Académique Documents
Professionnel Documents
Culture Documents
Gestion de la Production
Daniel DE WOLF
Introduction
1.1
Objectifs du cours . . . . . . . . . . . . . . . . . . . . . . . . .
1.2
1.3
1.3.1
1.3.2
1.3.3
1.3.4
1.4
1.5
Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
21
23
Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
2.2
2.3
2.2.1
Le diagramme de Gantt . . . . . . . . . . . . . . . . . . 24
2.2.2
La r`egle T.O.M. . . . . . . . . . . . . . . . . . . . . . . 25
2.3.2
2.4
2.5
4
2.6
3
35
3.1
Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
3.2
3.3
3.3.2
3.3.3
3.4
3.5
3.6
3.7
3.8
4
Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
3.7.1
3.7.2
Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57
59
4.1
Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . 59
4.2
4.3
4.4
4.5
4.4.1
Determination de q et s . . . . . . . . . . . . . . . . . . 65
4.4.2
Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 69
71
73
La planication de la production
5.1
Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . 73
5.2
5.3.2
5.4
5.5
Ajustement charge-capacite . . . . . . . . . . . . . . . . . . . . 86
5.6
Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 89
91
6.1
6.2
6.3
6.4
6.5
6.2.1
6.2.2
La rationalisation de la production . . . . . . . . . . . . . 93
6.3.2
La methode Kanban . . . . . . . . . . . . . . . . . . . . . . . . 95
6.4.1
6.4.2
Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 99
101
103
Lordonnancement de projets
7.1
Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . 103
7.2
7.3
7.4
7.5
7.6
7.7
7.8
6
7.9
123
8.1
Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . 123
8.2
8.2.2
8.2.3
8.3
8.4
8.5
8.6
Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 145
147
149
La programmation dynamique.
9.1
Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . 149
9.2
9.3
9.4
9.5
9.6
9.4.1
9.4.2
9.5.2
9.5.3
Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 163
10 La programmation lineaire.
165
179
189
205
A.4 Equilibrage
dune chane de production . . . . . . . . . . . . . . 208
A.5 Calcul dannuites
. . . . . . . . . . . . . . . . . . . . . . . . . 208
209
217
Chapitre 1
Introduction
1.1
Objectifs du cours
Chapitre 1. Introduction
10
1.2
Comme lindique Vincent Giard [4] dans son ouvrage, pour pouvoir donner une
denition de la gestion de production, il faut dabord denir ce que lon entend
par la production. La production consiste en une transformation de ressources
(humaines ou materielles) en vue de la creation de biens ou services :
La production dun bien seffectue par une succession doperations consommant des ressources et transformant les caracteristiques de la mati`ere. Un
exemple classique est la production de voitures.
La production dun service seffectue par une succession doperations consommant des ressources sans quil ny ait necessairement transformation
de mati`ere. Des exemples classiques sont la mise a` disposition de produits
aux consommateurs (la vente), le traitement de dossier (par un notaire), la
maintenance dequipements.
On peut alors denir la gestion de production comme suit.
Denition 1.1 La gestion de la production consiste en la recherche dune organisation efcace de la production des biens et services.
La gestion de production consiste donc a` lobtention dun produit donne dont les
caracteristiques sont connues en mettant en uvre un minimum de ressources.
En gestion de production, on considerera, generalement, comme donnees les caracteristiques du produit que sont :
la denition du produit;
le processus de fabrication;
la demande a` satisfaire.
Ces trois caracteristiques du produit rel`event des sciences de lingenieur et de la
gestion commerciale. Nous verrons cependant au chapitre 7 la gestion de projets
qui est souvent utilisee pour optimiser le processus de conception dun nouveau
produit. Nous verrons aussi au chapitre 8 comment optimiser le processus de
fabrication.
Les outils de la gestion de la production sont un ensemble de techniques
danalyse et de resolution des probl`emes de mani`ere a` produire au moindre cout.
Nous verrons dans ce cours un certain nombre de probl`emes types rencontres en
gestion de production. Pour situer ces differents probl`emes entre eux, on classie
souvent les decisions de gestion en trois classes :
11
Chapitre 1. Introduction
12
1.3
1.3.1
Denition 1.2 La production de type serie unitaire est une production mobilisant sur une periode assez longue lessentiel des ressources dune entreprise pour
realiser un nombre tr`es limite de projets.
Comme exemples, on peut citer la construction de navires de grande taille (qui
se font, le plus souvent, en quelques exemplaires), les grands travaux publics (tel
que le creusement du tunnel sous la manche ou la construction dun pont suspendu).
