit e gen erale de
laffectation. La mesure de lefcacit e est donn ee en terme dannees-homme de
vie suppl ementaire. Ce qui est equivalent ` a laugmentation de lesperance de vie
fois la population du pays. Ces donnees sont reprises au tableau 6.6. On suppose
que chaque pays doit ben ecier dau moins une equipe.
Nombre dequipes Pays 1 Pays 2 Pays 3
1 45 20 50
2 70 45 70
3 90 75 80
Tableau 6.6: Milliers dannees-homme suppl ementaires
La resolution de ce problème necessite la prise de trois decisions : Combien
affecter dequipes m edicales ` a chacun des ces trois pays ? Bien quil ny ait
pas de succession temporelle, on peut imaginer que les trois etapes dun processus
dynamique consistent en laffectation successive aux trois pays puisque lorsquune
equipe est affect ee ` a un pays, elle nest plus disponible pour les autres pays. On a
donc identie les etapes.
Commentidentierles etats. Autrementdit, quelleestlinformationnecessaire
` a une etape pour pouvoir determiner la politique optimale ? Il sagit simplement
du nombre dequipes m edicales qui restent disponibles. Notons s
t
le nombre
dequipes encore disponibles au debut de l etape t.
Notons p
t
(x
t
) la mesure de lefcacit e de lallocation de x
t
equipes medicales
au pays t. Si, comme prec edemment, on note par f
t
(s
t
, x
t
) la contribution ` a
lobjectif des etapes ulterieures ` a t et de l etape t si lon est dans l etat s
t
et que
lon prend la decision x
t
, on peut ecrire :
f
t
(s
t
, x
t
) = p
t
(x
t
) +f
t+1
(s
t
x
t
)
avec
f
t
(s
t
) = max
x
t
f
t
(s
t
, x
t
)
Remarquez la relation de recurrence liant s
t
et s
t+1
:
s
t+1
= s
t
x
t
.
La relation de recurrence liant f
n
et f
n+1
secrit donc :
f
t
(s
t
) = max
x
t
_
p
t
(x
t
) +f
t+1
(s
t
x
t
)
_
.
A l etape t = 3, les etats possibles vont de 1 (il faut au moins une equipe pour
le pays 3) juquà 3 (on a au moins affect e une equipe au pays 1 et une equipe
au pays 2). A la derni` ere etape, on a int eret ` a affecter toutes les equipes encore
disponibles (voir tableau 6.7).
s
3
x
3
f
3
(s
3
)
1 1 50
2 2 70
3 3 80
Tableau 6.7: Calculs de l etape 3
A l etape 2, les etats possibles vont de 2 (il faut au moins une equipe pour le
pays 2 et une equipe pour le pays 3) ` a 4 (on a au moins attribu e une equipe au pays
1). De m eme, il faut veiller ` agarder au moins une equipe disponible pour le dernier
pays. A la deuxi` eme etape, au gain de l etape, il faut ajouter le gain resultant pour
letape 3 avec s
3
= s
2
x
2
. Le detail des calculs est donn e au tableau 6.8.
s
2
x
2
= 1 x
2
= 2 x
2
= 3 x
2
f
2
(s
2
)
2 20 + 50 = 70 1 70
3 20 + 70 = 90 45 + 50 = 95 2 95
4 20 + 80 = 100 45 + 70 = 115 = 75 + 50 = 125 3 125
De m eme ` a l etape 1, au gain de l etape, il faut ajouter ceux des etapes suivantes
avec s
2
= s
1
x
1
. Le detail des calculs est donn e au tableau 6.9.
s
1
x
1
= 1 x
1
= 2 x
1
= 3 x
1
f
1
(s
1
)
5 45 + 125 = 170 70 + 90 = 165 90 + 70 = 160 1 170
La solution optimale est donc x
1
= 1 qui donne s
2
= 5 1 = 4 pour la
deuxième etape ou encore x
2
= 3, ce qui donne s
3
= 4 3 = 1 pour letape 3 de
sorte que x
3
= 1, ce qui donne un gain de 170 000 hommes-annees.
Section 6.3. Application à la planication de la production. 93
6.3 Application ` a la planication de la production.
Nous allons maintenant voir comment la programmation dynamique permet de
resoudre des problèmes de planication de la production en presence de co uts de
production non convexes. Illustrons ceci sur un exemple.
La demande previsionnelle dun composant est donnee au tableau 6.10. La
fabrication de ce composant n ecessite un certain nombre de reglages ind ependants
du nombre dunites fabriquees. Le co ut de lancement c
c
est de 150. Le co ut direct
depend de la main duvre disponible. Le co ut est de 200 en heures normales, de
250 en heures suppl ementaires. Le tableau 6.10 donne la production maximale en
heures normales et heures suppl ementaires. On une capacite de stockage limit ee
P eriode t 1 2 3 4 5
Capacite de production ` a 200 2 2 3 3 3
Capacite de production ` a 250 3 3 3 3 3
Demande previsionnelle 2 1 4 2 4
Tableau 6.10: Demande previsionnelle et capacit e de production
` a 2 unit es. Le co ut de stockage est de 10 par unite stockee par mois. Le delai de
fabrication est negligeable (L = 0). On sinterdit toute rupture de stock.
Nous allons tout dabord formuler le probl` eme en un probl` eme de pro-
grammation dynamique. Pour cela, denissons la variable d etat de la periode
t suivante :
s
t
= stock au debut de la periode t.
Denissons aussi la variable de decision de la periode t suivante :
x
t
= production ` a la periode t.
On denit la fonction
f
t
(s
t
, x
t
)
comme etant le co ut de la meilleure planication pour les periodes restantes si on
est dans l etat s
t
au debut de la periode t et que lon decide de produire x
t
` a la
periode t. Ce co ut est la somme du co ut de production de letape t, dun co ut de
possession du stock pendant le mois t ainsi que du co ut des etapes ult erieures :
f
t
(s
t
, x
t
) = cp
t
(x
t
) +c
s
s
t
+f
t+1
(s
t
+ x
t
d
t
)
o` u d
t
note la demande previsionnelle qui est donnee au tableau 6.10. La fonction
cp
t
(x
t
) denote le co ut de production ` a l etape t. Ce dernier est la somme dun co ut
xe de lancement est de c
c
= 150, pour autant quil y ait production, et dun co ut
direct de main duvre qui est de 200 par unit e produite en heures normales, de
250 par unit e produite en heures suppl ementaires. Remarquez quen presence de
co ut de lancement le co ut de production nest pas convexe. Ceci peut etre verie
` a la gure 6.2 qui illustre la fonction de co ut pour t = 5.
cp
5
(x
5
)
x
5
1 2 3 4 5 6
1500
1250
1000
750
550
350
350
200
250
Figure 6.2: Co ut non convexe.
La capacit e de stockage est limit ee ` a 2 unit es. Ce qui limitera ` a trois les etats
du monde possibles ` a chaque etape.
Nous allons maintenant r esoudre le probl` eme par la programmation dyna-
mique. A l etape 5, on a d
5
= 4. Ce qui explique quil faut au moins produire
4 unit es si s
5
= 0 mais pas plus de 6 sinon le stock nal sera superieur ` a deux
unites. De plus la capacite de production est limitee ` a six unites. On obtient les
co uts suivants des diff erentes strat egies :
d
5
= 4 x
5
= 2 x
5
= 3 x
5
= 4 x
5
= 5 x
5
= 6 x
5
f
5
(s
5
)
s
5
= 0 1.000 1.250 1.500 4 1.000
s
5
= 1 760 1.010 1.260 3 760
s
5
= 2 570 770 1.020 2 570
Par exemple le co ut de 1.000 si s
5
= 0 et x
5
= 4 resulte du seul co ut de production
qui se calcule comme suit :
150 + 3 200 + 250 = 1000.
Le co ut de 760 si s
5
= 1 et x
5
= 3 resulte de la somme du co ut de stockage dune
unite pendant un mois et du co ut de production des trois unit es :
1 10 + 150 + 3 200 = 760.
A l etape 4, on ajoute au co ut de production de l etape, le co ut des etapes
ulterieures. Ainsi, dans le cas o` u s
4
= 0 et x
4
= 2, le co ut correspond ` a lapplica-
tion de la formule :
f
4
(s
4
, x
4
) = cp
4
(x
4
) +f
5
(s
4
+x
4
d
4
)
= (150 + 400) + 1.000
= 1.550
On obtient le tableau de co uts suivant :
d
4
= 2 x
4
= 0 x
4
= 1 x
4
= 2 x
4
= 3 x
4
= 4 x
4
f
4
(s
4
)
s
4
= 0 1.550 1.510 1.570 3 1.510
s
4
= 1 1.360 1.320 1.330 2 1.320
s
4
= 2 1.020 1.130 1.140 0 1.020
A l etape 3, on determine semblablement le tableau de co uts suivant :
d
3
= 4 x
3
= 2 x
3
= 3 x
3
= 4 x
3
= 5 x
3
= 6 x
3
f
3
(s
3
)
s
3
= 0 2.510 2.570 2.520 4 2.510
s
3
= 1 2.270 2.330 2.280 3 2.270
s
3
= 2 2.080 2.090 2.040 4 2.040
A l etape 2, on a une capacit e de production ` a 200 limitee ` a deux unit es. On
obtient le tableau de co uts suivant :
d
2
= 1 x
2
= 0 x
2
= 1 x
2
= 2 x
2
= 3 x
2
f
2
(s
2
)
s
2
= 0 2.860 2.820 2.840 2 2.820
s
2
= 1 2.520 2.630 2.600 0 2.520
s
2
= 2 2.290 2.410 0 2.290
A l etape 1, la demande est de 2 et on a le tableau de co uts suivant :
d
1
= 2 x
1
= 2 x
1
= 3 x
1
= 4 x
1
f
1
(s
1
)
s
1
= 0 3.370 3.320 3.340 3 3.320
On peut ensuite determiner la politique optimale en partant de s
1
= 0. En
première etape, la strategie optimale est de produire 3. La demande etant de 2, on
se retrouve avec un stock initial s
2
= 1. La strat egie optimale pour la deuxi` eme
periode est dans ce cas de ne produire rien du tout. On se retrouve avec un stock
initial s
3
= 0. Lastrategieoptimaleestdeproduire x
3
= 4, cest-` a-dire lademande
de la periode. On se retrouve avec un stock initial s
4
= 0. La strat egie optimale
est dans ce cas de produire x
4
= 3, soit une unite de plus que la demande. On se
retrouve avec un stock initial s
5
= 1 et on produit x
5
= 3.
La planication optimale est donc la suivante :
t = 1 2 3 4 5
d
t
2 1 4 2 4
s
t
0 1 0 0 1
x
t
3 0 4 3 3
Remarquez quen periode 2, on a pr efer e ne pas produire la seule unit e de-
mandee car une unit e en première etape m eme en heures suppl ementaires et avec
un co ut de stockage revient mois cher (260) quune unit e en heure normale ` a la
periode 2 (350). Remarquez aussi quen periode 4, on produit une unit e de plus
que la demande pour eviter de produire ` a 250 en periode 5 la quatrième unit e
demandee cette periode. Il y a, en effet, une unit e disponible ` a 200 (+ 10 de co ut
de stockage) au mois prec edent.
Signalons pour terminer quil existe un algorithme plus efcace dans le le cas
o` u il ny a pas de co ut xe et que les co uts marginaux sont croissants. En
effet, dans ce cas, le co ut de production devient convexeen fonction de la quantite
produite et une procedure plus efcace consiste ` a
1. satisfaire la demande de la première periode en utilisant les moyens de
production les plus avantageux de la periode, et calculer les capacit es resi-
duelles;
2. satisfaire la demande de la deuxi` eme periode en utilisant les moyens de
production les plus avantageux de la seconde periode ou de la periode
precedente, puis modier en consequence les capacites de production re-
siduelles;
3. satisfaire la demande de la troisième periode en utilisant les moyens de
production les plus avantageux de la periode 3 ou des periodes prec edentes,
puis modier en cons equence les capacit es de production r esiduelles; etc. . .
Nous appliquons cette procedure au m eme exemple en supposant quil ny a pas
de co ut xe de lancement de production. En periode 1, la demande est de 2. Elle
est satisfaite par :
-une production en p eriode 2 ` a 200 F (2 unit es).
Les demandes et capacites residuelles sont donnees par :
Capacite residuelle ` a 200 F 0 2 3 3 3
Demande residuelle 0 1 4 2 4
En p eriode 2, la demande est de 1. Elle est satisfaite par :
-une production en p eriode 2 ` a 200 F (1 unit e).
-une production en p eriode 3 ` a 200 F (3 unit es);
-une production ` a 200 F en periode 2 (1 unit e).
-une production en p eriode 4 ` a 200 F (2 unit es).
-une production en p eriode 5 ` a 200 F (3 unit es);
-une production ` a 200 F en periode 4 (1 unit e).
Les demandes et capacites r esiduelles sont donn ees par :
Par diff erence avecles capacit es initiales, on obtient lescapacites utilisees ` achaque
etape et donc le plan optimal de production et stockage suivant :
d
t
2 1 4 2 4
s
t
0 0 1 0 1
x
t
2 2 3 3 3
o` u s
t
represent le stock initial de periode t.
Remarquez que, par rapport au cas avec co ut de lancement, on a encore avanc e
des productions (une unit e de demande de periode 3 produite ` a la periode 2, et une
unitede demandede periode5 produite ` ala periode 4) pour ben ecierdes capacites
encore disponible en heures normales qui co utent moins cher que la production en
heures supplementaires. Mais la deuxi` eme cause danticipation de production, ` a
savoir eviter de mettre en route une production pour une faible quantite, a disparu.
On produit bien une unit e en periode 2 qui co ute moins cher que de la produire en
periode 1 et de la stocker durant un mois.
6.4 Exercices
6.1. Plan de production hebdomadaire optimal. Une societ e de construction
automobile assemble trois types de vehicules T100, T110 et T180 qui uti-
lisent tous le m eme moteur M200. Le delai dassemblage pour les engins
T100 et T110 est de deux semaines, celui de T180 de trois semaines. Le
moteur M200 est monte durant la deuxièmpe semaine dassemblage et ceci
pour les trois vehicules. Au debut de la douzi` eme semaine, les commandes
` a honorer sont les suivantes :
P eriode t 13 14 15 16 17 18
T 100 3 1 2 1 1 3
T 110 1 3 1 0 2 2
T 180 2 2 0 2 1 0
Lafabrication dumoteurM200demandeunesemaineetleco utdelancement
dans latelier moteurs est estim e ` a 500 F. Le co ut variable unitaire est de 300
F pour les trois premi` eres unit es produites au cours dune semaine et de
400 F pour les unit es suivantes. La capacite de stockage est limit ee ` a deux
moteurs et le co ut unitaire hebdomadaire de stockage est de 50 F.
(a) Determiner les besoins nets en M200 pour les periodes 13 ` a 16, sachant
quau debut de semaine 13, il ne reste aucun M200 en stock.
(b) Determiner le plan de production optimal du moteur M200 pour les
semaines 12 ` a 15, sachant quau debut de semaine 12, il ne reste aucun
M200 en stock.
6.2. Planication de la production de vetements. Une societ e sp ecialis ee dans
la fabrication de vetements de pluie decide de lancer pour la rentr ee un
nouveau modèle dimpermeable. Les services commerciaux estiment que la
demande pour la p eriode de ventes etalees sur les mois de novembre ` a mars
devrait correspondre aux estimations suivantes :
Periode novembre decembre janvier fevrier mars
Demande 16.200 47.500 28.100 16.600 2.000
Le planning de production est etabli en tenant compte de la possibilit e de
produire le modèle pendantles mois de septembre ` afevrier. Pendant un mois
quelconque, la production en heures normales seffectue ` a un co ut moyen
de 150 F, et de 175 F si lon fait appel ` a une premi` ere tranche dheures
