Vous êtes sur la page 1sur 160

UNIVERSITE DU LITTORAL COTE DOPALE.

Licence SESA 3
Option Commerce et Gestion.
Introduction ` a la logistique.
Daniel DE WOLF.
Dunkerque, Septembre 2006
Table des mati` eres
I Les probl` emes de transport 7
1 Introduction 9
1.1 Objectif du cours . . . . . . . . . . . . . . . . . . . . . . . . . . 9
1.2 Origine et p erim` etre de la logistique . . . . . . . . . . . . . . . . 10
1.3 D enition de la logistique . . . . . . . . . . . . . . . . . . . . . 10
1.4 La chane logistique . . . . . . . . . . . . . . . . . . . . . . . . 12
1.5 Programme du cours . . . . . . . . . . . . . . . . . . . . . . . . 13
1.6 Formulation en mod` eles math ematiques . . . . . . . . . . . . . . 14
1.7 Exercices de formulation . . . . . . . . . . . . . . . . . . . . . . 17
2 Les transports 19
2.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
2.2 Les modes de transport . . . . . . . . . . . . . . . . . . . . . . . 19
2.2.1 La route . . . . . . . . . . . . . . . . . . . . . . . . . . 20
2.2.2 Le fer . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
2.2.3 La voie navigable . . . . . . . . . . . . . . . . . . . . . 21
2.2.4 Le transport maritime . . . . . . . . . . . . . . . . . . . 22
2.2.5 Le transport a erien . . . . . . . . . . . . . . . . . . . . . 22
2.3 Un exemple : le transport de gaz. . . . . . . . . . . . . . . . . . 22
2.4 Notion de graphe . . . . . . . . . . . . . . . . . . . . . . . . . . 24
2.5 Notion de ot . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
2.6 Notion de ot total . . . . . . . . . . . . . . . . . . . . . . . . . 27
2.7 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
3
4 Table des mati`eres
3 La distribution physique 31
3.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
3.2 La sous-traitance de la distribution . . . . . . . . . . . . . . . . . 31
3.3 Architecture du r eseau de distribution . . . . . . . . . . . . . . . 32
3.3.1 Entrep ot ou plateforme . . . . . . . . . . . . . . . . . . 32
3.3.2 Localisation des entrep ots . . . . . . . . . . . . . . . . . 33
3.4 Un probl` eme de distribution . . . . . . . . . . . . . . . . . . . . 34
3.4.1 Formulation du probl` eme . . . . . . . . . . . . . . . . . 36
3.4.2 Solution du probl` eme de distribution . . . . . . . . . . . 37
3.4.3 Ouverture de nouveaux d ep ots . . . . . . . . . . . . . . . 38
3.4.4 Formulation du probl` eme douverture de nouveaux d ep ots 39
3.4.5 Solution du probl` eme douverture de d ep ots . . . . . . . . 40
3.5 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
4 Le probl` eme du plus court chemin 43
4.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
4.2 Algorithme de Dijkstra . . . . . . . . . . . . . . . . . . . . . . . 44
4.3 Politique optimale de remplacement de v ehicule . . . . . . . . . . 48
4.3.1

Enonc e du probl` eme de remplacement de v ehicule . . . . 48
4.3.2 Mod elisation du probl` eme de remplacement de v ehicule . 49
4.3.3 R esolution du probl` eme de remplacement de v ehicule . . . 50
4.4 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53
5 Organisation de tourn ees de v ehicules 55
5.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . 55
5.2 Probl` eme du voyageur de commerce. . . . . . . . . . . . . . . . 56
5.3 Algorithme de Little . . . . . . . . . . . . . . . . . . . . . . . . 57
5.4 exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 68
Table des mati`eres 5
II Les probl` emes de production 69
6 La gestion calendaire de stock 71
6.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . 71
6.2 Les politiques de gestion de stock . . . . . . . . . . . . . . . . . 72
6.3 Les co uts associ es aux stocks . . . . . . . . . . . . . . . . . . . 73
6.3.1 Les co uts de possession . . . . . . . . . . . . . . . . . . 73
6.3.2 Les co uts de rupture . . . . . . . . . . . . . . . . . . . . 75
6.3.3 Les co uts de commande . . . . . . . . . . . . . . . . . . 75
6.4 Gestion calendaire de stock ` a rotation nulle . . . . . . . . . . . . 76
6.5 Cas dune loi de demande continue . . . . . . . . . . . . . . . . 82
6.6 Les cons equences economiques de la solution optimale . . . . . . 84
6.7 Cas de stocks ` a rotation non nulle . . . . . . . . . . . . . . . . . 87
6.7.1 D etermination de la solution optimale . . . . . . . . . . . 90
6.7.2 Cas dune loi de demande discr` ete . . . . . . . . . . . . . 92
6.8 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 93
7 La gestion par point de commande 95
7.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . 95
7.2 D etermination du point de commande en univers certain . . . . . 96
7.3 D etermination de la quantit e economique de commande . . . . . . 97
7.4 Cas dune demande al eatoire . . . . . . . . . . . . . . . . . . . . 100
7.4.1 D etermination de q et s . . . . . . . . . . . . . . . . . . 101
7.4.2 Cons equences economiques du choix . . . . . . . . . . . 103
7.5 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 105
8 La planication de la production 107
8.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . 107
8.2 La planication des besoins en composants . . . . . . . . . . . . 108
8.3 D etermination des besoins nets dun composant . . . . . . . . . . 112
8.3.1 D etermination de la couverture des besoins nets . . . . . . 114
8.3.2 Utilisation en cascade de la logique de calcul . . . . . . . 114
6 Table des mati`eres
8.4 Ajustement charge-capacit e . . . . . . . . . . . . . . . . . . . . 118
8.5 Autres r` egles de calcul des lancements de production . . . . . . . 121
8.6 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 123
9 Les techniques de juste ` a temps 125
9.1 Origine et principe du JAT . . . . . . . . . . . . . . . . . . . . . 125
9.2 Les deux approches du JAT . . . . . . . . . . . . . . . . . . . . 127
9.3 Les facteurs cl es du JAT . . . . . . . . . . . . . . . . . . . . . . 128
9.4 La m ethode Kanban . . . . . . . . . . . . . . . . . . . . . . . . 129
9.5 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 133
10 Ordonnancement en ateliers sp ecialis es 135
10.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . 135
10.2 Ordonnancement sur une machine . . . . . . . . . . . . . . . . . 135
10.2.1 Le diagramme de Gantt . . . . . . . . . . . . . . . . . . 136
10.2.2 La r` egle T.O.M. . . . . . . . . . . . . . . . . . . . . . . 137
10.3 Ordonnancement avec deux centres de production . . . . . . . . . 138
10.3.1 Cas o` u toutes les t aches sont ` a ex ecuter sur A puis B . . . 139
10.3.2 Cas de t aches ne seffectuant pas dans le m eme ordre . . . 140
10.4 Ordonnancement sur trois machines . . . . . . . . . . . . . . . . 143
10.5 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 145
A Formulaire pour la logistique 149
A.1 La gestion calendaire de stock . . . . . . . . . . . . . . . . . . . 149
A.2 La gestion par point de commande . . . . . . . . . . . . . . . . . 150
A.3 Les techniques de juste ` a temps . . . . . . . . . . . . . . . . . . 152
B Tables pour la gestion de stocks 153
B.1 Table de la loi Poisson() . . . . . . . . . . . . . . . . . . . . . 153
B.2 Table de la loi normale Z N(0, 1) . . . . . . . . . . . . . . . . 158
B.3 Table pour le calcul de I
r
(S) . . . . . . . . . . . . . . . . . . . . 159
Partie I
Les probl` emes de transport
7
Chapitre 1
Introduction
1.1 Objectif du cours
Lobjectif du cours est de donner une introduction ` a la logistique pour lent-
reprise. On sensibilisera les etudiants aux principes dune gestion performante
la chane logistique, notamment par une gestion efcace de la fonction transport
pour lentreprise, une gestion efcace de ses stocks et de la planication de sa
production.
Pour cela, on essayer de d evelopper une double comp etence :
La capacit e de formuler ces probl` emes en des mod` eles math ematiques :
cest-` a-dire, partant de probl` emes enonc es de mani` ere litt eraire, de les tra-
duire sous formes d equations math ematiques.
La connaissance doutils de r esolution de ces probl` emes : en effet, une
fois le probl` eme formul e, souvent on tombe sur un probl` eme classique (tel
celui de la gestion de stock), pour lequel il existe des m ethodes de r esolution
adapt ees (comme la gestion calendaire de stock ou la gestion de stock par
point de commande).
Comme r ef erences principales, nous utiliserons le livre de Giard, Gestion
de la production et des ux [7] et celui de Baglin et al, Management industriel et
logistique, [1]. Pour ce qui est de la formulation en mod` eles math ematiques, deux
tr` es bonnes r ef erences sont le livre de Williams Model building in Mathematical
Programming [20] et celui de Gueret et al., Applications of optimization with
XPRESS-MP [8]. Une tr` es bonne r ef erence en fran cais est louvrage de Norbert
et al, La recherche op erationnelle [17].
9
10 Chapitre 1. Introduction
1.2 Origine et p erim` etre de la logistique
A lorigine, la logistique est un terme emprunt e du langage militaire. Ainsi pour
lOTANla logistique est la planication et lex ecution de d eplacements des forces
arm ees et de leur maintenance. Comme le souligne Giard [7], laspect le plus vi-
sible etait lacheminement des troupes et de leur mat eriel. Mais ce seul point ne
peut sufre ` a la r eussite dune op eration militaire. Il faut egalement une bonne
organisation du stockage du mat eriel et des vivres ainsi que des actions dappro-
visionnement tr` es r eactives. Ces divers concepts ont et e adapt e au management
des entreprises.
Selon le point de vue retenu, le p erim` etre de la logistique est plus au moins
etendu. Au sens restreint du terme, on consid` ere la gestion efcace des transports
de lentreprise. Au sens plus global, on inclura dans le p erim` etre de la logistique :
la planication de la production,
lordonnancement de la production,
la pr evision de la demande,
la gestion des stocks,
le syst` eme dinformation.
Dans les visions maximalistes, on inclut egalement :
la conception des biens et services,
le marketing,
tout ce qui est li e ` a la dur ee de vie du produit (abilit e, maintenance, service
apr` es-vente).
Dans ce cours, nous adopterons la vision m ediane, ` a savoir dinclure dans la
fonction logistique, la gestion efcace des transports de lentreprise et la gestion
efcace de la planication de la production et des stocks.
Venons-en maintenant ` a une d enition de la logistique.
1.3 D enition de la logistique
A la question Quest-ce que la logistique ?, on peut donner plusieurs types
de r eponses. Une premi` ere r eponse est de dire que la logistique ` a pour but de
Section 1.3. Denition de la logistique 11
mettre un produit donn e au bon endroit au bon moment au moindre co ut et dans
les meilleurs conditions de qualit e. Citons ici la d enition de Ballou [2] :
D enition 1.1 La mission essentielle de la logistique est de fournir des biens et
services aux consommateurs au bon moment, au bon endroit et en assurant la plus
grande marge ` a lentreprise.
Cette d enition est tr` es large puisquelle couvre dans son champs daction,
aussi bien lindustrie, que les catastrophes humanitaires (Tsunami, Liban) ou les
grands ev enements sportifs (du type Grand Prix de formule 1).
Une deuxi` eme r eponse, est de dire que cest lensemble des activit es visant ` a
la matrise des ux physiques et dinformation en optimisant lutilisation des res-
sources humaines et mat erielles (source : AFNOR). Nous reprenons ci-dessous
la d enition de Tixier [19] :
D enition 1.2 Lafonctionlogistique de lentreprise est dassurer aumoindre co ut
la coordination entre loffre et la demande. Plus pr ecis ement, la logistique est le
processus par lequel lentreprise g` ere lensemble des echanges dinformation et
des el ements physiques qui en r esultent avec son amont et son aval.
Une troisi` eme r eponse est de dire que cest lorganisation de ce quil faut
faire depuis la commande jusqu` a la livraison au client dun bien ou service .
Cette troisi` eme d enition suite une logique commerciale.
Une quatri` eme r eponse est de dire que ce sont les techniques dobtention
(commande ou production) et de distribution des produits et sous-produits. Cette
d enition suit une logique industrielle. Ainsi, la logistique englobe dans son
p erim` etre daction, lordonnancement de la production et la gestion des stocks.
On peut ainsi reprendre, pour conclure, la d enition de lAssociation Fran caise
pour la Logistique :
D enition 1.3 La logistique est lensemble des activit es ayant pour but la mise
en place, au meilleur co ut, dune quantit e de produits, ` a lendroit et au moment
o` u une demande existe. La logistique concerne toutes les op erations d eterminant
le mouvement des produits, telles que la localisation des usines et entrep ots, les
approvisionnements, la gestion physique des encours de fabrication, lemballage,
le stockage et la gestion de stocks, la manutention et la pr eparation des commandes,
le transport et les tourn ees de livraison.
12 Chapitre 1. Introduction
1.4 La chane logistique
Le concept de chane logistique a pour but de forcer une vision du type pro-
cessus, en r esolvant des probl` emes interd ependants souvent trait es de mani` ere
ind ependante. La d enition de lAFNOR est la suivante.
D enition 1.4 La chane logistique est une suite d ev enements, pouvant inclure
des transformations, des mouvements ou des mises en place, et apportant une
valeur ajout ee.
Comme le souligne Giard, la notion de chane logistique repose quatre principes
bien connus :
La satisfaction dun client est le r esultat de la mise en uvre dune succession
de processus du type approvisionner, produire et livrer, succession
quil faut prendre en consid eration sans trop se pr eoccuper du p erim` etre
de lentreprise. Ainsi, on ins` ere dans la chane logistique aussi bien le
fournisseur que lentreprise ou le client (voir gure 1.1).
Approvisionner Livrer Produire
Piloter
Informer
FOURNISSEUR ENTREPRISE CLIENT
Flux physiques
Flux dinformation
Approvisionner Livrer Produire
Piloter
Informer
Approvisionner Livrer Produire
Piloter
Informer
Retourner Retourner Retourner
Flux physiques
Flux nanciers Flux nanciers
Flux dinformation Flux dinformation
EURO EURO EURO
Figure 1.1: La chane logistique
La performance de la chane logistique est autant li ee ` a une bonne gestion
des ux physiques que des ux dinformation qui vont en g en eral en sens
inverse des ux physiques (voir ` a ce propose le fonctionnement dune chane
juste-` a-temps par la m ethode Kanban). A noter quil y a egalement des ux
physiques qui remontent la chane (les retours fournisseur).
Il ya, enretour des uxphysiques qui descendent la chane, des ux nanciers
qui remontent la chane.
La recherche dune solution ` a un probl` eme pos e dans sa globalit e est plus
efcace que la juxtaposition doptima locaux correspondant ` a la r esolution
s epar ee de chacun des probl` emes le long de la chane.
Section 1.5. Programme du cours 13
1.5 Programme du cours
La premi` ere partie du cours est consacr ee ` a la logistique et au transport.
Chapitre 1 : Introduction :
D enition et p erim` etre de la logistique.
Chapitre 2 : Le probl` eme de transport :
Notion de graphe, ot, r eseau,
Un probl` eme de transport simple : transport de gaz naturel.
Chapitre 3 : Organisation physique du r eseau de distribution :
Entrep ots, sous-traitance,..etc.
Chapitre 4 : Le probl` eme de plus court chemin .
Chapitre 5 : Les tourn ees de v ehicules :
Formulation du probl` eme;
Algorithme de Little.
La deuxi` eme partie est ` a consacr ee ` a la logistique et et la production.
Chapitre 6 : Gestion calendaire de stocks :
Co ut de gestion du stock,
D etermination du niveau optimal du stock.
Chapitre 7 : Gestion de stocks par point de commande :
D etermination du point de commande,
D etermination de la quantit e economique de commande.
Chapitre 8 : Planication de la production :
D etermination des besoins nets,
Planication des lancements de production (m ethode MRP).
Chapitre 9 : Production en juste-` a-temps :
Notion de ux tendus,
M ethode Kanban
Chapitre 10 : Ordonnancement en ateliers sp ecialis es .
14 Chapitre 1. Introduction
1.6 Formulation en mod` eles math ematiques
Terminons ce chapitre en introduisant la notion de mod` ele math ematique. Par
mod` ele math ematique, on entend la repr esentation par des equations math ema-
tiques dun probl` eme de la vie r eelle. Nous allons illustrer la construction dun
mod` ele math ematique sur un exemple tr` es simpli e de planication de la produc-
tion tir e de Williams [20]. Une usine peut produire cinq produits (not es PROD1 ` a
PROD5). La marge b en eciaire unitaire, cest-` a-dire la diff erence entre le prix de
vente et le co ut de production dun produit, est donn ee pour chacun des produits
au tableau 1.1.
Produit PROD1 PROD2 PROD3 PROD4 PROD5
Marge 550 600 350 400 200
Tableau 1.1: Marge par produit.
Chaque produit n ecessite le passage par trois etapes de fabrication. Les temps
requis ` a chaque etape sont donn es en heures 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 (en heures par produit).
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 heures par jour jours par semaine