En ce qui concerne les ressources mobilisees, on fait le plus souvent appel a`
un personnel hautement qualie vu le caract`ere non repetitif des taches.
En ce qui concerne le probl`eme dordonnancement, le probl`eme majeur est
larbitrage entre la recherche dun cout competitif et le respect des delais. En effet,
dune part, les commandes seront rapidement honorees si beaucoup de ressources
sont mises en uvre. Mais, dautre part, le cout des ressources est generalement
croissant avec leur niveau dutilisation : la location de machines supplementaires
et lengagement dinterimaires coutent generalement plus cher que lutilisation des
ressources propres de lentreprise (cfr le chapitre 7 consacre a` lordonnancement
de projets).
Dans les deux cas, lordonnancement des taches, cest-`a-dire la determination
de lordre dexecution des taches) est essentiel. En effet, non seulement lordre
dexecution des taches determine la date de livraison, mais, comme nous le verrons
au chapitre 7, il inuence les couts dans la mesure o`u une mauvaise coordination
saccompagne souvent de chomage technique pour certaines ressources et du paiement de penalites pour non respect des delais.
1.3.2
13
1.3.3
Chapitre 1. Introduction
14
1.3.4
1.4
PROD2
600
PROD3
350
PROD4
400
PROD5
200
Etape
1
12
Etape 2
10
Etape
3
20
PROD2
20
8
20
PROD3
0
16
20
PROD4
25
0
20
PROD5
15
0
20
15
Etape
2 2 machines
16
6
8
6
Etape
3 8 personnes
Tableau 1.3: Ressources en facteurs
troisi`eme ne necessite que lintervention de main duvre. En ce qui concerne les
deux premi`eres e tapes, 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 8 heures par jour et, au maximum, 6 jours par semaine.
La question que se pose le gestionnaire de lusine est la suivante. Quelles sont
les quantites a` fabriquer de chaque produit pour maximiser le prot net ?
La construction dun mod`ele est, en general, une operation en trois e tapes :
1. le choix des variables de decisions,
2. lexpression de lobjectif en fonction de ces variables,
3. lexpression des contraintes en fonction de ces variables.
La premi`ere e tape consiste donc a` denir les variables de decision.
Denition 1.6 On appelle variable de decision toute quantite utile a` la resolution
du probl`eme dont le mod`ele determine la valeur.
Generalement, elles sont notees par les lettres de la n de lalphabet (x, y, z, etc...).
Ici, on note simplement par xi , la quantite du produit i fabriquee par semaine, i
allant de un a` cinq.
Une premi`ere remarque importante simpose. Il est fondamental de bien
preciser les unites selon lesquelles sont exprimees les variables. En effet, lordre
de grandeur des coefcients de lobjectif et des contraintes depend de ces unites.
La deuxi`eme e tape consiste en la formulation de lobjectif.
Denition 1.7 Lobjectif est la quantite que lon veut minimiser ou maximiser.
Ici, il sagit de la somme des contributions de chacune des productions au prot
net de lusine. Elle sexprime simplement par :
max z = 550x1 + 600x2 + 350x3 + 400x4 + 200x5
La troisi`eme e tape consiste en la formulation des contraintes.
Chapitre 1. Introduction
16
Denition 1.8 Les contraintes sont toutes les relations entre les variables qui
limitent les valeurs possibles que peuvent prendre ces variables.
La premi`ere concerne la limite dutilisation des machines a` letape 1. Il y
a trois machines, utilisees 16 heures par jour et, au maximum, six jours par
semaine, ce qui donne un nombre maximum dheures par semaine1 :
3 (2 8) 6 = 288 heures disponibles.
Une unite de produit 1 demande 12 heures sur machine a` letape 1. Si x1
unites de produit 1 sont produites par semaine, cela demande 12 x1 heures
sur la machine 1. Par un raisonnement semblable pour les autres produits,
on obtient nalement la contrainte :
12x1 + 20x2 + 0x3 + 25x4 + 15x5 288.
La deuxi`eme contrainte concerne la limite dutilisation des machines a` la
deuxi`eme e tape. Le nombre maximum dheures dutilisation vaut :
2 (2 8) 6 = 192 heures,
et la contrainte sexprime comme :
10x1 + 8x2 + 16x3 + 0x4 + 0x5 192.
La troisi`eme contrainte concerne la limite dutilisation du personnel a` la
troisi`eme e tape. Le nombre maximum dheures prestees en une semaine par
les 8 personnes est de :
8 (1 8) 6 = 384 heures.