supplementaires, et ` a 200 F si on fait appel ` a une seconde tranche dheures
supplementaires. La production quotidienne en heures normales est de 1000
impermeables par jour, ` a laquelle peut sajouter 100 impermeables par jour
si lon fait appel ` a la premi` ere tranche dheures suppl ementaires et autant
pour la seconde. Le nombre de jours ouvrables est donne au tableau suivant
Mois septembre octobre novembre decembre janvier fevrier
Jours 22 23 19 21 20 20
Le co ut de lancement est consider e comme negligeable. Le co ut de stockage
durant un mois dun article est de 2 % de son co ut de production.
(a) Determiner les capacites disponibles par mois pour les trois tranches
de co ut de production.
(b) Determiner les lancements de production sachant que le delai de fabri-
cation est dun mois.
6.3. Fabrication en heures supplementaires etau moyendinterimaires. Une
societe dispose dune certaine capacit e de production en heures normales
(co ut direct de 1.000 F) et heures suppl ementaires (co ut direct de 1.400 F).
Elle peut aussi faire appel ` a des interimaires (co ut de 1.800 F). La capacit e
de stockage est limitee ` a 10 unites. Les capacit es de production ainsi que
les demandes previsionnelles sont donnees au tableau suivant :
Periode t 1 2 3 4 5
Production ` a 1.000 F 15 12 10 15 15
Production ` a 1.400 F 2 2 1 3 3
Production ` a 1.800 F 5 5 5 5 5
Demande 12 17 13 21 18
Donnez la politique optimale de production et de stockage sachant que le
taux annuel de possession utilise est de 24 %. Le co ut de stockage se reduit
au seul co ut dimmobilisation du capital.
6.4. Ventes de livres. Un editeur de livres educatifs doit decider du nombre de
vendeurs quil envoie dans chacune des regions du pays pour maximiser le
nombre de ventes. Le tableau qui suit donne laugmentation du nombre de
ventes dans chaque region en fonction du nombre de vendeurs envoy es.
Nombre de vendeurs Region 1 Region 2 R egion 3
1 4 3 5
2 6 6 7
3 9 8 12
4 11 10 12
Il y a 6 vendeurs mais il est decide den envoyer au mois un dans chaque
region. Formuler et r esoudre par la programmation dynamique.
Chapitre 7
Les techniques de juste ` a temps
7.1 Origine et principe du JAT
Comme le souligne Baglin et al [1], les techniques de juste ` a temps trouvent leur
origine dans les nouvelles exigences du march e :
La variabilite de la demande : laugmentation du nombre de modèles et la
diminution de la dur ee de vie des produits necessitent une adaptation plus
rapide des produits.
Le d elai admissible par les clients est plus court : on ne peut donc plus
produire ` a la commande, cest-` a-dire lancer une commande sp eciale avec
des delais longs.
La concurrence internationale impose de produire une bonne qualite ` a un
prix très bas.
En conclusions, ilfaut produire ` alademandeduclient, sansdelaietencomprimant
au maximum le co ut de fabrication. Il y a donc conit entre la gestion en grande
serie (qui permet de reduire les co uts de fabrication) et la gestion ` a la carte (qui est
beaucoup plus souple).
Lid ee du JATest de chercher ` a concilier les avantages de la grande serie (ux
rapides et importants) avec ceux de la petite s erie (grande adaptabilite). La logique
fondamentale du JATest la suivante :
Production = Demande
Autrement dit, on produit la quantite strictement n ecessaire aux besoins immediats
du client. Le principe est applique de proche en proche jusquaux fournisseurs.
Ceci entra ne la suppression des stocks intermediaires : on parle de gestion en ux
101
102 Chapitre 7. Les techniques de juste à temps
tendus. La suppression des stocks appara t donc comme une cons equence de la
logique du JAT.
Ceci va ` a lencontre des politiques traditionnelles dorganisation de la produc-
tion. Le mode dorganisation traditionnel a pour objectif essentiel la recherche
de la plus grande productivit e du système. Ses consequences sont :
1. Pour raison d economie dechelle, on a des unites de fabrication de grande
taille organis ees en ateliers sp ecialis es. On a donc des ux importants et
discontinus entre ces unit es necessitant des stock intermediaires.
2. Pour raison de co ut, on met en place des capacites de production correspon-
dant ` a la demande moyenne qui sont saturees en permanence : la variabilit e
de la demande necessite donc des stock de produits nis.
3. On lancedegrandesseriespouramortir lecoutdelancement. Cequientrane
aussi des stocks importants.
4. Pour diminuer le co ut de manutention, on transporte en grande quantite
(camions, containers complets). Ce qui occasionne egalement des stocks
elev es de matières qui ne sont pas immediatement consommees.
5. Pour decoupler les problèmes, on constitue des stocks intermediaires.
6. A chaque stade du produit, on ajoute un delai dobtention pour tenir compte
des arr ets frequents (contr ole, maintenance,. . . ).
Onenconclutque chacun ` atendance ` a gonerlesstocks. LeJATdevantceconstat,
plut ot que dessayer de gerer ling erable propose de supprimer les stocks.
Le fonctionnement en JATappelle cependant les remarques suivantes :
1. Souvent, les usines ne fonctionnent que partiellement en ux tendus : en
ux tendus au moment o` u lon personnalise le produit, avec des stocks
dapprovisionnement pour les pi` eces standards.
2. Les ux de production peuvent etre tires non par des commandes clients
mais par le plan directeur de production.
3. Le JATnecessite tout de m eme letablissement dun plan directeur de pro-
duction et le calcul des besoins.
Section 7.2. Les deux approches du JAT 103
7.2 Les deux approches du JAT
Le JATa donc un double objectif :
augmenter la reactivit e du système logistique : diminuer le delai, diversier
la production,. . .
diminuer le co ut global de production : en eliminant les gaspillages inutiles.
7.2.1 Augmenter la reactivit e du syst` eme logistique
Le but est ici de pouvoir repondre rapidement aux variations quantitative et qua-
litative de la demande. Le moyen utilise est le suivant : pour raccourcir le cycle
de fabrication, on r eduit les stocks.
Pour reduire les stocks de mati` ere premi` ere, les fournisseurs doivent livrer
plus souvent.
Pour reduire les stocks den-cours de production, on doit reduire le temps
entre ateliers.
Pour reduire les stocks de produits nis, on doit pouvoir changer souvent de
fabrication.
Remarquez que, pour reduire les stocks, il faut sattaquer ` a leur cause : les pannes
machines, les temps de reglage longs, etc. . .
7.2.2 La rationalisation de la production
Le but est ici dam eliorer la performance globale en eliminant les gaspillages. Le
principe fondamental est que les seuls temps utiles sont ceux pendant lesquels
le produit voit sa valeur saccrotre. Ainsi, les op erations suivantes sont non
productives : deplacer, stocker, grouper, contr oler,. . . Pour pouvoir diminuer
ces operations improductives, il faut sattaquer ` a leurs causes : les defauts de
fabrication, les retards, les pannes, les lenteurs administratives,. . .
Onpeuticiciter limagedeTaichiOhno(deToyota) quiditque, pourtraverser
une rivi` ere sans encombre, dans lapproche traditionnelle : on augmente le niveau
de leau et on passe au dessus des epaves, dans lapproche JAT : on drague le
euve, ce qui permet un niveau deau plus faible. En conclusions, en sattaquant
aux causes de dysfonctionnement, on am eliore la productivit e globale du système
et on am eliore la qualite des produits.
7.3 Les facteurs cl es du JAT
La r eussite du passage dune organisation classique ` a une organisation JAT
necessite des m ethodes de gestion tr` es r eactives ainsi que la matrise des al eas.
7.3.1 Recherche dun plus grande reactivite
On atteindra une plus grande reactivit e en augmentant la exibilit e de la produc-
tion. On peut denir la exibilit e comme la capacit e du syst` eme de production ` a
sadapter en permanence ` a la demande. On distingue deux types de exibilit e :
La exibilit e quantitative estla capacit e defaireface ` apointes de demande:
il faut surdimensionner la capacit e, par exemple, en gardant les an-
ciennes machines lors dun renouvellement.
il faut faire appel ` a la exibilit e de la main duvre : appel aux tem-
poraires, ` a la sous-traitance, aux heures supplementaires,. . .
La exibilite qualitative est la capacit e de traiter une grande vari ete de
produits :
il faut pouvoir passer rapidement dun produit ` a lautre : on utilisera
des machines ` a commandes numeriques.
la polyvalence du personnel est egalement souhaitable.
7.3.2 Matrise des al eas
Il faut ici se premunir contre les causes des stocks que sont les pi` eces recues
defectueuses, les pannes machine, ainsi les retards de livraison. On visera ici le
zero defaut pour les pi` eces fabriqu ees. En effet, en labsence de stock, le d efaut
dune pi` ece livr ee interrompt la cha ne de montage. Le z ero defaut sera recherch e
par la pr evention plut ot que par le contr ole ` a posteriori.
Il faut egalement assurer la abilite des equipements. En effet, larr et dune
machine entra ne larr et de toutes les machines en aval faute dapprovisionnement.
De m eme pour les machines en amont qui, autrement, constitueront des stocks. La
abilite est obtenue par des procedures de maintenance pr eventive.
Enn, il existe relation plus etroite entre le client et le fournisseur car le
fournisseur dune usine JATest gen eralement plus conscient des consequences de
lenvoi dune pi` ece defectueuse pour le client.
Section 7.4. La methode Kanban 105
7.4 La m ethode Kanban
Lid ee de la methode est que la production soit tiree par laval : chaque poste
ne travaille que pour satisfaire une demande du poste aval. Linformation sur la
demande du poste aval est transmise par un document appele Kanban (etiquette)
donnant :
la description de la pi` ece et de loperation ` a effectuer;
le lieu dorigine et de destination de la pi` ece;
la quantite par conteneur.
Cette technique utilise en effet des conteneurs standards pour la circulation entre
les postes.
L etiquette est donc un ordre de fabrication des pièces qui
descend le ux de pièces (lors de la fabrication);
remonte ce ux une fois les pi` eces consommees.
Le rythme de fabrication est donc egal ` a la vitesse de circulation des etiquettes
qui est, elle-m eme, determinee par le rythme de consommation des pi` eces. Par
exemple, si la consommation vient ` a se tarir, les etiquettes ne remontent plus et la
fabrication sarrete.
Pour un bon fonctionnement du système, il faut une capacite sufsante des
postes amont pour repondre ` a la demande : ceci necessite donc en gen eral de
prevoir une surcapacit e.
On distingue deux types de systèmes Kanban :
le syst` eme ` a une boucle est utilise lorsque les conteneurs sont conserves
auprès du poste de travail.
le système ` a deux boucles lorsquil y a passage par un stock intermediaire.
7.4.1 Syst` eme Kanban ` a une boucle
Le fonctionnement du syst` eme Kanban ` a une boucle est le suivant (cfr gure 7.1) :
L etiquette est apposee sur le conteneur de pi` eces qui viennent detre fa-
briquees en amont (a);
POSTE
AMONT
Transport
entre postes
POSTE
AVAL
(a)
(d)
(c)
(b)
Conteneur avec tiquette
Etiquette libre
Figure 7.1: Syst` eme Kanban ` a une boucle.
Elle accompagne le conteneur au poste suivant et reste sur le conteneur en
attente (b);
Au momentoù leconteneur estmis enfabrication surle posteaval, le Kanban
est lib er e et retourne au poste amont (c);
Il entre dans le planning du poste amont (d) do` u il sort au moment dune
nouvelle fabrication.
On peut faire les remarques suivantes sur le fonctionnement du syst` eme kan-
ban ` a une boucle :
1. Tout conteneur rempli possède obligatoirement une etiquette (cest-à-dire
son ordre de fabrication).
2. Une etiquette libre (cest-à-dire non attachee ` a un conteneur) represente un
ordre de fabrication pour une quantit e xe de pi` eces sur un poste de travail
determine.
3. Le nombre detiquettes en circulation entre deux postes xe les stocks den
cours de fabrication : en effet, le volume des en cours, cest-` a-dire le nombre
de conteneurs entre les postes, est inferieur ou egal au nombre detiquettes
en circulation.
4. En observant son planning detiquettes en attente, le responsable du poste
amont peut choisir ses priorit es de fabrication dapr` es les besoins des agents
des differents postes aval quil fournit.
7.4.2 Syst` eme Kanban ` a deux boucles
Le système ` a deux boucles est necessaire lorsque les pi` eces ne peuvent etre
stockees dans latelier par manque de place ou en cas de postes eloign es. On
utilise un magasin intermediaire pour stocker les conteneurs (cfr gure 7.2).
POSTE
AMONT
POSTE
AVAL
(a)
(d)
(c)
(b)
Conteneur avec tiquette de production
P
T Conteneur avec tiquette de transfert
P
P
T
T
P
P
P P P
P P
P
T
Figure 7.2: Syst` eme kanban ` a deux boucles.
On utilisera, dans ce cas, le principe de double etiquetage :
une etiquette de production circule entre le poste en amont et le magasin;
une etiquette de transfert circule entre le magasin et le poste aval.
Son principe de fonctionnement est le suivant :
Lorsque le poste aval entame un conteneur de pi` eces, il detache l etiquette de
transfert qui est remise ` a un manutentionnaire qui va chercher un nouveau
conteneur plein dans le magasin intermediaire (a).
Quand le manutentionnaire sort le conteneur du magasin, il d etache l eti-
quette de production et la remplace par une etiquette de transfert (b).
L etiquette de production detachee est renvoy ee vers le planning du poste
amont (c).
Les etiquettes sont alors plac ees sur les conteneurs sortant de la production
du poste amont (d).
7.4.3 D etermination du nombre d etiquettes
Un problème fondamental est la determination du nombre detiquettes ` a mettre