Etape 1 3 machines 16 6

Etape 2 2 machines 16 6

Etape 3 8 personnes 8 6
Tableau 1.3: Ressources en facteurs
troisi` eme ne n ecessite que lintervention de main duvre. En ce qui concerne les
deux premi` eres 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.
Section 1.6. Formulation en mod`eles mathematiques 15
La question que se pose le gestionnaire de lusine est la suivante. Quelles sont
les quantit es ` a fabriquer de chaque produit pour maximiser le prot net ?
La construction dun mod` ele est, en g en eral, une op eration en trois etapes :
1. le choix des variables de d ecisions,
2. lexpression de lobjectif en fonction de ces variables,
3. lexpression des contraintes en fonction de ces variables.
La premi` ere etape consiste donc ` a d enir les variables de d ecision.
D enition 1.5 On appelle variable de d ecision toute quantit e utile ` a la r esolution
du probl` eme dont le mod` ele d etermine la valeur.
G en 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 quantit e du produit i fabriqu ee par semaine, i
allant de un ` a cinq.
Une premi` ere 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 d epend de ces unit es.
La deuxi` eme etape consiste en la formulation de lobjectif.
D enition 1.6 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 :
maxz = 550x
1
+ 600x
2
+ 350x
3
+ 400x
4
+ 200x
5
La troisi` eme etape consiste en la formulation des contraintes.
D enition 1.7 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 g en erales :
La premi` ere concerne la limite dutilisation des machines ` a l etape 1. Il y
a trois machines, utilis ees 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.
1
Remarquez ici limportance davoir pr ecis e que les quantit es produites
l etaient par semaine.
16 Chapitre 1. Introduction
Une unit e de produit 1 demande 12 heures sur machine ` a l etape 1. Si x
1
unit es 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.
La deuxi` eme 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 donc comme :
10x
1
+ 8x
2
+ 16x
3
+ 0x
4
+ 0x
5
192.
La troisi` eme contrainte concerne la limite dutilisation du personnel ` a la
troisi` eme etape. Le nombre maximum dheures prest ees en une semaine par
les 8 personnes 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 ne faut pas oublier les contraintes, presque toujours pr esentes, disant
que lon ne peut pas produire des quantit es n egatives :
x
1
, x
2
, . . .x
5
0.
Enn, g en eralement on conclut l etape de construction du mod` ele, en regrou-
pant lobjectif et les contraintes. On obtient le programme math ematique sui-
vant :
maxz = 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 rendrait le probl` eme non lin eaire. Remarquons egalement
que si les quantit es produites avaient d u etre enti` eres (par exemple, la production
davions), on aurait eu un programme en nombres entiers.
Section 1.7. Exercices de formulation 17
1.7 Exercices de formulation
Pour chacun des enonc es qui suivent, on demande de formuler math ematiquement
le probl` eme (choix des variables, expression de lobjectif et des contraintes).
1.1. Un probl` eme de gestion de stocks. Un industriel cherche ` a etablir son plan
de production pour les quatre mois ` a venir, sachant que les demandes sont
d ej` a connues et se chiffrent ` a 900, 11001700et 1300articles, respectivement.
En r egime normal, la capacit e de production est de 1200 articles par mois.
A laide dheures suppl ementaires, ce niveau peut etre elev e jusqu` a 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 r egime normal de
produire moins de 1200 articles par mois. Cela naura aucune incidence sur
les co uts de production, ceux-ci etant xes en r egime normal, mais leffet
sur les co uts de stockage peut etre b en eque. 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 occasionn es par les heures suppl ementaires et le stockage ?
1.2. Probl` eme de transport de denr ees p erissables. Une compagnie produit
2 denr ees p erissables, P et Q, qui sont achemin ees, chaque soir, 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 quantit e, la compagnie fait appel ` a un transporteur
ind ependant. Le co ut de transport est de 2 euro par kg avec la camionnette
propre, tandis que le transporteur ind ependant demande 3 euro par kg. La
marge b en eciaire, hors co ut de transport, est 42 euro par unit e de P et 48
euro lunit e de Q. Les produits Pet Qsont fabriqu es ` a partir de 2 composantes
M et N selon les proportions pr esent ees au tableau 1.4. Consid erons une
Produit Poids de M Poids de N Poids total
(kg par unit e de (kg par unit e de (kg par unit e de
produit ni) produit ni) produit ni)
P 4 3 7
Q 2 1 3
Tableau 1.4: Composition des produits
journ ee o` u la compagnie dispose de 3 200 kg de M et de 2 400 kg de N.
Formuler le probl` eme sachant que la compagnie cherche ` a maximiser son
prot net.
18 Chapitre 1. Introduction
1.3. Probl` eme de planication de production sur co uts variables. Une entre-
prise fabrique deux produits P
1
et P
2
. Chaque produit doit passer les deux
ateliers dusinage et de nition. Le mois dernier, 500 unit es de P
1
ont et e
produites gr ace ` a 750 heures dusinage et 250 heures de nition. De m eme,
700 unit es de P
2
ont et e produites, n ecessitant 700 heures dusinage et 350
heures de nition. Lentreprise dispose egalement dune section administra-
tion. Une partie du co ut de production est ind ependante du nombre dheures
pass ees ` a la production (les frais xes), une partie est directement propor-
tionnelle au nombre dheures pass ees ` a la production (les frais variables).
Le mois pass e, on a observ e la r epartition suivantes entre frais xes et frais
variables :
Section frais xes frais variables
Administration 50.000 0
Usinage 60.000 11.600
Finition 40.000 6.000
Il y a un co ut de conditionnement de 8 euro lunit e pour P
1
et de 6 euro pour
P
2
. Les prix de vente sont de 55 euro et 43 euro respectivement.
(a) Calculer les marges sur co uts variables de chacun des deux produits.
(b) Les capacit es de production sont de 1.200 heures par mois pour lusi-
nage et de 500 heures pour la nition. Formuler le programme lin eaire
correspondant ` a la maximisation de la marge sur co uts variables.
1.4. Probl` eme de transport. On dispose de deux usines de production dont
les d ebouch es sont situ es sur trois march es distants g eographiquement. On
connat la capacit e de production de chacune des usines ainsi que la de-
mande de chacun des march es. On dispose egalement (voir tableau 1.5) des
distances, exprim ees en milliers de miles, entre les sites de production et les
march es. Les frais de transport sont de 90 $ par millier de miles. On se
Usines March es Offre
Distance New York Chicago Topeka
Seattle 2.5 1.7 1.8 350
San Diego 2.5 1.8 1.4 600
Demande 325 300 275
Tableau 1.5: Les donn ees num eriques du probl` eme de transport.
demande combien dunit es du produit acheminer ` a chaque march e ` a partir
de chaque usine de mani` ere ` a minimiser les co uts de transport.
Chapitre 2
Les transports
2.1 Introduction
Comme lindiquent Baglin et al [1], le transport est un maillon indispensable de
la chane logistique puisquil assure la liaison entre les diff erents niveaux de la
chane (fournisseurs-usines, inter-usines, usines-entrep ots, entrep ots-clients).
Nous dirons un mot des diff erents modes de transport qui peuvent etre en-
visag es : route, fer, voies navigables, mer et air. Se posera en particulier pour
lentreprise, le choix du mode. Pour les transports terrestres, on devrait evaluer
lint er et dam enager, par exemple, un raccordement au r eseau de chemin de fer
comme alternative au tout camion.
Dans le cas o` u le mode routier (camions) est retenu, il faudra encore arbitrer
entre lutilisation dune otte propre et la sous-traitance.
2.2 Les modes de transport
En Europe de lOuest, trois modes de transport pr edominent pour le transport de
marchandises :
le transport routier (par camion);
le chemin de fer;
la voie navigable.
En effet, le transport maritime et par voie a erienne demeurent encore assez faible
bien quen progression ces derni` eres ann ees suite ` a la mondialisation.
19
20 Chapitre 2. Les transports
2.2.1 La route
Le mode routier est pr epond erant puisquil repr esente en France (source Baglin [1])
90 %des tonnes charg ees
1
et 75 %des tonnes kilom` etres. Le camion na quasiment
pas de concurrent sur les courtes distances (150 km). Lavantage principal du
camion est quil sagit du seul mode permettant une livraison porte ` a porte entre
le fournisseur et le client.
Le mode routier a progressivement supplant e le mode ferroviaire depuis les
ann ees 70. Il sutilise aussi bien pour le transport de produits ` a forte valeur ajout ee
que pour le transport de pond ereux (sable, charbon, bl e,...)
Sa pr edominance risque cependant d etre remise en cause vu les externalit es
importantes de ce mode :
Dune part, les encombrements sont de plus en plus fr equents sur laxe
Nord-Sud de lEurope.
Dautre part, la pollution et lins ecurit e se d eveloppent.
Autre caract eristique du transport routier est quil sagit souvent dun mode o` u
le transport est con e ` a autrui. Plus de 75 % des tonnes kilom` etres en France sont
r ealis ees pour compte dautrui. Et donc moins de 25 % par des moyens propres de
lentreprise.
Autre caract eristique du secteur est quil se caract erise par une forte structure
artisanale : plus de 75 % des entreprises de transport en France sont de petites
entreprises de moins de 5 salari es.
2.2.2 Le fer
Le fer est le deuxi` eme mode de transport avec moins de 9 %des tonnes transport ees
et moins de 27 % des tonnes kilom` etres. Sa part va cependant en diminuant au
prot de la route.
Les produits transport es sont principalement : les produits m etallurgiques, les
minerais, les produits agricoles, les combustibles et produits p etroliers.
Les techniques de juste-` a-temps (voir chapitre 9) ont pour cons equence de
r eduire la taille des stocks et daugmenter la fr equence des livraisons tout en livrant
des lots de plus petite taille. Ceci va ` a lencontre du mode chemin de fer qui est
bien adapt e pour le transport en grande quantit e sur des grandes distances.
1
Deux unit es de comptes sont utilis ees : il sagit des tonnes transport ees (ou
les tonnes charg ees) et les tonnes x kilom` etres qui repr esentent le poids charg e fois
le nombre de kilom` etres parcourus.
Section 2.2. Les modes de transport 21
Trois solutions pour promouvoir ce mode ont et e d evelopp ees :
Dune part, depuis longtemps les gros clients (tel quArcelor, Opel Anvers,
VWForest) disposent dun raccordement du r eseau ferr e ` a des lignes priv ees
situ ees sur leurs sites de production. Ainsi Arcelor transporte ses brames
par trains entiers entre ses sites de production de la fonte et ses laminoirs,
parfois distants de plusieurs centaines de kilom` etres.
Le transport combin e rail-route consiste ` a mettre sur le train des conteneurs
qui une fois arriv es ` a la gare de destination sont charg es sur un camion. Dans
ce cas, les transports terminaux (de lentreprise vers la gare et de la gare vers
le client) sont r ealis es par la route.
Une troisi` eme solution plus r ecente est le ferroutage : il sagit de d evelopper
des lignes de chemin de fer sur lesquelles des camions entiers peuvent monter
(cas du franchissement du tunnel sous la manche ou du franchissement des
Alpes en Suisse).
2.2.3 La voie navigable
La voie navigable repr esente en France moins de 4 % du trac de marchandise
contre 20 % en Allemagne et 30 % aux Pays-Bas. Ce mode est egalement en
baisse. Plusieurs explications peuvent etre donn ees ` a cette faible part :
Dune part, le faible r eseau de canaux ` a grands gabarit en France. La plupart
du r eseau ne permet que le passage de p eniches de 500 tonnes.
Dautre part, le mauvais entretien des canaux fait que le tonnage pouvant
etre transport e nest g en eralement que de 350 tonnes.
La g eographie est un facteur important : on ne franchit pas les alpes ou les
pyr en ees avec des canaux comme on peut le faire aux Pays-Bas.
Les marchandises principalement transport ees par voie uviale sont : les
mat eriaux de constructions, les produits agricoles, les produits p etroliers, les mi-
nerais et les d echets. Le transport uvial est donc principalement utilis e pour des
transports pond ereux sur de faibles distances (105 km en moyenne en France).
Le principal atout de ce mode est sa tarication plus faible que les modes
routiers et le fer et une composante ecologique ind eniable par rapport ` a la route.
22 Chapitre 2. Les transports
2.2.4 Le transport maritime
Le transport maritime concerne principalement les mati` eres premi` eres telles que :
le p etrole et ses produits d eriv es, les minerais, le charbon, les c er eales.
Le transport se fait soit en vrac (cas des minerais, des c er eales) ou en conteneurs
(cas des marchandises g en erales).
Il existe deux types de transports maritimes : les contrats ` a la demande et des
transports en ligne. Dans le premier cas, un industriel cherche un bateau pour
transporter une marchandise. Dans le second cas, on ajoute une cargaison sur une
ligne r eguli` ere entre le point de d epart et le point darriv ee.
2.2.5 Le transport a erien
Le transport par voie a erienne est faible en tonnes transport ees (moins dun pour-
cent des tonnes transport ees). Il concerne g en eralement des produits ` a forte valeur
ajout ee tel que du mat eriel informatique, de t el ephonie, m edical, des m edicaments,
des produits de luxe.
Son inconv enient principal est le co ut : le transport a erien est 2 ` a 4 fois plus
cher que le transport maritime. Son avantage principal est evidemment sa rapidit e
(trois jours pour faire Paris-USA avec les livraisons terminales contre 26 jours par
mer).
2.3 Un exemple : le transport de gaz.
Consid erons le probl` eme dune soci et e locale de transport de gaz dans une r egion
comme la r egion du Nord Pas-de-Calais. Les donn ees du probl` eme utilis ees ici
sont purement ctives. En effet, seule la soci et e de distribution, en loccurrence,
Gaz de France, dispose de ces informations strat egiques que sont, par exemple, la
consommation de ses gros clients industriels.
Supposons donc que la r egion du Nord Pas-de-Calais soit aliment ee en gaz
naturel, dune part, par des importations de gaz arrivant par bateaux au terminal de
Dunkerque, et, dautre part, par des importations de gaz norv egien et n eerlandais
qui arrivent par gazoducs souterrains via la Belgique ` a Mons (voir gure 2.1).
Par contrat, les pr el` evements que doit prendre Gaz de France sur chacun de
ses contrats peut varier dun jour ` a lautre dans une fourchette, par exemple de
90% ` a 110%, autour du montant nominal du contrat. Par exemple, si, par contrat,
Gaz de France sest engag e ` a pr elever 100 unit es ` a Dunkerque chaque jour, son
enl` evement peut etre de 90, un jour donn e et de 110, le jour suivant, du moment
Section 2.3. Un exemple : le transport de gaz. 23
que, globalement sur lann ee, la moyenne du pr el` evement soit de 100 unit es. Le
tableau 2.1 reprend les donn ees concernant ces contrats.
Point Quantit e Quantit e Quantit e
dentr ee nominale minimum maximum
Dunkerque 100 90 110
Mons 60 54 66
Tableau 2.1: Quantit es contractuelles minimum et maximum.
En plus de ces contrats, Gaz de France dispose de stockages pour pouvoir faire
face ` a des pointes de demande (par exemple lorsque le gel devient tr` es s ev` ere et
que les chauffages domestiques sont utilis es au maximum). Ces stockages sont
le plus souvent effectu es dans des anciennes galeries de mines. Le pr el` evement
que Gaz de France peut faire est limit e ici par la puissance des compresseurs qui
pompent le gaz hors des stocks. Le tableau 2.2 reprend la quantit e maximum que
lon peut pr elever du stockage chaque jour.
D estockage Quantit e Maximum
Tertre 40
Tableau 2.2: D estockages maximum.
Du c ot e demande, la soci et e de distribution doit satisfaire la demande do-
mestique dune part (chauffage, cuisson, ...etc.), ainsi que la demande de grosses
industries, particuli` erement les industries chimiques qui sont de grosses consom-
matrices de gaz dans leur processus de fabrication. Les 4 grandes agglom erations
et/ou centres industriels importants de la r egion sont Lille, Lens, Denain et Valen-
ciennes. Leurs demandes journali` eres cumul ees pour les secteurs domestique et
industriel sont reprises au tableau 2.3. A nouveau, ces chiffres sont ctifs.
Ville Demande journali` ere
Lille 60
Valenciennes 50
Lens 40
Denain 20
Tableau 2.3: Quantit es demand ees.
Pour acheminer le gaz depuis les points dentr ee dans le r eseau r egional jus-
quaux clients naux, Gaz de France dispose dun r eseau de gazoducs comparables
au r eseau dautoroutes liant les grands centres de la r egion entre eux. Le r eseau
est repr esent e sch ematiquement ` a la gure 2.1.
24 Chapitre 2. Les transports
Dunkerque
Lille
Tertre
Mons
Lens
Denain
60
|70|
50
|50|
|20|
0
10
|40|
20
|70|
60
|20|
|20|
10
60
60
40
50
110
|20|
0
0
Valenciennes
0
Figure 2.1: Repr esentation des principaux gazoducs.
Chacun de ces gazoducs a une capacit e maximum que lon a repr esent ee ` a la
gure 2.1 par la quantit e not ee |c| le long de larc correspondant au gazoduc. On
a egalement repris le plan actuel dexploitation du r eseau, cest-` a-dire lensemble
des pr el` evements et des ux de gaz dans le r eseau. Supposons maintenant quune
nouvelle grosse industrie chimique sinstalle ` a Lens et que la demande totale de
Lens passe de 40 ` a 50. Comment la soci et e va-t-elle modier son plan dexploi-
tation du r eseau pour r epondre ` a cette nouvelle demande tout en respectant ses
contraintes de contrats et de capacit e ?
2.4 Notion de graphe
Nous allons voir comment formuler le probl` eme. Pour cela, nous allons introduire
le concept math ematique de graphe qui permet de repr esenter le r eseau.
D enition 2.1 Un graphe est d eni comme G = (N, A) ou N repr esente un
ensemble de nuds et A un ensemble darcs (i, j), avec i N et j N.
Dans lexemple, chaque ville repr esente un nud du r eseau. On a donc :
N = {1, 2, 3, 4, 5, 6, 7}
Les arcs sont les gazoducs liant deux nuds. Par exemple, si on attribue des
num eros comme indiqu e ` a la gure 2.2 aux villes, (cest-` a-dire aux nuds), on
peut d ecrire les arcs directement comme au tableau 2.4. On a donc :
A = {(1, 2), (1, 3), (2, 3), (2, 6), (3, 7), (4, 2), (5, 6), (6, 7)}
Section 2.5. Notion de ot 25
La ` eche ` a la gure 2.2 indique le sens conventionnel donn e ` a larc (i, j).
Ainsi, larc (i, j) avec une ` eche de i vers j est dit prendre son origine au nud i
et avoir son extr emit e en j. Ce sens conventionnel est important : en effet, un ot
de gaz de i vers j nest pas la m eme chose quun ot de j vers i.
Arc De A (i, j)
1 Dunkerque Lille (1, 2)
2 Dunkerque Lens (1, 3)
3 Lille Lens (2, 3)
4 Tertre Lille (4, 2)
5 Lille Valenciennes (2, 6)
6 Mons Valenciennes (5, 6)
7 Valenciennes Denain (6, 7)
8 Lens Denain (3, 7)
Tableau 2.4: Arcs du r eseau.
Dunkerque
Lille
Tertre
Mons
Valenciennes
Lens
Denain
arc 1
arc2
arc 3
arc 8
arc 6
arc 7
arc5
arc 4
4
2
1
3
7
6
5
O
1
O
4
O
5
D
2
D
3
D
6
D
7
f
12
f
13
f
23
f
26
f
37
f
42
f
56
f
67
Figure 2.2: Repr esentation du r eseau via un graphe
2.5 Notion de ot
Nous allons maintenant introduire la notion de ot. Un ot dans un graphe
est la donn e dun certain nombre de variables respectant un certain nombre de
contraintes.
26 Chapitre 2. Les transports
Nous utiliserons ici trois types de variables :
Notons f
ij
la quantit e de gaz qui traverse larc (i, j) par unit e de temps.
La variable O
i
indiquera loffre de gaz au nud i.
La variable D
j
indiquera la demande de gaz au nud j.
Nimporte quel ensemble de quantit es f
ij
nest pas acceptable. Ces variables
doivent respecter un certain nombre de contraintes. Les variables de ux doivent
respecter deux types de contraintes :
Tout dabordces variables de uxdoit satisfaire une equationde conservation
du ux en chaque nud. Cette loi de conservation exprime simplement que
la somme des ux sortant dun nud i est egale ` a la somme des ux entrant.
Par exemple, au nud doffre 1, cette equation s ecrit :
O
1
= f
12
+f
13
Lensemble des equations s ecrit donc pour cet exemple comme suit :
O
1
= f
12
+f
13
f
12
+f
42
= f
23
+f
26
+D
2
f
13
+f
23
= f
37
+D
3
O
4
= f
42
O
5
= f
56
f
26
+f
56
= D
6
+f
67
f
37
+f
67
= D
7
En g en eral, en un nud quelconque i, cette equation s ecrit (voir gure 2.3) :

k|(k,i)A
f
ki
+O
i
=

j|(i,j)A
f
ij
+D
i
(2.1)
Elle est aussi appel ee equation au nud pour une raison evidente.
Il faut encore imposer les contraintes de capacit e des arcs. Dans le cas de
lexemple, elles sexpriment simplement comme :
0 f
12
70 0 f
37
20
0 f
13
50 0 f
42
20
0 f
23
20 0 f
56
70
0 f
26
20 0 f
67
40
Section 2.6. Notion de ot total 27
i
f
ij
f
ki
D
i
O
i
k j
Figure 2.3: Conservation de la mati` ere au nud
En g en eral, si c
ij
d esigne la capacit e de larc (i, j) et b
ij
la borne inf erieure
( eventuelle) sur ce ot, les contraintes s ecrivent :
b
ij
f
ij
c
ij
(2.2)
D enition 2.2 Lensemble des ux traversant les arcs dun graphe est appel e ot
pour autant quil respecte :
en chaque nud l equation de conservation (2.1),
en chaque arc, les contraintes de capacit e (2.2).
Les variables de pr el` evements O
i
doivent respecter les bornes du contrat :
BINF
i
O
i
BSUP
i
o` u BINF
i
et BSUP
i
sont les bornes inf erieure et sup erieure du contrat au nud i.
La quantit e fournie en un nud de demande, D
i
, doit au moins couvrir la demande :
D
i
DEM
i
o` u DEM
i
est la demande effective au nud i.
2.6 Notion de ot total
Remarquons quune fa con de ne pas distinguer entre les 3 types de variables
(doffre, de demande et de ux darc) est de relier tous les nuds doffre ` a un
nud ctif 0 qui sera lentr ee dans le r eseau et de relier tous les nuds de demande
` a un nud de sortie n + 1. Ceci est fait ` a la gure 2.4. Comme la somme des
entr ees doit etre egale ` a la somme des sorties, on peut relier le nud de sortie n+1
au nud dentr ee 0 par un arc de retour (n + 1, 0).
28 Chapitre 2. Les transports
Dunkerque
Lille
Tertre
Mons
Valenciennes
Lens
Denain
60
50
0
10
20
60
10
60
60
40
50
110
0
0
0
4
2
1
3
7
6
5
8
Figure 2.4: Repr esentation du r eseau avec arc de retour.
D enition 2.3 Un graphe muni dune entr ee, dune sortie et dun arc de retour et
de capacit es est appel e un r eseau de transport.
D enition 2.4 Le ux traversant larc de retour est appel e le ot total traversant
le r eseau.
Nous pouvons maintenant d enir lobjectif de notre probl` eme doptimisation.
Si lobjectif est de d eterminer le plan de transport permettant de faire face ` a la
demande au co ut de transport minimum, on peut ecrire :
minz =

(i,j)A
d
ij
f
ij
o` u d
ij
est le co ut de transport dune unit e de gaz sur larc (i, j).
Remarquez que les capacit es indiqu ees en (2.2) peuvent provenir de diverses
causes. Par exemple, dans le cas du gaz, les capacit es sur les gazoducs proviennent
directement du diam` etre du gazoduc. Tandis que, pour les arcs dentr ee, les capa-
cit es correspondent aux bornes sur les contrats. Pour les arcs sortants, les bornes
inf erieures sur les ux correspondent aux demandes qui doivent etre satisfaites.
Section 2.7. Exercices 29
2.7 Exercices
2.1. Am elioration dun r eseau routier. On pr evoit une augmentation du trac
entre les villes A et F. On veut d eterminer si le r eseau routier actuel entre les
deux villes peut supporter une telle augmentation. Les donn ees (exprim ees
en milliers de voitures par heure) sont reprises au tableau 2.5.
Arc Origine Destination Capacit e
1 A B 3
2 A C 7
3 C B 2
4 C D 2
5 B D 4
6 C E 4
7 E D 2
8 D F 6
9 E F 5
Tableau 2.5: Capacit es et ux actuels dun r eseau routier.
(a) Repr esenter le r eseau sous forme dun graphe.
(b) Formuler math ematiquement le probl` eme lin eaire correspondant ` a la
d etermination du ot maximal entre les deux villes.
2.2. Probl` eme de livraison de marchandises. Une rme poss` ede trois usines
situ ees ` a Anvers, Li` ege et Mons de capacit es mensuelles de production de
25, 15 et 15. Le directeur des ventes sait, au vu de ses commandes, que, pour
la n du moins, il doit livrer 20, 12, 9 et 14 unit es du produit ` a quatre clients
situ es ` a Bruxelles, Charleroi, Namur et Ostende. Les co uts de transport
unitaires entre les usines et les villes sont donn es au tableau 2.6. Comment
doit-on organiser le transport entre ses usines et clients pour en minimiser
Co ut de transport Anvers Li` ege Mons
Bruxelles 100 120 70
Charleroi 150 170 30
Namur 180 80 90
Ostende 90 210 140
Tableau 2.6: Co uts unitaires de transport.
les frais, tout en satisfaisant les commandes ? Les co uts de production sont
identiques dans les trois usines et nentrent donc pas en consid eration.
30 Chapitre 2. Les transports
(a) Repr esenter le probl` eme par un graphique de r eseau.
(b) Formuler math ematiquement le probl` eme.
2.3. Gestion de la chane dapprovisionnement. Le responsable logistique
dun producteur de voitures allemandes doit r epondre ` a une augmentation
des exportations en direction des

Etats-Unis. Les voitures sont produites ` a
Stuttgart et de l` a sont transf er ees par train vers un des trois ports de d epart.
Le tableau 2.7 reprend les capacit es exprim ees en moyenne par jour. Par
exemple, pour Rotterdam, un train de 150 voitures maximum arrive tous
les trois jours. Ce qui correspond ` a une capacit e journali` ere de transport
de 50 voitures. De ces trois ports, les v ehicules sont transport es par ba-
D epart arriv ee capacit e journali` ere
Stuttgart Rotterdam 50
Bordeaux 70
Lisbonne 40
Tableau 2.7: Capacit es de transport par train
teau vers les ports darriv ee aux

Etats-Unis. Les capacit es journali` eres de
transport par bateau sont donn ees au tableau 2.8. Une barre dans ce tableau
indique que le transport est impossible. Enn, depuis les ports darriv es, les
D epart vers New-York vers New-Orl eans
Rotterdam 60 -
Bordeaux 40 50
Lisbonne - 30
Tableau 2.8: Capacit es de transport par bateau
voitures sont transport ees vers Los Angeles, le centre de distribution local
par camions. Les contrats journaliers de transport pr evoient des quantit es
maximum donn ees au tableau 2.9. Quel est le ot maximum de voitures qui
D epart contrat vers Los Angeles
New-York 80
New-Orl eans 70
Tableau 2.9: Capacit es de transport par camion
peuvent en ux journalier arriver ` a Los Angeles en partant de Stuttgart.
(a) Repr esenter le probl` eme sur un graphique de r eseau.
(b) Formuler le probl` eme.
Chapitre 3
La distribution physique
3.1 Introduction
Comme le souligne Giard [7], lorganisation physique du r eseau de distribution
seffectue en tenant compte de plusieurs crit` eres :
le volume, la valeur et la vari et e des articles,
le type de conditionnement utilis e,
le nombre et la localisation des pointes de ventes,
le niveau de service requis en mati` ere de d elai, de abilit e des livraisons, de
tra cabilit e,
limportance relative des co uts de transport, dentreposage et dimmobilisa-
tion en stock par rapport au co ut de revient total.
Lentreprise peut d ecider de sous-traiter tout ou partie de la distribution. Si
lentreprise conserve sa distribution en interne, se pose alors le probl` eme de lar-
chitecture du r eseau de distribution.
3.2 La sous-traitance de la distribution
Remarquons, comme le fait Giard, que la d ecision dexternaliser ou non les ac-
tivit es de distribution est une d ecision strat egique pour lentreprise. Ainsi, une
organisation des transports qui conduirait ` a avoir fr equemment des camions ` a
moiti e remplis ou revenant ` a vide peut conduire ` a un surco ut fatal ` a lentreprise.
Il en est de m eme dans lutilisation partielle dune surface importante dentrep ot.
Dans ces deux cas de gures, le recours ` a un transporteur peut etre plus
int eressant que lutilisation dune otte propre. De plus, le transporteur peut
31
32 Chapitre 3. La distribution physique
fournir un certain nombre de services additionnels : tra cabilit e des colis en temps
r eel, exp erience en mati` ere de d edouanement, conditionnement et m eme etiquetage
des marchandises. Le transporteur travaillant pour plusieurs clients r ealisera une
economie d echelle sil arrive ` a bien remplir ses camions sur lensemble de ses
clients (pour eviter, par exemple, des retours ` a vide).
Lentreprise qui d ecide de sous-traiter du transport est appel ee le chargeur.
Cest le cas de la plupart des grandes marques de distribution (Carrefour, Del-
haize,...etc) qui sous-traitent le transport vers leurs hyper-march es.
3.3 Architecture du r eseau de distribution
Apart le cas de la vente par correspondance (VPC), il ny a pas de livraisons directe
entre lentreprise qui produit le bien et le client nal. Deux types dacheminement
sont donc possibles :
lacheminement direct de lentreprise au client qui se justie pour de tr` es
gros clients;
lacheminement indirect qui est con e ` a un interm ediaire qui peut etre une
soci et e de messagerie. Dans ce cas, le transit des marchandises se fait par
un ou plusieurs entrep ots ou plate-formes.
3.3.1 Entrep ot ou plateforme
Un entrep ot a pour but de stocker la marchandise pendant un certain laps de
temps. Un exemple est celui de lentrep ot de rev etement de sol de la soci et e
Somer-Allibert dans le Nord de la France qui doit stocker des rouleaux car la taille
economique de lancement dun lot est de 200 rouleaux de 250 m` etres alors que la
consommation dune r ef erence est de quelques rouleaux par jour.
Tandis que la plate-forme est un lieu dans lequel les marchandises qui arrivent
sont imm ediatement transbord ees, apr` es un eventuel tri, sur dautres moyens de
transport. Cest le cas des centres de tris de la poste o` u les sacs postaux venant
des diff erentes collectes de ramassage sont tri es par destination pour repartir par
dautre moyens (g en eralement des camions) vers les villes de destination.
Enn, lorsque la marchandise reste dans son emballage sans fractionnement, on
parle de cross-docking. Ce type dorganisation se retrouve dans les plateformes des
messageries. Pour le transport a erien, on parle de hubs plut ot que de plafe-formes.
On parle dallotement lorsquil sagit ` a lentrep ot de pr eparer une commande
Section 3.3. Architecture du reseau de distribution 33
pour un destinataire nal par regroupement des articles demand es, dans les quan-
tit es demand ees. Le pr el` evement sappelle le piquage (ou picking).
On peut egalement utiliser un syst` eme dentrep ots ` a deux niveaux. Cest le cas
lorsque les entrep ots en relation avec le client nal ne sapprovisionnent pas direc-
tement aupr` es des usines mais bien aupr` es dun autre entrep ot ou dune plateforme
o` u les usines viennent livrer leurs produits. Ce type dorganisation peut se retrou-
ver dans le cas dune centrale dachats nationale et des entrep ots ou plate-formes
r egionales.
3.3.2 Localisation des entrep ots
Le probl` eme de la localisation des entrep ots, de la d etermination de leur nombre
et de leurs caract eristiques (capacit e) est un probl` eme complexe. Si lon un seul
entrep ot ` a localiser, on peut utiliser en premi` ere approximation la technique du
centre de gravit e. Si lon veut minimiser le nombre total de tonnes-kilom` etres
de produit transport e, 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 b eton,
on a int er et ` a se situer au centre de gravit e des carri` eres et des gros clients.
Fixons-nous la notation suivante:
MP
i
= tonnes de mati` ere premi` ere venant de i;
Cl
j
= tonnes vers le client j;
r
i
= co ut unitaire de transport venant de i;
R
j
= co ut unitaire de transport vers j.
Cl
1
Cl
2
Cl
n
MP
1
MP
2
MP
m
x
y
(x
1
, y
1
)
(x
2
, y
2
)
(x

1
, y

1
)
(x

2
, y

2
)
(x

, y

)
(x
m
, y
m
)
(x

n
, y

n
)
Figure 3.1: Centre de gravit e
34 Chapitre 3. La distribution physique
Le centre de gravit e se calcule ainsi :
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
Illustrons la m ethode sur un exemple simple illustr e ` a la gure 3.2 o` u deux
villes sont situ ees ` a 9 kilom` etres de distance lune de lautre.
1 2 3 4 5 6 7 8 9
1.000 2.000
0
x

CG
x

MD
Figure 3.2: Calcul du centre de gravit e
La formule du centre de gravit e nous donne ici (avec x
i
la coordonn ee de la
ville i et P
i
, sa population) :
x

i
x
i
P
i

i
P
i
=
0 1.000 + 9 2.000
3.000
= 6
Pour minimiser le nombre de kilom` etres ` a parcourir pour desservir les deux villes,
un repr esentant de commerce a int er et ` a se localiser ` a 6 km de la premi` ere et 3
kilom` etre de la seconde ville.
3.4 Un probl` eme de distribution
Nous terminons ce chapitre en donnant une etude de cas tir ee de Williams [20]
qui illustre bien les concepts vus dans ce cours. Il sagit, dans un premier temps,
dun probl` eme de distribution qui se formule comme un probl` eme lin eaire sur
r eseau. Dans un second temps, il sagit dun probl` eme douverture dentrep ot
qui se formule comme un probl` eme mixte entier.
Une entreprise poss` ede deux usines, lune situ ee ` a Liverpool et lautre ` a Brigh-
ton. De plus, elle dispose de quatre entrep ots de transit situ es ` a Newcastle, Birmin-
gham, London et Exeter respectivement. Cette entreprise vend lunique produit
quelle fabrique ` a six gros clients. Les clients peuvent etre approvisionn es direc-
tement par les usines, soit via les d ep ots.
Section 3.4. Un probl`eme de distribution 35
Co ut de Fournisseur
fourniture Usine de Usine de
vers Liverpool Brighton
Newcastle 0,5 -
Birmingham 0,5 0,3
London 1,0 0,5
Exeter 0,2 0,2
Client 1 1,0 2,0
Client 2 - -
Client 3 1,5 -
Client 4 2,0 -
Client 5 - -
Client 6 1,0 -
Capacit e 150 200
Tableau 3.1: Co ut de fourniture (1` ere partie)
Les tableaux 3.1 et 3.2 fournissent les co uts de transport unitaires (en Livres
par tonne). Une barre indique que le transport nest pas possible entre les deux
lieux.
Co ut de Fournisseur Demande
fourniture D ep ot de D ep ot de D ep ot de D ep ot de
vers Newcastle Birmingham London Exeter
Client 1 - 1,0 - - 50
Client 2 1,5 0,5 1,5 - 10
Client 3 0,5 0,5 2,0 0,2 40
Client 4 1,5 1,0 - 1,5 35
Client 5 - 0,5 0,5 0,5 60
Client 6 1,0 - 1,5 1,5 20
Capacit e 70 50 100 40
Tableau 3.2: Co ut de fourniture (2` eme partie)
Chaque usine a une capacit e donn ee au tableau 3.1 en milliers de tonnes par
mois. Chaque d ep ot a une capacit e maximum de transit donn ee au tableau 3.2
en milliers de tonnes par mois. Chaque client a une demande mensuelle donn ee
dans le tableau 3.2 en milliers de tonnes. On se demande comment organiser la
distribution du produit pour minimiser les co uts de fourniture.
36 Chapitre 3. La distribution physique
3.4.1 Formulation du probl` eme
Il sagit donc dun probl` eme lin eaire sur r eseau. Formulons le probl` eme.
Choix des variables : il y a trois types de variables correspond aux trois
types de liaisons (usine-d ep ot, usine-client, d ep ot-client) :
x
ij
= quantit e allant de lusine i vers le d ep ot j;
y
ik
= quantit e allant de lusine i vers le client k;
z
jk
= quantit e allant du d ep ot j au client k.
Lunit e est dans chaque cas les milliers de tonnes par mois.
Expression des contraintes :
Capacit e des usines : lensemble de ce qui sort dune usine pour aller
vers les d ep ots ou directement vers les clients doit etre inf erieur ` a la
capacit e de lusine i, not ee CAPUS
i
:
4

j=1
x
ij
+
6

k=1
y
ik
CAPUS
i
, i = 1, 2
Capacit e des d ep ots : lensemble de ce qui entre dans le d ep ot doit etre
inf erieur ` a la capacit e du d ep ot j, not e CAPDEP
j
:
2

i=1
x
ij
CAPDEP
j
, j = 1, 2, 3, 4
Bilan ` a lentrep ot : tout ce qui entre dans lentrep ot doit en sortir (pas
daccumulation possible ` a lentrep ot) :
2

i=1
x
ij
=
6

k=1
y
jk
, j = 1, . . .4
Satisfaction de la demande : not ee DEM
k
pour le client k :
2

i=1
y
ik
+
4

j=1
z
jk
= DEM
k
, k = 1, 2, . . .6
Expression de lobjectif : on veut minimiser les co uts de transport :
minz =
2

i=1
4

j=1
c
ij
x
ij
+
2

i=1
6

k=1
d
ik
y
ik
+
4

j=1
6

k=1
e
jk
z
jk
.
o` u c
ij
, d
ik
et e
jk
sont les co uts unitaires de transport.
Section 3.4. Un probl`eme de distribution 37
3.4.2 Solution du probl` eme de distribution
Le tableau ci-dessous pr esente la solution optimale de ce probl` eme lin eaire obtenue
par utilisation dun logiciel doptimisation en ce qui concerne le transport ` a partir
des deux usines :
Quantit e R eception
venant Usine de Usine de
de Liverpool Brighton
Newcastle 0 0
Birmingham 0 50 000
London 0 55 000
Exeter 40 000 0
Client 1 50 000 0
Client 2 0 0
Client 3 0 0
Client 4 0 0
Client 5 0 0
Client 6 20 000 0
Le tableau ci-dessous pr esente la solution optimale en ce qui concerne le trans-
port entre les quatre entrep ots et les six clients.
Quantit e R eception
venant D ep ot de D ep ot de D ep ot de D ep ot de
de Newcastle Birmingham London Exeter
Client 1 0 0 0 0
Client 2 0 10000 0 0
Client 3 0 0 0 40000
Client 4 0 35000 0 0
Client 5 0 5000 55000 0
Client 6 0 0 0 0
La valeur optimale de lobjectif de ce probl` eme lin eaire est la suivante :
z