Et donc la contrainte sexprime comme :
20x1 + 20x2 + 20x3 + 20x4 + 20x5 384.
Enn, il ne faut pas oublier les contraintes, presque toujours presentes, disant
que lon ne peut pas produire des quantites negatives :
x1 , x2 , . . .x5 0.
1
1.5
17
Exercices
Marches
New York
Offre
Chicago Topeka
Seattle
2.5
1.7
1.8
350
San Diego
2.5
1.8
1.4
600
Demande
325
300
275
Chapitre 1. Introduction
18
180 000
55 000
62
400 000
85 000
64
190 000
50 000
55
390 000
100 000
59
20 30 10 15
20
19
745 850
1.4. Equilibrage
du chargement dun navire. Le capitaine dun cargo cerealier
doit assurer lequilibrage du chargement des 4 soutes de son navire pour lui
conserver toutes ses qualites en haute mer. Les soutes vont de la soute avant
A a` la soute arri`ere D en passant par les 2 soutes medianes B et C. Leurs
capacites sont donnees ci-dessous :
Soute Capacite Volume
(tonnes)
(m3 )
3 600
20 000
4 300
30 000
4 500
31 000
3 300
18 000
La bonne tenue en mer de son navire lui impose de charger dans la soute A
un tonnage de cereales compris dans la fourchette qui va de 90 % a` 110 %
du tonnage charge dans la soute D. Le tonnage dans chacune des soutes B et
C doit e tre dau moins 30 % superieur au tonnage dans la soute A et de 25
% superieur au tonnage dans la soute D; la moitie de la somme des tonnages
charges dans les soutes B et C doit e tre au plus e gale a` la somme des tonnages
charges dans les soutes A et D. Larmateur propose au capitaine deffectuer
Chapitre 1. Introduction
20
Nombre de
de tonne
m3 par tonne
transportee
6 000
6,5
7,00 EURO
4 400
4,7
6,50 EURO
3 200
3,0
6,25 EURO
2 100
5,4
7,20 EURO
Partie I
Les decisions operationnelles
21
Chapitre 2
Ordonnancement en ateliers specialises
2.1
Introduction
23
24
2.2
Illustrons le probl`eme sur lexemple suivant tire de Giard [4]. On a cinq taches
a` effectuer sur la machine A. Le tableau 2.1 presente les differentes taches ainsi
que leurs temps operatoires. Il sagit de determiner lordre dans lequel on va
Tache (i)
1
2
Temps operatoire (ti ) 50 150
3
80
4
5
200 30
3 4
1 5
50 30
5
2
150
2.2.1
Le diagramme de Gantt
1 5
5
2
temps
(heures)
Z
machine A
0,8
5,1
25
En effet, une ligne horizontale illustre levolution du temps. Ensuite, pour chaque
moyen productif (ici, il y a seulement la machine A), on trace une ligne horizontale en dessous de la ligne du temps. Chaque tache a` effectuer sur la machine
est representee par un segment dont la longueur est proportionnelle a` la duree
dexecution de la tache. On indiquera le numero de la tache au dessus du segment
tandis quune machine au repos est indiquee 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 tache est occupee chacune
des machines. Un tableau mural peut e tre ainsi dun grand recours pour les agents
de matrise responsable de laffectation des moyens humains et materiels.
2.2.2
La r`egle T.O.M.
Comme nous lavons indique plus haut, tous les ordonnancements possibles conduisent au meme temps total dexecution des taches. Dans lexemple, lexecution
des 5 taches necessite 510 centi`emes dheure. La question qui se pose est alors :
comment choisir parmi les n! ordonnancements possibles ?
Notons Aj le temps dach`evement de la tache programmee en position j. Le
temps dach`evement dune tache est la somme des temps dexecution de la tache
avec ceux des taches precedentes. Par exemple,
A4 = T1 + T2 + T3 + T4
Le calcul des differents temps dach`evement des taches est repris au tableau 2.3.
Ordre (j)
Tj
80
200
50
30
150
Aj
80
+(T1 + T2 + T3 + T4 ) + (T1 + T2 + T3 + T4 + T5 )]
1
=
(5T1 + 4T2 + 3T3 + 2T4 + T5 )
5
26
Il sagit donc dune somme ponderee des temps operatoires, chaque temps operatoire e tant pondere par un facteur dautant plus grand quil se trouve execute plus
tot dans lordonnancement. La r`egle dordonnancement qui minimise le temps dach`evement moyen est celle du temps operatoire minimum : il sagit dexecuter
les taches par ordre croissant de duree :
T1 T2 . . . Tj . . . Tn
Lapplication de cette r`egle donne lordonnancement illustre au tableau 2.4. Cette
application donne le temps dach`evement moyen minimum :
A = 218.