en circulation. Ce nombre doit, en effet, resulter dun compromis entre :
un nombre pas trop elev e : sinon on g enère des stocks interm ediaires;
un nombre pas trop faible : sinon le poste aval risque de tomber en rupture.
Les donn ees du probl` eme sont les suivantes :
C
u
, la consommation du poste aval en unit es par minute;
Q
e
, la taille economique des lots fabriqu es en amont;
k, la capacit e dun conteneur;
T
r
, le delai de reaction du syst` eme lorsque le stock atteint le seuil de lance-
ment dune production. Ce delai de reaction comprend
le retour du ticket dalerte vers lamont,
lattente au planning amont,
le reglage de la machine amont,
la production du premier conteneur,
le transport du conteneur jusquau poste aval.
Le principe utilise pour determiner le nombre detiquettes est le suivant : le
nombre de conteneurs dans la boucle correspond au strict minimum pour que le
système fonctionne sans rupture pour le poste aval.
Illustrons ceci sur un exemple tire de Baglin et al [1]. Soit D = 2000 pi` eces, la
demande moyenne du poste aval par journee de 8 heures de travail. On en deduit
une consommation en unit es par minute de :
C
u
=
2000
8 60
= 4, 1667
Soit k = 100 pi` eces, la capacite dun conteneur plein. Soit T
r
, temps de r eaction
qui r esulte dun temps de retour du ticket de 30 minutes (le ramassage des tickets
seffectue toutes lesheures, donc un temps moyen dune demi heure), dune attente
moyenne de 10 minutes au planning du poste amont, dun r eglage de la machine
de 10 minutes, dun temps de production de 0,1 minute par pi` ece (donc 10 minutes
pour 100 pi` eces), dun temps de transport de lamont vers laval de 35 minutes :
T
r
= 30 + 10 + 10 + 10 + 35 = 95
Pendant le temps de reaction, la consommation du poste aval est de :
T
r
C
u
= 95 4, 1667 = 395, 83
Il en resultera quil faut au moins 4 etiquettes en permanence dans le syst` eme :
N
T
r
C
u
k
= 3, 96
Si lon veut prendre une marge de s ecurit e de = 10 % :
N
(1 +)T
r
C
u
k
=
1, 1 395, 83
100
= 4, 3541.
Il faudra donc au moins 5 etiquettes en permanence dans le système.
Supposons maintenant que le temps de lancement en fabrication justie une
production par lot (cette taille economique est determinee en arbitrant entre le co ut
de lancement et le co ut de possession) au poste amont de taille optimale :
Q
e
= 600 pi` eces,
cest-à-dire ` a 6 conteneurs (Q
e
/k). Il faudra donc attendre davoir six etiquettes
accroch ees au planning du poste amont avant de pouvoir lancer en fabrication de
quoi remplir le premier conteneur. Il faudra donc ajouter ces 6 conteneurs aux 5
precedents.
Le nombre de conteneurs dans la boucle correspond donc en gen eral ` a la
somme :
du stock correspondant au seuil dalerte, cest-` a-dire au stock permettant de
faire fonctionner le poste aval durant T
r
, augmente dune marge de s ecurite
:
(1 +)C
u
T
r
du lot economique Q
e
produit par le poste amont :
Q
e
le tout divis e par k, la capacit e dun conteneur :
N =
(1 +)C
u
T
r
+Q
e
k
(7.1)
Le resultat est arrondi ` a lentier sup erieur. Ce qui donne ici :
N =
(1 +)C
u
T
r
+Q
e
k
=
435 + 600
100
= 10, 35
Ce qui correspond ` a 11 conteneurs de 100 pi` eces.
7.5 Exercice
7.1. Flux tendus. Un atelier de fabrication de sous-ensembles approvisionne la
chane de montage de petits articles electrom enagers situee dans un batiment
proche. La regularite de la production incite la direction ` a mettre en place
un syst` eme dappel par laval entre ces deux postes. Les caracteristiques
de la production sont les suivantes : latelier fonctionne 8 heures par jour,
la cha ne consomme 2 000 sous-ensembles par jour, il faut une heure pour
regler la machine de latelier et cinq secondes pour produire une pi` ece, la
taille economique des lots en amont s elève ` a 500 pièces, la capacit e des
conteneurs est de 250 pi` eces, la manutention dun conteneur dun poste ` a
lautre necessite dix minutes, le ramassage des tickets seffectue lors de
lapprovisionnement de la cha ne, cest-` a-dire toutes les heures, le temps
dattente moyen au planning amont peut etre estime ` a trente minutes. On
retiendra pour lensemble des calculs un coefcient de securite de 20 pour-
cents.
(a) Verier lequilibre entre la charge et la capacit e puis determiner le
nombre de tickets ` a mettre en circulation dans la boucle.
(b) Ondecidemaintenantdereduirelatailledess eriesdefabricationde500
` a 250. Calculer le nombre de lancements realises par jour. Comparez-
le ` a celui obtenu avec les hypoth` eses de la question (a). Quelles
ameliorations devrait-on realiser pour pouvoir fonctionner ainsi ? Que
deviennent alors les paramètres du syst` eme pr ecedemment calcul es ?
Partie III
Les d ecisions strat egiques
111
Chapitre 8
Lordonnancement de projets
8.1 Introduction
Lors detout projet de grande envergure(construction dun bateau, dun avion, dun
batiment,...), un problème crucial qui se pose est celui du calendrier dex ecution
des t aches. Le problème est de determiner dans quel ordre doivent senchaner les
diverses t aches de mani` ere ` a minimiser le temps total dexecution du projet.
Prenons unexemple. Onveutconstruireunnouveaub atimentpourlafacultede
manière ` a pouvoir dem enager au plus t ot. Certaines taches ne peuvent sex ecuter
quaprès que dautres soient terminees. Par exemple, on ne peut commencer
les fondations que lorsque le terrassement est ni. On ne peut monter les murs
que lorsque les fondations sont terminees. Dautres taches peuvent sex ecuter
simultanement. Par exemple, les travaux d electricite et de plomberie peuvent etre
menes de pair. Les donn ees sont reprises au tableau 8.1 pour cet exemple.
No t ache duree (jours) pr ealables
1 terrassement 5 -
2 fondations 4 1
3 colonnes porteuses 2 2
4 charpente toiture 2 3
5 couverture 3 4
6 ma connerie 5 3
7 plomberie, electricit e 3 2
8 coulage dalle beton 3 7
9 chauffage 4 8 et 6
10 pl atre 10 9 et 5
11 nitions 5 10
Tableau 8.1: Construction dun batiment
On doit tenir compte, dans les problèmes dordonnancement, de divers types
113
114 Chapitre 8. Lordonnancement de projets
de contraintes.
Les contraintes de localisation temporelle expriment la localisation dune
tache dans le temps : une t ache ne peut commencer avant une telle date, ou
après une telle date (par exemple, en raison des conditions climatiques).
Les contraintesde succession temporelle expriment lesrelations dant erio-
rite entre les t aches : une telle t ache ne peut commencer avant la terminaison
complète dune autre (par exemple, on ne coule pas les fondations si le
terrassement nest pas ni).
Les contraintes disjonctives expriment le fait que deux t aches ne peuvent
avoirlieu enmemetempssansquelon puissedirelaquelledoit etre effectu ee
avant lautre (par exemple, une meme grue est utilisee sur deux chantiers
diff erents).
Le problème dordonnancement avec des contraintes de localisation tempo-
relle et de succession temporelle seulement est appele probl` eme central dordon-
nancement. Il sagit donc de determiner le calendrier de debut de chacune des
taches de manière ` a terminer le chantier au plus vite en respectant les contraintes
temporelles.
Nous allons voir que, aussi bien pour sa formulation que pour sa resolution, ce
problème utilise la notion math ematique de graphe de reseau. On peut, en effet,
representer le problème sur un graphe de reseau et, ensuite, resoudre le problème
graphiquement. De plus, la pr esentation du resultat de calcul (lordonnancement
destaches)serabeaucoup plusclairesurcegraphiquequesuruntableaudechiffres.
Ilexistedeuxmethodesderesolutionpourceproblème. Ilsagitrespectivement
de
la methode du potentiel developp ee en France dans les annees 60 et qui,
comme nous allons le voir, associe ` a chaque t ache un nud du reseau, tandis
que les relations dant eriorite sont representees par des arcs entre les t aches;
la methode PERT developp ee parallèlement aux Etats Unis dAmerique
et qui, elle, associe chaque t ache ` a un arc du r eseau, et chaque relation
danteriorite ` a un nud.
Algorithmiquement, les deux m ethodes de resolution sont equivalentes. Elles se
distinguent seulement par la manière decrire le graphe de r eseau.
Section 8.2. Formulation et representation du problème 115
8.2 Formulation et repr esentation du probl` eme
Fixons-nous les notations suivantes. Nous avons n t aches ` a ex ecuter, indic ees
i = 1, . . .n. La variable ` a determiner pour chaque tache est son temps de d ebut
dexecution, not e t
i
pour la t ache i. Utilisons egalement la notation d
i
pour
designer la duree dex ecution de la t ache i (qui est ici une donnee).
Les contraintes temporelles que lon considère dans le problème central dor-
donnancement sont de deux types :
les contraintes de localisation temporelle qui expriment que la t ache i ne
peut debuter avant une certaine date ou après une certaine date :
_
t
i
l
i
t
i
u
i
Les contraintes de succession temporelle qui expriment soit quune t ache
j ne peut commencer avant quune t ache i ne soit nie :
t
j
t
i
+d
i
,
soit que lon doit commencer la t ache j au plus tard un certain laps de temps
après la t ache i :
t
j
t
i
+e
i
.
Ce second cas de gure se rencontre, par exemple, dans le cas du lissage de
la dalle de beton : celui-ci doit etre effectu e avant que le ciment ne soit sec.
On associe donc au problème central dordonnancement un graphe dont les
sommets representent les diverses taches du problème dordonnancement. On
ajoute un nud 0 qui correspond ` a la date de d ebut de chantier et un nud n + 1
qui correspond ` a la n de chantier. Les arcs du reseau representent les diverses
contraintes temporelles. Nous allons voir que ces diverses contraintes peuvent
toutes se mettre sous la forme suivante
t(j) t(i) d
ij
(8.1)
o` u t(i) est la fonction potentiel au nud i. En effet, reprenons les diverses formes
de contraintes temporelles :
t
i
l
i
t(i) t(0) l
i
t
i
u
i
t(0) t(i) u
i
t
j
t
i
+d
i
t(j) t(i) d
i
t
j
t
i
+e
i
t(i) t(j) e
i
Enn, nous devons exprimer que chacune des t aches ne peut commencer avant
le debut du chantier, cest-` a-dire que t
i
0, i N. Elles sexpriment par :
t(i) t(0) 0, i N
Nous devons aussi exprimer que toutes les taches doivent etre nies avant la n du
chantier, cest-à-dire que t
i
+d
i
t
n+1
, i N. Elles sexpriment par :
t(n + 1) t(i) d
i
, i N
Le problème central dordonnancement se formule donc par :
min t(n + 1)
s.c.q. t(j) t(i) d
ij
, (i, j) A
(8.2)
o` u Anote lensemble des arcs du reseau, chaque arc correspondant ` a une contrainte
du type (8.1).
0
12
5 4 3
2 1 0 11 10
9 8 7
6
5
4
4
3
2 2
2
4
5
3 3
5 10
Figure 8.1: graphe associe.
Reprenons lexemple. On peut construire syst ematiquement le graphe associe
au problème dordonnancement de la manière suivante (voir gure 8.1) :
1. On relie dabord toutes les t aches qui peuvent etre effectu ees sans prealable
au nud 0, debut de chantier par un arc de longueur nulle. Dans lexemple,
seule la t ache 1 est dans ce cas.
2. Ensuite, on prend une t ache dejà dans le graphe et on examine si elle prec` ede
dautres. Par exemple, la tache 1 doit prec eder la t ache 2. On doit donc avoir
t
2
t
1
+d
1
.
On trace le nud 2 et on le relie au nud 1 par un arc de longueur d
1
.
Section 8.2. Formulation et representation du problème 117
3. Enn, quand toutes les t aches sont dans le graphe, pour les seules t aches qui
ne sont suivies daucune autre, on les relie au nud n + 1, n de chantier,
avec un arcde longueur egale ` ala duree dela t ache. Ici, seulela tachenition
est dans ce cas, et il faut que cette t ache soit nie pour la n du chantier.
Disons un mot de la representation des trois autres types de contraintes non
presents dans lexemple. Supposons, par exemple, que la t ache 3 ne puisse com-
mencer avant le temps 10 :
t
3
10 t
3
t
0
+ 10.
Ceci se represente en joignant lorigine 0 au nud 3 par un arc de longueur 10.
Ensuite, supposons que la t ache 5 doive etre commencee avant le temps 40 :
t
5
40 t
0
t
5
40.
Ceci se represente en joignant le nud 5 au nud 0 par un arc de longueur -40.
Enn, supposons que la t ache 9 doive commencer au plus tard 5 jours après le
debut de la tache 8 :
t
9
t
8
+ 5 t
8
t
9
5.
Ce qui est represente par un arc de longueur -5 entre les nuds 9 et 8 ` a la gure
8.2.
0
12
5 4 3
2 1 0 11 10
9 8 7
6
5
4
4
3
2 2
2
4
5
3
3
5 10
10
-40
-5
Figure 8.2: Trois autres types de contraintes.
Avant de voir lalgorithme qui permet de resoudre le problème dordonnan-
cement, nous allons dire un mot des conditions sous lesquelles ce problème est
realisable. En effet, les contraintes temporelles peuvent venir de divers services et
etre incompatibles entres elles.
3
2
1
d
1
d
2
d
3
Figure 8.3: Circuit de longueur positive.
Supposons que nous ayons la situation suivante. La t ache 1, qui dure d
1
jours,
doit etre terminee avant que la tache 2 ne commence. La t ache 2, qui dure d
2
jours, doit etre terminee avant que la t ache 3 ne commence. La t ache 3, qui dure
d
3
jours, doit etre terminee avant que la t ache 1 ne commence. Il est clair quun
tel problème va conduire ` a une impossibilite.
Cette situation est represent ee ` a la gure 8.3. On voit ici que le graphe contient
un circuit (cycle avec tous lesarcs dans lememe sens)dont lasomme des longueurs
des arcs est positive. En effet, ecrivons les contraintes correspondantes :
t
1
+d
1
t
2
t
2
+d
2
t
3
t
3
+d
3
t
1
En sommant et en simpliant, on obtient la condition suivante :
d
1
+d
2
+d
3
0
On peut alors montrer le resultat suivant.
Lemme 8.1 Les contraintes temporelles sont compatibles entre elles si et seu-
lement si le graphe associ e ne comporte aucun circuit de longueur (somme des
longueurs des arcs le constituant) positive.