= 198 500
38 Chapitre 3. La distribution physique
3.4.3 Ouverture de nouveaux d ep ots
Pour le probl` eme de distribution formul e ci-dessus, il est maintenant possible de
construire un nouveau d ep ot ` a Bristol et ` a Northampton. Il est egalement possible
d etendre celui de Birmingham. On consid` ere quil nest pas possible davoir plus
de quatre d ep ots ouverts et on peut, si n ecessaire, fermer ceux de Newcastle et
dExeter. Le tableau 3.3 donne les co uts douverture (en milliers de Livres) et
les capacit es mensuelles de transit (en milliers de tonnes par mois) des nouveaux
d ep ots. Le tableau 3.4 donne les economies due ` a la fermeture (en milliers de
D ep ot Co ut Capacit e
Bristol 12 30
Northampton 4 25
Extension de Birmingham 3 20
Tableau 3.3: Co uts douverture et capacit e additionnelle
Livres) des deux d ep ots. Le tableau 3.5 donne les co uts de fourniture pour les
D ep ot

Economie
Newcastle 10
Exeter 5
Tableau 3.4:

Economie due ` a la fermeture
nouveaux d ep ots.
Co ut de Fournisseur
fourniture Usine de Usine de D ep ot de D ep ot de
vers Liverpool Brighton Bristol Northampton
Bristol 0,6 0,4
Northampton 0,4 0,3
Client 1 1,0 2,0 1,2 -
Client 2 - - 0,6 0,4
Client 3 1,5 - 0,5 -
Client 4 2,0 - - 0,5
Client 5 - - 0,3 0,6
Client 6 1,0 - 0,8 0,9
Tableau 3.5: Co ut de fourniture (nouveaux d ep ots)
On veut pouvoir r epondre aux questions suivantes :
Section 3.4. Un probl`eme de distribution 39
Quel(s) nouveau(x) d ep ot(s) faut-il ouvrir ?
Le d ep ot de Birmingham doit-il etre etendu ?
Quel(s) d ep ot(s) doit(vent) etre ferm e(s)?
3.4.4 Formulation du probl` eme douverture de nouveaux d ep ots
Le probl` eme se formule comme un probl` eme mixte entier. En effet, nous allons
ajouter des variables indicatrices douverture ou de fermeture des d ep ots.
Choix des variables : aux variables originales, on ajoute des indicatrices
douverture, de fermeture ou dextension des d ep ots :
x
ij
= quantit e allant de lusine i vers le d ep ot j;
y
ik
= quantit e allant de lusine i vers le client k;
z
jk
= quantit e allant du d ep ot j au client k;
o
j
= indicatrice de louverture du d ep ot j;
e
j
= indicatrice de lextension du d ep ot j;
f
j
= indicatrice de la fermeture du d ep ot j.
Expression de lobjectif : aux co uts de transport, on ajoute les co uts xes
douverture, fermeture ou dextension des d ep ots :
minz =
2

i=1
6

j=1
c
ij
x
ij
+
2

i=1
6

k=1
d
ik
y
ik
+
6

j=1
6

k=1
f
jk
z
jk
+COUTEXT
2
e
2
+

j=5,6
COUTOUV
j
o
j

j=1,4
ECOFERM
j
f
j
.
Expression des contraintes :
Capacit e des usines :
6

j=1
x
ij
+
6

k=1
y
ik
CAPUS
i
, i = 1, 2
40 Chapitre 3. La distribution physique
Capacit e des d ep ots : la capacit e du d ep ot est soumise ` a lune ou lautre
des indicatrices (douverture, de fermeture ou dextension du d ep ot) :
2

i=1
x
ij
CAPDEP
j
(1 f
j
), j = 1, 4
2

i=1
x
ij
CAPDEP
j
+EXTCAP
j
e
j
, j = 2
2

i=1
x
ij
CAPDEP
j
, j = 3
2

i=1
x
ij
CAPDEP
j
o
j
, j = 5, 6
Bilan ` a lentrep ot :
2

i=1
x
ij
=
6

k=1
y
jk
, j = 1, . . .6
Satisfaction de la demande :
2

i=1
y
ik
+
6

j=1
z
jk
= DEM
k
, k = 1, 2, . . .6
Positivit e des variables :
x
ij
, y
ik
, z
jk
0.
caract` ere entier des binaires :
o
j
, e
j
, f
j
{0, 1}.
3.4.5 Solution du probl` eme douverture de d ep ots
La solution optimale est d etermin e par loptimiseur dOMP.
En ce qui concerne les variables binaires, le d ep ot de Northampton est ouvert,
pas celui de Bristol. Le d ep ot de Birmingham est etendu. Le d ep ots de Newcastle
est ferm e.
La valeur optimale de lobjectif est de :
z

= 174 000.
Section 3.5. Exercices 41
3.5 Exercices
3.1. Transport de b eton. Lentreprise B atiment Travaux Publics Nantes Atlan-
tique a 3 chantiers en cours : C1, C2, C3. Elle poss` ede 2 unit es de production
de b eton, B1 et B2, et 2 carri` eres, G1 et G2, o` u sont produits les gravillons qui
entrent dans la fabrication du b eton. 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 b eton (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 b eton. Les quantit es de b eton ` a fournir dans la p eriode aux
chantiers C1, C2 et C3 sont respectivement 100, 200 et 130 tonnes. Les ca-
pacit es de production en gravillons des unit es G1 et G2 sont respectivement
75 et 60 tonnes pendant la p eriode. La carri` ere du sous-traitant G3 peut
fournir 100 tonnes au maximum. Les capacit es de production en b eton des
unit es B1 et B2 sont respectivement de 60 et 120 tonnes. Le sous-traitant
B3 a une capacit e de 600 tonnes pendant la m eme p eriode. Les centrales ` a
b eton 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 3.6: Co uts de transport des gravillons
Les co uts de transport unitaire (en Euro/tonne) des gravillons sont donn es
` a la table 3.6 tandis que les co uts de transport unitaire (en Euro/tonne) des
b etons sont donn es ` a la table 3.7.
Euro/tonne vers C1 vers C2 vers C3
de B1 40 50 60
de B2 25 30 30
de B3 40 45 60
Tableau 3.7: Co uts de transport des b etons
On veut d eterminer comment satisfaire les commandes accept ees ` a co ut de
transport minimum et avec le minimum de recours ` a la sous-traitance.
Formuler le probl` eme (choix des variables, expression de lobjectif et des
contraintes).
42 Chapitre 3. La distribution physique
3.2. Location de surfaces dentreposage. Le b atiment dentreposage dune
rme fabriquant des peintures vient d etre compl` etement ravag e par le feu.
Pour pouvoir continuer ` a stocker ses surplus de production pr evus pour les 6
prochains mois (soit la p eriode de reconstruction de lentrep ot), la rme doit
disposer des surfaces minimum reprises au tableau 3.8. La soci et e sadresse
Mois 1 2 3 4 5 6
Surface (en 100 m
2
) 35 20 30 10 15 20
Tableau 3.8: Besoins minimaux en surface dentreposage
` a une rme sp ecialis ee dans lentreposage qui permet de louer nimporte
quelle surface pour un nombre quelconque de mois. Le co ut de location est
d ecroissant en fonction de la longueur du bail (cfr tableau 3.9). La rme
Dur ee du bail (en mois) 1 2 3 4 5 6
Co ut du bail (euro pour 100 m
2
) 200 360 500 625 745 850
Tableau 3.9: Co ut des baux
peut donc signer chaque mois autant de baux quelle le d esire pour la dur ee
et la surface quelle juge utiles. Lobjectif est de minimiser le co ut total des
baux qui permettront de couvrir les besoins en entreposage des 6 prochains
mois. On vous charge d etablir le calendrier de d ebut et de n de chacun des
baux ainsi que la surface sur laquelle ils portent.
Formuler le probl` eme correspondant (choix des variables, expression de
lobjectif et expression des contraintes). Indication : pensez ` a utiliser des
variables ` a doubles indices (premier pour le d ebut, second pour la n du
bail).
Chapitre 4
Le probl` eme du plus court chemin
4.1 Introduction
Le probl` eme peut se formuler de la mani` ere suivante.

Etant donn e un graphe
G = (N, A) o` u ` a chaque arc est associ ee une longueur d
ij
0, on veut d eterminer
un chemin allant du sommet origine o au sommet destination d tel que la longueur
du chemin parcouru soit minimum. Les arcs du graphe repr esentent, par exemple,
les routes liant diff erentes localit es et les longueurs des arcs, des distances en
kilom` etres. Mais ces longueurs peuvent aussi repr esenter des temps de parcours.
Notons par t
ij
le temps de parcours de larc (i, j).
Par exemple ` a la gure 4.1, on veut d eterminer le plus court chemin entre le
nud 1 et le nud 2.
5
4
2
1 7
8
3 6
2
5
3
4
1
3
3
1
7
1
1
3
2
2
2
Figure 4.1: D etermination du plus court chemin de 1 ` a 2
Il existe un algorithme sp ecialis e pour r esoudre ce probl` eme classique : il
sagit de lalgorithme de Dijkstra qui proc` ede par marquages successifs des nuds
de mani` ere analogue ` a ce que fait lalgorithme de Ford et Fulkerson. Lalgorithme
consiste ` a attribuer un label ` a chaque nud et ` a corriger progressivement ces labels.
On va, ` a partir du nud origine, progressivement d eterminer le plus court chemin
vers tous les autres nuds du r eseau.
43
44 Chapitre 4. Le probl`eme du plus court chemin
4.2 Algorithme de Dijkstra
Pour les besoins de lalgorithme, deux informations vont etre stock ees en chaque
nud :
1. le label courant du nud, not e l
i
, qui indique la distance entre le nud origine
o et le nud i par le plus court chemin trouv e jusqu` a pr esent;
2. le pr ed ecesseur du nud, not e p
i
, dans le plus court chemin trouv e jusqu` a
pr esent entre o et i.
Lalgorithme de Dijkstra utilise et met ` a jour deux ensembles :
1. Lensemble T des nuds trait es dont on a d etermin e exactement le plus court
chemin entre le nud origine et ces nuds.
2. Lensemble S = N \ T des nuds qui sont encore ` a traiter.
On dit quun nud de T a un label d enitif, puisquil ne sera plus modi e, tandis
quun nud de S a un label provisoire qui pourra encore etre am elior e.
Algorithme 4.1 Calcul du temps minimum.
1. Initialisations. Mettre tous les labels ` a , sauf celui du nud o mis ` a z ero :
l
o
= 0 l
i
= +si i = o
Initialisation de lensemble des nuds ` a traiter : S = N
2. It eration k. On s electionne l el ement i S de label provisoire l
i
minimum :
i S|l
i
= min
jS
l
j
Ce nud i est d eplac e de lensemble S vers lensemble T :
T = T {i} S = S \ {i}
Pour tous les nuds j S qui peuvent etre atteints directement ` a partir de
i par un seul arc (i, j), on examine si le chemin menant ` a j en passant par i
ne serait pas plus court que lancien chemin menant ` a j. Dans ce cas, l
j
et
p
j
sont remis ` a jour comme suit :
Si l
i
+t
ij
< l
j
, alors l
j
= l
i
+t
ij
et p
j
= i
Section 4.2. Algorithme de Dijkstra 45
3. Terminaison. Lalgorithme sarr ete d` es que lon a d etermin e le label
d enitif du sommet de destination d, cest-` a-dire d` es que d T.
Lapplication de lalgorithme 4.1 ` a notre exemple donne :
Initialisations : on met tous les labels ` a , sauf celui du nud origine 1 qui est
mis ` a z ero :
l
1
= 0 l
i
= + i = 1
On initialise les ensembles T et S :
T = {} S = {1, 2, 3, 4, 5, 6, 7, 8}
On obtient donc les labels suivants :
k i l
1
l
2
l
3
l
4
l
5
l
6
l
7
l
8
0 0
k i p
1
p
2
p
3
p
4
p
5
p
6
p
7
p
8
0
It eration 1 : on traite le nud 1 :
l

1
= 0 T = {1} S = {2, 3, 4, 5, 6, 7, 8}
l
8
= 1 p
8
= 1
l
3
= 2 p
3
= 1
k i l
1
l
2
l
3
l
4
l
5
l
6
l
7
l
8
1 1 0

2 1
k i p
1
p
2
p
3
p
4
p
5
p
6
p
7
p
8
1 1 1 1
It eration 2 : on traite le nud 8 :
l

8
= 1 T = {1, 8} S = {2, 3, 4, 5, 6, 7}
l
5
= 1 + 3 = 4 p
5
= 8
l
4
= 1 + 3 = 4 p
4
= 8
k i l
1
l
2
l
3
l
4
l
5
l
6
l
7
l
8
2 8 0

2 4 4 1

k i p
1
p
2
p
3
p
4
p
5
p
6
p
7
p
8
2 8 1 8 8 1
46 Chapitre 4. Le probl`eme du plus court chemin
It eration 3 : on traite le nud 3 :
l

3
= 2 T = {1, 3, 8} S = {2, 4, 5, 6, 7}
l
6
= 2 + 2 = 4 p
6
= 3
k i l
1
l
2
l
3
l
4
l
5
l
6
l
7
l
8
3 3 0

4 4 4 1

k i p
1
p
2
p
3
p
4
p
5
p
6
p
7
p
8
3 3 1 8 8 3 1
It eration 4 : on traite le nud 4 :
l

4
= 4 T = {1, 3, 4, 8} S = {2, 5, 6, 7}
l
7
= 4 + 3 = 7 p
7
= 4
k i l
1
l
2
l
3
l
4
l
5
l
6
l
7
l
8
4 4 0

4 4 7 1

k i p
1
p
2
p
3
p
4
p
5
p
6
p
7
p
8
4 4 1 8 8 3 4 1
It eration 5 : on traite le nud 5 :
l

5
= 4 T = {1, 3, 4, 5, 8} S = {2, 6, 7}
k i l
1
l
2
l
3
l
4
l
5
l
6
l
7
l
8
5 5 0

4 7 1

k i p
1
p
2
p
3
p
4
p
5
p
6
p
7
p
8
5 5 1 8 8 3 4 1
It eration 6 : on marque traite le nud 6 :
l

6
= 4 T = {1, 3, 4, 5, 6, 8} S = {2, 7}
l
7
= 4 + 2 = 6 p
7
= 6
l
2
= 4 + 4 = 8 p
2
= 6
k i l
1
l
2
l
3
l
4
l
5
l
6
l
7
l
8
6 6 0

8 2

6 1

k i p
1
p
2
p
3
p
4
p
5
p
6
p
7
p
8
6 6 6 1 8 8 3 6 1
Section 4.2. Algorithme de Dijkstra 47
It eration 7 : on traite le nud 7 :
l

7
= 6 T = {1, 3, 4, 5, 6, 7, 8} S = {2}
l
2
= 6 + 1 = 7 p
2
= 7
k i l
1
l
2
l
3
l
4
l
5
l
6
l
7
l
8
6 6 0

7 2

k i p
1
p
2
p
3
p
4
p
5
p
6
p
7
p
8
6 6 7 1 8 8 3 6 1
It eration 8 : on traite le nud 2 :
l

2
= 7 T = {1, 2, 3, 4, 5, 6, 7, 8} S =
k i l
1
l
2
l
3
l
4
l
5
l
6
l
7
l
8
6 6 0

k i p
1
p
2
p
3
p
4
p
5
p
6
p
7
p
8
6 6 7 1 8 8 3 6 1
Crit` ere darr et : le nud de sortie appartient ` a T. Lalgorithme sar ete.
Le plus court chemin de 1 ` a 7 est donc de 7 unit es.
Il nous faut maintenant, ` a partir de la solution, d eterminer le chemin optimal.
Ceci peut etre fait en retenant ` a rebours les nuds qui ont servi ` a marquer le nud
de destination ` a partir du nud origine.
p
2
= 7
p
7
= 6
p
6
= 3
P
3
= 1
Dans notre exemple, le plus court chemin est donc (1, 3, 6, 7, 2).
Nous allons illustrer ici le fait que lalgorithme de Dijkstra permet de r esoudre
des probl` emes autres que celui du plus court chemin dans un graphe sur un exemple
tir e de Norbert et al [17].
48 Chapitre 4. Le probl`eme du plus court chemin
4.3 Politique optimale de remplacement de v ehicule
4.3.1

Enonc e du probl` eme de remplacement de v ehicule
Un repr esentant de commerce a besoin dune voiture pour rendre visite ` a ses clients,
dont la plupart sont localis es en province. Son employeur lui verse des allocations
destin ees ` a rembourser les frais relatifs ` a lachat et ` a lentretien de sa voiture.
Le repr esentant veut elaborer une politique dachat et de revente de son v ehicule
pour les 10 prochaines ann ees. Le probl` eme se pose car le repr esentant vient de
revendre sa vielle voiture et songe ` a acqu erir une nouvelle voiture neuve pour le
co ut de 20 000 dollars. Il a collect e des statistiques sur l evolution du prix dachat
des voitures neuves, de leur valeur de revente. Le tableau 4.1 donne les chiffres
ainsi collect es.
Achat Revente ` a la n de lan
Au d ebut Prix 1 2 3 4 5
1 20 000 18 000 16 200 13 770 11 016 8 262
2 20 800 18 720 16 848 14 321 11 457 8 592
3 21 632 19 469 17 522 14 894 11 915 8 936
4 22 497 20 248 18 223 15 489 12 392 9 294
5 23 397 21 057 18 952 16 109 12 887 9 665
6 24 333 21 900 19 710 16 753 13 403 10 052
7 25 306 22 776 20 498 17 423 13 939 10 454
8 26 319 23 687 21 318 18 120 14 496 10 872
9 27 371 24 634 22 171 18 845 15 076 11 307
10 28 466 25 620 23 058 19 599 15 679 11 759
Tableau 4.1: Prix dachat et valeur de revente (en dollars).
De ce tableau on peut d eduire, par exemple quune voiture achet ee au d ebut de
lann ee 3 et revendue 2 ans plus tard occasionne une perte en d evaluation de :
21 632 17 522 = 4 110dollars
Il a egalement collect e du co ut dentretien annuel. Le tableau 4.2 donne les
chiffres ainsi collect es.
Section 4.3. Politique optimale de remplacement de vehicule 49
Achat Age du v ehicule
au d ebut 1 2 3 4 5
1 1 800 1 600 1 200 1 600 2 200
2 1 872 1 664 1 248 1 664 2 288
3 1 947 1 731 1 298 1 731 2 380
4 2 025 1 800 1 350 1 800 2 475
5 2 106 1 872 1 404 1 872 2 574
6 2 190 1 947 1 460 1 947 2 677
7 2 278 2 025 1 518 2 025 2 784
8 2 369 2 105 1 579 2 105 2 895
9 2 463 2 190 1 642 2 190 3 011
10 2 562 2 277 1 708 2 277 3 131
Tableau 4.2: Co ut de lentretien annuel selon l age et la valeur dachat (en dollars).
De ce tableau, on peut d eduire, par exemple quune voiture achet ee au d ebut
de lan 4 et vendue 4 ans plus tard co ute en entretien :
2 025 + 1 800 + 1 350 + 1 800 = 6 975 dollars
On cherche la politique de remplacement que le repr esentant pourra adopter
pour minimiser la somme de ses d ebours au cours des 10 prochaines ann ees, si
lon tient pour acquis quil remplacera toujours sa voiture revendue par une voiture
neuve et si on ne tient pas compte des effets de lactualisation. Autrement dit, on
n egligera le fait que d ebourser un dollar dans 3 ans nest pas la m eme chose que
d ebourser un dollar au d ebut de lhorizon de planication.
4.3.2 Mod elisation du probl` eme de remplacement de v ehicule
Pour mod eliser graphiquement ce probl` eme, il suft dassocier un sommet ` a chaque
ann ee de la p eriode de planication. Ce sommet correspond au d ebut de lann ee.
Le passage dune unit e de ot sur larc sinterpr` ete comme le fait de conserver son
v ehicule pendant un certain nombre dann ees.
Convenons de noter i le sommet associ e au d ebut de lann ee i. Le fait quune
unit e de ot emprunte un larc (i, j) repr esente le fait de revendre au d ebut de
50 Chapitre 4. Le probl`eme du plus court chemin
lan j lauto achet ee en d ebut de lan i. Autrement dit, cela repr esente le fait de
conserver le v ehicule du d ebut de lann ee dachat i ` a la n de lan j -1.
Pour clarier les choses, consid erons lan 1. La gure 4.2 repr esente les choix
qui soffrent au repr esentant. Le repr esentant doit acheter une voiture de 20 000
dollars et la garder au moins une ann ee : une unit e de ot sera forc ement transmise
jusquau sommet 1. Puis, selon le nombre dann ees que lauto sera conserv ee,
cette unit e ira ` a lun des sommets suivants : 2, 3, 4, 5 ou 6. Prenons lexemple de
larc (1, 4) : lauto est conserv ee du d ebut de lan 1 ` a la n de lann ee 3, cest-` a-dire
durant 3 ans. Le repr esentant subira donc une d evaluation de 20 000 - 13 770 =
6 230 dollars et assume des frais dentretien de 1 800 + 1 600 + 1 200 = 4 600
dollars, pour un co ut total de 10 830 dollars.
3 4
5
1 2
3 800
7 200
10 830
15 184
6
20138
Figure 4.2: Lan 1.
4.3.3 R esolution du probl` eme de remplacement de v ehicule
Pour trouver une politique de remplacement optimal, il suft de r esoudre le mod` ele
de r eseau repr esent e ` a la gure 4.3.
Lapplication de lalgorithme de Dijkstra est effectu ee au tableau 4.3 o` u les
labels des nuds aux it erations successives sont donn es. En premi` ere ligne, on
donne la valeur de l
i
et en seconde de p
i
. Le label d eclar e d enitif ` a chaque it eration
est soulign e.
La solution optimale consiste ` a changer de voiture au d ebut des ann ees 1, 3, 5
et 8 pour un total de d ebours de 41 910 dollars.
Section 4.3. Politique optimale de remplacement de vehicule 51
1 2 3 4 5
3800
7200
10830
11263
7488
3952 4110 4274
7 8 9 10
4623 4808 5001 5200 5408
11
4446
15184
6
15791
20138
21783
20944
11714
7788
17080
12183
13177
8760
18474
24502
9111
13704
19213
9475
9853
14252
4446
8423
8423
12670
17764
23560
22653
16424
Figure 4.3: Probl` eme de remplacement de voiture.
52 Chapitre 4. Le probl`eme du plus court chemin
1 2 3 4 5 6 7 8 9 10 11
0 3 800 7 200 10 830 15 184
de 1 de 1 de 1 de 1
0 3 800 7 200 10 830 15 063 19 591 24 744
de 1 de 1 de 1 de 2 de 2 de 2
0 3 800 7 200 10 830 14 988 18 914 24 624 28 983
de 1 de 1 de 1 de 3 de 3 de 3 de 3
0 3 800 7 200 10 830 14 988 18 914 23 013 27 910 33 483
de 1 de 1 de 1 de 3 de 3 de 4 de 4 de 4
0 3 800 7 200 10 830 14 988 18 914 23 013 27 658 32 752 38 548
de 1 de 1 de 1 de 3 de 3 de 4 de 5 de 5 de 5
0 3 800 7 200 10 830 14 988 18 914 23 013 27 658 32 091 37 388 43 416
de 1 de 1 de 1 de 3 de 3 de 4 de 5 de 6 de 6 de 6
0 3 800 7 200 10 830 14 988 18 914 23 013 27 658 32 091 36 717 42 226
de 1 de 1 de 1 de 3 de 3 de 4 de 5 de 6 de 7 de 7
0 3 800 7 200 10 830 14 988 18 914 23 013 27 658 32 091 36 717 41 910
de 1 de 1 de 1 de 3 de 3 de 4 de 5 de 6 de 7 de 8
0 3 800 7 200 10 830 14 988 18 914 23 013 27 658 32 091 36 717 41 910
de 1 de 1 de 1 de 3 de 3 de 4 de 5 de 6 de 7 de 8
0 3 800 7 200 10 830 14 988 18 914 23 013 27 658 32 091 36 717 41 910
de 1 de 1 de 1 de 3 de 3 de 4 de 5 de 6 de 7 de 8
0 3 800 7 200 10 830 14 988 18 914 23 013 27 658 32 091 36 717 41 910
de 1 de 1 de 1 de 3 de 3 de 4 de 5 de 6 de 7 de 8
Tableau 4.3: R esolution du probl` eme de remplacement de voiture.
Section 4.4. Exercices 53
4.4 Exercices
4.1. Calcul du plus court chemin. Utiliser lalgorithme de plus court chemin
pour d eterminer le plus court chemin entre le nud 1 et tous les nuds du
r eseau de la gure 4.4.
1
2
3
1
2
3
4
5
5 6
2 3
6
1
2
3
Figure 4.4: Calcul du plus court chemin.
4.2. La location dun yacht. Un plaisancier loue son yacht durant les vacances
estivales par le biais dune annonce dans Mer et Vacances. Le bateau est
offert du 1er mai au 31 ao ut et la dur ee minimum de location est de 15 jours.
Les personnes int eress ees doivent indiquer la p eriode de location d esir ee
et le prix quelles sont pr etes ` a payer pour disposer du yacht pendant cette
p eriode. Le tableau 4.4 reprend lensemble des propositions re cues par le
plaisancier cette ann ee en r eponse ` a son annonce.
(a) Repr esenter le probl` eme sur un graphique de r eseau.
(b) Expliquer pourquoi lalgorithme de Dijkstra ne sapplique pas ` a la
r esolution du probl` eme.
(c) Sugg erer une proc edure de marquage progressive des nuds qui per-
mette de r esoudre le probl` eme. Donner la solution ainsi obtenue.
54 Chapitre 4. Le probl`eme du plus court chemin
Proposition P eriode Prix propos e
1 1er juillet 31 juillet 60 000
2 1er juillet 31 ao ut 90 000
3 1er mai 31 ao ut 180 000
4 1er juillet 15 juillet 30 000
5 1er ao ut 31 ao ut 55 000
6 16 juillet 15 ao ut 60 000
7 16 mai 15 juillet 80 000
8 1er mai 15 ao ut 175 000
9 1er mai 15 mai 70 000
10 1er mai 15 juin 75 000
11 1er mai 30 juin 100 000
12 1er juin 30 juin 55 000
13 1er juin 15 juillet 70 000
14 16 mai 15 juin 45 000
15 16 juillet 31 ao ut 85 000
16 1er juin 15 juin 50 000
17 16 juin 30 juin 35 000
18 1er juillet 15 juillet 30 000
Tableau 4.4: Propositions de location du yacht.
Chapitre 5
Organisation de tourn ees de v ehicules
5.1 Introduction
Consid erons le probl` eme de lorganisation dune tourn ee pour un v ehicule dont
on connat d` es le d epart la liste des clients ` a visiter. Le v ehicule doit aller chez
chaque client et revenir ` a son point de d epart en essayant de faire la tourn ee la plus
courte possible. Il y a de nombreuses applications de ce probl` eme : enl` evement
de colis express, tourn ee de livraison, tourn ee dun repr esentant de commerce.
Nous verrons ` a la section suivante la formulation de ce probl` eme connu sous le
nom de probl` eme du voyageur de commerce. Nous verrons ensuite lalgorithme
de r esolution sp ecique ` a ce probl` eme. Il sagit dune version particuli` ere de la
m ethode de branch and bound qui permet de r esoudre les probl` emes en nombres
entiers. La formulation du probl` eme utilise en effet des variables binaires.
Terminons cette introduction en signalant cet algorithme permet aussi de r esou-
dre le probl` eme dordonnancement de lots de production dans un atelier sp ecialis e
en cas de co ut de lancement. Cest le cas, par exemple, dun atelier de peinture
avec nettoyage interm ediaire. Les temps de nettoyage pour passer dune couleur
` a lautre sont donn es au tableau 5.1. Le probl` eme est ici de d eterminer lordre de
passage des couleurs qui minimise le temps total de nettoyage.
Couleur couleur suivante
pr ec edente blanc jaune rouge bleu
blanc 0 1 2 3
jaune 6 0 1 2
rouge 8 6 0 1
bleu 10 8 6 0
Tableau 5.1: Temps de nettoyage de la machine.
55
56 Chapitre 5. Organisation de tournees de vehicules
5.2 Probl` eme du voyageur de commerce.
On utilisera comme variable lindicatrice x
ij
qui vaut 1 si le voyageur de commerce
va de la ville i directement ` a la ville j, 0 dans le cas contraire :
x
ij
=
_
_
_
1 si le voyageur va de la ville i ` a la ville j,
0 dans le cas contraire.
On peut alors exprimer lobjectif de minimisation du co ut total de transport
par :
minz =
n

i=1
n

j=1
c
ij
x
ij
(5.1)
Les contraintes du probl` eme se formulent alors ainsi (voir gure 5.1) :
i
x
ij
k j
l
x
ki
x
li
x
im
m
Figure 5.1: Le probl` eme du voyageur de commerce
On arrive ` a chaque ville j par un seul chemin :
n

k=1
x
ki
= 1, i = 1, . . .n (5.2)
En effet, parmi les n variables binaires du type x
ki
, une seule sera egale ` a
un.
On quitte chaque ville i par un seul chemin :
n

j=1
x
ij
= 1, i = 1, . . .n (5.3)
En effet, parmi les n variables binaires du type x
ij
, une seule sera egale ` a
un.
Mais ceci ne suft pas. Il faut eviter les sous-tourn ees du type de celles
illustr ees ` a la gure 5.2. Ces sous-tourn ees correspondent ` a :
x
12
= x
23
= x
31
= x
45
= x
54
= 1
Section 5.3. Algorithme de Little 57
1
2
3
4
5
x
12
= 1
x
23
= 1
x
31
= 1
x
45
= 1
x
54
= 1
Figure 5.2: Exemple de sous-tourn ee
qui v erient bien lensemble des contraintes des deux types pr ec edents. On
peut eliminer ces deux sous-tourn ees en imposant :
x
12
+x
23
+x
31
2
x
45
+x
54
1
En g en eral, pour eliminer les sous-tours, il faudra imposer :