Ordre (j)
Taches (i) 5
Tj
30
Aj
30
1
3
50 80
80 160
2
4
150 200
310 510
2.3
Chaque tache necessite pour son execution le passage sur deux machines : les
machines A et B. Soient tiA et tiB , les temps dexecution de la tache i sur les
machines A et B respectivement. On va utiliser comme crit`ere dordonnancement
la minimisation du temps total dexecution des taches sur les deux machines. On
va distinguer deux cas :
le cas o`u toutes les taches sont a` executer sur A puis B;
le cas o`u toutes les taches nont pas le meme ordre de passage sur les deux
machines.
2.3.1
Supposons donc que cinq taches soient a` executer sur les machines A puis B. Les
temps operatoires (en centi`emes dheure) sont repris au tableau 2.5.
27
50 150 80 200 30
60 50 150 70 200
machine A
5
machine B
1,6
0,3 0,8
1
2,3 2,9
3
4,4
3,6
4
5,1 5,6
5 temps
(heures)
28
2.3.2
Dans ce cas plus general, certaines taches ne necessitent que le passage sur une
machine, dautres sur les deux dans un ordre ou lautre. Les donnees numeriques
sont reprises au tableau 2.6.
Taches a` effectuer sur A puis B
Taches (i)
tiA
50 80
10
50 30 70
tiB
30 60
30
6
0
10 11
tiB
90 20
10
40 10
tiA
70 30
100
29
2
10
98
machine B
10 30
90
140 170
11 10
120 130
3
170 200
220
290
8
390 420
7
490
260 290
2.4
Lalgorithme de Johnson ne sapplique quen presence de deux machines. Cependant, le cas de trois machines peut se ramener au cas de deux machines si la machine
B est compl`etement dominee par la machine A ou par la machine C, cest-`a-dire
si lon se trouve dans le cas o`u
minimum tiA maximum tiB ,
soit dans le cas o`u
minimum tiC maximum tiB .
Illustrons ceci sur lexemple du tableau 2.7. o`u lon constate que :
minimum tiA = 12 = maximum tiB .
On est donc bien dans les conditions dapplication e noncees ci-dessus. Remarquez
quil suft quune des deux conditions soit veriee. Ainsi dans lexemple, la
seconde condition nest pas veriee et lalgorithme sapplique bien.
30
taches
1
Assemblage 20
Inspection
4
Expedition 7
2 3
12 19
1 9
11 4
4 5 6 7
16 14 12 17
12 5 7 8
18 18 3 6
3 4 5
6 7
28 28 19 19 25
13 30 23 10 14
3
7
4 5
3 2
6 7
1 6
Assemblage
Z
4 Z 7
2 Z
1Z 6
Inspection
Z
Z 3 2
Z 1 Z 6
Expdition
14
19
2.5
31
32
taches tiA
1
50
2
89
3
7
4
8
5
61
6
1
tiB
43
99
47
64
19
80
tiC
15
95
20
12
65
66
tiD
4
77
98
94
14
78
2.6
33
Exercices
C2
C3
C4
C5
2 jours
J4 J5
0 10
10 15
B AB
J6 J 7
10 50
18 40
AB BA
34
2.3. Planication de m taches sur n centres de production. La charcuterie industrielle Detry doit planier 6 lots de jambons. Pour chacun des 6 lots, trois
operations doivent e tre executees dans un ordre determine : La preparation
(centre de production A), puis la cuisson (centre de production B), enn le
Chapitre 3
La gestion calendaire de stock
3.1
Introduction
Comme le souligne Giard [4], une production sans stock est quasi inconcevable
vu les nombreuses fonctions que remplissent les stocks. En effet, la constitution
de stocks est necessaire sil y a :
1. non 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
supermarches pour la non concidence dans lespace.
2. incertitude sur le niveau de demande ou sur le prix : sil y a incertitude
sur la quantite demandee, on va constituer un stock de securite qui permet
de faire face a` une pointe de demande. Sil y a incertitude sur le prix, on va
constituer un stock de speculation. Par exemple, les compagnies petroli`eres
ach`etent plus que necessaire en petrole brut lorsque le prix de celui-ci est
relativement bas.