Remarquez quun cycle avec une somme des longueurs negative ne pose pas de
problème. Par exemple, la t ache 8 de longueur 3 doit etre nie avant que ne
commence la tache 9 et la t ache 9 doit commencer en deans les 5 jours de debut
de la t ache 8 :
t
8
+ 3 t
9
t
9
5 t
8
Ceci se represente, comme vu ci-dessus, par une èche de 8 vers 9 de longueur 3
et une ` eche retour de longueur -5. Ceci ne pose pas de problème. En effet, en
sommant les deux contraintes, on obtient -2 0.
Section 8.3. Calcul de lordonnancement au plus t ot 119
8.3 Calcul de lordonnancement au plus t ot
Nous allons maintenant voir un algorithme de calcul de lordonnancement au plus
t ot. Lordonnancement au plus t ot d etermine les dates de debut au plus t ot, pour
les diff erentes t aches, tout en respectant les contraintes temporelles. Ces dates au
plus t ot sont not ees t(i).
La date au plus t ot de debut de chantier est t(0) = 0, cest-` a-dire decommencer
tout de suite. Ensuite, on va marquer progressivement les nuds.
Supposons maintenant quun certain nombre de sommets ont dej` a et e marqu es,
cest-à-dire que t(i), i T N, les temps au plus t ot ont d ejà ete determines
pour ces nuds. On peut marquer un nouveau nud j si tous ses predecesseurs
j i
d
ij
Figure 8.4: Pred ecesseurs de j.
directs sont marqu es. Notons P(j), lensemble des pred ecesseurs directs de j
dans le graphe. Cet ensemble est deni par
P(j) = {i|(i, j) A}
Il faut satisfaire les contraintes temporelles suivantes
t(j) t(i) +d
ij
, i P(j)
La plus petite valeur admissible pour t(j) est donc
t(j) = max
iP(j)
{t(i) + d
ij
} (8.3)
Reprenons notre exemple. La t ache 1 peut commencer au plus t ot en 0 puis-
quelle est reliee au au nud 0, debut de chantier, par un arc de longueur nulle. La
tache 2 peut commencer dès la n de la t ache 1, cest-à-dire
t(2) = t(1) +d
1
= 5
et ainsi de suite, on marque t(3) = 9, t(4) = 11, ...
Lorsquun sommet (comme le sommet 9) a plus dun pred ecesseur (8 et 6), on
determine la date au plus t ot par un maximum :
t(9) = max {t(6) +d
6
, t(8) +d
8
} = 16
On arrive ainsi ` a determiner la duree totale minimum qui est ici de 35 jours.
Lordonnancement au plus t ot est indique ` a la gure 8.5 o` u le temps de debut
au plus t ot est indiqu e au dessus des nuds.
0
12
5 4 3
2 1 0 11 10
9 8 7
6
5
4
4
3
2
2
2
4
5
3
3
5 10
0
0
5
9
9
11
11
12
16
13
35 30 20
Figure 8.5: Ordonnancement au plus t ot.
8.4 Chemin critique et calcul des marges
Certaines t aches sont telles que si on retarde leur date de debut, cela aura des
repercussions sur la date de n de chantier. Par exemple, si on retarde la date
de debut de la t ache 11 (nition), cela va directement retarder la date de n de
chantier. De m eme, si on retarde la t ache 10 (platre), cela va retarder la date de
debut de la tache 11 (nition) qui elle-m eme retarde la date de n de chantier.
Par contre, si on retarde le debut de la tache 5 (couverture), cela naura pas de
repercussion, car ce nest pas ` a partir de ce nud que son successeur (10) a et e
marque mais bien ` a partir du nud 9. On voit donc que lon peut retarder la date
de debut de la t ache 5 sans consequence sur la date de n de chantier jusquà un
certain point. En effet t(5) = 13, t(10) = 20, et d
5
= 3. Autrement dit, la date de
debut de la tache 5 peut etre retardee jusquà la valeur :
t(10) d
5
= 20 3 = 17
sans retarder la date de debut de la t ache 10. On dit que 17 est la date de d ebut au
plus tard de la t ache 5. Cest-` a-dire que la t ache 5 peut etre commencee ` a cette
date au plus tard sans allonger la dur ee totale minimale des travaux.
On voit directement que lon a deux sortes de t aches.
Section 8.4. Chemin critique et calcul des marges 121
Les t aches critiques sont celles qui servent ` a marquer de proche en proche
le sommet n + 1 ` a partir du sommet 0. Elles forment ce que lon appelle
le chemin critique qui donne lensemble des taches ` a surveiller en premier
si lon veut respecter le delai minimum de realisation du projet. Le chemin
critique, illustre en hachure ` a la gure 8.6, peut etre d etermine de la mani` ere
suivante. Partant du nud n + 1, on ne retient que les sommets qui ont
permis de joindre n+1 ` a partir du nud 1. Il sagit, dans lexemple, des
nuds 12,11,10,9,6,3,2,1 et 0.
0
12
5 4 3
2 1 0 11 10
9 8 7
6
5
4
4
3
2 2
2
4
5
3 3
5 10
0
0 5
9
9
11
11
12 16
13
35 30
20
0
0
10
9 15
13 16
17
35 30
20
11
5
Figure 8.6: Ordonnancement au plus tard.
Pour toutes les autres t aches, cest-` a-dire les taches non critiques, on peut
determiner la datededebutauplus tarddela mani` eresuivante. Onprocède
par marquage ` a partir de t(n+1) = t(n+1). On peut marquer un sommet i
si tous ses successeurs directs sont marques. Lensemble des successeurs
directs, not es S(i), est deni comme
S(i) = {j|(i, j) A}
On peut alors calculer la date dedebutau plus tard de la t ache i par la formule
suivante
t(i) = min
jS(i)
{t(j) d
ij
}
On obtient ainsilordonnancement auplus tardillustre endessous des nuds
` a la gure 8.6.
On peut alors denir la marge dune t ache comme la diff erence entre son
temps de debut au plus tard et au plus t ot :
m(i) = t(i) t(i) (8.4)
et donc la marge m(i) est strictement positive pour les t aches non critiques tandis
quelle est nulle pour les t aches critiques.
8.5 Lordonancement par la methode PERT
La m ethode PERT (pour Program Evaluation Review Technique) sest develop-
pee, parallèlement ` a la methode du potentiel, aux Etats-Unis en 1958 pour la
planication de la construction des sous-marins Polaris. Elle se distingue de la
methode du potentiel par le fait que les t aches ne sont plus associ ees aux nuds
mais bien aux arcs du r eseau. Lalgorithme de r esolution est tr` es semblable
` a celui de la m ethode du potentiel. La diff erence majeure reside donc dans la
construction du graphe : le graphe de la m ethode PERTest souvent plus difcile ` a
construire que celui de la m ethode du potentiel car on peut etre amene ` a introduire
des arcs ctifs qui ne correspondent ` a aucune t ache.
Dans la m ethode PERT, chaque tache est donc associee ` a un arc du graphe. La
longueur de larc correspondant ` a la duree de la t ache en question. Les sommets
sont utilis es pour traduire les relations de succession temporelle. Ainsi, si la
tache j doit suivre la t ache i, lextr emite terminale de larc representant la t ache i
concidera avec lextr emite initiale de larc representant la t ache j.
Ceci permet de tracer le graphe pour lexemple d ejà consider e pour la m ethode
du potentiel. Ceci est fait ` a la gure 8.7 o` u lon a not e, ` a c ot e de chaque arc, dune
part, le numero correspondant ` a la t ache, dautre part, la dur ee de la tache.
6, 5
1, 5 2, 4
3, 2
7, 3
4, 2
8, 3
5, 3
9, 4
10, 10 11, 5
Figure 8.7: Graphe associe pour la m ethode PERT.
Si, sur cet exemple, le graphe de la m ethode du potentiel et celui de la m ethode
PERT sont tr` es proches, il nen va pas toujours de m eme. La construction du
graphe PERTpose divers problèmes qui am` enent ` a ajouter des arcs ctifs qui ne
correspondent ` a aucune t ache.
Un premier problème se rencontre lorsque lon veut tenir compte des cont-
raintes de localisation temporelle. Par exemple, supposons quune t ache i ne
peut commencer avant une date l
i
. Il faut introduire un arc joignant lorigine des
travaux ` a lorigine de larc representant la t ache i et ayant pour longueur la date
en question l
i
. On est donc amen e, dans ce cas, ` a ajouter un arc ctif qui ne
correspond ` a aucune tache.
Section 8.5. Lordonancement par la methode PERT 123
Un second problème, plus delicat, se rencontre pour les contraintes de suc-
cession temporelle. En effet, supposons que la t ache 1 prec` ede les t aches 2 et 3
et que la t ache 4 precède la tache 3. On pourrait tracer le graphe de la gure 8.8.
Mais ce graphe introduit une contrainte suppl ementaire qui dit que la t ache 4 doit
1 2
3 4
Figure 8.8: Introduction dun contrainte.
preceder la t ache 2. Pour resoudre la difcult e, il faut ` a nouveau ajouter un arc
ctif entre lextr emite de la tache 1 et le debut de la t ache 3. Ceci est illustre ` a la
gure 8.9.
1
2
3
4
Figure 8.9: Arc ctif.
Les datesdedebutauplus t otdes t aches vont egalement etrescalculees par mar-
quage des sommets du graphe. Lapplication ` a lexemple donne lordonnancement
illustre ` a la gure 8.10.
6, 5
1, 5 2, 4
3, 2
7, 3
4, 2
8, 3
5, 3
9, 4
10, 10 11, 5
0
5
9
11
12
16
13
35 30 20
Figure 8.10: Ordonnancement au plus t ot.
8.6 Prise en compte des contraintes disjonctives
Venons-enmaintenant au troisi` eme type de contraintes generales : les contraintes
disjonctives. On veut pouvoir indiquer que deux taches ne peuvent avoir lieu
en m eme temps sans que lon puisse dire, ` a priori, laquelle doit etre effectu ee
avant lautre. Cest le cas lorsque lon partage une m eme ressource entre plusieurs
chantiers. Par exemple, une m eme grue. Consid erons les t aches i et j, dont on
note t
i
et t
j
, leurs dates respectives de debut dex ecution. On peut ecrire la relation
dexclusion sous la forme :
soit
_
t
i
+d
i
t
j
si i est realisee avant j
t
j
+d
j
t
i
si j est realisee avant i
(8.5)
Si on na quune seule contrainte disjonctive, on peut evidemment resoudre
deux probl` emes dordonnancement : un o` u lon impose que i soit realis ee avant
j, lautre o` u lon impose que j soit realisee avant i. Ensuite, on prend le temps
dexecution leplus court. Mais cettemethode denum eration explicite detoutesles
possibilites devient vite impraticable lorsque le nombre de contraintes disjonctives
crot. On peut alors le resoudre le problème grace au recours ` a la programmation
en nombres entiers.
En effet, pour chaque disjonction entre les t aches i et j, on introduit la variable
binaire x
ij
qui vaut 1 si la tache i est realisee avant la t ache j et 0 si la t ache j est
realisee avant la tache i. On va alors remplacer (8.5) par les contraintes suivantes
_
t
i
+d
i
t
j
+ M(1 x
ij
)
t
j
+d
j
t
i
+Mx
ij
(8.6)
avec M une borne superieure sur la date de n des travaux.
V erions que ce syst` eme avec, bien s ur, la contrainte suppl ementaire que x
ij
est binaire (0/1) exprime exactement la disjonction. Consid erons dabord le cas
x
ij
= 1. Le syst` eme (8.6) devient
_
t
i
+d
i
t
j
t
j
+d
j
t
i
+M
La première in equation exprime bien que la t ache i doit etre nie avant que ne
debute la tache j. La seconde est toujours veriee, vu la denition de M.
Consid erons maintenant le cas x
ij
= 0. Le système (8.6) devient
_
t
i
+d
i
t
j
+M
t
j
+d
j
t
i
La premi` ere in equation toujours veriee, vu la d enition de M. La seconde
exprime bien que la t ache j doit etre nie avant que ne debute la tache i.
Section 8.7. La minimisation des co uts 125
8.7 La minimisation des co uts
Jusquà present, on a consider e la duree de chaque tache comme donnee. Or la
duree dune t ache particuli` ere i peut varier en fonction, par exemple, de lem-
bauche de personnel suppl ementaire, de lachat ou de la location de materiel
supplementaire. On voit donc que lon pourra, en gen eral, reduire la duree de
chaque t ache moyennant un co ut suppl ementaire. Nous allons voir ici comment
arbitrer entre les deux critères : diminution de la duree dex ecution des taches et
donc du chantier et, dautre part, augmentation des co uts dex ecution des t aches.
Consid erons la t ache i. Sa duree dex ecution d
i
peut varier entre une duree
minimale (incompressible) d
i
et une duree maximum d
i
. Pour la duree minimum,
c
i
d
i
c
i
d
i
c
i
d
i
Figure 8.11: Co ut dex ecution de la t ache i.
le co ut dop eration de la t ache i est not e c
i
tandis que pour la duree maximum il
est note c
i
. Si lon admet que le co ut varie lin eairement en fonction de la duree,
on obtient le graphique de la gure 8.11. La pente de la droite est donn ee par :
m
i
=
c
i
c
i
d
i
d
i
Pour une duree d
i
comprise entre les bornes inf erieure et sup erieure, le co ut de la
tache i est alors
c
i
= c
i
+m
i
(d
i
d
i
)
Si on rep` ete la meme operation pour chacune des t aches, lobjectif de la minimi-
sation du co ut total dex ecution des taches peut secrire:
minz =
n
i=1
[c
i
+m
i
(d
i
d
i
)]
=
n
i=1
(c
i
m
i
d
i
) +
n
i=1
m
i
d
i
Le premier terme etant constant, il revient au m eme de minimiser le seul second
terme et on obtient lobjectif suivant :
minz
=
n
i=1
m
i
d
i
,
les d
i
etant, cette fois, des variables pour le problème. Nous avons donc comme
variables du problème :
t
i
= le temps de debut de la t ache i;
d
i
= la dur ee dex ecution de la tache i;
t
f
= le temps de n de chantier.
Moyennant ce choix de variables, le problème de minimisation des co uts dex ecu-
tion des taches se formule donc comme suit :
minz
=
n
i=1
m
i
d
i
s.c.q
_
_
t
i
l
i
(localisation temporelle)
t
j
t
i
+d
i
(succession temporelle)
t
f
t
i
+d
i
(n de chantier)
t
f
(borne sur t
f
)
d
i
d
i
d
i
(bornes sur la dur ee)
P()
On peut alors resoudre ce problème en fonction du paramètre . En ajoutant
letermeconstantque nousavionsneglige,on obtientungraphiquedu genredecelui
represente ` a la gure 8.12. Ce graphique appelle plusieurs commentaires. Tout
dabord, le paramètre doit etre superieur ` a une certaine valeur minimum qui
correspond au temps dex ecution minimum lorsque toutes les t aches critiques sont
` a leur dur ee minimum d
i
. Ensuite, remarquons que la fonction c() est convexe,
decroissante et lineaire par morceaux. Enn, ` a partir dune certaine valeur de ,
on aura systematiquement d
i
= d
i
et lobjectif devient constant.
Comment va-t-on alors choisir le temps optimum ? A voir la forme de la
courbe 8.12, il vaudrait mieux prendre = , le temps maximum. Mais ceci ne
tient compte que des co uts directs dexecution des t aches.
Section 8.7. La minimisation des co uts 127