(i,j)S
x
ij
|S| 1, sous-tourn e S (5.4)
o` u |S| note le nombre d el ement de lensemble S. Remarquez que le nombre
de contrainte de ce type est de 2
n
1.
Il faut aussi imposer le caract` ere binaire des variables :
x
ij
{0, 1}, i, j
Remarquez que la pr esence dun nombre combinatoire de contraintes du type
(5.4) rend la r esolution du probl` eme du voyageur de commerce quasiment impos-
sible par lutilisateur dun logiciel de programmation en nombre entiers pour un
probl` eme ` a plus de 10 villes.
Nous allons pr esenter ` a la section suivante un algorithme qui evite d ecrire
explicitement lensemble des contraintes (5.4). Il sagit de lalgorithme de Little.
5.3 Algorithme de Little
Ce probl` eme peut etre r esolu par la m ethode de branch and bound qui permet
de r esoudre des probl` emes en nombres entiers. Cependant, dans le cas particulier
o` u les variables sont binaires (ce qui est notre cas), cette m ethode se simplie en
58 Chapitre 5. Organisation de tournees de vehicules
lalgorithme de Little que nous allons pr esenter ici sur un exemple avec 6 villes.
Les donn ees sont reprises au tableau 5.2 o` u lon remarquera que le co ut de transport
entre la ville i et la ville j peut etre diff erent entre laller et le retour.
Ville Ville darriv ee min
de d epart A B C D E F
A - 1 7 3 14 2 1
B 3 - 6 9 1 24 1
C 6 14 - 3 7 3 3
D 2 3 5 - 9 11 2
E 15 7 11 2 - 4 2
F 20 5 13 4 18 - 4
Tableau 5.2: Co uts de transport entre les villes
La premi` ere etape de la m ethode consiste en une r eduction de la matrice :
on va soustraire le plus petit el ement de chaque ligne : on obtient alors la matrice
r eduite illustr ee au tableau 5.3.
Ville Ville darriv ee
de d epart A B C D E F
A - 0 6 2 13 1
B 2 - 5 8 0 23
C 3 11 - 0 4 0
D 0 1 3 - 7 9
E 13 5 9 0 - 2
F 16 1 9 0 14 -
min 0 0 3 0 0 0
Tableau 5.3: Matrice r eduite en lignes
Linterpr etation du tableau est simple : on a remplac e chaque co ut de transport
entre la ville i et la ville j par la diff erence entre ce co ut de transport et le co ut de
transport le plus faible pour quitter la ville. La somme des co uts minimaux
1 + 1 + 3 + 2 + 2 + 4 = 13
correspond donc au co ut minimal ` a charge du voyageur de commerce pour quitter
les six villes. Il sagit bien s ur dune borne inf erieure sur la valeur de la fonction
Section 5.3. Algorithme de Little 59
objectif, car il y a peut de chance que les six minimaux correspondent ` a une tourn ee.
Donc le tableau 5.3 sinterpr` ete comme la matrice des co uts ` a ajouter ` a 13 .
Remarquons maintenant, en analysant le tableau r esultant 5.3, que, pour aller
en C, il faut au moins payer un surco ut de 3. La deuxi` eme etape consiste donc ` a
soustraire le plus petit el ement de chaque colonne. On obtient la matrice r eduite
illustr ee au tableau 5.4.
Ville Ville darriv ee
de d epart A B C D E F
A - 0 3 2 13 1
B 2 - 2 8 0 23
C 3 11 - 0 4 0
D 0 1 0 - 7 9
E 13 5 6 0 - 2
F 16 1 6 0 14 -
Tableau 5.4: Matrice r eduite en lignes et en colonnes
Cette matrice sinterpr` ete donc comme les surco uts darriv ees aux villes par
rapport au co ut minimal darriv ee dans chaque ville, ou encore comme le tableau
des co uts de transport ` a ajouter ` a la d epense minimum de :
13 + 3 = 16
Nous disposons donc d ej` a dune borne inf erieure sur la valeur de la tourn ee opti-
male. Do` u le nomde bound. Le branchement, cest-` a-dire la partie branch, va
consister ` a examiner si oui ou non on prend le chemin (i, j), ce qui peut etre visua-
lis e sur un arbre de branchement, une branche de larbre correspondant ` a prendre
(i, j) dans la tourn ee, lautre branche consistant ` a rejeter (i, j) de la tourn ee.
Pour commencer lalgorithme, il semble logique de restreindre le choix aux
seuls couples (i, j) qui nengendre pas de surco uts. Maintenant, il faut un crit` ere de
choix pour savoir lequel de ces couples prendre en premier. On va ici s electionner
le couple (i, j) dont la non inclusion dans la solution co uterait le plus cher. On
va donc calculer des p enalit es.
Par exemple, si on ne choisit pas le couple minimal (A,B), il faut
ajouter au moins un surco ut de 1 pour aller en B sans venir de A, cest-` a-dire
le minimum de la colonne, ` a part la position (A, B);
ajouter au moins un surco ut de 1 pour partir de Asans aller en B, cest-` a-dire
le minimum de la ligne, ` a part la position (A, B).
60 Chapitre 5. Organisation de tournees de vehicules
La p enalit e associ ee au fait que lon ne prend pas un couple (i,j) minimum se
calcule donc, en g en eral, comme suit :
a
ij
= min
k=j
c
ik
+min
h=i
c
hj
Le tableau 5.5 reprend le calcul de ces p enalit es pour tous les couples sans surco ut.
Ville Ville darriv ee
de d epart A B C D E F
A - 0 (2) 3 2 13 1
B 2 - 2 8 0 (6) 23
C 3 11 - 0 (0) 4 0 (1)
D 0 (2) 1 0 (2) - 7 9
E 13 5 6 0 (2) - 2
F 16 1 6 0 (1) 14 -
Tableau 5.5: calcul des p enalit es
Pour le choix dun arc, on va donc prendre le couple qui correspond ` a la plus
grande p enalit e. Ici, il sagit du couple (B,E). Une tourn ee nincluant pas (B,E)
co uterait au moins :
16 + 6 = 22.
Supprimons maintenant la ligne B et la colonne E puisquil inutile de sortir de B
par un autre chemin et de rentrer dans E par un autre chemin. Remarquez quil
faut ` a nouveau r eduire la matrice et recalculer les p enalit es. Il faut egalement
rendre (E,B) impossible pour eviter le sous-tour (B,E) puis (E,B). On obtient le
tableau 5.6.
Ville Ville darriv ee
de d epart A B C D F
A - 0 (2) 3 2 1
C 3 11 - 0 (0) 0 (1)
D 0 (3) 1 0 (3) - 9
E 13 - 6 0 (2) 2
F 16 1 6 0 (1) -
Tableau 5.6: Choix de (B, E) : nouvelle matrice r eduite.
Illustrons maintenant l etape de branchement. On a branch e sur le choix
prendre (B,E) dans la solution. On aurait egalement pu ne pas le prendre, ce que
nous notons (B, E). La gure 5.3 illustre le branchement sur BE.
Section 5.3. Algorithme de Little 61
(B, E), z = 22 (B, E), z = 16
Figure 5.3: Branchement sur BE
On voit ici imm ediatement lint er et du branchement. On est pass e dun
probl` eme ` a 6 villes ` a un probl` eme ` a 5 villes. Donc, des 5! = 120 tourn ees initiales,
il ny a plus que 4!=24 tourn ees ` a examiner.
Illustrons maintenant l etape de bornement de la fonction objectif. Si lon
se dirige dans la branche (B, E), on encourra au moins un co ut de :
z = 16 + 6 = 22
Si lon se dirige dans la branche (B, E), on encourra au moins un co ut de :
z = 16 + 0 = 16,
le z ero provenant du fait que le minimumpar colonne et par ligne dans la r eduction
de la matrice sans la la ligne B et la colonne E etait z ero. On a donc, dans chaque
cas, une borne inf erieure sur la valeur optimale de la fonction objectif.
La premi` ere question qui se pose maintenant pour continuer est la suivante :
Quel nud diviser (B, E) ou (B, E) ? Comme les tourn ees incluant (B, E)
sont de co ut sup erieur ou egal ` a 16 et celles incluant (B, E) sont de co ut sup erieur
ou egal ` a 22, et que lon minimise, on va brancher sur (B, E).
La seconde questionqui se pose maintenant est la suivante : Comment diviser
le nud (B, E) ? On va d eterminer sur le tableau r esiduel, le couple (i, j) pour
lequel la nouvelle p enalit e est la plus forte. Il y en a deux de p enalit e 3. On peut
choisir, par exemple, (D, A). On va donc brancher sur (D, A). Ceci est illustr e ` a
la gure 5.4.
Le co ut minimal de (B, E) puis (D, A) est de
z = 16 + 3 = 19
Calculons maintenant le co ut minimum de la s equence (B, E) puis (D, A). Pour
cela, il faut eviter le d epart de D vers une autre ville en supprimant la ligne D.
Il faut aussi eviter larriv ee en A venant dune autre ville que D en supprimant la
colonne A. Enn, il faut egalement eviter le sous-tour (D, A), (A, D) en mettant
un co ut inni pour (A, D). On obtient apr` es ces trois etapes le tableau 5.7.
Il faut ensuite r eduire la matrice et recalculer les p enalit es : on obtient le tableau
5.8. Le co ut minimal associ e ` a (B, E) puis (D, A) est donc de
z = 16 + 3 = 19,
62 Chapitre 5. Organisation de tournees de vehicules
(B, E), z = 22 (B, E), z = 16
(D, A), z = 19 (D, A), z = 19
Figure 5.4: Branchement sur (D, A)
Ville Ville darriv ee
de d epart B C D F
A 0 3 - 1
C 11 - 0 0
E - 6 0 2
F 1 6 0 -
Tableau 5.7: Choix de (B, E) puis (D, A)
o` u le 3 est la somme des minimums en ligne et en colonne lors de la r eduction.
Ville Ville darriv ee
de d epart B C D F
A 0(1) 0(3) - 1
C 11 - 0(0) 0(1)
E - 3 0(2) 2
F 1 3 0(1) -
Tableau 5.8: Choix de (B, E) puis (D, A) : r eduction et calcul des p enalit es
On it` ere maintenant.
Question 1 : quel nud diviser ? Les choix (D, A) et (D, A) sont equivalents
mais pour (D, A), deux arcs ont d ej` a et e s electionn es. On va donc choisir (D, A).
Question 2 : comment diviser le nud ? On va prendre le couple de p enalit e
maximum, cest-` a-dire (A, C) qui a une p enalit e de 3. Ceci est illustr e ` a la gure
5.5.
Le co ut minimum de (B, E), (D, A) puis (A, C) est donc de :
z = 19 + 3 = 22.
Section 5.3. Algorithme de Little 63
(D, A), z = 19
(A, C), z = 22 (A, C), z = 20
Figure 5.5: Branchement sur AC
Pour d eterminer le co ut minimum de (B, E), (D, A) puis (A, C), il faut
eviter le d epart de A vers une autre ville en eliminant la ligne A;
eviter larriv ee en C venant dune autre ville en eliminant la colonne C;
eliminer larc (C, A) pour eviter le sous-tour (A, C) puis (C, A);
eliminer (C, D) pour eviter le sous-tour (D, A), (A, C) puis (C, D). On
obtient la matrice illustr ee au tableau 5.9.
Ville Ville darriv ee
de d epart B D F
C 11 - 0
E - 0 2
F 1 0 -
Tableau 5.9: Choix de (B, E), (D, A) et (A, C)
r eduire la matrice : on obtient la matrice illustr ee au tableau 5.10.
Ville Ville darriv ee
de d epart B D F
C 10 - 0
E - 0 2
F 0 0 -
Tableau 5.10: Choix de (B, E), (D, A) et (A, C) : matrice r eduite.
Le co ut minimal associ e ` a ce choix est donc de
z = 19 + 1 = 20,
le 1 etant la somme des minimums en ligne et en colonne. Ce co ut est sup erieur au
co ut minimal de la s equence (B, E), (D, A). Donc, on va poursuivre lexploration
64 Chapitre 5. Organisation de tournees de vehicules
Ville Ville darriv ee
de d epart A B C D F
A - 0 3 2 1
C 3 11 - 0 0
D - 1 0 - 9
E 13 - 6 0 2
F 16 1 6 0 -
Tableau 5.11: Choix de (B, E) puis (D, A)
` a partir de (D, A). Pratiquement, on va eviter (D, A) mettant un co ut inni pour
(D, A). Ceci est fait au tableau 5.11.
Il faut ensuite proc eder ` a la r eduction de la matrice. Ceci est fait au tableau
5.12.
Ville Ville darriv ee
de d epart A B C D F
A - 0(2) 3 2 1
C 0(10) 11 - 0(0) 0(1)
D - 1 0(4) - 9
E 10 - 6 0(2) 2
F 13 1 6 0(1) -
Tableau 5.12: Choix de (B, E) puis (D, A) : matrice r eduite et p enalit es
Question 2 : comment diviser le nud ? On va prendre le couple de p enalit e
maximum, cest-` a-dire (C, A) avec une p enalit e de 10. On obtient larbre illustr e
` a la gure 5.6.
Calculons maintenant le co ut minimum associ e ` a (C, A). Pour cela, il faut
eviter le d epart de C vers une autre ville en eliminant la ligne C. Il faut aussi eviter
larriv ee en A venant dune autre ville en eliminant la colonne A. Enn, il faut
eliminer larc (A, C) pour eviter le sous-tour (A, C) puis (C, A). On obtient le
tableau 5.13 Ensuite, il faut r eduire la matrice : ceci est fait au tableau 5.14.
Do` u le co ut minimal de :
z = 19 + 1 = 20.
Donc m eme valeur que (A, C).
Section 5.3. Algorithme de Little 65
(B, E), z = 22 (B, E), z = 16
(D, A), z = 19
(D, A), z = 19
(A, C), z = 22 (A, C), z = 20
(C, A), z = 29 (C, A), z =20
Figure 5.6: Arbre
Ville Ville darriv ee
de d epart B C D F
A 0 - 2 1
D 1 0 - 9
E - 6 0 2
F 1 6 0 -
Tableau 5.13: Choix de (B, E), (D, A) puis (C, A)
Ville Ville darriv ee
de d epart B C D F
A 0 - 2 0
D 1 0 - 8
E - 6 0 1
F 1 6 0 -
Tableau 5.14: Choix de (B, E), (D, A) puis (C, A) : matrice r eduite.
66 Chapitre 5. Organisation de tournees de vehicules
On a donc le choix entre diviser le nud (C, A) ou le nud (A, C). Cependant,
comme ce dernier comporte d ej` a trois arcs choisis, on peut supposer quil aura
moins de sous-nuds ` a examiner. On va donc ensuite effectuer le branchement
sur (A, C). Ce qui donne lieu ` a la nouvelle matrice illustr ee au tableau 5.15.
Ville Ville darriv ee
de d epart B D F
C 10 - 0 (12)
E - 0(2) 2
F 0(10) 0(0) -
Tableau 5.15: Choix de (B, E), (D, A), (A, C).
Question 2 : comment diviser le nud ? On choisit le couple (C, F) de p enalit e
maximum 12. Ne pas prendre (C, F) conduit ` a un co ut minimum de
z = 20 + 12 = 32.
Prendre (C, F) conduit ` a consid erer le tableau illustr e en 5.16 o` u (F, D) est elimin e
car on a (B, E), (D, A), (A, C), et (C, F)
Ville Ville darriv ee
de d epart B D
E - 0
F 0 -
Tableau 5.16: Nouvelle matrice
Ce tableau nous indique que lon choisit automatiquement (E, D) et (F, B).
On a donc d etermin e la tourn ee optimale :
A, C, F, B, E, D
avec une valeur minimale de la tourn ee de
z

= 20.
Il est en effet inutile de poursuivre les calculs aux autres branches. On nobtiendrait
pas mieux que 20. Ceci est illustr e sur larbre nal 5.7. Par exemple, la branche,
non encore termin ee (C, A) a une borne inf erieure de 20. On ne trouvera donc pas
dans cette branche une meilleure solution.
(B, E), z = 22 (B, E), z = 16
(D, A), z = 19
(D, A), z = 19
(A,C), z = 22
(A, C), z = 20
(C,A), z = 29 (C, A), z =20
(C, F), z = 32
(C, F), z = 20
(E, D), z = 20
(F , B), z = 20
Section 5.3. Algorithme de Little 67
Figure 5.7: Arbre Final
68 Chapitre 5. Organisation de tournees de vehicules
5.4 exercices
5.1. Tourn ees de v ehicules. Consid erons le probl` eme dorganisation des tour-
n ees de v ehicules pour la collecte des d echets. La collectivit e locale dispose
de 12 v ehicules pour collecter dans 4 villes. Ces v ehicules sont attribu es ` a
chaque ville : 4 ` a la ville 1, 3 ` a la ville 2, 1 ` a la ville 3 et 4 ` a la ville 4. Les
Vers ville 1 ville 2 ville 3 ville 4 incin erateur
De la ville 1 0 10 45
De la ville 2 10 0 5
De la ville 3 5 0 5 20
De la ville 4 5 0
De lincin erateur 45 20 0
Tableau 5.17: Temps de parcours
temps de trajets entre ces villes et lincin erateur sont donn es au tableau 5.17.
On veut minimiser le temps total pour aller ` a lincin erateur.
(a) Repr esenter le probl` eme sur un graphique de r eseau.
(b) Formuler math ematiquement le probl` eme.
5.2. Co uts de lancement Les co uts de lancement en production de produits
chimiques A, B, C, D, E et F varient en fonction du produit fabriqu e pr ec e-
demment en fonction du tableau ci-dessous.
Produit Co ut de lancement
pr ec edent A B C D E F
A - 10 6 8 4 6
B 3 - 1 4 7 8
C 5 12 - 8 18 13
D 5 9 5 - 8 15
E 8 5 16 7 - 2
F 2 4 22 7 18 -
Calculez lordonnancement de la production qui minimise la somme des
co uts de lancement.
Partie II
Les probl` emes de production
69
Chapitre 6
La gestion calendaire de stock
6.1 Introduction
Comme le souligne Giard [7], une production sans stock est quasi inconcevable
vu les nombreuses fonctions que remplissent les stocks. En effet, la constitution
de stocks est n ecessaire sil y a :
1. non concidence 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 concidence dans le temps, et les
supermarch es pour la non concidence 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 s ecurit 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 p etroli` eres
ach` etent plus que n ecessaire en p etrole brut lorsque le prix de celui-ci est
relativement bas.
3. risque de probl` emes enchane : il sagit ici d eviter quune panne ` a unposte
ne se r epercute sur toute la chane : un retard dex ecution au poste pr ec edent
ou une gr` eve des transports narr etera pas imm ediatement lensemble du
processus de production sil y a des stocks tampons.
4. pr esence de co uts de lancement : dans ce cas, travailler par lots permet une
economie d echelle 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 probl` emes : tenue dinven-
taires, valorisation du stock, d enition des capacit es de stockage et enn, disponi-
bilit e satisfaisante du stock. Nous allons nous concentrer sur ce dernier aspect.
71
72 Chapitre 6. La gestion calendaire de stock
6.2 Les politiques de gestion de stock
Les politiques de gestion de stock visent ` a r epondre aux deux grandes questions :
1. Quand d eclencher lapprovisionnement du stock? La r eponse ` 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 d eclench e lorsque lon observe que le stock descend en des-
sous dun niveau s, le point de commande.
En gestion calendaire, lapprovisionnement du stock est d eclench e ` a
intervalles r eguliers T, par exemple, chaque jour ou chaque semaine.
En gestion calendaire conditionnelle, lapprovisionnement du stock
est d eclench e ` a intervalles r eguliers 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 ? d epend
egalement du type de gestion de stock appliqu ee :
En cas de gestion par point de commande, on commande une quantit e
xe, not ee q et appel ee quantit e economique de commande. Comme
nous le verrons au chapitre 7, sa d etermination r esulte dun calcul
doptimisation.
En cas de gestion calendaire de stock, la quantit e command ee est egale
` a la diff erence entre S, le niveau de recompl` etement du stock et le stock
r esiduel observ e R, pour autant que le produit puisse rester en stock
(cas de produits non p erissables). Cette quantit e peut egalement etre
augment ee de la valeur des quantit es non satisfaites lors de la p eriode
pr ec edente, pour autant que le client maintienne sa demande.
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 recompl` etement du stock.
La politique de gestion par point de commande, quantit e economique
de commande, not ee (q, s) avec q, la quantit e economique ` a commander
r eguli` erement et s, le point de commande qui d eclenche lapprovisionnement
du stock.
Section 6.3. Les co uts associes aux stocks 73
6.3 Les co uts associ es aux stocks
Un stock est constitu e pour satisfaire une demande future. En cas de demande
al eatoire, il peut y avoir non concidence 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 r esiduel.
Le crit` ere de gestion g en 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 quantit e command ee, nous noterons lobjectif
C(q). Ces variables de commandes d eterminent en g en eral trois variables d etat
du syst` eme :
I
r
, la rupture moyenne, cest-` a-dire le nombre moyen de demandes non satis-
faites au cours dune p eriode, auquel est associ e c
r
, le co ut unitaire de
rupture;
I
p
, le stock moyen poss ed e au cours dune p eriode, auquel est associ e c
p
, le co ut
unitaire de possession;
I
c
, le nombre moyen de commandes pass ees au cours dune p eriode, auquel est
associ e c
c
, le co ut unitaire de commande.
La fonction de co ut s ecrit donc en g en eral comme une fonction de ces trois
variables d etat :
C = c
r
I
r
+c
p
I
p
+c
c
I
c
.
Nous allons examiner un peu plus en d etails chacun des trois co uts partiels.
6.3.1 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 p eriode en
fonction des conditions nanci` eres dacquisition et des eventuelles condi-
tions de reprise.
2. les co uts de stockage qui sont les d epenses de logistique, de conservation du
stock.
74 Chapitre 6. La gestion calendaire de stock
Comme signal e plus haut, en pr esence dune demande al eatoire, il peut y avoir
non concidence du stock et de la demande, et donc une rupture ou un stock
r esiduel. Les cons equences de ce stock r esiduel seront bien diff erentes selon que
lon se trouve dans
le cas du stock ` a rotation nulle, cest-` a-dire lorsque le stock r esiduel est
sans utilit e pour lentreprise. Ceci se pr esente notamment :
en cas dobsolescence technique ou commerciale : par exemple, les
v etements de mode, . . .
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 de larticle moins la valeur de r ecup eration (solde).
Prenons un exemple. Un quotidien achet e 0,9 euro par le libraire et dont
linvendu est repris 0,75 euro par le grossiste : le co ut de possession est de
c
p
= 0, 9 0, 75 = 0, 15 euro.
le cas du stock ` a rotation non nulle, cest-` a-dire lorsque linvendu peut etre
vendu ` a une p eriode ult erieure. Cest lexemple des botes de conserves en
epicerie non vendues une p eriode qui le seront aux p eriodes 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 soci et e se prive du revenu dun placement nancier quelle aurait pu
r ealiser. Ce co ut est appel e co ut dopportunit e. Le taux dopportunit e est
la rentabilit e du meilleur investissement que lentreprise aurait pu faire.
Prenons un exemple. Si le taux dopportunit e est de 6 % lan, une bote de
conserves achet ee 1,20 euro et restant en rayon un mois entier a co ut e
c
p
= 1, 20 6%1/12 = 0, 006 euro.
Lautre partie du co ut de possession concerne les co uts de stockage. Ces co uts
de stockage, comprennent, en g en 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 d epend du volume dactivit e et ne peut donc pas etre consid er 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 6.3. Les co uts associes aux stocks 75
6.3.2 Les co uts de rupture
La rupture se pr esente lorsque la demande exc` ede le stock constitu e au cours de la
p eriode. 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 report ee (on parle de ventes diff er ees) :
dans le cas de ventes manqu ees, le co ut de rupture est le manque ` a gagner
de la non fourniture dune unit e, g en eralement la marge b en eciaire.
Prenons un exemple. Un journal achet e 0,90 euro par le libraire et revendu
1,20 euro a un co ut de rupture de
c
r
= 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 r ealis ee 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 en stock le v ehicule d esir e
par son client va lui proposer une voiture de location gratuite durant le d elai
dattente pour ne pas perdre le client. Le co ut de rupture correspond ici ` a la
prise en charge de la location de la voiture par le garage.
En cas de demande interne, on ne parle plus de stock de distribution mais bien
de stock de fabrication. Dans ce cas, la rupture entrane un ch omage technique
des postes en aval. Le co ut de rupture correspond au co ut nancier du ch omage
technique (voir ` a ce propos, lexercice 6.3).
6.3.3 Les co uts de commande
A nouveau, il faut ici distinguer le cas dune demande interne et celui dune
demande externe :
Encas de stockde fabrication, le co ut de commande est le co ut de lancement
de la production. Il sagit du r eglage 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 quantit e command ee.
76 Chapitre 6. La gestion calendaire de stock
6.4 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 p eriodes suivantes.
On va ici d eterminer le niveau initial du stock S, qui est donc ici la variable
de commande. En effet, la p eriode de r evision calendaire, cest-` a-dire lintervalle
entre deux approvisionnements, not e T est g en eralement x e par la nature de
lapprovisionnement. Par exemple, un p atissier met en fabrication des g ateaux
chaque jour. Le libraire commande des journaux chaque jour, des p eriodiques
chaque semaine ou chaque mois.
Nous allons illustrer les choses sur lexemple du p atissier tir e de Giard [7]
qui est un exemple o` u la demande suit une loi de probabilit e discr` ete. Supposons
un co ut de fabrication de 25 euro lunit e et un prix de vente de 60 euro lunit e.
Supposons que la demande 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
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 6.1: Distribution de la loi de Poisson.
tableau 6.1 reprend la distribution de probabilit e 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 probabilit e doccurrence de cette valeur. Ainsi on a 8,21 %
de chance dobserver aucun client un jour donn e. Les invendus sont donn es.
La question que se pose le p atissier est la suivante : combien mettre de g ateaux
en fabrication chaque jour pour maximiser son b en ece ?
Le co ut de possession, c
p
, li e ` a linvendu en n de journ ee est 25 euro, cest-
` a-dire le co ut de production. Tandis que le co ut de rupture, c
r
, li e ` a une vente
manqu ee est egal ` a la marge, cest-` a-dire :
c
r
= 60 25 = 35 euros.
On doit d eterminer S, le stock initial, de mani` ere ` 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 r esiduel en n de journ ee et I
r
(S), nombre moyen de
ruptures sur la journ ee.
Section 6.4. Gestion calendaire de stock ` a rotation nulle 77
Avant de voir comment d eterminer, en g en eral, le stock initial S