3. risque de probl`emes en chane : il sagit ici deviter quune panne a` un poste
ne se repercute sur toute la chane : un retard dexecution au poste precedent
ou une gr`eve des transports narretera pas immediatement lensemble du
processus de production sil y a des stocks tampons.
4. presence de couts
de lancement : dans ce cas, travailler par lots permet une
e conomie dechelle sur les couts de lancement mais, en revanche, provoque
une augmentation des couts de possession du stock.
La gestion des stocks pose cependant de multiples probl`emes : tenue dinventaires, valorisation du stock, denition des capacites de stockage et enn, disponibilite satisfaisante du stock. Nous allons nous concentrer sur ce dernier aspect.
35
36
3.2
Les politiques de gestion de stock visent a` repondre aux deux grandes questions :
1. Quand declencher lapprovisionnement du stock? La reponse a` cette question est differente suivant la politique de gestion adoptee :
En gestion de stock par point de commande, lapprovisionnement du
stock est declenche lorsque lon observe que le stock descend en dessous dun niveau s, le point de commande.
En gestion calendaire, lapprovisionnement du stock est declenche a`
intervalles reguliers T , par exemple, chaque jour ou chaque semaine.
En gestion calendaire conditionnelle, lapprovisionnement du stock
est declenche a` intervalles reguliers T , mais uniquement lorsque lon
observe que le stock descend en dessous dun niveau s, le point de
commande.
2. Combien commander ? La reponse a` la question Combien ? depend
e galement du type de gestion de stock appliquee :
En cas de gestion par point de commande, on commande une quantite
xe, notee q et appelee quantite e conomique de commande. Comme
nous le verrons au chapitre 4, sa determination resulte dun calcul
doptimisation.
En cas de gestion calendaire de stock, la quantite commandee est e gale
a` la difference entre S, le niveau de recompl`etement du stock et le stock
residuel observe R, pour autant que le produit puisse rester en stock
(cas de produits non perissables). Cette quantite peut e galement e tre
augmentee de la valeur des quantites non satisfaites lors de la periode
precedente, pour autant que le client maintienne sa demande.
Nous allons nous attacher a` deux politiques particuli`eres :
La politique de gestion calendaire des stocks, notee (T, S) avec T lintervalle entre deux commandes et S, le niveau de recompl`etement du stock.
La politique de gestion par point de commande, quantite e conomique
de commande, notee (q, s) avec q, la quantite e conomique a` commander
reguli`erement et s, le point de commande qui declenche lapprovisionnement
du stock.
3.3
37
Les couts
associes aux stocks
Un stock est constitue pour satisfaire une demande future. En cas de demande
aleatoire, il peut y avoir non concidence entre la demande et le stock. Deux cas
sont e videmment possibles :
une demande superieure au stock : on parle alors de rupture de stock;
une demande inferieure au stock : on aura alors un stock residuel.
Le crit`ere de gestion generalement retenu en gestion des stocks est celui de
la minimisation des couts.
3.3.1
Les couts
de possession
Les couts
de possession comprennent :
1. les couts de detention dun article en stock durant une certaine periode en
fonction des conditions nanci`eres dacquisition et des e ventuelles conditions de reprise.
2. les couts de stockage qui sont les depenses de logistique, de conservation du
stock.
38
Comme signale plus haut, en presence dune demande aleatoire, il peut y avoir
non concidence du stock et de la demande, et donc une rupture ou un stock
residuel. Les consequences de ce stock residuel seront bien differentes selon que
lon se trouve dans
le cas du stock a` rotation nulle, cest-`a-dire lorsque le stock residuel est
sans utilite pour lentreprise. Ceci se presente notamment :
en cas dobsolescence technique ou commerciale : par exemple, les
vetements de mode, . . .
en cas o`u la consommation a un delai maximum : par exemple, les
primeurs, les journaux, . . .
Dans ce cas, le cout
de possession dun article se calcule comme le cout
dacquisition de larticle moins la valeur de recuperation (solde).
Prenons un exemple. Un quotidien achete 0,9 euro par le libraire et dont
linvendu est repris 0,75 euro par le grossiste : le cout de possession est de
cp = 0, 9 0, 75 = 0, 15 euro.
le cas du stock a` rotation non nulle, cest-`a-dire lorsque linvendu peut e tre
vendu a` une periode ulterieure. Cest lexemple des botes de conserves en
e picerie non vendues une periode qui le seront aux periodes suivantes.