c()
Figure 8.12: Co ut dex ecution en fonction de .

Il existe aussi des co uts indirects li es ` a la duree du chantier. Ce sont les frais
dassurances, les salaires de lencadrement, les frais de location du materiel, et
les p enalites par jour de retard. Tous ces frais sont evidemment croissants avec la
duree du chantier.
Si on additionne les deux courbes (co uts directs et co uts indirects), comme ` a la
gure 8.13, on obtient la courbe de co ut total dont on peut determiner le minimum.
c()
co ut direct
co ut indirect
co uts totaux
Figure 8.13: Co uts totaux.

On a donc arbitre entre les deux objectifs de
diminution des co uts
diminution du temps dexecution.
Nous verrons une application de ceci dans les exercices qui suivent.
8.8 Exercices
8.1. Equipement dun ensemble minier. L equipement dun ensemble minier
comporte les t aches suivantes dont la dur ee est exprim ee en trimestres.
No t ache duree prealables
1 Construction dun port provisoire 3 -
2 Commande dune piste 6 -
3 Commande de materiel portuaire 2 -
4 Pose dune voie ferree 4 1
5 Construction du port denitif 2 1
6 Construction dune cite administrative 7 1
7 Construction de linstallation minière 4 2 et 4
8 Equipement portuaire d enitif 3 3 et 5
(a) Construire le graphe relatif ` a la m ethode du potentiel.
(b) Calculer les dates de d ebut au plus t ot, les dates de debut au plus tard.
Determiner le chemin critique.
(c) Comment modier le graphe si, on veut que la tache 7 ne commence
pas avant 8 trimestres ?
(d) Comment modier le graphe si on veut en plus que la t ache 8 ne
commence pas après 4 trimestres ?
8.2. Construction dun b atiment. Consid erons lesdifferentes t aches ` a effectuer
pour construire un batiment. Elles sont reprises ci-dessous.
1 fondations 6 -
2 murs 10 1
3 plomberie int erieure 5 2
4 electricit e 7 2
5 toit 6 2
6 plomberie ext erieure 4 5
7 menuiserie 8 3 et 4
8 sols 4 7
9 peinture int erieure 5 7
10 nitions int erieures 6 8 et 9
11 peinture ext erieure 9 6
12 nitions ext erieures 2 11
(a) Tracez le graphe relatif ` a la m ethode du potentiel.
(b) Calculez les dates de debut au plus t ot, les marges et d eterminez le
chemin critique.
(c) Les t aches9(peinture int erieure)et11 (peintureexterieure)doivent etre
disjointes car effectu ees par les memes ouvriers. Comment resoudre
cette disjonction ? La date de n des travaux est-elle affect ee ?
8.3. Lancement dun nouveau produit. Une entreprise decide de commercia-
liser un nouveau produit. La planication de ce lancement fait apparatre
les taches reprises au tableau 8.2 avec leur duree (en semaines) et leurs
prealables.
(a) Tracer le graphe correspondant ` a la m ethode PERT.
(b) Calculez lesdatesdedebutauplustot,auplus tardet lechemin critique.
(c) Lentreprise voudrait reduire la duree totale dex ecution des travaux.
Pour cela, il est possible de reduire la dur ee des taches 5 et 11 de une
ou deux semaines au prix dun co ut supplementaire de 100 000 EURO
par semaine de reduction pour la t ache 5 et de 200 000 EURO par
semaine pour la tache 11. De combien peut-on reduire la duree totale
des travaux et ` a quel co ut ?
1 Selection des equipements 1 -
2 Choix de la methode de production 2 1
3 Procedures de contr ole de qualite 2 2
4 Choix des matières premi` eres 2 1
5 Reception des equipements 7 1
6 Commande des matières premières 1 4
7 Reception des matières premi` eres 3 6
8 Essais de production 2 5,3 et 7
9 Premi` ere fourniture aux magasins 6 8 et 11
10 Conception du conditionnement 4 1
11 Production du conditionnement 5 10
12 Reunion des vendeurs 1 11
13 Formation des vendeurs 1 12
Tableau 8.2: Lancement dun nouveau produit
8.4. Lancement dun nouveau produit. Une societe met ` a l etude le lancement
dun nouveau produit. Ce lancement necessite la realisation de 10 t aches
reper ees par les lettres A ` a J, et dont les caracteristiques sont donn ees ` a la
table 8.3.
tache duree anc etre(s) observations
A 7 C,F Recouvrement possible avec C
de 3 semaines
B 3 D,H,G
C 6 J Ne peut commencer avant
le debut de la 14` eme semaine.
D 3 -
E 2 D
F 5 J et I
G 4 -
H 5 -
I 7 G et H
J 4 E et B
Tableau 8.3: Lancement dun nouveau produit
(a) Etablir le graphique de la m ethode du potentiel.
(b) Verier sur le graphique que le problème est soluble (expliquer suc-
cinctement pourquoi).
(c) Calculer les dates de debut au plus t ot, au plus tard, les marges.
(d) Donner tous les chemins critiques.
tache co ut
C 10.000 EURO
F 15.000 EURO
B 5.000 EURO
I 6.000 EURO
Tableau 8.4: Reduction possible de la duree
(e) Le directeur commercial souhaite raccourcir la duree dex ecution du
projet dune semaine. Les t aches sur lesquelles il est possible dagir
ainsi que le co ut correspondant ` a leur diminution de dur ee dune se-
maine sont donnes ` a la table 8.4.
Que sugg erez-vous ?
8.5. Minimisation des co uts. On consid` ere un chantier de construction qui fait
intervenir cinq taches dont les dur ees et les t aches prealables sont donn ees
au tableau 8.5.
T ache dur ee co ut taches
(jours) prealables
1 4 -
2 6 -
3 5 1
4 8 2 et 3
5 7 4
Tableau 8.5: Minimisation des co uts
(a) Tracer le graphe correspondant ` a la m ethode du potentiel.
(b) Determiner les dates de d ebut au plus t ot au plus tard et le chemin
critique.
(c) Ecrire ce problème dordonnancement sous forme dun programme
lineaire dont les variables seront les dates t
i
de d ebut des t aches et t
f
,
la date de n du chantier.
(d) Les t aches supportent des frais directs (main duvre, heures machine)
dontlesmontantssontrespectivementde30000, 40000,50000, 50000
et 10 000 EURO. Dautre part, les dur ees des t aches 3 et 5 peuvent
etre reduites jusqu` a 3 et 5 jours au prix daccroissements de co uts
de 20 000 et 10 000 EURO par jour. Ecrire le programme exprimant
la minimisation du co ut direct pour une duree totale t
f
donnee. On
commencera par exprimer les co uts directs c
3
et c
5
des t aches 3 et 5
comme fonctions afnes des durees d
3
et d
5
qui deviennent variables.
(e) Ondesire etudier, enfonctionduparamètre t
f
, lesvariationsducoutmi-
nimal direct total C
D
obtenu ` a laide du programme prec edent. Donner
la forme de la courbe representant les variations de ce co ut en fonction
de t
f
.
(f) Determiner numeriquement l evolution du co ut direct C
D
en fonction
de t
f
en partant du resultat de la question (b) et en reduisant progres-
sivement la duree t
f
de fa con ` a ce que le co ut direct soit toujours
minimal.
(g) En plus des co uts directs, lentreprise supporte aussi des frais indirects.
Ces frais indirects comportent les salaires de lencadrement, des frais
de location de mat eriel, des frais dassurance et des frais nanciers
pour un montant total de 10 000 + 5 000 t
f
et aussi une penalite de
10 000 EUROpar jour de retard au delà du 22ème jour. D ecrire sur un
meme graphique l evolution du co ut indirect C
I
, du co ut direct C
D
et
du co ut total en fonction de la duree de n de chantier. Quelle valeur
donner ` a cette dur ee ?
Chapitre 9
Conception dun centre de production
9.1 Introduction
Les decisions dimplantation dun centre de production incluent
1. la decision de localisation du centre qui depend de :
la localisation des clients : il faut minimiser les couts de transport vers
ceux-ci;
la disponibilite et le co ut de la main duvre;
la disponibilite des matières premi` eres;
les aides nationales et locales ` a linvestissement;
la volont e de p enetrer un march e local difcile;
la qualite des h opitaux, la qualit e du cadre de vie,. . .
Atitredexemple, onpeutciter lalocalisationdunenouvelle usineTOYOTA
près de Valenciennes, qui est situee au cur de lEurope et dans le pays
europeen le plus protectionniste en faveur de ses marques nationales.
2. le choix de la capacite de production qui d epend :
de la prevision de la demande ` a long terme;
de la volont e de lentreprise de dominer un march e;
de la possibilit e de repondre rapidement ` a des variations de demande.
Vu lincertitude sur la demande, on implante souvent une nouvelle usine par
phases successives. Ce sera le cas de la nouvelle usine de Toyota pr` es de
Valenciennes.
3. la conguration du centre de production : il sagit de d eterminer comment
les diff erents equipements et postes de travail doivent etre disposes.
133
134 Chapitre 9. Conception dun centre de production
9.2 Conguration dun centre de production
Il sagit donc ici de determiner la manière de disposer les equipements et les
postes de travail les uns par rapport aux autres . Il existe au moins trois types de
congurations possibles :
1. La conguration en ateliers sp ecialis es est utilisee lorsquil y a une grande
vari et e darticles diff erents ` a produire. On peut alors regrouper dans un
atelier lensemble des machines assurant une fonction donn ee. Par exemple,
dans un garage, latelier de peinture, latelier carrosserie,. . .
2. La conguration en terme de produit est utilisee lorsquil y a une demande
importante et continue de quelques produits. On organise la production soit
enligne (cestlecas deslignesdassemblage dautomobiles)soit enindustrie
de process (cest le cas des rafneries de petrole).
3. On parle de conguration ` a poste xe lorsque loperateur doit se deplacer
entre deux operations. On peut citer comme exemples :
un client qui se d eplace entre les diff erents rayons dun super march e;
un magasinier qui se deplace entre les diff erents rayonnages dun ma-
gasin de stockage de carrelage.
9.2.1 Conguration en ateliers specialises
Illustrons cette conguration par lexemple dune maternit e qui regroupe les diff e-
rents services concernes sur un m eme etage dun h opital :
accueil
salle dattente
consultation prenatale
consultation pediatrie
echographie
chambres de maternit e
salle daccouchement
Une question cruciale pour une bonne organisation de ce type de conguration
est la localisation relative de ces diff erents services. On doit tenir compte de :
Section 9.2. Conguration dun centre de production 135
1. du volume de trac entre deux services de sorte que deux services avec
un ux important soient localises proches lun de lautre (par exemple, la
consultation maternite et le service echographie);
2. du fait que certains services doivent avoir acc` es ` a lext erieur (par exemple,
laccueil);
3. du fait que certains services ne peuvent changer de place (par exemple, la
chaufferie).
4. du fait quil peut y avoir incompatibilite (par exemple, la salle daccouche-
ment ne doit pas etre situee ` a cote de laccueil) ou necessite absolue de
mitoyennete (par exemple, la salle daccouchement a inter et ` a se trouver
près des couveuses).
Une matrice de proximite peut etre utilis ee pour indiquer la proximite voulue :
A : Absolument necessaire
S : Sp ecialement important
I : Important
G : Gen eralement proche
: sans importance
X : ` a eviter
La gure 9.1 illustre cette matrice dans le cas de la maternite.
ACCUEIL
SALLE D'ATTENTE
CONSULTATIONS
ECOGRAPHIE
SALLE ACCOUCHEMENT
G
I
S
A
X
Figure 9.1: Matrice de proximite
On peut egalement, plut ot que de noter la proximite, donner une matrice de
ux entre les diff erents services. On peut alors concevoir une localisation des
diff erentes services qui minimise la somme des ux entre services pond er ee par la
distance entre ces services.
Formulation en un probl` eme daffectation quadratique :
Supposons nservices ` alocaliser ` aune des nplacespossibles. On choisitici comme
variables :
x
ij
= 1 si le service i est en place j,
= 0 sinon.
Dans ce cas, lobjectif peut s ecrire de la mani` ere suivante :
min
n
i=1
n
k=1
n
j=1
n
l=1
w
ik
d
jl
x
ij
x
kl
avec d
jl
la distance entre les localisations j et l et w
ik
, le poids dans la matrice de
proximite :
4 : Absolument necessaire
3 : Specialement important
2 : Important
1 : Gen eralement proche
0 : sans importance
-1 : ` a eviter
Expliquons la forme de cette fonction : lobjectif minimise la somme des dis-
tances entre les paires de lieux (j, l), ponder ee par limportance dune localisation
proche des paires de services (i, k), pour autant que x
ij
et x
kl
soient egaux ` a un,
cest-à-dire que le service i soit en lieu j et le service k en lieu l .
Les contraintes sont de deux types :
Toute place est occupee :
n
i=1
x
ij
= 1, j = 1, . . .n
La contrainte indique que chaque place j est occupee par exactement un
service i
Toute fonction est plac ee :
n
j=1
x
ij
= 1, i = 1, . . .n
La contrainte indique que chaque service i est place ` a une place j.
Il faut bien s ur egalement imposer le caractère entier des variables :
x
ij
{0, 1}, i, j.
9.2.2 Conguration en ligne de production
Lorsquun produit est fabriqu e en grande quantite, on peut gagner en efcacit e
en organisant la production en ligne. A titre dexemple, on peut citer les usines
dassemblage automobiles ou les tunnels de lavage de voitures (car-wash).
Le probl` eme principal reside dans l equilibrage de la cha ne : il faut que les
diff erentes operations prennent le m eme temps car la cha ne tourne ` a la vitesse de
loperation la plus lente.
Une ligne dassemblage est dite parfaitement equilibr ee si chaque poste de
travail (main duvre et equipement) est occup e ` a 100 %.
Illustrons ceci sur lexemple suivant. Un appareil electrom enager est constitu e
de 11 composants, not es B1 ` a B11, de 3 sous-ensembles not es SA1 ` a SA3. Le
tableau 9.1 fournit les t aches, leurs durees et leurs pr ealables. Le temps total
Label Temps Objet Pred ecesseurs
A 2 placer le chassis sur la cha ne -
B 7 attacher B4 sur chassis A
C 5 attacher B2 sur B1 -
D 2 attacher B3 sur B1 -
E 15 tester SA1 C,D
F 7 attacher SA1 sur chassis A,E
G 6 attacher B6 ` a B5 -
H 4 attacher SA2 au chassis B,G
I 9 attacher B7 au chassis A
J 10 attacher B9 ` a B8 -
K 4 attacher B10 ` a B8 -
L 8 attacher B11 ` a B8 J,K
M 6 attacher SA3 au chassis A,L
N 15 tester lappareil tous
Total 100
Tableau 9.1: Equilibrage dune chane
dassemblage est de 100 minutes au minimum. On dispose de cinq operateurs.
On peut tracer un graphe de preseance qui nest rien dautre que le graphe de
la m ethode du potentiel o` u chaque t ache est representee par son label et sa duree.
On a represent e ce graphe ` a la gure 9.2.
C,5
D,2
A,2
G,6
J,10
K,4
E,15
F,7
B,7
H,4
I,9
L,8
M,6
N,15
Poste 4
Poste 1
Poste 2
oprateur 1 oprateur 2 oprateur 3 oprateur 4 oprateur 5
A,B,C,D E,F G,H,I J,K,L M,N
16 min 22 min 19 min 22 min 21 min
Poste 3
Poste 5
Figure 9.2: Une affectation possible
Une affectationpossibledestachesauxoperateurs estobtenueentracantcinq
sous-ensembles, correspondant aux t aches des cinq op erateurs, tout en respectant
les contraintes de preseance. Le temps total de montage, pour le choix fait ` a la
gure 9.2, est de :
5 op erateurs 22 minutes par cycle = 110 homme-minutes.
Il y a donc un temps mort de 10 minutes, ce qui correspond ` a un pourcentage de :
10
110
= 9, 1%
Une mesure de la qualite de la solution est precis ement ce rapport du temps
mort sur le temps total de montage. Ce rapport est appele retard dequilibre et se
calcule par la formule suivante :
RE =
nc T
nc
avec n = nombre de postes de travail,
c = temps dun cycle = inverse de la fr equence,
T = temps total requis par un article
= somme des temps individuels.
Remarquons quici on na pas atteint lobjectif dun equilibrage parfait qui
impliquerait deconstruire 3articles par heureavecuntempsdecyclede20minutes.
Remarquons quil nest pas toujours possible datteindre l equilibre parfait de la
chane puisque les t aches ne sont pas divisibles ` a linni.
Voyons maintenant comment r esoudre le probl` eme. Trouver laffectation
qui minimise RE est un problème en nombres entiers particuli` erement difcile ` a
resoudre. Une heuristique qui permet de trouver rapidement une solution est la
suivante. On se xe une duree maximum pour chaque poste de travail. Ici xons
nous une duree maximum de 19 minutes. On va alors remplir ces postes de la
manière suivante :
Pas1. Attribuer un score ` a chaque tache et classer les t aches par score decroissant.
Ici, comme SCORE 1, nous allons tout simplement prendre la duree des
taches :
E, N, J, I, L, B, F, G, M, C, H, K, A, D
Pas 2. Mettre ` ajour lensemble des t aches disponibles (cest-à-dire les t aches dont
tous lespred ecesseursimmediats sontaffectes). Au debut, cesontcelles sans
pred ecesseur :
S = {J, G, C, K, A, D}
Pas 3. Affecter la t ache avec le score le plus elev e dans le premier poste o` u la
capacite et les contraintes de pr eseance ne sont pas violees :
J au poste 1.
Aller en au Pas 2.
On remplit alors progressivement le tableau suivant.
Poste 1 Poste 2 Poste 3 Poste 4 Poste 5 Poste 6 Poste 7
J,10 C,5 I,9 M,6 E,15 F,7 N,15
G,6 K,4 B,7 H,4
A,2 L,8
D,2
18 19 16 10 15 7 15
Le detail des it erations est repris ci-dessous :
S = {G, C, K, A, D} : G en 1; S = {B, M, D} : B en 3;
S = {C, K, A, D} : C en 2; S = {M, H, D} : M en 4;
S = {K, A, D} : K en 2; S = {H, D} : H en 4;
S = {L, A, D} : L en 2; S = {D} : D en 2;
S = {A, D} : A en 1; S = {E} : E en 5;
S = {I, B, M, D} : I en 3; S = {F} : F en 6;
S = {N} : N en 7
On peut alors calculer le retard d equilibre de cette solution :
RE =
nc T
nc
=
7 19 100
7 19
= 24, 81%
On voit que la solution nest pas dune tr` es grande qualite. On peut utiliser
plut ot un second score qui consiste ` a aditionner ` a la dur ee de la t ache, celles de
toutes les taches qui la suivent. Ainsi, ` a la duree de la t ache A, on ajoute le temps
des t achesF, B, I, M, Het N. Le calcul du second score donne les resultatssuivants :
A B C D E F G H I J K L M N
50 26 42 39 37 22 25 19 24 39 33 29 21 15
Le classement des taches suivant ce second score est le suivant :
A, C, D, J, E, K, L, B, G, I, F, M, H, N
On remplit le tableau comme suit
Poste 1 Poste 2 Poste 3 Poste 4 Poste 5 Poste 6
A,2 E,15 L,8 G,6 F,7 N,15
C,5 K,4 B,7 I,9 M,6
D,2 H,4
J,10
19 19 15 19 13 15
Le detail des it erations est donn e ci-dessous.
S = {A, C, D, J, K, G} : A en 1; S = {B, G, I, F, M} : B en 3;
S = {C, D, J, K, B, G, I} : C en 1; S = {G, I, F, M} : G en 4;
S = {D, J, K, B, G, I} : D en 1; S = {I, F, M, H} : I en 4;
S = {J, E, K, B, G, I} : J en 1; S = {F, M, H} : F en 5;
S = {E, K, B, G, I} : E en 2; S = {M, H} : M en 5;
S = {K, B, G, I, F} : K en 2; S = {H} : H en 4
S = {L, B, G, I, F} : L en 3; S = {N} : N en 6.
On peut alors calculer le retard d equilibre de cette solution :
RE =
19 6 100
19 6
= 12, 3%
9.2.3 Conguration ` a poste xe
Lorsque loperateur voyage entre les diff erentes operations, on parle de conception
` a poste xe. Comme exemples, on peut citer :
les magasins en self-service o` u le client se deplace de rayon en rayon;
les entrep ots de stockage de carrelages, de tapis-pleins, etc. . .
une centrale de stockage intermediaire dune societ e de distribution;
une inrmière qui se deplace dune chambre ` a lautre dans un h opital,. . .
Le probl` eme principal reside dans la localisation des aires de stockage de
manière ` a minimiser soit
le co ut total de manipulation en mettant les produits les plus utilis es aux
endroits les plus accessibles;
le temps maximum dacc` es dans le cas, par exemple, de la localisation de
centres dintervention durgence.
Cas dun entrep ot :
Illustrons ce cas par lexemple de la societ e Sommer qui produit en grandes s eries
ses differentes ref erences de tapis pleins qui sont vendues en quelques unites ` a ses
clients qui sont les centres de bricolage et les surfaces specialis ees en rev etement
de sol. On approvisionne le stock en grandes quantites (de lordre de 200 rou-
leaux dun m eme type). On destocke, ` a la demande, en petites quantites (un ou
deux rouleaux). Le stockage est rendu necessaire par la diff erence entre la taille
economique dun lot ` a la production et la taille moyenne dun lot demande.
Pour le placement optimal des rouleaux, on a inter et ` a placer les articles
ayant le plus fort taux de rotation de stock aux emplacements les plus accessibles.
Il y a deux mani` ere de stocker :
Stocker ` a des places dedi ees : une ref erence donn ee sera toujours ` a la m eme
place. Ce qui facilite le contr ole et linformation. Linconv enient est que
lon perd beaucoup de place car chaque emplacement est rempli ` a 50 % en
moyenne.
Stocker ` a la premi` ere place disponible : ceci necessite un système infor-
matique de localisation : chaque lot est localis e par le numero de lallee, la
distance dans lallee, et la hauteur dans le rayon.
La solution adoptee chez Sommer est le dedicacement par zone : on place le
produit danslapremièreplacedisponible dansune zone(assezlarge) correspondant
` a son taux de rotation. Ceci est donc un compromis entre une capacite de stockage
reduite et la rapidite daccès aux produits ` a forte rotation de stock.
Cas des centres dintervention durgence :
Dans ce second cas, lobjectif est de minimiser le temps daccès au client le
plus eloign e. Par exemple, dans un service hospitalier, on veut localiser le local
des inrmi` eres de mani` ere ` a avoir un temps de reaction auprès de chaque patient
aussi court que possible. La solution, dans ce cas, est de construire un etage
circulaire avec le local des inrmi` eres au centre. Remarquez quici souvent la
solution impliquera des localisations multiples an de bien couvrir une zone :
par exemple, dans le cas des pompiers, on aura diverses antennes delocalisees
permettant datteindre rapidement des villages d ecentres.
Section 9.3. Decisions de capacite 143
9.3 D ecisions de capacit e
Nous allons illustrer les decisions de choix dune capacite sur lexemple dune
boulangerie industrielle qui fournit les supermarches de sa region et qui sattend
` a une croissance de la demande. Une d ecision strategrique est ` a prendre : Quelle
capacite lui donner ?
Remarquez que le m eme genre de decision est ` a prendre dans des exemples
non commerciaux tel que le traitement des dechets m enagers. En effet, la re-
glementation europeenne prevoit de limiter progressivement le deversement en
decharge des ordures menag` eres. Si la construction dun incinerateur simpose, ` a
nouveau, une decision cruciale est ` a prendre : Quelle capacit e lui donner ?
Nous illustrerons les choses sur lexemple dune boulangerie industrielle. Les
donnees numeriques sont les suivantes :
1. Modelisation de la demande : il y a incertitude sur la demande future du
produit. Si le succès du produit est important, une capacite supplementaire
de 5 000 unites par semaine sera necessaire pour un prot de 40 000 EURO
par semaine hors frais damortissement du capital. Si le succès du produit
est mitige, une capacite de 2 000 unit es par semaine sera sufsante et la
compagnie fera un prot de 16 000 EURO par semaine. La demande est
connue au bout dun an.
2. Donn ees de co ut dinvestissement. Une capacit e de 2 000 unites par semaine
peut etre construite pour 800 000 EURO. Une capacite de 5 000 unites par
semaine peut etre construite pour 1,5 millions dEURO. Une capacit e de
2 000 peut etre etendue ` a une capacite de 5 000 pour 1 million dEURO. Les
surcapacites sont sans valeur.
3. La dur ee de vie des equipements est de 20 ans.
4. Le facteur dannualisation, necessaire car les prots sont repartis dans le
futur, est de 25 % lan.
5. La probabilit e de succès du lancement du produit est estim ee ` a 20 % sur
base dexperiences dintroduction dautres produits.
Les diff erents choix possibles peuvent etre utilement illustres sur un arbre de
decision tel que celui de la gure 9.3. Un carr e represente une decision. Un cercle
represente un etat du monde.
Pour le choix dune capacite, on va selectionner la capacite desperance de
prot la plus elev ee.
construire 2000
haute demande
faible demande
h
a
u
t
e
d
e
m
a
n
d
e
faible demande
tendre 5000
rester 2000
c
o
n
s
t
r
u
i
r
e