qui mi-
nimise le co ut moyen C(S), voyons sur lexemple comment on peut calculer
num eriquement ce minimum.
Nous allons dabord calculer I
r
(S), le nombre moyen de ruptures. Au tableau
6.2, on calcule explicitement le nombre de ruptures en fonction du stock initial
(S) et de la demande observ ee (x) : bien evidemment, ce nombre de ruptures
est la partie positive de (x S). Pour calculer le nombre moyen de ruptures, il
suft, pour chaque valeur de S de faire la moyenne pond er ee de ce nombre par la
probabilit e dobserver x. Ceci est fait en derni` ere ligne du tableau 6.2.
Calcul du nombre de ruptures : (x S)
+
x P(X = x) S = 1 S = 2 S = 3 S = 4 S = 5 S = 6
0 0, 0821 0 0 0 0 0 0
1 0, 2052 0 0 0 0 0 0
2 0, 2565 1 0 0 0 0 0
3 0, 2138 2 1 0 0 0 0
4 0, 1336 3 2 1 0 0 0
5 0, 0668 4 3 2 1 0 0
6 0, 0278 5 4 3 2 1 0
7 0, 0099 6 5 4 3 2 1
8 0, 0031 7 6 5 4 3 2
9 0, 0009 8 7 6 5 4 3
I
r
(S) 1, 579 0, 867 0, 411 0, 169 0, 061 0, 019
Tableau 6.2: Calcul du nombre moyen de ruptures.
Nous allons ensuite calculer I
p
(S), le stock moyen poss ed e. Au tableau 6.3,
on calcule explicitement le stock poss ed e en fonction du stock initial (S) et de
la demande observ ee (x) : bien evidemment, ce stock nal poss ed e est la partie
positive de (S x). Pour calculer le stock moyen poss ed e, il suft, pour chaque
valeur de S de faire la moyenne pond er ee de ce nombre par la probabilit e dobserver
x. Ceci est fait en derni` ere ligne du tableau 6.3.
Enn, nous calculons le co ut moyen de possession du stock en appliquant la
formule suivante :
C(S) = 35I
r
(S) + 25I
p
(S)
Ceci est fait au tableau 6.4. On constate (voir gure 6.1) que le co ut minimum est
obtenu pour
S

= 3.
78 Chapitre 6. La gestion calendaire de stock
Calcul du stock r esiduel : (S x)
+
x P(X = x) S = 1 S = 2 S = 3 S = 4 S = 5 S = 6
0 0, 0821 1 2 3 4 5 6
1 0, 2052 0 1 2 3 4 5
2 0, 2565 0 0 1 2 3 4
3 0, 2138 0 0 0 1 2 3
4 0, 1336 0 0 0 0 1 2
5 0, 0668 0 0 0 0 0 1
6 0, 0278 0 0 0 0 0 0
7 0, 0099 0 0 0 0 0 0
8 0, 0031 0 0 0 0 0 0
9 0, 0009 0 0 0 0 0 0
I
p
(S) 0, 0821 0, 3694 0, 9132 1, 6708 2, 562 3, 52
Tableau 6.3: Calcul du stock moyen poss ed e.
Calcul du co ut du stock
S 1 2 3 4 5 6
C(S) 57, 33 39, 58 37, 22 47, 69 66, 17 88, 66
Tableau 6.4: Calcul du co ut moyen de possession du stock.
0
20
40
60
80
100
0 1 2 3 = S

4 5 6 S
C(S)
Figure 6.1:

Evolution du co ut moyen de possession du stock.
Section 6.4. Gestion calendaire de stock ` a rotation nulle 79
En cas de co ut convexe (on peut v erier 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 inf erieur ` a celui des stocks imm ediatement inf erieur ou sup erieur :
_

_
C(S

) C(S

+ 1)
C(S

) C(S

1)
ou encore
_

_
C(S

+ 1) C(S

) 0
C(S

) C(S

1) 0
(6.1)
Remarquez que les conditions (6.1) sont l equivalent pour une fonction continue
de dire que la d eriv ee premi` ere doit etre n egative avant S

et positive apr` es 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 lesp erance math ematique de X 4 pour des valeurs de X
sup erieures ` a 4 :
I
r
(S = 4) =

x=5
(x 4)P(X = x)
Calculons, de m eme, la rupture moyenne I
r
(S = 5) associ ee austockinitial S = 5 :
I
r
(S = 5) =

x=6
(x 5)P(X = x)
En g en eral :
I
r
(S) =

x=S+1
(x S)P(X = x)
Int eressons nous maintenant ` a la diff erence de ces ruptures moyennes pour deux
stocks initiaux cons ecutifs :
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)
80 Chapitre 6. La gestion calendaire de stock
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 :
I
r
(S + 1) I
r
(S) = P(X > S)
(6.2)
Il est facile de montrer que ceci est vrai quelle que soit la forme la distribution de
probabilit e discr` ete.
Les tableaux de lannexe B donne le calcul de P(X > x) en fonction de , la
valeur du param` etre de la loi de Poisson.
Comme annonc e plus haut, il est possible de ramener la fonction de co ut comme
une fonction de la seule variable d etat 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
observ e en n de p eriode qui correspond donc ` a linvendu. On observera un stock
r esiduel si la demande observ ee x est inf erieure ` a S, le stock initial. Son niveau
moyen est calcul e par lesp erance 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
r
:
I
p
(S) = S

X +I
r
(S)
(6.3)
qui peut sinterpr eter en disant que le stock moyen r esiduel I
p
(S) est egal au stock
de d epart S diminu e de la demande moyenne satisfaite (

X I
r
(S)).
La cons equence de la relation (6.3) 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
(S) +c
p
I
p
(S) = c
r
I
r
(S) +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) (6.4)
Section 6.4. Gestion calendaire de stock ` a rotation nulle 81
Revenons maintenant au probl` eme de la d etermination 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 (6.2) :
C(S + 1) C(S) = c
p
(c
r
+c
p
)P(X > S)
Les conditions doptimalit e (6.1) 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)
(6.5)
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 > 3) = 0, 2424 0, 417 P(X > 2) = 0, 4562
Do` u
S

= 3.
On en conclut quil est optimal de produire chaque matin 3 g ateaux, soit la solution
d ej` a d etermin ee num eriquement.
82 Chapitre 6. La gestion calendaire de stock
6.5 Cas dune loi de demande continue
Nous allons egalement illustrer ce cas sur un exemple egalement tir e de Giard [7].
Consid erons un marchand de journaux qui vent un quotidien ` a 3,5 euro lunit e, qui
lui-m eme lacqui` ere ` a 2,8 euro aupr` es de son grossiste qui lui reprend les invendus
au prix de 2,6 euro lunit e.
Le co ut de rupture, c
r
, est li e ` a linvendu et vaut donc la marge b en eciaire :
c
r
= 3, 5 2, 8 = 0, 7 euro
tandis que le co ut de possession, c
p
, vaut la perte enregistr ee par invendu, cest-` a-
dire
c
p
= 2, 8 2, 6 = 0, 2 euro.
On suppose que la demande quotidienne suit approximativement une loi nor-
male de moyenne

X = 300 et d ecart 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 s ecrit dans le cas dune loi continue de la mani` ere suivante :
C(S) = c
p
_
S
x=0
(S x)f(x)dx +c
r
_

x=S
(x S)f(x)dx
La condition doptimalit e 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 (6.3) 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 d eduit ` 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)
Section 6.5. Cas dune loi de demande continue 83
Il faut maintenant etudier la d eriv ee premi` ere de I
r
(S). Par application de la
formule de Leibnitz (cfr Giard [7]), on d emontre le r esultat suivant :
dI
r
(S)
dS
=
_

S
f(x)dx = P(X > S), (6.6)
cest-` a-dire exactement le m eme r esultat analytique que la relation (6.2) etablie
dans le cas discret.
On peut maintenant passer ` a la d etermination de la solution optimale. On
doit donc d eterminer le S qui minimise :
C(S) = c
p
(S

X) + (c
r
+c
p
)I
r
(S)
On calcule la d eriv ee de C(S) en utilisant la relation (6.6) :
dC(S)
dS
= c
p
(c
r
+c
p
)P(X > S)
On annule la d eriv ee. Do` u lon tire :
S

optimal si P(X > S

) =
c
p
c
r
+c
p
(6.7)
Cet optimum est un minimum car la d eriv ee seconde de C(S) est positive. En
effet, la d eriv ee de P(X > S) par rapport ` a S est clairement n egative.
Appliquons ceci au cas de lexemple :
P(X > S

) =
c
p
c
r
+c
p
=
0, 2
0, 7 + 0, 2
= 0, 2222
Comme on ne dispose que de la table de la normale r eduite, il faut r eduire la
variable al eatoire 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 r eduite, on d etermine :
t
S
=
S

300
20
= 0, 765
Do` u nalement :
S

= 315, 3 315.
Lapprovisionnement p eriodique optimal est donc de S

= 315.
Avant de passer au cas de stocks ` a rotation non nulle, examinons quelques
indicateurs que lon peut d eduire de la solution optimale.
84 Chapitre 6. La gestion calendaire de stock
6.6 Les cons equences economiques de la solution optimale
La rupture de stock
Dans le cas (discret) de la production de g ateau, 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 tronqu e 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)
(6.8)
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, 4133.
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
Do` u lon tire
I
r
(S) =
_

S
xf(x)dx SP(x > S)
Section 6.6. Les consequences economiques de la solution optimale 85
Le premier terme correspond ` a nouveau ` a un calcul tronqu e 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
)] = g(t
S
)
avec :
t
S
=
S

X

et f(t
S
) =
e
t
2
S
/2

2
Appliquons ceci aux donn ees num eriques de lexemple pour lequel
t
s
=
315 300
20
= 0, 75.
La table B.3 donne directement :
g(t
S
= 0, 75) = 0, 1312
Lapplication de la formule donne donc :
I
r
(S) = 20 0, 1312 = 2, 624.
Le stock moyen poss ed e
Le stock moyen poss ed e, I
p
(S), correspond dans le cas de stock ` a rotation nulle
au stock r esiduel moyen. Cet indicateur sobtient ` a partir de la rupture moyenne
aussi bien dans le cas discret que dans le cas continu par la relation (6.3) rappel ee
ci-dessous :
I
p
(S) = S

X +I
r
(S)
Pour le p atissier, on aura donc :
I
p
(S

= 3) = (3 2, 5) + 0, 413 = 0, 9133 g ateaux.


Pour le marchand de journaux, on aura :
I
p
(S

= 315) = (315 300) + 2, 624 = 17, 624 journaux.


Remarquez que, dans les deux cas, le stock r esiduel se calcule comme le stock
initial diminu e de la demande satisfaite. :
I
p
(S) = S
_

X I
r
(S)
_
.
86 Chapitre 6. La gestion calendaire de stock
Le co ut moyen
Le co ut moyen C(S) peut etre calcul e par la relation suivante :
C(S) = c
r
I
r
(S) +c
p
I
p
(S)
Pour lexemple du p atissier, on obtient :
C(S) = 35 0, 4133 + 25 0, 9133 = 14, 46 + 22, 83 = 37, 30 euros.
Pour lexemple du marchand de journaux, on obtient :
C(S) = 0, 7 2, 624 + 0, 2 17, 624 = 5, 36 euros.
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) (6.9)
Donnons quelques explications sur cette formule. Deux cas sont possibles quant
aux ventes manqu ees (aux ruptures de ventes) :
Soit les ventes manqu ees sont perdues, et dans ce cas, le co ut de rupture est
la marge b en eciaire. La formule (6.9) devient dans ce cas :
B(S) = c
r

X c
r
I
r
(S) c
p
I
p
(S)
= c
r
(

X I
r
(S)) c
p
I
p
(S)
Le b en ece net est donc la marge b en eciaire sur les ventes r ealis ees moins
le co ut des invendus.
Soit les ventes manqu ees sont diff er ees, et dans ce cas, la marge b en eciaire
sera r ealis ee sur lensemble de la demande exprim ee

X, ce qui justie di-
rectement la formule (6.9) .
Lapplication de cette relation ` a lexemple num erique du p atissier donne :
B(S) = m
u

X C(S) = 35 2, 5 37, 30 = 50, 20 euros.
tandis que pour le marchand de journaux, elle donne :
B(S) = m
u

X C(S) = 0, 7 300 5, 36 = 204, 64 euros.
Nous allons maintenant passer au cas de stock ` a rotation non nulle.
Section 6.7. Cas de stocks ` a rotation non nulle 87
6.7 Cas de stocks ` a rotation non nulle
Pour rappel, on parle de stocks ` a rotation non nulle lorsque les invendus dune
p eriode seront vendus aux p eriodes suivantes. Cest de loin le cas le plus r epandu.
La variable de commande du syst` eme est ici S, le niveau de recompl` etement,
cest-` a-dire le niveau du stock que lon cherche ` a retrouver p eriodiquement. 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 r esiduel;
Le stock r esiduel est nul : dans ce cas, on commande S augment e des
demandes non satisfaites de la p eriode pr ec edente qui ont pu etre report ees.
Pour illustrer le processus de d etermination de S

, le niveau optimal de re-


compl` etement, cest-` a-dire celui qui minimise le co ut :
C(S) = c
p
I
p
(S) +c
r
I
r
(S),
nous consid erons lexemple suivant de la ventes dampoules d eclairage tir e de
Giard [7].
On suppose que la demande hebdomadaire dampoules de 60 Watt suit une loi
normale de moyenne 300 et d ecart type 20. Le r eapprovisionnement se fait en
d ebut de semaine chez le grossiste au prix dachat de 3 euro lunit e. Les ampoules
sont vendues au prix de 3,5 euro lunit e. On suppose un taux dopportunit e annuel
de 20 %.
Do` u un co ut de possession annuel par ampoule en stock de :
3 0, 2 = 0, 6 euro.
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 :
c
p
= 0, 6/52 = 0, 01154 euro.
Remarquons qu` a la diff erence du cas de stock ` a rotation nulle, la perte li ee ` a une
ampoule en stock nest plus son prix dachat mais la perte nanci` ere due au gel en
stock de son prix dachat.
88 Chapitre 6. La gestion calendaire de stock
Calculons maintenant le co ut unitaire de rupture : il correspond ` a la marge non
r ealis ee par ampoule :
c
r
= 3, 5 euros 3 euros = 0, 5 euro.
La question qui se pose est la suivante : quel est le niveau de recompl` etement
optimal S

?
Pour le calcul du stock moyen poss ed e, il faudra distinguer deux cas de gure :
1. le cas o` u la demande observ ee est sup erieure au niveau de recompl` etement;
2. le cas o` u la demande observ ee est inf erieure au niveau de recompl` etement.
Supposons, pour xer les id ees, quun niveau de recompl` etement de 320 ait
et e choisi.
1. Cas dune demande inf erieure ` a S : dans ce cas, il ny a pas de rupture
de stock. Cest lexemple dune demande observ ee de 310. Le stock de n
de p eriode vaut donc :
320 310 = 10 ampoules.
En ce qui concerne l evolution 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 6.2
S = 320
x = 310
T = 5 jours
S x = 10
Figure 6.2:

Evolution du stock.
On en d eduit le stock moyen poss ed 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
(6.10)
Section 6.7. Cas de stocks ` a rotation non nulle 89
2. Cas dune demande sup erieure ` 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 d eterminer ` a partir de quand le stock est nul. La demande,
comme dans le cas sans rupture, est suppos ee uniform ement r epartie sur
la semaine de cinq jours (cfr gure 6.3). La demande journali` ere est donc
S = 320
x = 350
T = 5 jours
x S = 30
s = 0
a
p
p
r
o
x
i
m
a
t
i
o
n
Figure 6.3:

Evolution du stock en cas de rupture.
350/5 = 70 = x/T ampoules par jour. Et l evolution du stock moyen
poss ed 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 poss ed e se calcule comme :
I
p
(S) =
320
2
4, 57
5
+ 0
0, 43
5
=
320
2
320
350
=
S
2
S
x
En g en eral :
Si x > S : I
p
(S) =
S
2
S
x
Cette formule donne une solution analytique au probl` eme de la d etermination
du niveau optimal de recompl` etement S

assez difcile ` a mettre en uvre.


Une hypoth` ese simplicatrice, ` a savoir que la rupture se produit en n de
p eriode (voir gure 6.3) permet deffectuer des calculs simpli es. Sous cette
hypoth` ese, le stock varie entre S et 0 et donc :
Si x > S : I
p
(S) =
S
2
(6.11)
90 Chapitre 6. La gestion calendaire de stock
6.7.1 D etermination de la solution optimale
Sous cette hypoth` ese simplicatrice, nous allons pouvoir d eterminer le niveau de
recompl` etement 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 poss ed e 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
2
+
S x
2
)f(x)dx +
S
2
_

S
f(x)dx
Tandis que le nombre moyende ruptures, I
r
(S), peut se calculer comme lint 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
2
+
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
(6.12)
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 d eriv 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
Section 6.7. Cas de stocks ` a rotation non nulle 91
do` u
P(X > S

) =
c
p
c
r
+
c
p
2
(6.13)
Appliquons ceci aux donn ees num eriques de notre exemple de ventes dam-
poules electriques. Par la relation (6.13) :
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 d eduire les principaux
indicateurs de la solution optimale choisie :
Le nombre moyen de rupture se calcule par la formule suivante :
I
r
(S

) = g(t
S
)
= 20 0, 0084 = 0, 168
Le stock moyen poss ed e se calcule ` a partir de la formule
I
p
(S

) = S

X
2
+
I
r
(S

)
2
= 340
300
2
+
0, 168
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, 01154 190, 08 + 0, 5 0, 168 = 2, 28 euros.
La marge hebdomadaire moyenne nette se calcule comme :
B(S

) = m
u

X C(S

)
= 0, 5 300 2, 28 = 147, 72 euros.
92 Chapitre 6. La gestion calendaire de stock
6.7.2 Cas dune loi de demande discr` ete
Terminons ce chapitre en voyant les formules de calcul dans le cas dune loi de
demande discr` ete pour la gestion de stock ` a rotation non nulle.
Le stock moyen poss ed e 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 poss ed e en fonction du nombre moyen de rupture :
I
p
(S) =
S1

0
(
S
2
+
S
2

x
2
)P(X = x) +
S
2

S
P(X = x)
=
1
2
[S +
S

0
(S x)P(X = x)]
=
S
2
+
1
2

0
(S x)P(X = x)
1
2

S
(S x)P(X = x)
On obtient donc la relation suivante entre I
p
et I
r
:
I
p
(S) = S

X
2
+
I
r
(S)
2
(6.14)
cest-` a-dire exactement la m eme formule que 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)
= c
p
(S

X
2
) + (c
r
+
c
p
2
)I
r
(S)
Par des calculs analogues ` a ceux du cas de la rotation nulle, on d etermine nalement
le niveau optimal de recompl` etement S

par la formule suivante :


P(X > S

)
c
p
c
r
+
c
p
2
P(X > S

1) (6.15)
Il est ` a noter que si la loi de demande est du type Poisson, I
r
(S), le nombre
moyen de demandes non satisfaites, se calcule par la m eme formule que pr ec e-
demment ` a savoir :
I
r
(S) = P(X > S 1) SP(X > S)
Section 6.8. Exercices 93
6.8 Exercices
6.1. Vente de eurs. Un euriste est livr e tous les samedis matin de tr` es bonne
heure par son producteur dune quantit e de 10 d ecorations orales quil
ecoule durant le week-end. Il nest plus possible alors d etre livr e en urgence
en cas de manque de d ecorations orales. Il ach` ete ses d ecorations orales 13
euro pi` ece et les revend 25 euro lunit e. Il a pass e un accord avec un euriste
ambulant faisant le march e le mardi qui lui rach` ete ses invendus eventuels ` a 6
euro lunit e. Le euriste se rend compte que sa gestion dapprovisionnement
actuelle nest pas optimale. Si la demande est sup erieure ` a 10 unit es, il perd
du chiffre daffaire. Mais si elle est inf erieure, il perd de largent par la
revente en solde des invendus. Des discussions avec le producteur r ev` elent
que celui-ci pourrait lui fournir jusqu` a 13 d ecorations orales par week-end.
Par ailleurs, le euriste a effectu e un relev e des demandes de d ecorations
orales sur les 100 derniers week-end. Les r esultats sont donn es au tableau
suivant (on y reconnat une distribution de poisson) :
Demande 5 6 7 8 9 10 11 12
Observations (cas sur 100) 2 3 4 7 9 10 11 11
Demande 13 14 15 16 17 18 19 20
Observations (cas sur 100) 11 9 7 5 4 3 2 2
Le euriste pense quil peut vendre en moyenne plus de 10 d ecorations
orales. Il se demande combien commander ` a son grossiste pour maximiser
ses gains.
(a) Conrmez son impression quil peut vendre en moyenne plus de 10
d ecorations orales en calculant la moyenne de la demande de d eco-
rations orales.
(b) D eterminez le nombre optimal de d ecorations orales ` a commander
aupr` es de son grossiste.
(c) Quel sera, en moyenne, le nombre de clients qui sortent de sa boutique
chaque n de week-end sans avoir pu acheter une d ecoration orale ?
(d) Quel est le nombre moyen de d ecorations orales que le euriste am-
bulant lui rach` ete en n de week-end ?
(e) Quel est le b en ece net du euriste en un week-end sur ce produit ?
6.2. Gestion dune exploitation foresti` ere. Un exploitant forestier doit d ecider
de la quantit e darbres r esineux ` a abattre et ` a mettre sur le march e. Ses
94 Chapitre 6. La gestion calendaire de stock
ventes sont destin ees au bois de charpente et on estime que la demande
annuelle suit une loi normale de moyenne 10.000 et d ecart type 100. Le
co ut de production est de 1.000 euro lunit e et le prix de vente de 2.200
euro. Le producteur travaille uniquement sur commande de sorte quil ne
coupe que les arbres demand es lann ee courante. Le surplus peut etre vendu
lann ee suivante. Labattage a lieu une fois lan. An de pr eserver la for et,
lexploitant replante la m eme ann ee exactement la quantit e abattue.
(a) Quelle quantit e doit-il mettre en production pour minimiser son co ut
de gestion (taux dopportunit e de 6 % par an) ?
(b) Quelle est en moyenne la quantit e quil ne peut livrer par an faute
dapprovisionnement sufsant ?
6.3. Gestion du stock de pi` eces de rechange. Une entreprise dembouteillage
est confront ee de temps ` a autre ` a des pannes de sa machine dembouteillage
qui n ecessitent larr et de la production pour 24 heures (dont co ut 10.000
euro). An de rem edier ` a ce probl` eme, il a et e d ecid e qu` a chaque nouvel
achat de machine (la machine est remplac ee tous les 4 ans), un certain nombre
de pi` eces de rechange seront command ees avec la machine. Le co ut dachat
dune pi` ece est de 500 euro. On peut r eutiliser les pi` eces de rechange
dune machine sur lautre. Ce stock de pi` eces de rechange permettra en
cas de panne de r eparer imm ediatement la machine et d eviter larr et de la
production pour 24 heures. Le nombre de pannes observ ees sur la dur ee de
vie de la machine est en moyenne de 2 pannes par an (8 pannes sur la dur ee
de 4 ans). Le taux dopportunit e est estim e ` a 10 % par an. On se demande
combien faut-il commander de pi` eces de rechange avec la commande de la
nouvelle machine.
(a) De quelle politique de gestion de stock sagit-il ? Justiez bri` evement
votre r eponse.
(b) Quel est le nombre optimal de pi` eces de rechange ` a commander avec
la nouvelle machine ?
(c) Quel est le nombre moyen darr ets de la nouvelle machine d us ` a une
rupture de stock de pi` eces d etach ees ?
(d) Quel est le stock moyen poss ed e de pi` eces d etach ees ?
(e) Quel est la co ut de cette politique sur la dur ee de vie de la machine ?
Chapitre 7
La gestion par point de commande
7.1 Introduction
La gestion calendaire se caract erise, comme nous lavons vu au chapitre 6 par :
des commandes ` a intervalles xes dont la p eriodicit 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 r esiduel.
La gestion par point de commande se caract erise, elle, au contraire par :
un montant de commande constant : cette quantit e economique de com-
mande sera not ee q;
une p eriodicit e 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 d etermine s, le point de commande, sufsamment grand an
d eviter toute rupture de stock : il ny a donc pas de co ut de rupture. La
variable de d ecision q, la valeur constante de la commande, sera d etermin ee
de mani` ere ` 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 d ecision que sont q, le montant des
commandes et s, le point de commande seront d etermin es 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)
95
96 Chapitre 7. La gestion par point de commande
7.2 D etermination du point de commande en univers certain
Nous allons illustrer la d etermination de la quantit e economique de commande en
univers certain sur un exemple tir e de Giard [7] . Il sagit dun ustensile de cuisine
achet e par un supermarch e au prix unitaire de 30 euro. La demande annuelle, que
nous noterons D est estim ee ` a 2 400 unit es. Cette demande est consid er ee comme
uniforme sur lann ee. Vu le caract` ere certain de la demande et du d elai dobtention
(ici de 20 jours ouvrables), on peut eviter toute rupture dapprovisionnement en
passant commande ` a temps. On consid` ere que lann ee comporte 48 semaines de
6 jours ouvrables, soit 288 jours. Le co ut de passation dune commande de 300
euro et est ind ependant de la quantit e command ee. Larticle est vendu 40 euro.
La question qui se pose ici est : Quand commander ? An de minimiser le
stock poss ed e, le chef de rayon a int er et ` a passer commande exactement 20 jours
ouvrables avant la rupture (voir gure 7.1) de mani` ere ` a ce que le stock soit nul au
moment de la livraison. Il evitera ainsi un stock dormant.
400
=167
niveau du stock
temps
L
L
q
=400
q
=400
q
=400
s

Figure 7.1: D etermination du point de commande.


Remarquez que cela revient ` a d eclencher la commande au moment o` u il reste
exactement en stock de quoi satisfaire la demande de 20 jours. Exprimons le d elai
dobtention de 20 jours ouvrables en ann ee :
L =
20
288
= 0, 069 ann ee.
La demande durant cette p eriode s el` eve ` a :
D L = 2 400
20
288
= 166, 67 167 articles.
Section 7.3. Determination de la quantite economique de commande 97
En g en eral, le point de commande est tel que
s = DL
(7.1)
avec D = demande annuelle;
L = d elai dobtention exprim e en ann ee.
Dans le cas o` u lon d eclencherait la commande plus t ot (voir gure 7.2 o` u lon
a pris s = 200 et q = 400), on aurait un stock r esiduel de
r = s DL = 200 167 = 33
et le niveau du stock evoluerait entre q + r et r, et non plus entre q et 0, do` u un
niveau moyen du stock de :
(q +r) +r
2
=
(400 + 33) + 33
2
= 233
Il y aurait ainsi un stock dormant de r.
=200 s
niveau du stock
temps
L
L
q
=400
=200 s
=200 s
q
=400
q
=400
=33
=433
q + sr
sr
stock dormant
Figure 7.2: Stock r esiduel ` a la commande.
7.3 D etermination de la quantit e economique de commande
Le co ut de possession annuel unitaire peut etre calcul e en tenant compte du taux
dopportunit e annuel ici suppos e de 20 % comme :
c
p
= 30 0, 2 = 6 euros.
98 Chapitre 7. La gestion par point de commande
La question qui se pose est la suivante : Quelle est la quantit e q constante ` a
commander p eriodiquement pour que le co ut annuel moyen soit minimum ?
Avant de d eterminer la quantit e optimale, raisonnons sur une valeur quelconque
de q, par exemple, q = 400. Le nombre moyen de commandes par an vaut :
I
c
(q) =
D
q
=
2400
400
= 6
Do` u le co ut de commande :
c
c
I
c
(q) = c
c
D
q
= 300
2 400
400
= 1 800 euros.
Passons maintenant au calcul du stock moyen poss ed e. Pour minimiser le
co ut de possession, on passe commande (voir section pr ec edente) de mani` ere ` 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 poss ed e vaut donc :
I
p
=
q
2
=
400
2
.
Le co ut annuel de possession vaut donc :
c
p
I
p
(q) = 6
400
2
= 1 200 euros.
Do` u le co ut annuel de gestion :
C(q = 400) = 6
400
2
+ 300
2 400
400
= 3 000 euros.
Nous pouvons maintenant faire une mod elisation du probl` eme pour une quan-
tit e command ee quelconque q. On cherche donc ` a d eterminer la valeur de la seule
variable de d ecision, cest-` a-dire q, la commande p eriodique, 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 g en 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
Il est facile de calculer loptimum dune telle fonction. Il suft dannuler sa
d eriv ee premi` ere :
C

(q) = c
p
1
2
c
c
D
q
2
= 0
Section 7.3. Determination de la quantite economique de commande 99
Do` u le point optimum :
q

2Dc
c
c
p
(7.2)
Cette quantit e est appel ee quantit e de Wilson. V erions quil sagit bien dun
minimum en calculant la d eriv ee seconde :
C(q) = 2c
c
D
q
3
> 0
Remarquez quau point optimum, on a egalit e 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 num erique. La quantit e economique de com-
mande vaut donc :
q

2Dc
c
c
p
=

2 2 400 300
6
= 489, 9 490
Examinons les cons equences de la politique optimale.
1. Le stock moyen d etenu vaudra :
I
p
(q

) =
q

2
=
490
2
= 245.
2. le nombre moyen annuel de commandes vaudra :
I
c
(q

) =
D
q

=
2 400
490
= 4, 898
3. Le co ut annuel de gestion vaudra :
C(q

) = c
p
I
p
(q

) +c
c
I
c
(q

)
= 6
490
2
+ 300
2.400
490
= 2 939, 39 euros.
4. La marge b en eciaire nette se calcule par la formule :
B(q

) = m
u
D C(q

)
= 10 2.400 2939, 39 = 21.060, 61 euros.
100 Chapitre 7. La gestion par point de commande
7.4 Cas dune demande al eatoire
Rappelons les hypoth` eses de base de la gestion par point de commande en univers
certain :
On a une demande certaine uniform ement r epartie sur lann ee;
On a un d elai de livraison certain.
Nous allons g en eraliser ce mod` ele de la mani` ere suivante :
On suppose que la demande est connue en probabilit e mais reste statique,
cest-` a-dire que les caract eristiques de la distribution restent stables dans le
temps.
Nous maintenons lhypoth` ese dun d elai 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 consid erant cette fois que la demande annuelle suit une normale
de moyenne 2 400 et d ecart type 189,74. Le co ut de rupture vaut la marge qui est
ici de 10 euro. Le co ut de possession annuel reste de 6 euro. Le co ut unitaire de
commande reste de 300 euro.
Passons au probl` eme de la d etermination de q et s. Tout dabord, remarquons
que pendant le d elai dobtention de 20 jours la demande est al eatoire. Calculons
les param` etres de sa distribution. Tout dabord, le d elai dobtention de 20 jours
sexprime en fraction dann ee comme :
L =
20
288
ann ees.
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 param` etres 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 7.4. Cas dune demande aleatoire 101
7.4.1 D etermination de q et s
La fonction de co ut ` a minimiser fait intervenir les trois variables d etat 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 approch ee au probl` eme en effectuant une d e-
termination ind ependante 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 quantit e command ee q tandis que le nombre moyen de ruptures d epend
essentiellement du point de commande s. On peut donc r ecrire 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 probl` eme en la variable q et le probl` eme en la variable
s est le stock moyen poss ed e I
p
qui d epend ` a la fois de q et de s. On va d eterminer
une solution approch ee en s eparant le probl` eme ` a deux variables en deux probl` emes
` a une variable de la mani` ere suivante. On va r esoudre ind ependamment les deux
probl` emes suivant :
1. D eterminer la quantit e economique q en arbitrant entre le co ut de com-
mande et le co ut de possession ` a partir de la demande moyenne.
2. D eterminer 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 d elai
dobtention L, en retenant comme s le niveau de recompl` etement optimal.
Le probl` eme de la d etermination de la quantit e economique de commande nest
rien dautre que le probl` eme 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 trouv ee dans le cas certain etait de :
q

= 490.
102 Chapitre 7. La gestion par point de commande
Le probl` eme de la d etermination du stock de s ecurit e est quant ` a lui r esolu en
prenant pour point de commande s le niveau de recompl` etement S qui minimise
le co ut dune gestion calendaire durant le d elai 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 poss ed e durant L.
490
niveau du stock
s
temps
L L
q
=490
q
q
D
q
=490
=490
Figure 7.3: Point de commande en univers al eatoire
Remarquez quun article en stock en n du d elai dobtention (n L) correspond
` a une immobilisation sur toute la dur ee d ecouler q, soit durant
q
D
ann ee, et non
sur les seuls 20 jours du d elai dobtention L. Le co ut unitaire de possession est
donc de :
c

p
= c
p
q
D
= 6 0, 2042 = 1, 225 euros.
En effet, un article encore en stock ` a lissue des 20 jours du d elai dobtention
augmentera dune unit e la valeur du stock durant toute la dur ee d ecoulement de la
suivante commande (voir gure 7.3). En utilisant la gestion calendaire, on d eduit :
P(X > s

) =
c

p
c
r
+c

p
/2
=
1, 225
10 + 1, 225/2
= 0, 115
La demande X durant le d elai dobtention de 20 jours est une N(167,50). On lit
dans la table de la normale N(0,1) :
1, 2 =
s

167
50
Section 7.4. Cas dune demande aleatoire 103
Do` u nalement
s

= 227.
7.4.2 Cons equences economiques du choix
Le stockde s ecurit e est d eni comme diff erence entre le niveau de recompl` 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 manqu ees par an s el` eve donc ` a :
I
r
(s) = I
c
(q) I
c
r
(q) = 4, 898 2, 81 = 13, 76 articles
Le calcul du stock moyen poss ed e est plus compliqu e car il d epend ` a la fois de s
et de q. On peut montrer :
1. en cas de ventes manqu ees perdues (voir Giard [7], chapitre XII, relation
275, page 836) que :
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 manqu ees diff er ees (voir Giard [7], chapitre XII, relation
286, page 840) que :
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 d elai 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)
104 Chapitre 7. La gestion par point de commande
Dans le cas pr esent, les ventes manqu ees sont suppos ees perdues pour le super-
march e et donc le stock moyen poss ed e 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 d eduit 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 b en e-
ciaire sur la demande moyenne le co ut de gestion annuel :
B(s, q) = m
u
D C(s, q)
= 24 000 3 445, 45
= 20 554, 54
On utilise egalement un indicateur appel e le taux de rotation du stock.
D enition 7.1 On d enit le taux de rotation du stock comme le quotient de la
demande moyenne sur le stock moyen poss ed e.
Dans le cas de lexemple, il se calcule comme suit :
r =
D
I
p
=
2 400
306, 4
= 7, 83
Ce qui sinterpr` ete en disant que le stock tourne environ 8 fois dans lann ee. Il
correspond au nombre de fois quil faudrait r eapprovisionner le stock si on le
r eapprovisionnait ` a hauteur de son niveau moyen.
Il est ` a remarque que lid ee tr` es largement r epandue selon laquelle plus le
niveau de rotation est elev e plus le stock est bien g er e est fausse. En effet, un
niveau elev e de rotation correspond ` a un faible niveau de stock poss ed e mais
correspond ` a un co ut de passation de commande elev e. Le niveau obtenu ici est le
niveau optimal qui r esulte de larbitrage entre les diff erents co uts.
Section 7.5. Exercices 105
7.5 Exercices
7.1. Stock de distribution. Un distributeur Apple a une demande annuelle de
1000 iPod que lon suppose, pour la facilit e, r epartie uniform ement sur
lann ee qui compte 250 jours douverture du magasin. Lapprovisionnement
aupr` es du grossiste se fait en 5 jours ouvrables. Le co ut de livraison dune
commande est de 10 euro. Lappareil est achet e 100 euro hors tva et revendu
125,84 euro tva de 21 % comprise. Le taux dopportunit e du distributeur
est particuli` erement faible (0,5 % lan). Pour le moment, le distributeur
commande 100 iPod lorsque son stock en magasin passe en dessous de 100
articles.
(a) Quelle est la politique de gestion de stock actuelle ? Donnez lappel-
lation courante de cette politique et la valeur de ses param` etres.
(b) Calculez le co ut de d etention en stock durant un an dun iPod sachant
que la soci et e ne paie pas la tva ` a son fournisseur.
(c) Calculez la demande durant le d elai dobtention.
(d) Tracez l evolution du stock au cours dune ann ee sachant quil y a 100
iPod en stock au premier janvier.
(e) En d eduire le co ut de gestion annuel.
(f) En gardant le m eme principe de gestion de stock, ` a savoir de com-
mander lorsque le stock passe en dessous dune quantit e donn ee, aidez
le distributeur ` a diminuer son co ut de gestion annuel du stock. Que
proposez-vous comme nouvelle quantit e ` a commander ?
(g) Que proposez-vous comme seuil d eclenchant la commande ?
(h) Quelle est laugmentation de prot du distributeur avec votre politique ?
7.2. Timbrage denvois multiples. Une entreprise envoyant r eguli` erement des
courriers publicitaires ` a ses clients fait appel ` a une soci et e ext erieure pour
le timbrage des enveloppes. Outre le prix du timbre (3 euro par enveloppe),
cette soci et e ext erieure demande 300 euro pour le travail quel que soit le
nombre denveloppes ` a timbrer. On suppose que le nombre denveloppes
` a envoyer sur lann ee (qui comporte 50 semaines) suit une loi normale de
moyenne de 30.000 et d ecart type 500. Si on tombe ` a court, on peut acheter
les enveloppes pr etimbr ees ` a la pi` ece ` a la poste ` a 3,5 euro lunit e. Le d elai
de r ealisation du timbrage est dune semaine. Le taux dint er et annuel est
de 6 %.
(a) Quel est la quantit e optimale denveloppes affranchies ` a commander
aupr` es de la soci et e sp ecialis ee en timbrage ?
106 Chapitre 7. La gestion par point de commande
(b) A partir de quel niveau de stock denveloppes affranchies faut-il repas-
ser commande ?
7.3. Ventes de tablettes. Un distributeur de salle de bain doit d ecider de la
commande de tablettes de 60 cm ` a faire aupr` es de son fournisseur. On
suppose que la demande annuelle de tablettes suit une loi normale de variance
192. Le distributeur vend en moyenne 2 400 tablettes par an ` a un prix de
d etail de 26 euro, lui-m eme les ach` ete aupr` es de son fournisseur 20 euro
pi` ece. Le d elai dobtention est dun mois. Le co ut de passation dune
commande est de 160 euro. Le taux dopportunit e annuel est de 24 %.
(a) Calculer la quantit e optimale ` a commander r eguli` erement.
(b) Quel doit etre le niveau de stock qui d eclenche la commande ?
(c) Quel est le nombre moyen de clients qui ne peuvent etre servis pendant
le d elai dun mois entre le lancement dune commande et sa livraison ?
(d) Quelle est lesp erance de la marge annuelle nette sur ce produit ? Les
ventes manqu ees sont perdues.
Chapitre 8
La planication de la production
8.1 Introduction
La planication de la production consiste en la r egulation ` a moyen terme de la
production. Cest donc une d ecision tactique. Elle fait le lien entre les d ecisions
op erationnelles ` a court terme et les d ecisions strat egiques ` a long terme. La plani-
cation de la production sadresse uniquement au cas de la production en s erie.
Elle ne sapplique donc pas au cas de la production en s erie unitaire.
Il existe deux types dapproches en planication de la production :
la planication des besoins en composants qui vise ` a etablir une program-
mation pr evisionnelle des composants;
la planication juste ` a temps dont le principe fondamental est de produire la
quantit e strictement n ecessaire aux besoins imm ediats 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
syst` eme dinformation. Partant des donn ees physiques (stocks disponibles, li-
vraisons attendues, demandes pr evisionnelles, capacit es de production,. . . ) et des
donn ees comptables (co uts de production, dapprovisionnement, de rupture), on
etablit un plan de production qui d etermine pour chaque p eriode les quantit es
` a produire par produit, les quantit es fabriqu ees 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 pr evisionnelle : on utilisera la programmation dynamique lorsque lon a
une demande dynamique certaine ne portant que sur un seul article et la program-
mation lin eaire dans le cas statique portant sur plusieurs produits.
107
108 Chapitre 8. La planication de la production
8.2 La planication des besoins en composants
Illustrons le principe de la planication des besoins en composants sur un exemple
tir e de Giard [7] : il sagit de lassemblage de trois v ehicules ` a moteur. La plani-
cation des besoins en composants n ecessite lexistence des el ements suivants :
1. Une nomenclature compl` ete : cest-` a-dire une codication de tous les
composants qui permet d ecrire le sch ema arborescent du tableau 8.1. Dans
lexemple, pour faire un v ehicule (T27), il faut une bote de vitesse (E1001),
elle m eme constitu ee dun engrenage (E2010), lui-m eme constitu e de divers
el ements (E3047 et E3052). Le chiffre entre parenth` eses indique le nombre
de composants n ecessaires pour faire le sous-ensemble. Par exemple, il faut
deux E3047 et deux E3052 pour faire un sous-ensemble E2040.
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 8.1: D ecomposition 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 comporter
le plan de mise ` a disposition de sous-ensembles ou de composants vendus
comme pi` eces d etach ees. Le plan directeur de production est donn e au
tableau 8.2. Il pr evoit, outre la mise ` a disposition des produits naux, les
besoins de sous-ensembles et de composants pour faire des r eparations.
3. Un syst` eme dinformation sur les stocks qui permet de connatre l etat
exact du stock de chaque composant en d ebut de chaque p eriode. Les stocks
de n de p eriode 15, not es SF
15
, sont donn es au tableau 8.3.
4. Un chier des livraisons attendues : cest-` a-dire donnant le nombre de
pi` eces r esultant de d ecisions de mise en production du pass e qui nont pas
Section 8.2. La planication des besoins en composants 109
P eriode 16 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
Demande E1001 0 1 2 3 0 2 1 4 0
Demande E1004 0 0 1 4 0 5 2 2 0
Demande E1010 0 0 0 0 0 0 0 0 0
Demande E1020 0 0 0 0 0 0 0 0 0
Demande E2010 0 0 2 1 4 0 1 2 3
Demande E2040 0 2 0 2 1 4 1 2 3
Demande E3047 0 0 1 1 2 0 1 0 2
Demande E3052 0 2 0 2 3 1 1 2 1
Tableau 8.2: Plan directeur de production.

El ement SF
15
LA
16
LA
17
T27 0 0 0
T28 0 0 0
T29 0 0 0
E1001 17 0 30
E1004 4 0 11
E1010 0 0 0
E1020 0 0 0
E2010 10 20 0
E2040 1 0 17
E3047 15 0 0
E3052 0 15 0
Tableau 8.3: Stock initiaux et livraisons attendues.
110 Chapitre 8. La planication de la production
encore et e livr ees. Les livraisons attendues de d ebut de p eriode t, not ees
LA
t
, sont donn ees au tableau 8.3.
5. Un chier des d elais dobtention : le d elai dobtention etant la somme
des temps op eratoire, de lancement de production et dattente entre deux
productions. Les d elais dobtention sont donn es au tableau 8.4 o` u sont
egalement indiqu es les temps op eratoires unitaires (cest-` a-dire le temps
dassemblage ou dusinage dune unit e du composant).

El ement D elai dobtention Temps op eratoire


T 27 1 semaine 0,5 heure
T 28 1 semaine 1 heure
T 29 1 semaine 2 heures
E1001 1 semaine 0,5 heure
E1004 2 semaines 1 heure
E1010 1 semaine 3 heures
E1020 2 semaines 4 heures
E2010 1 semaine 1 heure
E2040 2 semaines 0,5 heure
E3047 1 semaine 0,5 heure
E3052 1 semaine 0,20 heure
Tableau 8.4: D elais dobtention et temps op eratoires.
6. Fichier des capacit es des centres de production pour chaque p eriode de
lhorizon de planication. Celui-ci est donn e au tableau 8.5.
P eriode 16 17 18 19 20 21 22 23
Assemblage de T 27, T28 et T29 50 50 60 65 55 50 50 50
Assemblage de E1001 et E1004 20 12 24 20 25 22 22 20
Assemblage de E1010 et E1020 20 20 20 20 20 20 20 20
Assemblage de E2010 et E2040 28 30 22 21 24 21 22 23
Assemblage de E3047 et E3052 32 30 32 33 31 31 32 31
Tableau 8.5: Capacit es de production.
7. Existence de r` egles de priorit e en cas de surcharge. Ici, on va utiliser
comme r` egle davancer les productions constituant le stock de valeur la plus
Section 8.2. La planication des besoins en composants 111
faible. Pour cela, on a besoin des donn ees de co uts de fabrication qui se
r eduisent ici ` a un co ut de mati` ere et un co ut de main duvre. Le co ut de
la mati` ere premi` ere de chaque composant est donn e au tableau 8.6. Il faut
comprendre ces donn ees de la mani` ere suivante : il sagit de la somme du
co ut de mati` ere ajout ee ` a l etape dassemblage du produit et du co ut des
composants (le calcul a d ej` a et e fait). Le co ut horaire de la main duvre