5
0
0
0
n
e

r
i
e
n

c
o
n
s
t
r
u
i
r
e
Investiss.
1,500,000
1,500,000
800,000
800,000
800,000
0
Profit.
40,000
16,000
40,000
16,000
16,000
0
1,
Figure 9.3: Arbre de decision
Denition 9.1 On appelle valeur nette presente, la somme actualis ee des prots
futurs moins linvestissement initial.
Appliquons ceci ` a lexemple.
Consid erons la construction initiale de 5 000 en cas de demande forte :
(40 000 52)
20
j=1
_
1
1, 25
_
j
1 500 000
On peut demonter la formule suivante pour le calcul dannuit es :
n
j=1
_
1
1 +i
_
j
=
_
1 (1 +i)
n
i
_
Appliquons ceci ` a notre exemple :
20
j=1
_
1
1, 25
_
j
=
_
1 (1, 25)
20
0, 25
_
= 3, 953883
On obtient donc une valeur nette au bout dun an de :
40 000 52 3, 953883 1 500 000 = 6 724 077.
Consid erons maintenant la construction initiale de 5 000 en cas de demande
faible :
(16 000 52)
20
j=1
_
1
1, 25
_
j
1 500 000 = 1 789 631.
Section 9.3. Decisions de capacite 145
Consid erons la construction initiale de 2 000 augment ee de 3 000, en cas de
demande forte. Linvestissement initial de 2 000 rapporte 16 000 EUROdurant la
première annee et linvestissement de deuxi` eme annee rapporte 40 000 EUROles
19 annees suivantes :
(16 000 52)
1
1, 25
800 000
+
20
j=2
(40 000 52)
_
1
1, 25
_
j
1 000 000 000
1
1, 25
= 134 400 +
1
1, 25
(
19
j=1
(40 000 52)
_
1
1, 25
_
j
1 000 000 000)
= 5 625 677.
Consid erons maintenant la construction de 2000 en cas de demande faible :
(16 000 52)
20
j=1
_
1
1, 25
_
j
800 000 = 2 489 631.
Les resultats dans les diff erents cas sont resumes au tableau 9.2.
Decision demande VNP
construire 5 000 forte 6 724 077
construire 5 000 faible 1 789 631
construire 2 000 + 3 000 forte 5 625 677
construire 2 000 faible 2 489 631
construire 0 forte 0
construire 0 faible 0
Tableau 9.2: Calcul de la VNP
On peut alors calculer les prots esp er es dans chacun des trois cas :
Construire 5 000 :
E(V NP) = 0, 2 6 724 077 + 0, 8 1 789 631 = 2 776 520 EURO.
Construire 2 000 :
E(V NP) = 0, 2 5 625 677 + 0, 8 2 489 631 = 3 116 840 EURO.
Construire 0 :
E(V NP) = 0 EURO.
En conclusions, il vaut mieux construire une petite capacit e et etendre après un an
si necessaire. Remarquons que le resultat depend crucialement de la probabilite
de succès du produit. Si la probabilite est de 50 %, il devient plus interessant de
construire d` es le debut une capacit e de 5 000 (voir exercice 9.3 ).
Soulignons ici limportance de bien choisir la capacite. Si lon choisit une
capacit e trop faible, on perd des clients et on permet aux concurrents de rentrer
sur le march e. A linverse, si lon choisit une capacite trop grande, on rentabilise
moins bien une usine sous-utilisee, on inonde le marche et on fait baisser le prix
et on risque de rencontrer des difcult es de remboursement des emprunts.
Ceci illustre toute limportance dune bonne pr evision ` a long terme : que ce
soient les previsions de ventes dans le secteur automobile, les previsions de ventes
delectricite, etc. . . . Une parade devant lincertitude sur la demande est donc
la construction par phases successives dusines dassemblage et des centrales
electriques.
9.4 D ecisions de localisation
La decision de localisation dun centre de production doit etre analys ee en tenant
compte de plusieurs critères :
1. la facilit e daccès, les co uts de transport;
2. la disponibilite, qualication et le co ut de la main duvre;
3. le co ut de construction, les taxes locales;
4. lattraction des clients;
5. la disponibilite des matières premi` eres;
6. les attitudes des autorites locales et nationales.
Limportance relative de ces critères depend du type dactivit e ` a localiser :
localiser un super-march e : les co uts de transport et lattraction des clients
sont preponderants;
localiser une usine : le co ut de la main duvre et la disponibilite des
matières premières sont pr eponderants.
Section 9.4. Decisions de localisation 147
Les modèles de localisation optimale consid` erent gen eralement un seul crit` e-
re. Deux techniques sont appliqu ees suivant lobjectif poursuivi : la technique de
gravit e si on veut minimiser les co uts totaux de transport ou celle de discretisation
si on veut minimiser le temps daccès au client le plus eloigne :
La technique du centre de gravit e. Si lon veut minimiser le nombre total de
tonnes-kilom` etres de produit transporte, on a int er et ` a se situer au centre de
gravit e des clients et fournisseurs. Par exemple, dans la localisation dune
usine de production de betons, on a inter et ` a se situer au centre de gravit e
des carrières et des gros clients.
La m ethode de discr etisation. Lorsque le critère temps dacc` es est le plus
important, on aura recours le plus souvent ` a des emplacements multiples an
davoir un bon acc` es ` a tous. Par exemple, lors de la localisation dun centre
dintervention de pompiers, on veut minimiser le temps dacc` es au client le
plus eloigne. Ce qui conduit ` a implanter des antennes decentralisees.
Nous allons maintenant voir comment calculer le centre de gravit e. A la
gure 9.4, on a represente la localisation dans le plan des diff erents clients et des
diff erents fournisseurs de matière premi` ere. Notons :
Cl
1
Cl
2
Cl
n
MP
1
MP
2
MP
m
Figure 9.4: Centre de gravit e
MP
i
, le nombre de tonnes de matière première ` a aller chercher en i;
Cl
j
, le nombre de tonnes de produits nis ` a conduire chez le client j;
r
i
, le co ut de transport dune tonne de matière premi` ere venant de i;
R
j
, le co ut de transport dune tonne de produit ni chez j.
Le centre de gravit e est le point (x
, y
) qui minimise la somme des co uts de

transport des matières premi` eres et des produits naux en supposant des distances
en ligne droite et des co uts lin eaires :
x
=
m
i=1
r
i
x
i
MP
i
+
m
j=1
R
j
x
j
Cl
j
m
i=1
r
i
MP
i
+
m
j=1
R
j
Cl
j
y
=
m
i=1
r
i
y
i
MP
i
+
m
j=1
R
j
y
j
Cl
j
m
i=1
r
i
MP
i
+
m
j=1
R
j
Cl
j
9.4.1 Utilisation de la programmation mathematique
Pour terminer ce chapitre, nous allons illustrer, sur un exemple, lutilite de la
programmation mathematique dans les decisions de localisation. Les diff erentes
donnees du probl` eme sont reprises aux tableaux 9.3 et 9.4. Les co uts de transport
entre les diff erentes usines et les diff erents clients sont donnes en EURO par kg.
Les demandes des clients sont donnees en millions de kg par jour. Les co uts de
production sontdonnes enEUROpar kg. Les capacites deproduction sont donn ees
en millions de kg par jour.
Vers le Co ut de lusine (EURO/kg) Demande du client
le client A B C (10
6
kg/jour)
1 0,021 0,039 0,035 0,5
2 0,024 0,029 0,034 0,8
3 0,019 0,040 0,029 0,5
4 0,048 0,027 0,026 0,9
5 0,037 0,024 0,032 0,9
6 0,029 0,023 0,041 0,8
7 0,020 0,041 0,032 0,6
8 0,041 0,034 0,019 0,6
9 0,050 0,034 0,018 0,8
10 0,047 0,035 0,018 0,7
Tableau 9.3: Co uts de transport et demandes
On veut determiner le plan de distribution qui minimise les co uts de production
et les co uts de transport.
Usine A B C
Co ut de production (EURO/kg) 0,347 0,326 0,351
Capacite de production (10
6
kg/jour) 1,8 4 1,6
Tableau 9.4: Co uts et capacit es de production
Nous allons formuler le problème comme un probl` eme de programmation
mathematique :
Choix des variables. Notons x
ij
, le nombre de millions de kg produits ` a
lusine i et livr es au client j.
Expression de lobjectif. Il sexprime simplement par :
min
3
i=1
10
j=1
c
ij
x
ij
avec c
ij
, le co ut de fourniture dun million dunit es de lusine i vers le client
j. Ce co ut est la somme du co ut de production et du co ut de transport.
Expression des contraintes. Elles sont de deux types :
Respecter la capacit e de lusine i, soit CAP
i
:
10
j=1
x
ij
CAP
i
Satisfaire la demande du client j, soit DEM
j
:
3
i=1
x
ij
= DEM
j
La solution optimale peut etre trouvee par lalgorithme du Simplexe puisquil
sagit dun problème purement lin eaire. Examinons maintenant le problème de la
localisation dune nouvelle usine. Supposons que lusine Cdoive etre remplacee.
Les alternatives possibles sont :
1. Accrotre lusine B ` a 6 millions de kg par jour.
2. Construire une nouvelle C de 2 millions de kg/jour.
3. Construire une nouvelle C de 4 millions de kg/jour.
Les alternatives co ut xe co ut marginal
6 millions B 18 millions EURO 0,326
2 millions C 18 millions EURO 0,335
4 millions C 34 millions EURO 0,320
Tableau 9.5: Donnees de co ut des alternatives
Leurs co uts respectifs sont donnes au tableau 9.5.
Effectuons une comparaison des 3 alternatives et de la situation actuelle. Il
sagit de resoudre successivement quatre problèmes lin eaires not es (LP1) ` a (LP4)
au tableau 9.6. Dans la colonne co ut journalier, on donne la somme du co ut de
production et du co ut de transport, hors frais xes dinvestissement.
Les alternatives co ut journalier co ut xe
(LP1) situation actuelle 2 561 600
(LP2) 6 millions B 2 547 300 18 millions
(LP3) 2 millions C 2 533 100 18 millions
(LP4) 4 millions C 2 469 700 34 millions
Tableau 9.6: Donnees de co ut des alternatives
Une premi` ere conclusion qui peut etre tiree de ce tableau est que (LP2) peut
etre elimin e car ayant un co ut xe identique ` a celui de (LP3), une alternative qui
a un co ut journalier inf erieur. Calculons leconomie de (LP3) sur 300 jours de
production par rapport ` a la situation actuelle :
(2 561 600 2 533 100) 300 = 8 555 000
Soit une economie de 8,555 millions par an pour un investissement initial de 18
millions dEURO. Cet investissement est certainement rentable, quel que soit le
facteur dactualisation.
Calculons maintenant l economie additionnelle de (LP4) par rapport ` a (LP3) :
(2 533 100 2 469 700) 300 = 19 020 000
Soit un economie additionnelle de 19,020 millions par an pour un investissement
additionnel de 16 millions dEURO. A nouveau, cet investissement est hautement
protable. On choisira donc la solution (LP4) : construire la nouvelle usine C ` a 4
millions de kg par jour.
Remarquons que, dans la solution de (LP4), lusine A nest plus utilis ee du
tout et peut etre ferm ee.
9.4.2 Utilisation de variables binaires
Enn, terminons ce chapitre en illustrant limportance de lutilisation de variable
binaires dans les decisions de choix de capacite. Prenons lexemple de louver-
ture eventuelle dune nouvelle usine D de 2 millions de capacit e. La decision
douverture de la nouvelle usine peut etre modelise par la variable binaire :
y
4
{0, 1}
avec y
4
valant 1 si lusine D est ouverte et z ero sinon.
Cette variable binaire interviendra dans la contrainte de capacit e de la nouvelle
usine comme suit :
10
j=1
x
4j
2y
4
En effet, si lusine D est ferm ee, le membre de droite est nul et rien ne peut sortir
de lusine.
Cette variable interviendra aussi dans la fonction objectif. En effet, ` a la somme
des co uts de transport, on peut ajouter le co ut xe du nouvel investissement. Ceci
conduit ` a lexpression suivante pour lobjectif :
minz =
4
i=1
10
j=1
c
ij
x
ij
+
4
i=2
K
i
y
i
o` u K
i
est le co ut xe douverture de lusine i.
Remarquez aussi que les variable binaires peuvent etre utilisees pour decider
du niveau de la capacite dune nouvelle usine parmi un nombre discret de valeurs
possibles. Ainsi, si lusine D peut avoir comme capacit e 2 millions ou 5 millions
dunites, on peut ecrire :
10
j=1
x
4j
2y
4
+ 5y
4
avec la contrainte supplementaire que
y
4
+y
4
= 1,
ce qui va assurer quune seule des deux capacit es est selectionn ee.
Remarquez enn que lutilisation de variables binaire conduit ` a un probl` eme en
nombres entiers. Il sagit dun problème plus difcile ` a r esoudre que lesproblèmes
lineaires (LP1) ` a (LP4). Il peut etre resolu par application dune m ethode de
programmation en nombres entiers telle que la m ethode de branch and bound.
9.5 Exercices
9.1. Equilibrage dune chane. Pour lexemple de la section 9.2.2,
(a) au moyen dun heuristique au choix, determiner une repartition entre
7 operateurs de temps de cycle maximum de 18 minutes.
(b) calculer le retard dequilibre de la cha ne ainsi obtenue.
9.2. Montage en chane dune lampe. Le montage dune lampe de bureau
necessite la realisation de7 t aches(notees A ` aG) dont lestemps el ementaires
demontage sontdonnesendeuxième colonnedu tableau9.7. Les contraintes
danteriorite sont donnees en troisi` eme colonne du tableau 9.7. Lobjectif
de production est de 9 000 lampes par mois. Un mois est constitue de 20
jours de 8 heures par jour (60 secondes par minute).
Tache Temps (secondes) Prealables
A 22 -
B 14 A
C 27 -
D 40 B,C
E 9 -
F 41 D,E
G 12 F
Tableau 9.7: Montage de lampes ` a la chane.
(a) Determinez le temps maximum de cycle de la cha ne dassemblage
pour respecter cet objectif. Autrement dit, une lampe doit sortir de la
chane toute les c secondes pour respecter cet objectif. On demande de
determiner c.
(b) Representez sur un graphique de r eseau les relations danteriorite.
(c) Calculez le SCORE 2 pour chacune des taches de montage. Pour
rappel, le SCORE 2 est la somme du temps de la t ache et de toutes les
taches qui la suivent.
(d) En utilisant ce SCORE 2, d eterminez, en utilisant lheuristique vue au
cours, une affectation des 7 t aches aux postes de travail successifs de
la cha ne.
(e) Calculez le retard dequilibre de votre solution.
9.3. Choix dune capacite. Pour les donnees dinvestissement de la section 9.3
mais avec une probabilite de succès du produit de 50 %,
(a) recalculer les valeurs presentes nettes des trois investissements;
(b) expliquer pourquoi la decision optimale change;
(c) illustrer limportance de faire une analyse de sensibilite ` a cette proba-
bilite de succès.
9.4. Restructuration dun groupe siderurgique. Un groupe siderurgique, vu
lexc` es structurel de capacit e, decide de restructurer sa liale de produc-
tion de coke. Cette liale travaille uniquement pour 4 gros clients situes ` a
Bruxelles, Charleroi, Namur et Ostende, respectivement. Actuellement, la
demande de ses clients est satisfaite ` a partir de 3 usines situees ` a Anvers,
Liège et Mons, respectivement. Les co uts de transport dune tonne de coke
entre les usines et les villes sont donnes au tableau 9.8.
Co ut de transport Bruxelles Charleroi Namur Ostende
Anvers 100 150 180 90
Liège 120 170 80 210
Mons 70 30 90 140
Tableau 9.8: Co uts unitaires de transport.
Les capacites annuelles existantes de ces usines sont de 55, 35 et 40 mil-
lions de tonnes respectivement. La fermeture dune des usines deproduction
represente un co ut (correspondant ` a une demi annee de salaires) de 25 mil-
lions dEURO pour Anvers, de 15 pour Liège et de 15 pour Mons. Ce co ut
est ` a comparer au co ut de paiement des salaires si lon maintient lusine
en activit e (50, 30 et 30 millions dEURO respectivement). Le directeur
examine les ches de commandes des derni` eres annees et estime que, pour
lannee prochaine, il devra livrer 20, 12, 9 et 14 millions de tonnes de coke
` a ses quatre clients.
Sachantquelapprovisionnementdunclientpeutsefaire ` apartirdeplusieurs
usines, larme doitdeterminer quelles usines elle maintientouvertes lann ee
prochainedemanière ` aminimiserlasomme descoutsdefermeture, descouts
salariaux des usines maintenues en activit e et des co uts de transport vers les
clients.
Formulez mathematiquement le problème.
9.5. Optimisation deux de transports. LentrepriseBatimentTravaux Publics
Nantes Atlantique a 3 chantiers en cours : C1, C2, C3. Elle possède 2 unites
de production de beton, B1 et B2, et 2 carrières, G1 et G2, o` u sont produits
les gravillons qui entrent dans la fabrication du beton. Si la production
interne ne suft pas, il est possible de faire appel ` a la sous-traitance pour la
production de gravillons (unit e G3) et/ou pour la production de beton (unit e
B3). Dans la mesure du possible, on evite dutiliser la sous-traitance. Il
faut 1/2 tonne de gravillons pour 1 tonne de beton. Les quantites de beton ` a
fournir dans la periode aux chantiers C1, C2 et C3 sont respectivement 100,
200 et 130 tonnes. Les capacit es de production en gravillons des unit es G1
et G2 sont respectivement 75 et 60 tonnes pendant la periode. La carri` ere
du sous-traitant G3 peut fournir 100 tonnes au maximum. Les capacites
de production en beton des unites B1 et B2 sont respectivement de 60 et
120 tonnes. Le sous-traitant B3 a une capacite de 600 tonnes pendant la
meme periode. Les centrales ` a beton B1, B2 et B3 utilisent uniquement les
gravillons provenant de G1, G2 ou G3.
EURO/tonne vers B1 vers B2 vers B3
de G1 100 80 85
de G2 60 70 65
de G3 120 180 140
Tableau 9.9: Co uts de transport des gravillons
Les co uts de transport unitaire (en EURO/tonne) des gravillons sont donnes
` a la table 9.9 tandis que les co uts de transport unitaire (en EURO/tonne) des
betons sont donnes ` a la table 9.10.
EURO/tonne vers C1 vers C2 vers C3
de B1 40 50 60
de B2 25 30 30
de B3 40 45 60
Tableau 9.10: Co uts de transport des betons
On veut determiner comment satisfaire les commandes acceptees ` a co ut de
transport minimum, tout en nayant recours ` a la sous-traitance que pour les
capacites manquantes de fa con interne. Formulez le problème.
Bibliographie
[1] BAGLIN G erard, Olivier BRUEL, Alain GARREAU, Michel GREIF et
Christian VAN DELFT, Management Industriel et Logistique, Economica,
Paris, 1996.
[2] BROOKE Anthony, David KENDRICK et Alexander MEERAUS, GAMS
Users guide Release 2.25, The Scientic Press, San Francisco, 1992.
[3] CHV