El ement Co ut de mati` ere


T 27 303 euro
T 28 363 euro
T 29 421 euro
E1001 58 euro
E1004 71 euro
E1010 30 euro
E1020 40 euro
E2010 25 euro
E2040 53 euro
E3047 1 euro
E3052 2 euro
Tableau 8.6: Co ut de la mati` ere et des composants.
d epend des ateliers. Ces co uts sont donn es au tableau 8.7. Remarquez que
E1001 et E1004, dune part, et E1010 et E1020, dautre part, sont assembl es
dans deux ateliers s epar es.
P eriode co ut horaire de latelier
Assemblage de T 27, T28 et T29 100 euro
Assemblage de E1001 et E1004 70 euro
Assemblage de E1010 et E1020 65 euro
Assemblage de E2010 et E2040 28 euro
Assemblage de E3047 et E3052 30 euro
Tableau 8.7: Co ut horaire de latelier.
La logique de calcul de la MRP consiste ` a lutilisation en cascade
de la d etermination des besoins nets dun composant;
de la mani` ere de couvrir ces besoins.
112 Chapitre 8. La planication de la production
8.3 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 (voir nomenclature 8.1).
Au niveau 0, les lancements programm es sont d etermin es conform ement au
plan directeur de production du tableau 8.2. Le d elai dassemblage est dune
semaine pour les trois mod` eles (voir tableau 8.4). Au niveau z ero, il ny a pas de
stock initial ni de livraisons attendues (voir tableau 8.3). On fait donc du juste-
` a-temps, cest-` a-dire que lon met en production exactement la demande. Ceci
conduit aux lancements de productions de niveau z ero du tableau 8.8.
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 8.8: Lancements de production de niveau z ero.
On peut en d eduire les besoins bruts du composant E1001 puisquil est utilis e
` a raison de un par T27 et de un par T28. A ces besoins bruts pour assemble du T27
et du T28, il faut ajouter les besoins de E1001 comme pi` eces d etach es (donn es au
plan directeur de production 8.2). Les besoins bruts du composant E1001 sont
donn es au tableau 8.9. Ces besoins bruts ne correspondent pas ` a la production quil
P eriode 16 17 18 19 20 21 22 23
Besoins Bruts pour T27 7 11 6 15 8 11 12 7
Besoins Bruts pour T28 10 9 4 10 7 14 8 8
Besoins de E1001 0 1 2 3 0 2 1 4
Besoins Bruts totaux 17 21 12 28 15 27 21 19
Tableau 8.9: Besoins bruts en composant E1001.
est n ecessaire de mettre en route, compte tenu du stock initial disponible pour cette
r ef erence et des eventuelles livraisons attendues. Les livraisons attendues sont des
quantit es r esultant de pr ec edents ordres de lancement de production mais qui nont
pas encore et e livr ees. Le stock initial en p eriode 16 est le stock nal de p eriode
15. Ces informations sont reprises au tableau 8.10.
Section 8.3. Determination des besoins nets dun composant 113
P eriode 15 16 17 18 19 20 21 22 23
Besoins bruts 17 21 12 28 15 27 21 19
Livraisons attendues 0 30 0 0 0 0 0 0
Stock nal 17 0 9 0 0 0 0 0 0
Besoins nets 0 0 3 28 15 27 21 19
Tableau 8.10: Besoins nets en composant E1001.
En p eriode 16, on vide le stock pour satisfaire les 17 de besoins bruts de la
p eriode. En p eriode 17, on livre 30 alors que les besoins ne sont que de 21. Il
restera donc 9 en stock. A ces deux p eriodes, il ny a donc pas de besoins nets.
Par contre ` a la p eriode suivante, la p eriode 18, le besoin brut est de 12, on ne livre
rien et le stock disponible est de 9. Il manque 3 unit es qui constitue donc le besoin
net de cette p eriode. A partir de la p eriode 19, comme le stock est vide et quil ny
a plus de livraisons, les besoins nets correspondent au besoins bruts.
Formalisons math ematiquement la d etermination des besoins nets. Deux cas
sont possibles :
Cas 1 : Le disponible (somme du stock de n de p eriode pr ec edente et des livrai-
sons de d ebut de p eriode) est sufsant pour couvrir les besoins bruts. Dans
ce cas, le besoin net, not e BN
t
, est nul et le stock nal de p eriode t, not e SF
t
,
se calcule comme le stock en n de p eriode pr ec edente, accru des livraisons
attendues de p eriode t, not ees LA
t
, et diminu e de la demande de la p eriode
(les besoins bruts, not es BB
t
) :
Si SF
t1
+LA
t
BB
t
, alors
_
BN
t
= 0
SF
t
= SF
t1
+LA
t
BB
t
Ce cas est illustr e par les p eriodes 16 et 17 pour le composant E1001.
Cas 2 : Le disponible (somme du stock de n de p eriode pr ec edente et des livrai-
sons de d ebut de p eriode) est in sufsant pour couvrir les besoins bruts.
Dans ce cas, on a des besoins nets ` a couvrir par de nouveaux ordres de fa-
brication. Les besoins nets de la p eriode t, not es BN
t
, se calculent comme
la diff erence entre les besoins bruts et le disponible (somme des livraisons
attendues et du niveau initial du stock de la p eriode) :
Si BB
t
SF
t1
+LA
t
, alors
_
BN
t
= BB
t
LA
t
SF
t1
SF
t
= 0
Ce cas est illustr e par les p eriodes 18 ` a 23 pour le composant E1001 (voir
tableau 8.10).
114 Chapitre 8. La planication de la production
8.3.1 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 d etermination 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.
La programmation dynamique permet de faire cet arbitrage. A ce niveau-ci, nous
allons faire du lot par lot, ce qui conduit aux lancements de production du tableau
8.11. Pour d eterminer les lancements de production, on a tenu compte du d elai
P eriode 16 17 18 19 20 21 22 23
Livraisons attendues 0 30 0 0 0 0 0 0
Besoins nets 0 0 3 28 15 27 21 19
Lancements de production 30 3 28 15 27 21 19 -
Tableau 8.11: Lancement de production en composant E1001.
dobtention, suppos e ici de 1 semaine. Remarquez que le lancement de 30 en
p eriode 16 provient non pas dune livraison programm ee de p eriode 17 mais bien
dune livraison attendue de p eriode 17.
Nous verrons en n de chapitre dautres techniques de d etermination des lan-
cements de production.
Remarquez egalement que, dans la d etermination des lancements de produc-
tion, il faudra tenir compte des capacit es de production. Dans le cas o` uces capacit es
sont d epass ees, on proc edera ` a un ajustement charge-capacit e.
8.3.2 Utilisation en cascade de la logique de calcul
Maintenant que cet ech eancier de lancement de production est d etermin e pour le
composant de niveau un E1001, il va etre utilis e ` a un niveau sup erieur pour
calculer l ech eancier des demandes brutes des composants de niveau sup erieur.
Ainsi, le composant E1001 (par exemple, une bote de vitesse) utilise le composant
de niveau un E2010 (un engrenage).
On applique la d emarche de calcul que nous venons de voir en cascade :
Section 8.3. Determination des besoins nets dun composant 115
` a toutes les r ef erences de niveau 0 (produits naux);
puis ` a celles de niveau 1;
puis ` a celles de niveau 2, . . . etc.
Illustrons ceci sur lexemple. Au niveau 0, les lancements programm es (cfr
tableau 8.12) sont d etermin es conform ement au plan directeur de production.
P eriode 16 17 18 19 20 21 22 23 24
BB
t
de T27 - 7 11 6 15 8 11 12 7
LA
t
de T27 0 0 0 0 0 0 0 0
SF
t
de T27 0 0 0 0 0 0 0 0 0
BN
t
de T27 - 7 11 6 15 8 11 12 7
LP
t
de T27 7 11 6 15 8 11 12 7 -
BB
t
de T28 - 10 9 4 10 7 14 8 8
LA
t
de T28 0 0 0 0 0 0 0 0
SF
t
de T28 0 0 0 0 0 0 0 0 0
BN
t
de T28 - 10 9 4 10 7 14 8 8
LP
t
de T28 10 9 4 10 7 14 8 8 -
BB
t
de T29 - 4 8 3 5 12 2 8 7
LA
t
de T29 0 0 0 0 0 0 0 0
SF
t
de T29 0 0 0 0 0 0 0 0 0
BN
t
de T29 - 4 8 3 5 12 2 8 7
LP
t
de T29 4 8 3 5 12 2 8 7 -
Tableau 8.12: Lancements programm es de niveau z ero.
Au niveau 1, les lancements du composant E1001, de d elai de fabrication L=1,
sont d etermin es conform ement au tableau 8.13. Ce composant est utilis e ` a raison
dune unit e par produit T27 et dune unit e par produit T28. Toujours au niveau 1,
les lancements du composant E1004 (de d elai de fabrication L=2) sont d etermin es
conform ement au tableau 8.14. Ce composant est utilis e ` a raison dune unit e par
produit T29.
116 Chapitre 8. La planication de la production
P eriode 15 16 17 18 19 20 21 22 23
BB
t
pour T27 7 11 6 15 8 11 12 7
BB
t
pour T28 10 9 4 10 7 14 8 8
BB
t
de E1001 0 1 2 3 0 2 1 4
BB
t
totaux 17 21 12 28 15 27 21 19
LA
t
0 30 0 0 0 0 0 0
SF
t
17 0 9 0 0 0 0 0 0
BN
t
0 0 3 28 15 27 21 19
LP
t
0 30 3 28 15 27 21 19 -
Tableau 8.13: Lancements en composant E1001.
P eriode 15 16 17 18 19 20 21 22 23
BB
t
pour T29 4 8 3 5 12 2 8 7
BB
t
de E1004 0 0 1 4 0 5 2 2
BB
t
totaux 4 8 4 9 12 7 10 9
LA
t
0 11 0 0 0 0 0 0
SF
t
4 0 3 0 0 0 0 0 0
BN
t
0 0 1 9 12 7 10 9
LP
t
11 1 9 12 7 10 9 - -
Tableau 8.14: Lancements en composant E1004.
Section 8.3. Determination des besoins nets dun composant 117
Au niveau 2, les lancements du composant E2010 (de d elai de fabrication
L=1) sont d etermin es conform ement au tableau 8.15. Ce composant est utilis e ` a
P eriode 15 16 17 18 19 20 21 22
BB
t
pour E1001 30 3 28 15 27 21 19
BB
t
de E2010 0 0 2 1 4 0 1
BB
t
totaux 30 3 30 16 31 21 20
LA
t
20 0 0 0 0 0 0
SF
t
10 0 0 0 0 0 0 0
BN
t
0 3 30 16 31 21 20
LP
t
20 3 30 16 31 21 20 -
Tableau 8.15: Lancements en composant E2010.
raison dune unit e par composant de niveau 1 E1001. Toujours au niveau 2, les
lancements du composant E2040 (de d elai de fabrication L=2) sont d etermin es
conform ement au tableau 8.16. Ce composant est utilis e ` a raison dune unit e par
P eriode 15 16 17 18 19 20 21 22
BB
t
pour E1004 11 1 9 12 7 10 9 -
BB
t
de E2040 - 0 2 0 2 1 4 1
BB
t
totaux - 1 11 12 9 11 13 -
LA
t
0 17 0 0 0 0 0
SF
t
1 0 6 0 0 0 0 0
BN
t
6 9 11 13 -
LP
t
17 6 9 11 13 - - -
Tableau 8.16: Lancements en composant E2040.
composant de niveau un E1004.
Au niveau 3, les lancements du composant E3047 (de d elai de fabrication L=1)
sont d etermin es conform ement au tableau 8.17. Ce composant est utilis e ` a raison
dune unit e par composant de niveau deux E2010 et de deux unit es par composant
de niveau deux E2040. Toujours au niveau 3, les lancements du composant E3052
118 Chapitre 8. La planication de la production
P eriode 15 16 17 18 19 20 21
BB
t
pour E2010 20 3 30 16 31 21 20
BB
t
pour E2040 34 12 18 22 26 - -
BB
t
de E3047 - 0 0 1 1 2 0
BB
t
Totaux - 15 48 39 58 - -
LA
t
0 0 0 0 0 0
SF
t
15 0 0 0 0 0 0
BN
t
0 48 39 58 - -
LP
t
48 39 58 - - -
Tableau 8.17: Lancements en composant E3047.
(de d elai de fabrication L=1) sont d etermin es conform ement au tableau 8.18. Ce
composant est egalement utilis e ` a raison dune unit e par composant de niveau deux
E2010 et de deux unit es par composant de niveau deux E2040.
Il faut maintenant voir si la capacit e est sufsante ` a chaque niveau pour assem-
bler les v ehicules. Il est ` a remarquer que lon a int er et ` a v erier si cette capacit e est
sufsante avant de passer au calcul du niveau sup erieur. En effet, si on proc` ede ` a un
ajustement des lancements de production, par exemple au niveau 1, cela remettra
en cause le calcul des besoins du niveau 2.
8.4 Ajustement charge-capacit e
Lorsque les lancements de production sont d etermin es, on peut calculer les charges
r esultantes pour les diff erents ateliers. Pour que ce plan de production soit r eali-
sable, il faut que la charge r esultante respecte les capacit es de production. Si ce
nest pas le cas, un ajustement charge-capacit e est effectu e.
Reprenons le m eme exemple. Au niveau 0, le tableau 8.19 reprend les lan-
cements de niveau 0. En multipliant ces lancements par les temps op eratoires
unitaires donn es au tableau 8.4, on obtient le nombre dheures dassemblage pour
chacun des v ehicules. En les additionnant, on obtient la charge de latelier que
lon peut comparer avec la capacit e donn ee au tableau 8.5. On constate ici quil
ny a aucun probl` eme de capacit e au niveau 0.
Passons au niveau 1. Les lancements de production des sous-ensembles E1001
et E1004 assembl es dans le m eme atelier sont repris au tableau 8.20. En multipliant
Section 8.4. Ajustement charge-capacite 119
P eriode 15 16 17 18 19 20 21
BB
t
pour E2010 20 3 30 16 31 21 20
BB
t
pour E2040 34 12 18 22 26 - -
BB
t
de E3052 - 0 2 0 2 3 1
BB
t
Totaux - 15 50 38 59 - -
LA
t
15 0 0 0 0 0
SF
t
0 0 0 0 0 0 0
BN
t
0 50 38 59 - -
LP
t
15 50 38 59 - - -
Tableau 8.18: Lancements en composant E3052.
P eriode 16 17 18 19 20 21 22 23
LP
t
de T27 7 11 6 15 8 11 12 7
LP
t
de T28 10 9 4 10 7 14 8 8
LP
t
de T29 4 8 3 5 12 2 8 7
heures de T27 3,5 5,5 3 7,5 4 5,5 6 3,5
heures de T28 10 9 4 10 7 14 8 8
heures de T29 8 16 6 10 24 4 16 14
charge 21,5 30,5 13 27,5 35 23,5 30 25,5
capacit e 50 50 60 65 55 50 50 50
exc` es capacit e 28,5 19,5 47 37,5 20 26,5 20 24,5
Tableau 8.19: V erication de la charge au niveau z ero.
120 Chapitre 8. La planication de la production
ces lancements par les temps op eratoires unitaires donn es au tableau 8.4, on obtient
le nombre dheures dassemblage pour chacun des deux sous-ensembles de niveau
1. En les additionnant, on obtient la charge de latelier que lon peut comparer
avec la capacit e donn ee au tableau 8.5. On constate ici quil y a un probl` eme de
capacit e en p eriode 18. On reporte aux p eriodes pr ec edentes en commen cant par
utiliser lexc` es de capacit e de la p eriode 17, le reste etant produit en p eriode 16.
P eriode 16 17 18 19 20 21 22 23
LP
t
de E1001 30 3 28 15 27 21 19 -
LP
t
de E1004 1 9 12 7 10 9 - -
heures de E1001 15 1,5 14 7,5 13,5 10,5 9,5 -
heures de E1004 1 9 12 7 10 9 - -
charge 16 10,5 26 14,5 23,5 19,5 - -
capacit e 20 12 24 20 25 22 22 20
Exc` es de capacit e 4 1,5 0 5,5 1,5 2,5 0 0
Exc` es de charge 0 0 2 0 0 0 - -
Ajustement +0,5 +1,5 -2 0 0 0 - -
LP
t
de E1001 30 3 28 15 27 21 19 -
LP
t
de E1004 1,5 10,5 10 7 10 9 - -
Tableau 8.20: Ajustement charge-capacit e de niveau 1.
Il faut encore d eterminer sur quel produit cet ajustement va porter. La r` egle
adopt ee ici est de reporter les heures constituant le stock de valeur la plus faible.
Pour cela, calculons le co ut de revient dune unit e de E1001 et dune unit e de
E1004. Au co ut de la main duvre dassemblage, il faut ajouter le co ut de la
mati` ere premi` ere ajout ee ` a l etape dassemblage et le co ut des composants :
c
E1001
= 0, 5 70 + 58 = 93 euros,
c
E1004
= 1 70 + 71 = 141 euros.
Il faut se garder de conclure h ativement quil convient de stocker du E1001. En
effet, comme son temps op eratoire unitaire est dune demi-heure, on en assemble
deux par heure tandis que pour le sous-ensemble E1004, son temps op eratoire
unitaire etant dune heure, on en assemble un par heure. On en d eduit le co ut de
Section 8.5. Autres r`egles de calcul des lancements de production 121
production dune heure de chacun des sous-ensembles :
cph
E1001
= 93/0, 5 = 93 2 = 186 euros/h,
cph
E1004
= 141/1 = 141 1 = 141 euros/h.
En conclusion, il est plus int eressant de stocker du E1004 bien quil ait un co ut
de revient unitaire plus elev e ! Le temps op eratoire unitaire etant dune heure, les
2 heures d eplac ees correspondent ` a deux unit es de E1004 avanc ees aux p eriodes
16 et 17. On obtient lajustement de niveau 1 illustr e au tableau 8.20.
On proc edera alors de mani` ere semblable pour les niveaux sup erieurs en partant
des lancements modi es de niveau 1 donn es au tableau 8.20.
8.5 Autres r` egles de calcul des lancements de production
Jusqu` a pr esent, nous avons adopt e la technique du lot par lot pour la d etermination
des lancements de production. Autrement dit, on lance en production exactement
les besoins nets en d ecalant pour tenir compte du d elai dobtention. Ce cas est
illustr e au tableau 8.21 pour lexemple du composant E1001.
P eriode 16 17 18 19 20 21 22 23
Livraisons attendues 0 30 0 0 0 0 0 0
Besoins nets 0 0 3 28 15 27 21 19
Lancements de production 30 3 28 15 27 21 19 -
Tableau 8.21: Lancement de production lot par lot.
Il peut y avoir des contraintes techniques ou economiques qui conduisent ` a
adopter des r` egles de gestion diff erentes :
R` egle de la quantit e xe. Parfois, pour des raisons techniques, on ne peut
produit quune quantit e xe (cuve enti` ere). Dans ce cas, on la quantit e
mise en uvre est toujours la m eme. Supposons ` a titre dexemple, une
quantit e xe de 30. Ce cas est illustr e au tableau 8.22. On remarquera que
le nombre de mise en route de production est moins elev e mais que le niveau
de possession du stock augmente fortement.
On peut egalement utiliser cette r` egle pour diminuer le nombre de mises en
route de production (raison economique et non technique). On d eterminera,
dans ce cas, la quantit e economique ` a mettre en uvre par la formule de
Wilson.
122 Chapitre 8. La planication de la production
P eriode 16 17 18 19 20 21 22 23
Livraisons attendues 0 30 0 0 0 0 0 0
Besoins nets 0 0 3 28 15 27 21 19
Lancements de production 30 30 30 0 30 30 0 -
Stock n de p eriode 27 29 14 17 26 7
Tableau 8.22: Lancement de production par quantit e xe.
R` egle de la quantit e multiple dun entier. Ce cas se produit dans lin-
dustrie automobile pour le coulage des moteurs. On utilise des moules de
10 moteurs. On ne peut donc produire que par multiples de 10. Ce cas est
illustr e au tableau 8.23.
P eriode 16 17 18 19 20 21 22 23
LA
t
0 30 0 0 0 0 0 0
BN
t
0 0 3 28 15 27 21 19
LP
t
30 10 30 10 30 20 20 -
SF
t
7 9 4 7 6 7
Tableau 8.23: Lancement de production par multiples de 10.
R` egle de la quantit e minimum. Ce cas se produit lorsquil y a un co ut xe
de mise en route de la production. Pour amortir ce co ut xe de lancement,
il faut produire au minimum 10. Mais on peut produire egalement 11, 12,
13 etc... Ce cas est illustr e au tableau 8.24.
P eriode 16 17 18 19 20 21 22 23
LA
t
0 30 0 0 0 0 0 0
BN
t
0 0 3 28 15 27 21 19
LP
t
30 10 21 15 27 21 19 -
SF
t
7 0 0 0 0 0
Tableau 8.24: Lancement de production par minimum de 10.
Section 8.6. Exercices 123
8.6 Exercices
8.1. D etermination des besoins nets. Une soci et e fabrique deux produits nis
PF1 et PF2 qui se composent de sous-ensembles (S) et de pi` eces achet ees (A).
Les nomenclatures des produits nis et des sous-ensembles sont pr esent ees
ci-dessous.
PF1 utilise
_

_
2 S1
3 S2
4 A3
, PF2 utilise
_
2 S1
4 A3
,
S1 utilise
_
2 A1
2 A3
, S2 utilise
_
2 A2
2 A3
.
Les cycles de fabrication des sous-ensembles et des produits nis sont de
deux semaines. Le d elai dapprovisionnement des produits achet es est
egalement de deux semaines. On dispose dun stock initial de 150 S1, de
150 S2 et de 500 A3. Il ny a pas de livraisons attendues. Les produits nis
sont fabriqu es au lot par lot. Les sous-ensembles doivent etres fabriqu es par
lot minimum (et non n ecessairement multiple) de 100 unit es (on peut lancer
100, 101, 102 etc...). Les commandes enregistr ees pour les 16 semaines
` a venir pour ces produits sont indiqu ees au tableau ci-dessous. Un chiffre
absent signie quil ny a pas de commande.
Sem 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16
PF1 40 60 50 70
PF2 10 20 30 10 20 30 20 30
(a) Calculez les besoins nets et les lancements de production des deux
produits nis.
(b) Calculez les besoins nets et les lancements de production ainsi que le
stock nal des deux sous-ensembles.
(c) D eterminez les besoins nets du composant A3.
8.2. Importation de syst` emes Home Cin ema. Une soci et e vend des ensembles
Home Cin ema compos es dun t el eviseur plat, un lecteur DVD et un en-
semble acoustique. Lensemble acoustique peut egalement etre vendu seul.
La soci et e dispose au 31 octobre dun stock de 200 Home cin ema (incluant
lensemble acoustique) et de 600 ensembles acoustiques. La r eception de
500 ensembles acoustiques est pr evue pour le 1 d ecembre. Limportation de
lensemble Home Cin ema prend 1 mois et ninclut pas lensemble acous-
tique. Celui-ci est ` a commander en sus et est ajout e ` a lensemble Home
124 Chapitre 8. La planication de la production
Cin ema juste avant sa livraison au client nal. Limportation de lensemble
acoustique prend 2 mois. La valeur de lensemble Home Cin ema complet
est de 2500 euro, celle de lensemble acoustique est de 800 euro. Le tableau
suivant indique les pr evisions de la demande :
Demande Novembre D ecembre Janvier F evrier
Home Cinema 500 1200 900 400
Ensemble acoustique 200 400 300 200
Le co ut de stockage mensuel est de 2 % de la valeur des marchandises.
(a) Calculez les besoins nets pour lensemble Home Cin ema.
(b) Calculez les besoins nets pour lensemble acoustique.
(c) Planiez les lancements de commande des ensembles Home Cin ema.
(d) Planiez les lancements de commande des ensembles acoustiques sa-
chant que les commandes doivent etre multiples de 500 unit es.
(e) Calculez le total des co uts de stockage pour chaque mois de octobre ` a
f evrier, pour chaque produit.
8.3. Production de robes de mari ees. Une petite entreprise de couture confec-
tionne des robes de mari ees en s erie. Lunique atelier de lentreprise r ealise
la confection des robes ` a un co ut horaire est de 100 euro. La fabrication
dune robe n ecessite 3 heures. Les tissus pour la robe co utent 400 euro.
Le plan directeur de production indique une demande constante de 10 robes
par semaine pour les semaines 1 ` a 5. En d ebut de semaine 1, lentreprise
dispose dun stock de 15 robes. Une production en sous-traitance (=livraison
attendue) de 5 robes est pr evue en semaine 4.
(a)

Etablir le tableau des besoins nets et des lancements de production pour
les semaines 1 ` a 5 en supposant un d elai dobtention n egligeable (on
peut produire pour satisfaire une demande de m eme p eriode).
(b) La capacit e de production etant de 30 les deux premi` eres semaines et
21, les trois suivantes, proc edez ` a lajustement charge-capacit e.
(c) Calculez le co ut de stockage total sur les 5 semaines pour les robes.
Le co ut de stockage des articles en stock en n de semaine est estim e
` a 1% par semaine du co ut de revient des articles.
Chapitre 9
Les techniques de juste ` a temps
9.1 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 variabilit e de la demande : laugmentation du nombre de mod` eles et la
diminution de la dur ee de vie des produits n ecessitent 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 d elais longs.
La concurrence internationale impose de produire une bonne qualit e ` a un
prix tr` es bas.
Enconclusions, il faut produire ` alademande duclient, sans d elai et encomprimant
au maximum le co ut de fabrication. Il y a donc conit entre la gestion en grande
s erie (qui permet de r eduire les co uts de fabrication) et la gestion ` a la carte (qui est
beaucoup plus souple).
Lid ee du JAT est de chercher ` a concilier les avantages de la grande s erie (ux
rapides et importants) avec ceux de la petite s erie (grande adaptabilit e). La logique
fondamentale du JAT est la suivante :
Production = Demande.
Autrement dit, on produit la quantit e strictement n ecessaire aux besoins imm ediats
du client. Le principe est appliqu e de proche en proche jusquaux fournisseurs.
Ceci entrane la suppression des stocks interm ediaires : on parle de gestion en ux
125
126 Chapitre 9. Les techniques de juste ` a temps
tendus. La suppression des stocks apparat 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 syst` eme. Ses cons equences sont :
1. Pour raison d economie d echelle, on a des unit es de fabrication de grande
taille organis ees en ateliers sp ecialis es. On a donc des ux importants et
discontinus entre ces unit es n ecessitant des stock interm ediaires.
2. Pour raison de co ut, on met en place des capacit es de production correspon-
dant ` a la demande moyenne qui sont satur ees en permanence : la variabilit e
de la demande n ecessite donc des stocks de produits nis.
3. On lance de grandes s eries pour amortir le co ut de lancement. Ce qui entrane
aussi des stocks importants.
4. Pour diminuer le co ut de manutention, on transporte en grande quantit e
(camions, containers complets). Ce qui occasionne egalement des stocks
elev es de mati` eres qui ne sont pas imm ediatement consomm ees.
5. Pour d ecoupler les probl` emes, on constitue des stocks interm ediaires.
6. A chaque stade du produit, on ajoute un d elai dobtention pour tenir compte
des arr ets fr equents (contr ole, maintenance,. . . ).
On en conclut que chacun ` a tendance ` a goner les stocks. Le JATdevant ce constat,
plut ot que dessayer de g erer ling erable propose de supprimer les stocks.
Le fonctionnement en JAT appelle 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 tir es non par des commandes clients
mais par le plan directeur de production.
3. Le JAT n ecessite tout de m eme l etablissement dun plan directeur de pro-
duction et le calcul des besoins.
Section 9.2. Les deux approches du JAT 127
9.2 Les deux approches du JAT
Le JAT a donc un double objectif :
augmenter la r eactivit e du syst` eme logistique : diminuer le d elai, diversier
la production,. . .
diminuer le co ut global de production : en eliminant les gaspillages inutiles.
Augmenter la r eactivit e du syst` eme logistique
Le but est ici de pouvoir r epondre rapidement aux variations quantitative et qua-
litative de la demande. Le moyen utilis e est le suivant : pour raccourcir le cycle
de fabrication, on r eduit les stocks.
Pour r eduire les stocks de mati` ere premi` ere, les fournisseurs doivent livrer
plus souvent.
Pour r eduire les stocks den-cours de production, on doit r eduire le temps
entre ateliers.
Pour r eduire les stocks de produits nis, on doit pouvoir changer souvent de
fabrication.
Remarquez que, pour r eduire les stocks, il faut sattaquer ` a leur cause : les pannes
machines, les temps de r eglage longs, etc. . .
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 : d eplacer, stocker, grouper, contr oler,. . . Pour pouvoir diminuer
ces op erations improductives, il faut sattaquer ` a leurs causes : les d efauts de
fabrication, les retards, les pannes, les lenteurs administratives,. . .
On peut ici citer limage de Taichi Ohno (de Toyota) qui dit que, pour traverser
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 syst` eme
et on am eliore la qualit e des produits.
128 Chapitre 9. Les techniques de juste ` a temps
9.3 Les facteurs cl es du JAT
La r eussite du passage dune organisation classique ` a une organisation JAT
n ecessite des m ethodes de gestion tr` es r eactives ainsi que la matrise des al eas.
Recherche dun plus grande r eactivit e
On atteindra une plus grande r eactivit e en augmentant la exibilit e de la produc-
tion. On peut d enir 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 est la capacit e de faire face ` a des pointes 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 suppl ementaires,. . .
La exibilit e qualitative est la capacit e de traiter une grande vari et e de
produits :
il faut pouvoir passer rapidement dun produit ` a lautre : on utilisera
des machines ` a commandes num eriques.
la polyvalence du personnel est egalement souhaitable.
Matrise des al eas
Il faut ici se pr emunir contre les causes des stocks que sont les pi` eces re cues
d efectueuses, les pannes machine, ainsi les retards de livraison. On visera ici le
z ero d efaut pour les pi` eces fabriqu ees. En effet, en labsence de stock, le d efaut
dune pi` ece livr ee interrompt la chane de montage. Le z ero d efaut sera recherch e
par la pr evention plut ot que par le contr ole ` a posteriori.
Il faut egalement assurer la abilit e des equipements. En effet, larr et dune
machine entrane larr et de toutes les machines en aval faute dapprovisionnement.
De m eme pour les machines en amont qui, autrement, constitueront des stocks. La
abilit e est obtenue par des proc edures de maintenance pr eventive.
Enn, il existe relation plus etroite entre le client et le fournisseur car le
fournisseur dune usine JAT est g en eralement plus conscient des cons equences de
lenvoi dune pi` ece d efectueuse pour le client.
Section 9.4. La methode Kanban 129
9.4 La m ethode Kanban
Lid ee de la m ethode est que la production soit tir ee 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 appel e Kanban ( etiquette)
donnant :
la description de la pi` ece et de lop eration ` a effectuer;
le lieu dorigine et de destination de la pi` ece;
la quantit e 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 pi` eces qui
descend le ux de pi` eces (lors de la fabrication);
remonte ce ux une fois les pi` eces consomm ees.
Le rythme de fabrication est donc egal ` a la vitesse de circulation des etiquettes
qui est, elle-m eme, d etermin ee 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 sarr ete.
Pour un bon fonctionnement du syst` eme, il faut une capacit e sufsante des
postes amont pour r epondre ` a la demande : ceci n ecessite donc en g en eral de
pr evoir une surcapacit e.
Syst` eme Kanban ` a une boucle
Le fonctionnement du syst` eme Kanban ` a une boucle est le suivant (cfr gure 9.1) :
L etiquette est appos ee sur le conteneur de pi` eces qui viennent d etre fa-
briqu ees en amont (a);
Elle accompagne le conteneur au poste suivant et reste sur le conteneur en
attente (b);
Au moment o` u le conteneur est mis en fabrication sur le poste aval, le Kanban
est lib er e et retourne au poste amont (c);
130 Chapitre 9. Les techniques de juste ` a temps
POSTE
AMONT
Transport
entre postes
POSTE
AVAL
(a)
(d)
(c)
(b)
Conteneur avec tiquette Etiquette libre
Figure 9.1: Syst` eme Kanban ` a une boucle.
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 poss` ede obligatoirement une etiquette (cest-` a-dire
son ordre de fabrication).
2. Une etiquette libre (cest-` a-dire non attach ee ` a un conteneur) repr esente un
ordre de fabrication pour une quantit e xe de pi` eces sur un poste de travail
d etermin e.
3. Le nombre d etiquettes 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 inf erieur ou egal au nombre d etiquettes
en circulation.
4. En observant son planning d etiquettes en attente, le responsable du poste
amont peut choisir ses priorit es de fabrication dapr` es les besoins des agents
des diff erents postes aval quil fournit.
D etermination du nombre d etiquettes
Un probl` eme fondamental est la d etermination du nombre d etiquettes ` a mettre
en circulation. Ce nombre doit, en effet, r esulter dun compromis entre :
un nombre pas trop elev e : sinon on g en` ere des stocks interm ediaires;
un nombre pas trop faible : sinon le poste aval risque de tomber en rupture.
Section 9.4. La methode Kanban 131
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 d elai de r eaction du syst` eme lorsque le stock au poste aval atteint le
seuil de lancement dune production. Ce d elai de r eaction comprend
le retour du ticket dalerte vers lamont,
lattente au planning amont,
le r eglage de la machine amont,
la production du premier conteneur,
le transport du conteneur jusquau poste aval.
Le principe utilis e pour d eterminer le nombre d etiquettes est le suivant : le
nombre de conteneurs dans la boucle correspond au strict minimum pour que le
syst` eme fonctionne sans rupture pour le poste aval.
Illustrons ceci sur un exemple tir e de Baglin et al [1]. Soit D = 2000 pi` eces, la
demande moyenne du poste aval par journ ee de 8 heures de travail. On en d eduit
une consommation en unit es par minute de :
C
u
=
2000
8 60
= 4, 1667
Soit k = 100 pi` eces, la capacit e dun conteneur. 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 les heures, donc un temps moyen dattente 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 r eaction, la consommation du poste aval est de :
T
r
C
u
= 95 4, 1667 = 395, 83
Il en r esultera quil faut au moins 4 etiquettes en permanence dans le syst` eme :
N
e