ATALVa sek, Linear Programming, Freeman and Company, 1983.
[4] EXCEL, Guide de lutilisateur, Microsoft, 1992.
[5] GIARD Vincent, Gestion de la production, Economica, Paris, 1988.
[6] GUERRIEN Bernard, Initiation aux math ematiques, Economica, 1991.
[7] F.S. HILLIER et G.S. LIEBERMAN, Introduction to Operations Research,
6ème edition, Mac Graw-Hill International Editions, Singapour, 1995.
[8] LACAZE Dominique, Optimisation appliquee ` a la gestion et ` a l economie,
Economica, 1990.
[9] D. G. LUENBERGER, Linear and NonlinearProgramming, Addison-Wesley,
1984.
[10] J.O. MACCLAIN, L.J. THOMAS et J.B. MAZZOLA, Operations Manage-
ment: Production of Goods and Services, Prentice Hall, 1992.
[11] NEMHAUSER, G.L. et L.A. WOLSEY, Integer and Combinatorial Optimi-
zation, Wiley, New York, 1988.
[12] Y. NORBERT, R. OUELLET et R. PARENT, La recherche op erationnelle,
Gaetan Morin Editeur, Montreal-Paris, 1995.
[13] SIMMONARD Michel, La programmation lin eaire, Dunod 1972.
[14] M.P. WILLIAMS, Model building in Mathematical Programming, John Wi-
ley, 1990.
155
156 Bibliographie
[15] M.P.WILLIAMS, ModelsolvinginMathematicalProgramming , JohnWiley,
1992.
[16] XPRESS-MP, User Guide and Reference Manual, Release 10, Dash Asso-
ciate, 1997.
Annexe A
Formulaire pour la gestion de production
A.1 La gestion calendaire de stock
Co ut de gestion :
C(S) = c
p
I
p
(S) +c
r
I
r
(S) +c
c
1
avec I
p
(S) = stock moyen possede :
I
p
(S) = S

X +I
r
(S) (cas de stock ` a rotation nulle)
I
p
(S) = S

X
2
+
I
r
(S)
2
(cas de stock ` a rotation non nulle)
et I
r
(S) = nombre moyen de demandes non satisfaites :
I
r
(S) = P(X > S 1) SP(X > S) si X Poisson()
I
r
(S) = [f(t
S
) t
S
P(t > t
S
)] si X N(, )
avec :
t
S
=
S

X
et f(t
S
) =
e
t
2
S
/2
2
Politique optimale en stock ` a rotation nulle :
S
tel que P(X > S
) <
c
p
c
p
+c
r
< P(X > S
1) si X Poisson()
S
tel que P(X > S
) =
c
p
c
r
+c
p
si X N(, )
Politique optimale en stock ` a rotation non nulle :
S
tel que P(X > S
) <
c
p
c
r
+
c
p
2
< P(X > S
1) si X Poisson()
S
tel que P(X > S
) =
c
p
c
r
+
c
p
2
si X N(, )
157
158 Annexe A. Formulaire pour la gestion de production
Consequences economiques du choix optimal :
co ut de gestion :
C(S
) = c
r
I
r
(S
) +c
p
I
p
(S
) +c
c
1
marge nette moyenne :
B(S
) = m
u

X C(S
)
avec m
u
, la marge unitaire.
A.2 La gestion par point de commande
A.2.1 Cas de lunivers certain.
Co ut de gestion en univers certain :
C(q) = c
c
I
c
(q) +c
p
I
p
(q)
Niveau optimal de commande :
q
2c
c
D
c
p
o` u D est la demande annuelle,
et c
p
, le co ut unitaire de possession durant un an en stock.
Point de commande :
s = DL
avec L = delai dapprovisionnement, exprim e en annee.
Consequences du choix optimal :
I
c
(q), le nombre moyen de commande par an donn e par :
I
c
(q) =
D
q
I
p
(q), le stock moyen possed e donne par :
I
p
(q) =
q
2
Section A.2. La gestion par point de commande 159
A.2.2 Cas dune demande al eatoire
La quantite optimale ` a commander q
est determinee en arbitrant entre le co ut

de commande et le co ut de possession :
q
2c
c
D
c
p
` a partir de D, la demande moyenne annuelle donnee par :
D = si X Poisson()
D = si X N(, )
Le point de commande s
est determine en arbitrant entre le co ut de rupture et le

co ut de possession en utilisant la gestion calendaire pendant le delai dobtention :
s
tel que P(X

L
> s
) <
c
p
c
r
+
c
p
2
< P(X
L
> s
1) si X
L
Poisson(
L
)
s
tel que P(X

L
> s
) =
c
p
c
r
+
c
p
2
si X
L
N(
L
,
L
)
avec X
L
, la demande durant le delai dobtention L
et c
p
, le co ut unitaire de possession entre deux commandes :
c
p
= c
p
q
D
.
Consequences du choix optimal :
Le stock de s ecurit e est la diff erence entre le point de commande et la de-
mande moyenne durant L :
s
DL
Le nombre moyen de commandes :
I
c
(q
) =
D
q
Le nombre moyen de ruptures par commande, not e I

c
r
, se calcule par :
I
c
r
(s
) = P(X
L
> s
1) s
P(X
L
> s
) si X
L
Poisson(
L
)
I
c
r
(s
) = g(t
s
) si X
L
N(
L
,
L
)
do` u le nombre moyen de ventes manquees par an, I
r
(s
, q
), donne par :
I
r
(s
, q
) = I
c
(q
)I
c
r
(s
).
160 Annexe A. Formulaire pour la gestion de production
Le stock moyen poss ed e en cas de ventes manqu ees perdues :
I
p
(s
, q
) =
q
2
+ (s
DL) +
I
c
r
(s
)
2
,
o` u I
c
r
(s
) note les ruptures par cycle (durant le delai dobtention).

Le stock moyen poss ed e en cas de ventes manqu ees diff er ees :
I
p
(s
, q
) =
q
2
+ (s
DL) +
DL
2q
I
c
r
(s
),
o` u I
c
r
(s
) note les ruptures par cycle (durant le delai dobtention).

Le co ut de gestion annuel est le suivant :
C(s
, q
) = c
c
I
c
(q
) +c
p
I
p
(q
, s
) +c
r
I
r
(s
, q
)
La marge nette moyenne annuelle est obtenue en soustrayant ` a la marge
annuelle sur la demande moyenne le co ut de gestion annuel :
B(s
, q
) = m
u
D C(s
, q
).
A.3 Equilibrage dune cha ne de production
Le retard d equilibre :
RE =
nc T
nc
avec n = nombre de postes de travail,
c = temps dun cycle,
T = temps total requis par un article.
A.4 Calcul dannuites
n
t=1
_
1
1 +i
_
t
=
_
1 (1 + i)
n
i
_
avec n = nombre dannees,
i = taux dactualisation annuel.
Annexe B
Tables pour la gestion de stocks
B.1 Table de la loi Poisson()
x 0,05 0,1 0,15 0,2 0,25 0,3 0,35 0,4 0,45 0,5
0 0,0488 0,0952 0,1393 0,1813 0,2212 0,2592 0,2953 0,3297 0,3624 0,3935
1 0,0012 0,0047 0,0102 0,0175 0,0265 0,0369 0,0487 0,0616 0,0754 0,0902
2 0,0000 0,0002 0,0005 0,0011 0,0022 0,0036 0,0055 0,0079 0,0109 0,0144
3 0,0000 0,0000 0,0000 0,0001 0,0001 0,0003 0,0005 0,0008 0,0012 0,0018
4 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0001 0,0001 0,0002
5 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000
Donne la probabilite P[Poisson() > x]
161
162 Annexe B. Tables pour la gestion de stocks
x 0,55 0,6 0,65 0,7 0,75 0,8 0,85 0,9 1 1,5

0 0,4231 0,4512 0,4780 0,5034 0,5276 0,5507 0,5726 0,5934 0,6321 0,7769
1 0,1057 0,1219 0,1386 0,1558 0,1734 0,1912 0,2093 0,2275 0,2642 0,4422
2 0,0185 0,0231 0,0283 0,0341 0,0405 0,0474 0,0549 0,0629 0,0803 0,1912
3 0,0025 0,0034 0,0044 0,0058 0,0073 0,0091 0,0111 0,0135 0,0190 0,0656
4 0,0003 0,0004 0,0006 0,0008 0,0011 0,0014 0,0018 0,0023 0,0037 0,0186
5 0,0000 0,0000 0,0001 0,0001 0,0001 0,0002 0,0003 0,0003 0,0006 0,0045
6 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0001 0,0009
7 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0002
8 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000
Section B.1. Table de la loi Poisson() 163
x 2 2,5 3 3,5 4 4,5 5 5,5 6 6,5

0 0,8647 0,9179 0,9502 0,9698 0,9817 0,9889 0,9933 0,9959 0,9975 0,9985
1 0,5940 0,7127 0,8009 0,8641 0,9084 0,9389 0,9596 0,9734 0,9826 0,9887
2 0,3233 0,4562 0,5768 0,6792 0,7619 0,8264 0,8753 0,9116 0,9380 0,9570
3 0,1429 0,2424 0,3528 0,4634 0,5665 0,6577 0,7350 0,7983 0,8488 0,8882
4 0,0527 0,1088 0,1847 0,2746 0,3712 0,4679 0,5595 0,6425 0,7149 0,7763
5 0,0166 0,0420 0,0839 0,1424 0,2149 0,2971 0,3840 0,4711 0,5543 0,6310
6 0,0045 0,0142 0,0335 0,0653 0,1107 0,1689 0,2378 0,3140 0,3937 0,4735
7 0,0011 0,0042 0,0119 0,0267 0,0511 0,0866 0,1334 0,1905 0,2560 0,3272
8 0,0002 0,0011 0,0038 0,0099 0,0214 0,0403 0,0681 0,1056 0,1528 0,2084
9 0,0000 0,0003 0,0011 0,0033 0,0081 0,0171 0,0318 0,0538 0,0839 0,1226
10 0,0000 0,0001 0,0003 0,0010 0,0028 0,0067 0,0137 0,0253 0,0426 0,0668
11 0,0000 0,0000 0,0001 0,0003 0,0009 0,0024 0,0055 0,0110 0,0201 0,0339
12 0,0000 0,0000 0,0000 0,0001 0,0003 0,0008 0,0020 0,0045 0,0088 0,0160
13 0,0000 0,0000 0,0000 0,0000 0,0001 0,0003 0,0007 0,0017 0,0036 0,0071
14 0,0000 0,0000 0,0000 0,0000 0,0000 0,0001 0,0002 0,0006 0,0014 0,0030
15 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0001 0,0002 0,0005 0,0012
16 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0001 0,0002 0,0004
17 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0001 0,0002
18 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0001
19 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000
x 7 7,5 8 8,5 9 9,5 10 11 12 13