T
r
C
u
k
= 3, 96
132 Chapitre 9. Les techniques de juste ` a temps
Si lon veut prendre une marge de s ecurit e de = 10 % :
N
e

(1 +)T
r
C
u
k
=
1, 1 395, 83
100
= 4, 3541.
Il faudra donc au moins 5 etiquettes en permanence dans le syst` eme.
Supposons maintenant que, au poste amont, larbitrage entre le co ut de lance-
ment et le co ut de possession justie une production par lot de taille economique
optimale :
Q
e
= 600 pi` eces,
cest-` a-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
pr ec edents.
Le nombre de conteneurs dans la boucle correspond donc en g en 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
, augment e dune marge de s ecurit e
:
(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
e

(1 +)C
u
T
r
+Q
e
k
(9.1)
Le r esultat est arrondi ` a lentier sup erieur. Ce qui donne ici :
N
e

(1 +)C
u
T
r
+Q
e
k
=
435 + 600
100
= 10, 35
Ce qui correspond ` a 11 conteneurs de 100 pi` eces.
Section 9.5. Exercices 133
9.5 Exercices
9.1. Planication juste-` a-temps dune brasserie. Une brasserie produit une
bi` ere sp eciale. La fermentation se termine dans des cuves de haute fermen-
tation. L equipement dembouteillage est constitu e de deux lignes :
une ligne dembouteillage affect ee aux bouteilles de 25 cl, qui remplit
1600 bouteilles par heure,
une ligne dembouteillage affect ee aux bouteilles de 75 cl, qui remplit
800 bouteilles par heure.
La soci et e aimerait utiliser un syst` eme de kanban an de coordonner la
production entre le syst` eme amont (les cuves) et le syst` eme aval (lembou-
teillage). Les containers de transport entre lamont et laval ont une capacit e
de 300 litres. Le d elai de r eaction du syst` eme est de 3 heures.
(a) Calculez le nombre d etiquettes n ecessaires pour assurer le fonction-
nement en continu de lembouteillage sans tenir compte dune taille
economique minimale ` a lamont. Le gestionnaire d esire appliquer un
coefcient de s ecurit e de 10 %.
(b) Sachant que les cuves de fermentation ont une capacit e de 10.000
litres et sont vid ees en entier avant d etre ` a nouveau remplies, on peut
consid erer que la quantit e economique du poste amont est de 10.000
litres. Quel est alors le nombre d etiquettes ` a ajouter dans le syst` eme ?
9.2. Production de hamburgers en restauration rapide. Consid erons la ges-
tion de la cuisson dun type de hamburger dans un drive-in dun point de
restauration rapide. La commande aupr` es du pr epos e ` a la cuisson se fait par
lot de 6 hamburgers. Lorsquun lot de 6 hamburgers est fourni au comptoir
de vente, il est pr ec ed e dune plaque indiquant 6 hamburgers. D` es que
le pr epos e ` a la vente entame le lot de 6 hamburgers, il retourne la plaque
au manager qui toutes les dix minutes remonte en cuisine avec les plaques.
Consid erons une soir ee de semaine (hors mercredi o` u la demande est plus
forte). On suppose, ce qui est une approximation, que la demande de 500
hamburgers est r epartie uniform ement sur la tranche 18 h - 22 h. Le pr epos e
` a la cuisson fabrique, outre les hamburgers, trois autres produits qui peuvent
loccuper, parfois de mani` ere continue pendant 12 minutes avant quil ne
puisse entamer la cuisson des hamburgers. La cuisson dun lot de 6 hambur-
gers dure 6 minutes (3 minutes pour une face, 3 minutes pour lautre). En-
suite, lemballage et le garnissage prend 0,5 minute par hamburger. Lenvoi
du lot de 6 hamburgers vers le comptoir est instantan e (par bande porteuse).
134 Chapitre 9. Les techniques de juste ` a temps
(a) Calculer la consommation en unit es par minute faite par les clients du
drive-in pour ce hamburger.
(b) Calculer le temps de r eaction du syst` eme, ` a savoir le temps qui s ecoule
entre le moment o` u le pr epos e ` a la vente entame un lot de 6 hamburgers
et celui o` u le lot revient avec la plaque. Donner le d etail du calcul.
(c) Calculer la consommation de hamburgers des clients pendant le temps
de r eaction du syst` eme.
(d) En tenant compte du fait que la production de hamburgers nest lanc ee
que sil y a une commande de 12 pi` eces, calculez le nombre minimum
de plaques ` a mettre dans le syst` eme pour eviter la rupture dapprovi-
sionnement du comptoir vente.
(e) Comment faire pour tenir compte dans votre calcul des hamburgers
jet es car ayant d epass e leur dur ee de conservation (1 heure) ? Ceci
repr esente environ 10 % de la demande.
9.3. Transport de brames. La ligne ` a chaud de Chertal produit des bobines
dacier appel ees coils. Lamont de la ligne ` a chaud est compos e des hauts
fourneaux produisant de la fonte en fusion, dun convertisseur suivi de la
coul ee continue. Lors des diverses op erations amont, le m etal liquide est
transform e en plaques, appel ees brames. Chacune de ces pi` eces p` ese 500
kg. Elles sont alors transport ees par lots vers laval constitu e du laminoir
du site. Ce trajet, chargement et d echargement inclus, dure 6 heures. Les
transporteurs de brames (des trains priv es) ont une capacit e maximale utile
de 50 tonnes. Le laminoir aval doit fonctionner en permanence ` a un rythme
de 110 kg ` a la minute. Le gestionnaire du site de Chertal d esire utiliser un
syst` eme de Kanbans an de minimiser les lots de brames en cours entre la
production amont (les hauts fourneaux, le convertisseur et la coul ee) et le
syst` eme aval (le laminoir). Le temps de retour des transporteurs, munis des
etiquettes, est estim e ` a 120 minutes. On consid` ere que lon fait partir un
train uniquement sil est charg e au maximum.
(a) En consid erant un temps nul dattente au planning amont et un temps
de production ` a lamont n egligeable, calculez le nombre d etiquettes
n ecessaires pour assurer le fonctionnement en continu du laminoir aval.
(b) Avec ce nombre d etiquettes, quel est le coefcient de s ecurit e ?
(c) On consid` ere maintenant que les hauts- fourneaux d elivrent des lots
de 120 tonnes (= quantit e economique). Quel est alors le nombre
d etiquettes ` a mettre en service (avec un coefcient de s ecurit e nul) ?
(d) Quel est le rythme auquel les lots des hauts-fourneaux doivent etre
d elivr es pour que le syst` eme ne tombe pas en rupture ?
Chapitre 10
Ordonnancement en ateliers sp ecialis es
10.1 Introduction
On parle dateliers sp ecialis es lorsque lensemble des equipements n ecessaires
pour assurer une fonction d etermin ee sont rassembl es dans un m eme atelier. Le
probl` eme de gestion quotidienne est de d eterminer lordre dex ecution dun cer-
tain nombre de t aches, la r ealisation dune t ache n ecessitant le passage sur une ou
plusieurs 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
porti` eres sur la presse n etant pas d etermin e ` a lavance.
Parmi les mod` eles dordonnancement en ateliers sp ecialis es, on distingue
Les mod` eles statiques pour lesquels on recherche lordonnancement opti-
mal dun ensemble donn e de t aches sur une p eriode donn ee : autrement dit,
au cours de la p eriode consid er ee, aucune nouvelle t ache non pr evue ne peut
etre prise en compte dans lordonnancement;
Les mod` eles dynamiques dordonnancement qui se caract erisent par des
arriv ees successives de t aches, le plus souvent dans un univers al eatoire.
Dans ce chapitre, nous allons nous limiter aux mod` eles statiques et voir suc-
cessivement le probl` eme dordonnancement sur 1 machine, sur 2 machines.
10.2 Ordonnancement sur une machine
Illustrons le probl` eme sur lexemple suivant tir e de Giard [7]. On a cinq t aches
` a effectuer sur la machine A. Le tableau 10.1 pr esente les diff erentes t aches ainsi
que leurs temps op eratoires. Il sagit de d eterminer lordre dans lequel on va
135
136 Chapitre 10. Ordonnancement en ateliers specialises
T ache (i) 1 2 3 4 5
Temps op eratoire (t
i
) 50 150 80 200 30
Tableau 10.1: Temps op eratoires (en centi` emes dheures)
effectuer ces diff erentes t aches. Il est clair que, quel que soit lordre choisi, le
temps op eratoire total est le m eme : il sagit de la somme des temps op eratoires. Il
faudra donc d enir un autre crit` ere entre tous les ordonnancements possibles. Un
ordonnancement possible est illustr e ` a la table 10.2.
Ordre (j) 1 2 3 4 5
T ache programm ee(i) 3 4 1 5 2
Temps dex ecution (T
j
) 80 200 50 30 150
Tableau 10.2: Un ordonnancement possible
10.2.1 Le diagramme de Gantt
Illustrons tout dabord une technique de visualisation dun ordonnancement, le
graphique de Gantt. Celui-ci est construit ` a la gure 10.1 pour lordonnancement
machine A
3 4 1 5 2
1 2 3 4 5 temps
(heures)
Figure 10.1: Diagramme de Gantt
du tableau 10.2. Le diagramme de Gantt permet de visualiser ` a la fois :
lutilisation des moyens productifs;
lavancement de lex ecution des t aches.
En effet, une ligne horizontale illustre l evolution du temps. 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 repr esent ee par un segment dont la longueur est proportionnelle ` a la dur ee
Section 10.2. Ordonnancement sur une machine 137
dex ecution de la t ache. On indiquera le num ero de la t ache 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 mat eriels.
10.2.2 La r` egle 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 t aches n ecessite 510 centi` emes dheure. La question qui se pose est alors :
comment choisir parmi les n! ordonnancements possibles ?
Notons A
j
le temps dach` evement de la t ache programm ee en position j. Le
temps dach` evement dune t ache est la somme des temps dex ecution de la t ache
avec ceux des t aches pr ec edentes. Par exemple,
A
4
=
4

h=1
T
h
= T
1
+T
2
+T
3
+T
4
Le calcul des diff erents temps dach` evement des t aches est repris au tableau 10.3.
Ordre (j) 1 2 3 4 5
T
j
80 200 50 30 150
A
j
80 280 330 360 510
Tableau 10.3: 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
Examinons plus en d etails la mani` ere dont est calcul e ce temps moyen dach` e-
vement. Il peut se r ecrire en d etails comme suit :

A = (80
+80 + 200
138 Chapitre 10. Ordonnancement en ateliers specialises
+80 + 200 + 50
+80 + 200 + 50 + 30
+80 + 200 + 50 + 30 + 150)/5
= (5 80 + 4 200 + 3 50 + 1 30)/5
En g en eral, il s ecrit donc comme :

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 op eratoires, chaque temps op era-
toire etant pond er e par un facteur dautant plus grand quil se trouve ex ecut e plus
t ot dans lordonnancement. La r` egle dordonnancement qui minimise le temps da-
ch` 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
Lapplication de cette r` egle donne lordonnancement illustr e au tableau 10.4. Cette
application donne le temps dach` evement moyen minimum :

A = 218
Ordre (j) 1 2 3 4 5
T aches (i) 5 1 3 2 4
T
j
30 50 80 150 200
A
j
30 80 160 310 510
Tableau 10.4: Application de la r` egle TOM
On peut montrer que la r` egle T.O.M. revient ` a minimiser le retard moyen, le
retard dune t ache etant la diff erence entre le moment o` u la t ache est termin ee et
celui o` u elle aurait et e termin ee si lon lavait commenc e en premier lieu.
10.3 Ordonnancement avec deux centres de production
Chaque t ache n ecessite pour son ex ecution le passage sur deux machines : les
machines A et B. Soient t
iA
et t
iB
, les temps dex ecution de la t ache i sur les
machines A et B respectivement. On va utiliser comme crit` ere dordonnancement
la minimisation du temps total dex ecution des t aches sur les deux machines. On
va distinguer deux cas :
Section 10.3. Ordonnancement avec deux centres de production 139
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.
10.3.1 Cas o` u toutes les t aches sont ` a ex ecuter 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 centi` emes dheure) sont repris au tableau 10.5.
T aches (i) 1 2 3 4 5
t
iA
50 150 80 200 30
t
iB
60 50 150 70 200
Tableau 10.5: Ordonnancement sur deux machines
Lordonnancement optimal est illustr e ` a la gure 10.2.
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
Z
Z
Figure 10.2: Diagramme de Gantt
Remarquez que durant lex ecution de la premi` ere t ache sur A, la machine B
dort. On a donc int er 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 int er et ` a mettre en n la t ache de dur ee dex ecution t
iB
minimum.
En se basant sur ces deux observations, lalgorithme Johnson (1954) calcule
lordonnancement minimisant le temps total dex ecution des t aches.
Algorithme 10.1 Algorithme Johnson
140 Chapitre 10. Ordonnancement en ateliers specialises
1. Rechercher la t ache i de temps dex ecution t
im
minimum.
2. Si m = A, placer cette t ache ` a la premi` ere place disponible;
Si m = B, placer cette t ache ` a la derni` ere place disponible.
3. Supprimer la t ache i des t aches encore ` a programmer, retour en 1.
Appliquons ceci ` a lexemple. Dabord, la t ache 5 (t
5A
= 30) est mise en
premi` ere position.
1 2 3 4 5
5
Puis, la t ache 1 (t
1A
= 50) est mise en deuxi` eme position.
1 2 3 4 5
5 1
Puis la t ache 2 (t
2B
= 50) est mise en derni` ere position.
1 2 3 4 5
5 1 2
Puis la t ache 4 (t
2B
= 70) est mise en avant derni` ere position.
1 2 3 4 5
5 1 4 2
Enn, la t ache 3 est mise ` a la derni` ere place disponible.
1 2 3 4 5
5 1 3 4 2
On obtient le graphique de Gantt de la gure 10.2 o` u le passage dune t ache dune
machine ` a lautre est visualis e ` a laide dune ` eche verticale.
10.3.2 Cas de t aches ne seffectuant pas dans le m eme ordre
Dans ce cas plus g en eral, certaines t aches ne n ecessitent que le passage sur une
machine, dautres sur les deux dans un ordre ou lautre. Les donn ees num eriques
sont reprises au tableau 10.6.
Section 10.3. Ordonnancement avec deux centres de production 141
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 10.6: Illustration de lalgorithme de Jackson
Lordonnancement qui minimise le temps total dex ecution des t aches sur
les deux machines est obtenu par lalgorithme de Jackson (1957) qui est une
g en eralisation de lalgorithme de Johnson.
Algorithme 10.2 Algorithme de Jackson.
1. Faire une partition de lensemble des n t aches en
lensemble A des t aches ne passant que sur A;
lensemble B des t aches ne passant que sur B;
lensemble AB des t aches passant sur A puis B;
lensemble BA des t aches passant sur B puis A.
2. Calculer un ordonnancement pour chaque sous-ensemble :
lordonnancement optimal pour AB par Johnson;
lordonnancement optimal pour BA par Johnson;
un ordonnancement arbitraire pour A (par exemple, TOM);
un ordonnancement arbitraire pour B (par exemple, TOM).
3. Reconstruire la s equence optimale pour chaque machine de la mani` ere sui-
vante :
Pour la machine A : la s equence optimale pour le sous-ensemble AB,
puis les t aches de A, puis la s equence optimale du sous-ensemble BA.
Pour la machine B : la s equence optimale pour le sous-ensemble BA,
puis les t aches de B, puis la s equence optimale du sous-ensemble AB.
142 Chapitre 10. Ordonnancement en ateliers specialises
Remarquons, en effet, que lon a int er et ` a d ebuter le plus vite possible sur A
les 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 les ordonnancements
d etermin e ` a la deuxi` eme etape de la mani` ere indiqu ee ` a la troisi` eme etape.
Appliquons ceci ` a lexemple.
1. D enition des 4 sous-ensembles :
A = {4, 5, 6}
B = {10, 11}
AB = {1, 2, 3}
BA = {7, 8, 9}
2. Calcul dun ordonnancement pour chaque sous-ensemble :
A : 5, 4, 6 (par TOM)
B : 11, 10 (par TOM)
AB : 3, 2, 1 (par Johnson)
BA : 9, 8, 7 (par Johnson)
3. Ordonnancement de chaque machine :
Pour la machine A : 3, 2, 1, 5, 4, 6, 9, 8, 7
Pour la machine B : 9, 8, 7, 11, 10, 3, 2, 1
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 10.3: Algorithme de Jackson
On obtient le diagramme de Gantt de la gure 10.3.
Section 10.4. Ordonnancement sur trois machines 143
10.4 Ordonnancement sur trois machines
Lalgorithme de Johnson ne sapplique quen pr esence de deux machines. Cepen-
dant, le cas de trois machines peut se ramener au cas de deux machines si la machine
B est compl` etement 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
.
Illustrons ceci sur lexemple du tableau 10.7. o` u lon constate que :
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
Exp edition 7 11 4 18 18 3 6
Tableau 10.7: Temps op eratoires avec trois machines
minimum t
iA
= 12 = maximum t
iB
.
On est donc bien dans les conditions dapplication enonc ees ci-dessus. Remarquez
quil ne faut pas que les conditions soient simultan ement v eri ee. Ainsi dans
lexemple, la seconde condition nest pas v eri ee.
Lorsque lon se trouve dans un des deux cas, on reformule alors le probl` eme en
un probl` eme ` a deux machines, la premi` ere groupant les machines A et B (t
iAB
=
t
iA
+t
iB
) et la seconde groupant les machines B et C (t
iBC
= t
iB
+t
iC
).
t aches 1 2 3 4 5 6 7
Assemblage + Inspection 24 13 28 28 19 19 25
Inspection + Exp edition 11 12 13 30 23 10 14
On applique alors lalgorithme de Johnson ` a ce probl` eme ` a deux machines pour
d eterminer lordonnancement optimal.
Dabord, la t ache 6 (t
6B
= 10) est mise en derni` ere position.
1 2 3 4 5 6 7
6
144 Chapitre 10. Ordonnancement en ateliers specialises
Puis, la t ache 1 (t
1B
= 11) est mise en derni` ere position disponible.
1 2 3 4 5 6 7
1 6
Puis la t ache 2 (t
2B
= 12) est mise en derni` ere position disponible.
1 2 3 4 5 6 7
2 1 6
Puis la t ache 3 (t
3B
= 13) est mise en derni` ere position disponible.
1 2 3 4 5 6 7
3 2 1 6
Puis la t ache 7 (t
7B
= 14) est mise en derni` ere position disponible.
1 2 3 4 5 6 7
7 3 2 1 6
Puis la t ache 5 (t
5A
= 19) est mise en premi` ere position.
1 2 3 4 5 6 7
5 7 3 2 1 6
Enn, la t ache 4 est mise ` a la derni` ere place disponible.
1 2 3 4 5 6 7
5 4 7 3 2 1 6
On peut alors tracer le diagramme de Gantt correspondant au probl` eme ori-
ginal, cest-` a-dire celui avec trois machines. Ceci est fait ` a la gure 10.4 o` u les
` eches indiquent le passage des pi` eces dune etape ` a lautre . Remarquez les temps
morts interm ediaires aux etapes B et C, ce qui nest pas etonnant vu que les temps
` a l etape A sont plus importants que les temps aux deux autres etapes.
Section 10.5. Exercices 145
10.5 Exercices
10.1. Gestion du temps pour la composition dun travail de groupe. Deux
ing enieurs disposent de 10 jours pour r ealiser un travail de groupe. Ce
travail se compose de 4 t aches ind ependantes entre elles (lordre na pas
importance). Chacune de ces t aches peut etre divis ee en une phase danalyse,
r ealis ee par le premier etudiant, et une phase de calculs, r ealis ee par le second.
Lanalyse doit pr ec eder les calculs. Les temps n ecessaires (en jours) ` a la
r ealisation des t aches sont donn es au tableau ci dessous.
T ache Phase danalyse ( etudiant 1) Phase de calculs ( etudiant 2)
A 2 2
B 0,8 1,5
C 1,5 0,5
D 2 1
(a) Quel est lordonnancement qui minimise le temps de travail ?
(b) Les deux ing enieurs aimeraient ajouter en annexe 3 autres parties :
E, F et G. Les deux premi` eres (E et F) ne n ecessitent pas danalyse
pr ealable tandis que la derni` ere (G) comporte seulement une phase
danalyse. Les temps sont donn es au tableau ci-dessous.
T ache Analyse ( etudiant 1) Calculs ( etudiant 2)
E - 2
F - 1,5
G 1,5 -
La r ealisation des ces annexes ne n ecessite pas que les t aches princi-
pales (A, B, C et D) soient nies. Avec ces donn ees suppl ementaires,
d eterminez, lordonnancement qui minimise le temps de travail.
(c) Illustrez ` a laide dun diagramme de Gantt.
(d) Pourront-ils rendre le travail ` a temps ?
10.2. Ordonnancement avec 3ateliers. Cinqt aches doivent passer par les ateliers
de montage, nition et exp edition. Les temps op eratoires sont les suivants.
T aches 1 2 3 4 5
Montage 7 2 4 3 5
Finition 1 1 2 2 1
Exp edition 5 2 4 6 5
D eterminez lordonnancement qui minimise le temps de r ealisation des
t aches.
146 Chapitre 10. Ordonnancement en ateliers specialises
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 10.4: Ordonnancements avec 3 machines
Bibliographie
[1] BAGLIN G erard, Olivier BRUEL, Alain GARREAU, Michel GREIF et
Christian VAN DELFT, Management Industriel et Logistique, 3` eme Edition,
Economica, Paris, 2001.
[2] R. H. BALLOU, Business Logistics Management, Prentice-Hall, 4` eme
edition, 1999.
[3] BROOKE Anthony, David KENDRICK et Alexander MEERAUS, GAMS
Users guide Release 2.25, The Scientic Press, San Francisco, 1992.
[4] CHV

ATAL Va sek, Linear Programming, Freeman and Company, 1983.


[5] DE WOLF Daniel, Olivier JANSSENS dE BISTHOVEN et Yves SMEERS,
The Simplex algorithm extended to piecewise linearly constrained problems,
CORE DISCUSSION Paper 9119, Universit e Catholique de Louvain, 1991.
[6] EXCEL, Guide de lutilisateur, Microsoft, 1992.
[7] GIARD Vincent, Gestion de la production et des ux, 3` eme Edition, Econo-
mica, Paris, 2003.
[8] GUERET Christelle, Christian PRINS et Marc SEVAUX, Applications of
optimization with XPRESS-MP, Eyrolles, Paris, 2000.
[9] GUERRIEN Bernard, Initiation aux math ematiques, Economica, 1991.
[10] F.S. HILLIER et G.S. LIEBERMAN, Introduction to Operations Research,
6` eme edition, Mac Graw-Hill International Editions, Singapour, 1995.
[11] F.S. HILLIER, M.S. HILLIER et G.S. LIEBERMAN, Introduction to Mana-
gement Sciences, 1` ere edition, Mac Graw-Hill International Editions, Boston,
2000.
[12] G. JAVEL, Organisation et gestion de la production, MASSON, 1997.
[13] LACAZE Dominique, Optimisation appliqu ee ` a la gestion et ` a l economie,
Economica, 1990.
147
148 Bibliographie
[14] D. G. LUENBERGER, Linear and Nonlinear Programming, Addison Wes-
ley, 1984.
[15] J.O. MAC CLAIN, L.J. THOMAS et J.B. MAZZOLA, Operations Manage-
ment: Production of Goods and Services, Prentice Hall, 1992.
[16] NEMHAUSER, G.L. et L.A. WOLSEY, Integer and Combinatorial Optimi-
zation, Wiley, New York, 1988.
[17] Y. NORBERT, R. OUELLET et R. PARENT, La recherche op erationnelle,
Ga etan Morin Editeur, Montr eal-Paris, 1995.
[18] SIMMONARD Michel, La programmation lin eaire, Dunod 1972.
[19] D. TIXIER, D. MATHE, J. COLIN, La logistique dentreprise, Dunod, 1996.
[20] M.P. WILLIAMS, Model building in Mathematical Programming, John Wi-
ley, 1990.
[21] M.P. WILLIAMS, Model solving in Mathematical Programming, John Wiley,
1992.
[22] XPRESS-MP, User Guide and Reference Manual, Release 10, Dash Asso-
ciate, 1997.
Annexe A
Formulaire pour la logistique
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 poss ed e :
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) = g(t
S
) avec : t
S
=
S

X

si X N(, )
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(, )
149
150 Annexe A. Formulaire pour la logistique
Cons equences economiques du choix :
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
Co ut de gestion en univers certain :
C(q) = c
c
I
c
(q) +c
p
I
p
(q) = c
c
D
q
+c
p
q
2
avec I
c
(q) = nombre moyen de commandes par an;
I
p
(q) = stock moyen poss ed e;
D = demande annuelle;
q = quantit e command ee.
Niveau optimal de commande :
q

2c
c
D
c
p
avec c
p
, le co ut unitaire de possession durant un an en stock.
Point de commande :
s = DL
avec L = d elai dapprovisionnement, exprim e en ann ee.
Calcul du stock moyen poss ed e et du nombre moyen de commandes :
I
p
(q) =
q
2
et I
c
(q) =
D
q
Section A.2. La gestion par point de commande 151
Co ut de gestion en cas de demande al eatoire :
C(s, q) = c
c
I
c
(q) +c
p
I
p
(s, q) +c
r
I
r
(s, q)
La quantit e economique q est d etermin ee par :
q

2c
c
D
c
p
avec D =

X
Le point de commande s est d etermin e en utilisant la gestion calendaire pendant
le d elai dobtention L :
P(X
L
> s

) =
c

p
c
r
+c

p
/2
avec c

p
, le co ut unitaire de possession entre deux commandes :
c

p
= c
p
q

D
.
Dans le cas de la loi Poisson, le point de commande s est d etermin e par :
s

tel queP(X
L
> s

)
c

p
c
r
+
c

p
2
P(X
L
> s

1)
Cons equences economique du choix :
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 de commandes par an est d etermin e par :
I
c
(q) =
D
q
Le nombre moyen de ruptures par commande, not e I
c
r
, se calcule par la
formule de la gestion calendaire :
I
c
r
(s) = P(X
L
> s 1) sP(X
L
> s) si X
L
Poisson()
I
c
r
(s) = g(t
S
) avec t
S
=
s

X
L

L
si X
L
N(
L
,
L
)
152 Annexe A. Formulaire pour la logistique
Le nombre moyen de ventes manqu ees par an s el` eve donc ` a :
I
r
(s, q) = I
c
(q) I
c
r
(s)
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
,
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).
A.3 Les techniques de juste ` a temps
D etermination du nombre d etiquettes :
N
e

(1 +)C
u
T
r
+Q
e
k
avec C
u
= consommation du poste aval en unit es par minute;
Q
e
= taille economique des lots fabriqu es en amont;
k = la capacit e dun conteneur;
T
r
= temps de r eaction du syst` eme;
= marge de s ecurit e.
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 probabilit e P[Poisson() > x]
153
154 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
Donne la probabilit e P[Poisson() > x]
Section B.1. Table de la loi Poisson() 155

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
Donne la probabilit e P[Poisson() > x]
156 Annexe B. Tables pour la gestion de stocks

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
Donne la probabilit e P[Poisson() > x]
Section B.1. Table de la loi Poisson() 157

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
158 Annexe B. Tables pour la gestion de stocks
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 probabilit e P(Z > z
i
+z
j
)
Section B.3. Table pour le calcul de I
r
(S) 159
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
160 Annexe B. Tables pour la gestion de stocks
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
)]