0 0,9991 0,9994 0,9997 0,9998 0,9999 0,9999 1,0000 1,0000 1,0000 1,0000
1 0,9927 0,9953 0,9970 0,9981 0,9988 0,9992 0,9995 0,9998 0,9999 1,0000
2 0,9704 0,9797 0,9862 0,9907 0,9938 0,9958 0,9972 0,9988 0,9995 0,9998
3 0,9182 0,9409 0,9576 0,9699 0,9788 0,9851 0,9897 0,9951 0,9977 0,9989
4 0,8270 0,8679 0,9004 0,9256 0,9450 0,9597 0,9707 0,9849 0,9924 0,9963
5 0,6993 0,7586 0,8088 0,8504 0,8843 0,9115 0,9329 0,9625 0,9797 0,9893
6 0,5503 0,6218 0,6866 0,7438 0,7932 0,8351 0,8699 0,9214 0,9542 0,9741
7 0,4013 0,4754 0,5470 0,6144 0,6761 0,7313 0,7798 0,8568 0,9105 0,9460
8 0,2709 0,3380 0,4075 0,4769 0,5443 0,6082 0,6672 0,7680 0,8450 0,9002
9 0,1695 0,2236 0,2834 0,3470 0,4126 0,4782 0,5421 0,6595 0,7576 0,8342
10 0,0985 0,1378 0,1841 0,2366 0,2940 0,3547 0,4170 0,5401 0,6528 0,7483
11 0,0533 0,0792 0,1119 0,1513 0,1970 0,2480 0,3032 0,4207 0,5384 0,6468
12 0,0270 0,0427 0,0638 0,0909 0,1242 0,1636 0,2084 0,3113 0,4240 0,5369
13 0,0128 0,0216 0,0342 0,0514 0,0739 0,1019 0,1355 0,2187 0,3185 0,4270
14 0,0057 0,0103 0,0173 0,0274 0,0415 0,0600 0,0835 0,1460 0,2280 0,3249
15 0,0024 0,0046 0,0082 0,0138 0,0220 0,0335 0,0487 0,0926 0,1556 0,2364
16 0,0010 0,0020 0,0037 0,0066 0,0111 0,0177 0,0270 0,0559 0,1013 0,1645
17 0,0004 0,0008 0,0016 0,0030 0,0053 0,0089 0,0143 0,0322 0,0630 0,1095
18 0,0001 0,0003 0,0007 0,0013 0,0024 0,0043 0,0072 0,0177 0,0374 0,0698
19 0,0000 0,0001 0,0003 0,0005 0,0011 0,0020 0,0035 0,0093 0,0213 0,0427
20 0,0000 0,0000 0,0001 0,0002 0,0004 0,0009 0,0016 0,0047 0,0116 0,0250
21 0,0000 0,0000 0,0000 0,0001 0,0002 0,0004 0,0007 0,0023 0,0061 0,0141
22 0,0000 0,0000 0,0000 0,0000 0,0001 0,0001 0,0003 0,0010 0,0030 0,0076
23 0,0000 0,0000 0,0000 0,0000 0,0000 0,0001 0,0001 0,0005 0,0015 0,0040
24 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0002 0,0007 0,0020
25 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0001 0,0003 0,0010
26 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0001 0,0005
27 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0001 0,0002
28 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0001
29 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000
Section B.1. Table de la loi Poisson() 165
x 14 15 16 17 18
0 1,0000 1,0000 1,0000 1,0000 1,0000
1 1,0000 1,0000 1,0000 1,0000 1,0000
2 0,9999 1,0000 1,0000 1,0000 1,0000
3 0,9995 0,9998 0,9999 1,0000 1,0000
4 0,9982 0,9991 0,9996 0,9998 0,9999
5 0,9945 0,9972 0,9986 0,9993 0,9997
6 0,9858 0,9924 0,9960 0,9979 0,9990
7 0,9684 0,9820 0,9900 0,9946 0,9971
8 0,9379 0,9626 0,9780 0,9874 0,9929
9 0,8906 0,9301 0,9567 0,9739 0,9846
10 0,8243 0,8815 0,9226 0,9509 0,9696
11 0,7400 0,8152 0,8730 0,9153 0,9451
12 0,6415 0,7324 0,8069 0,8650 0,9083
13 0,5356 0,6368 0,7255 0,7991 0,8574
14 0,4296 0,5343 0,6325 0,7192 0,7919
15 0,3306 0,4319 0,5333 0,6285 0,7133
16 0,2441 0,3359 0,4340 0,5323 0,6249
17 0,1728 0,2511 0,3407 0,4360 0,5314
18 0,1174 0,1805 0,2577 0,3450 0,4378
19 0,0765 0,1248 0,1878 0,2637 0,3491
20 0,0479 0,0830 0,1318 0,1945 0,2693
21 0,0288 0,0531 0,0892 0,1385 0,2009
22 0,0167 0,0327 0,0582 0,0953 0,1449
23 0,0093 0,0195 0,0367 0,0633 0,1011
24 0,0050 0,0112 0,0223 0,0406 0,0683
25 0,0026 0,0062 0,0131 0,0252 0,0446
26 0,0013 0,0033 0,0075 0,0152 0,0282
27 0,0006 0,0017 0,0041 0,0088 0,0173
28 0,0003 0,0009 0,0022 0,0050 0,0103
29 0,0001 0,0004 0,0011 0,0027 0,0059
30 0,0001 0,0002 0,0006 0,0014 0,0033
31 0,0000 0,0001 0,0003 0,0007 0,0018
32 0,0000 0,0000 0,0001 0,0004 0,0010
33 0,0000 0,0000 0,0001 0,0002 0,0005
34 0,0000 0,0000 0,0000 0,0001 0,0002
35 0,0000 0,0000 0,0000 0,0000 0,0001
36 0,0000 0,0000 0,0000 0,0000 0,0001
37 0,0000 0,0000 0,0000 0,0000 0,0000
B.2 Table de la loi normale Z N(0, 1)
P z
j
z
i
0,00 0,01 0,02 0,03 0,04 0,05 0,06 0,07 0,08 0,09
0,0 0,5000 0,4960 0,4920 0,4880 0,4840 0,4801 0,4761 0,4721 0,4681 0,4641
0,1 0,4602 0,4562 0,4522 0,4483 0,4443 0,4404 0,4364 0,4325 0,4286 0,4247
0,2 0,4207 0,4168 0,4129 0,4090 0,4052 0,4013 0,3974 0,3936 0,3897 0,3859
0,3 0,3821 0,3783 0,3745 0,3707 0,3669 0,3632 0,3594 0,3557 0,3520 0,3483
0,4 0,3446 0,3409 0,3372 0,3336 0,3300 0,3264 0,3228 0,3192 0,3156 0,3121
0,5 0,3085 0,3050 0,3015 0,2981 0,2946 0,2912 0,2877 0,2843 0,2810 0,2776
0,6 0,2743 0,2709 0,2676 0,2643 0,2611 0,2578 0,2546 0,2514 0,2483 0,2451
0,7 0,2420 0,2389 0,2358 0,2327 0,2296 0,2266 0,2236 0,2206 0,2177 0,2148
0,8 0,2119 0,2090 0,2061 0,2033 0,2005 0,1977 0,1949 0,1922 0,1894 0,1867
0,9 0,1841 0,1814 0,1788 0,1762 0,1736 0,1711 0,1685 0,1660 0,1635 0,1611
1,0 0,1587 0,1562 0,1539 0,1515 0,1492 0,1469 0,1446 0,1423 0,1401 0,1379
1,1 0,1357 0,1335 0,1314 0,1292 0,1271 0,1251 0,1230 0,1210 0,1190 0,1170
1,2 0,1151 0,1131 0,1112 0,1093 0,1075 0,1056 0,1038 0,1020 0,1003 0,0985
1,3 0,0968 0,0951 0,0934 0,0918 0,0901 0,0885 0,0869 0,0853 0,0838 0,0823
1,4 0,0808 0,0793 0,0778 0,0764 0,0749 0,0735 0,0721 0,0708 0,0694 0,0681
1,5 0,0668 0,0655 0,0643 0,0630 0,0618 0,0606 0,0594 0,0582 0,0571 0,0559
1,6 0,0548 0,0537 0,0526 0,0516 0,0505 0,0495 0,0485 0,0475 0,0465 0,0455
1,7 0,0446 0,0436 0,0427 0,0418 0,0409 0,0401 0,0392 0,0384 0,0375 0,0367
1,8 0,0359 0,0351 0,0344 0,0336 0,0329 0,0322 0,0314 0,0307 0,0301 0,0294
1,9 0,0287 0,0281 0,0274 0,0268 0,0262 0,0256 0,0250 0,0244 0,0239 0,0233
2,0 0,0228 0,0222 0,0217 0,0212 0,0207 0,0202 0,0197 0,0192 0,0188 0,0183
2,1 0,0179 0,0174 0,0170 0,0166 0,0162 0,0158 0,0154 0,0150 0,0146 0,0143
2,2 0,0139 0,0136 0,0132 0,0129 0,0125 0,0122 0,0119 0,0116 0,0113 0,0110
2,3 0,0107 0,0104 0,0102 0,0099 0,0096 0,0094 0,0091 0,0089 0,0087 0,0084
2,4 0,0082 0,0080 0,0078 0,0075 0,0073 0,0071 0,0069 0,0068 0,0066 0,0064
2,5 0,0062 0,0060 0,0059 0,0057 0,0055 0,0054 0,0052 0,0051 0,0049 0,0048
2,6 0,0047 0,0045 0,0044 0,0043 0,0041 0,0040 0,0039 0,0038 0,0037 0,0036
2,7 0,0035 0,0034 0,0033 0,0032 0,0031 0,0030 0,0029 0,0028 0,0027 0,0026
2,8 0,0026 0,0025 0,0024 0,0023 0,0023 0,0022 0,0021 0,0021 0,0020 0,0019
2,9 0,0019 0,0018 0,0018 0,0017 0,0016 0,0016 0,0015 0,0015 0,0014 0,0014
3,0 0,0013 0,0013 0,0013 0,0012 0,0012 0,0011 0,0011 0,0011 0,0010 0,0010
Donne la probabilite P(Z > z
i
+z
j
)
Section B.3. Table pour le calcul de I
r
(S) 167
B.3 Table pour le calcul de I
r
(S)
g(t
S
) t
j
t
i
0,00 0,01 0,02 0,03 0,04 0,05 0,06 0,07 0,08 0,09
-3 3,0005 3,0104 3,0202 3,0304 3,0403 3,0505 3,0603 3,0702 3,0804 3,0903
-2,9 2,9004 2,9105 2,9204 2,9305 2,9406 2,9504 2,9606 2,9704 2,9805 2,9904
-2,8 2,8006 2,8107 2,8207 2,8308 2,8405 2,8506 2,8607 2,8705 2,8805 2,8906
-2,7 2,7010 2,7109 2,7209 2,7309 2,7409 2,7508 2,7608 2,7708 2,7809 2,7909
-2,6 2,6014 2,6115 2,6214 2,6312 2,6414 2,6513 2,6612 2,6711 2,6811 2,6910
-2,5 2,5020 2,5120 2,5218 2,5318 2,5419 2,5517 2,5617 2,5716 2,5817 2,5915
-2,4 2,4027 2,4126 2,4225 2,4326 2,4425 2,4524 2,4624 2,4721 2,4821 2,4920
-2,3 2,3037 2,3137 2,3234 2,3334 2,3434 2,3531 2,3632 2,3730 2,3828 2,3929
-2,2 2,2049 2,2146 2,2246 2,2344 2,2445 2,2543 2,2641 2,2740 2,2839 2,2938
-2,1 2,1064 2,1164 2,1261 2,1359 2,1457 2,1556 2,1654 2,1753 2,1852 2,1949
-2 2,0084 2,0183 2,0280 2,0378 2,0476 2,0574 2,0672 2,0771 2,0868 2,0967
-1,9 1,9111 1,9207 1,9305 1,9402 1,9499 1,9597 1,9694 1,9792 1,9889 1,9987
-1,8 1,8143 1,8240 1,8335 1,8433 1,8529 1,8625 1,8723 1,8820 1,8916 1,9013
-1,7 1,7182 1,7279 1,7374 1,7470 1,7566 1,7661 1,7758 1,7853 1,7951 1,8047
-1,6 1,6232 1,6327 1,6422 1,6516 1,6611 1,6706 1,6801 1,6896 1,6992 1,7088
-1,5 1,5293 1,5387 1,5479 1,5574 1,5667 1,5761 1,5855 1,5949 1,6043 1,6138
-1,4 1,4366 1,4458 1,4551 1,4643 1,4736 1,4829 1,4922 1,5013 1,5107 1,5200
-1,3 1,3455 1,3546 1,3636 1,3726 1,3818 1,3909 1,4000 1,4092 1,4183 1,4274
-1,2 1,2561 1,2650 1,2739 1,2828 1,2916 1,3006 1,3096 1,3186 1,3275 1,3365
-1,1 1,1686 1,1773 1,1859 1,1947 1,2034 1,2121 1,2209 1,2296 1,2384 1,2473
-1 1,0833 1,0918 1,1002 1,1087 1,1171 1,1256 1,1342 1,1428 1,1513 1,1599
-0,9 1,0004 1,0086 1,0168 1,0250 1,0333 1,0415 1,0499 1,0582 1,0666 1,0749
-0,8 0,9202 0,9281 0,9360 0,9440 0,9519 0,9599 0,9680 0,9760 0,9842 0,9923
-0,7 0,8429 0,8504 0,8581 0,8658 0,8735 0,8812 0,8889 0,8967 0,9045 0,9123
-0,6 0,7686 0,7760 0,7833 0,7906 0,7980 0,8054 0,8128 0,8203 0,8277 0,8353
-0,5 0,6978 0,7047 0,7117 0,7187 0,7257 0,7328 0,7399 0,7471 0,7542 0,7614
-0,4 0,6304 0,6370 0,6436 0,6503 0,6569 0,6636 0,6704 0,6772 0,6840 0,6909
-0,3 0,5668 0,5730 0,5792 0,5855 0,5918 0,5981 0,6045 0,6109 0,6174 0,6239
-0,2 0,5069 0,5127 0,5186 0,5245 0,5304 0,5363 0,5424 0,5484 0,5545 0,5606
-0,1 0,4509 0,4564 0,4618 0,4673 0,4728 0,4784 0,4840 0,4897 0,4954 0,5011
0 0,3989 0,4040 0,4090 0,4141 0,4193 0,4244 0,4297 0,4349 0,4402 0,4456
g(t
S
) t
j
t
i
0,00 0,01 0,02 0,03 0,04 0,05 0,06 0,07 0,08 0,09
0 0,3989 0,3940 0,3890 0,3841 0,3793 0,3744 0,3697 0,3649 0,3602 0,3556
0,1 0,3509 0,3464 0,3418 0,3373 0,3328 0,3284 0,3240 0,3197 0,3154 0,3111
0,2 0,3069 0,3027 0,2986 0,2945 0,2904 0,2863 0,2824 0,2784 0,2745 0,2706
0,3 0,2668 0,2630 0,2592 0,2555 0,2518 0,2481 0,2445 0,2409 0,2374 0,2339
0,4 0,2304 0,2270 0,2236 0,2203 0,2169 0,2136 0,2104 0,2072 0,2040 0,2009
0,5 0,1978 0,1947 0,1917 0,1887 0,1857 0,1828 0,1799 0,1771 0,1742 0,1714
0,6 0,1686 0,1660 0,1633 0,1606 0,1580 0,1554 0,1528 0,1503 0,1477 0,1453
0,7 0,1429 0,1404 0,1381 0,1358 0,1335 0,1312 0,1289 0,1267 0,1245 0,1223
0,8 0,1202 0,1181 0,1160 0,1140 0,1119 0,1099 0,1080 0,1060 0,1042 0,1023
0,9 0,1004 0,0986 0,0968 0,0950 0,0933 0,0915 0,0899 0,0882 0,0866 0,0849
1 0,0833 0,0818 0,0802 0,0787 0,0771 0,0756 0,0742 0,0728 0,0713 0,0699
1,1 0,0686 0,0673 0,0659 0,0647 0,0634 0,0621 0,0609 0,0596 0,0584 0,0573
1,2 0,0561 0,0550 0,0539 0,0528 0,0516 0,0506 0,0496 0,0486 0,0475 0,0465
1,3 0,0455 0,0446 0,0436 0,0426 0,0418 0,0409 0,0400 0,0392 0,0383 0,0374
1,4 0,0366 0,0358 0,0351 0,0343 0,0336 0,0329 0,0322 0,0313 0,0307 0,0300
1,5 0,0293 0,0287 0,0279 0,0274 0,0267 0,0261 0,0255 0,0249 0,0243 0,0238
1,6 0,0232 0,0227 0,0222 0,0216 0,0211 0,0206 0,0201 0,0196 0,0192 0,0188
1,7 0,0182 0,0179 0,0174 0,0170 0,0166 0,0161 0,0158 0,0153 0,0151 0,0147
1,8 0,0143 0,0140 0,0135 0,0133 0,0129 0,0125 0,0123 0,0120 0,0116 0,0113
1,9 0,0111 0,0107 0,0105 0,0102 0,0099 0,0097 0,0094 0,0092 0,0089 0,0087
2 0,0084 0,0083 0,0080 0,0078 0,0076 0,0074 0,0072 0,0071 0,0068 0,0067
2,1 0,0064 0,0064 0,0061 0,0059 0,0057 0,0056 0,0054 0,0053 0,0052 0,0049
2,2 0,0049 0,0046 0,0046 0,0044 0,0045 0,0043 0,0041 0,0040 0,0039 0,0038
2,3 0,0037 0,0037 0,0034 0,0034 0,0034 0,0031 0,0032 0,0030 0,0028 0,0029
2,4 0,0027 0,0026 0,0025 0,0026 0,0025 0,0024 0,0024 0,0021 0,0021 0,0020
2,5 0,0020 0,0020 0,0018 0,0018 0,0019 0,0017 0,0017 0,0016 0,0017 0,0015
2,6 0,0014 0,0015 0,0014 0,0012 0,0014 0,0013 0,0012 0,0011 0,0011 0,0010
2,7 0,0010 0,0009 0,0009 0,0009 0,0009 0,0008 0,0008 0,0008 0,0009 0,0009
2,8 0,0006 0,0007 0,0007 0,0008 0,0005 0,0006 0,0007 0,0005 0,0005 0,0006
2,9 0,0004 0,0005 0,0004 0,0005 0,0006 0,0004 0,0006 0,0004 0,0005 0,0004
3 0,0005 0,0004 0,0002 0,0004 0,0003 0,0005 0,0003 0,0002 0,0004 0,0003
Donne g(t
S
) = [f(t
S
) t
S
P(t > t
S
)]

Gestion de La Production Madame Assia

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Gestion de La Production Madame Assia

Transféré par

Droits d'auteur :

Formats disponibles

UNIVERSITE CATHOLIQUEDE LOUVAIN

INSTITUT DADMINISTRATIONET DE GESTION.

Etape Ressources en facteurs

est celui pour lequel le co ut de gestion C(S

optimal si P(X > S

= 3) = 2, 5P(X > 2) 3P(X > 3)

= 3) = (3 2, 5) + 0, 413 = 0, 913 gateaux.

= 315) = (315 300) + 2, 556 = 17, 556 journaux.

, le niveau optimal de re-

assez difcile ` a mettre en uvre.

est determine par la

quantite economique de commande

Figure 8.12: Co ut dex ecution en fonction de .

Figure 8.13: Co uts totaux.

) qui minimise la somme des co uts de

tel que P(X > S

tel que P(X > S

tel que P(X > S

tel que P(X > S

est determinee en arbitrant entre le co ut

est determine en arbitrant entre le co ut de rupture et le

tel que P(X

tel que P(X

Le nombre moyen de ruptures par commande, not e I

) note les ruptures par cycle (durant le delai dobtention).

) note les ruptures par cycle (durant le delai dobtention).

x 0,55 0,6 0,65 0,7 0,75 0,8 0,85 0,9 1 1,5

x 2 2,5 3 3,5 4 4,5 5 5,5 6 6,5

x 7 7,5 8 8,5 9 9,5 10 11 12 13

Vous aimerez peut-être aussi