Dans ce cas, le cout
de possession lie a` limmobilisation du capital. En
gelant la somme dargent correspondant au cout dachat de larticle invendu,
la societe se prive du revenu dun placement nancier quelle aurait pu
realiser. Ce cout est appele cout dopportunite. Le taux dopportunite est
la rentabilite du meilleur investissement que lentreprise aurait pu faire.
Prenons un exemple. Si le taux dopportunite est de 6 % lan, une bote de
conserves achetee 1,20 euro et restant en rayon un mois entier a coute
cp = 1, 20 6% 1/12 = 0, 006 euro.
Lautre partie du cout de possession concerne les couts
de stockage. Ces couts
de stockage, comprennent, en general des frais xes, tels que le cout de location
dentrepots, ainsi que des frais variables, tels que le cout de manutention. Le
cout
unitaire de stockage que lon doit prendre en consideration dans la fonction
objectif est le cout moyen de lensemble de ces frais. Malheureusement, ce ce cout
moyen depend du volume dactivite et ne peut donc pas e tre considere comme une
constante. Cette difculte fait que souvent on ninclut pas de cout
de stockage
dans le cout
de possession et le cout de possession se reduit donc au seul cout
dimmobilisation du capital.
3.3.2
39
Les couts
de rupture
3.3.3
Les couts
de commande
A nouveau, il faut ici distinguer le cas dune demande interne et celui dune
demande externe :
En cas de stock de fabrication, le cout de commande est le cout de lancement
de la production. Il sagit du reglage des machines, etc . . . Normalement,
ce cout est independant de la quantite fabriquee.
En cas de stock dapprovisionnement, le cout de commande est le cout
administratif de gestion de la commande : e tablissement dun bordereau,
controle de livraison, liquidation comptable,. . . . Normalement, ce cout est
e galement independant de la quantite commandee.
40
3.4
Pour rappel, on se trouve dans le cas dun stock a` rotation nulle lorsquil ny a
pas de report possible des invendus aux periodes suivantes.
On va ici determiner le niveau initial du stock S, qui est donc ici la variable
de commande. En effet, la periode de revision calendaire, cest-`a-dire lintervalle
entre deux approvisionnements, note T est generalement xe par la nature de
lapprovisionnement. Par exemple, un patissier met en fabrication des gateaux
chaque jour. Le libraire commande des journaux chaque jour, des periodiques
chaque semaine ou chaque mois.
Nous allons illustrer les choses sur lexemple du patissier tire de Giard [4]
qui est un exemple o`u la demande suit une loi de probabilite discr`ete. Supposons
un cout de fabrication de 25 euro lunite et un prix de vente de 60 euro lunite.
Supposons que la demande quotidienne de ce gateau 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 3.1: Distribution de la loi de Poisson.
tableau 3.1 reprend la distribution de probabilite du nombre X de clients par jour
pour ce produit. Dans ce tableau, x indique une valeur possible de la demande et
P (X = x) indique la probabilite doccurrence de cette valeur. Ainsi on a 8,21 %
de chance dobserver aucun client un jour donne. Les invendus sont donnes.
La question que se pose le patissier est la suivante : combien mettre de gateaux
en fabrication chaque jour pour maximiser son benece ?
Le cout de possession, cp , lie a` linvendu en n de journee est 25 euro, cesta` -dire le cout de production. Tandis que le cout de rupture, cr , lie a` une vente
manquee est e gal a` la marge, cest-`a-dire :
cr = 60 25 = 35 euros.
On doit determiner S, le stock initial, de mani`ere a` minimiser :
C(S) = cp Ip (S) + cr Ir (S) = 25Ip (S) + 35Ir (S).
avec Ip (S), le stock moyen residuel en n de journee et Ir (S), nombre moyen de
ruptures sur la journee.
41
Avant de voir comment determiner, en general, le stock initial S qui minimise le cout moyen C(S), voyons sur lexemple comment on peut calculer
numeriquement ce minimum.
Nous allons dabord calculer Ir (S), le nombre moyen de ruptures. Au tableau
3.2, on calcule explicitement le nombre de ruptures en fonction du stock initial
(S) et de la demande observee (x) : bien e videmment, 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 ponderee de ce nombre par la
probabilite dobserver x. Ceci est fait en derni`ere ligne du tableau 3.2.
x
0
1
2
3
4
5
6
7
8
9
Nous allons ensuite calculer Ip (S), le stock moyen possede. Au tableau 3.3,
on calcule explicitement le stock possede en fonction du stock initial (S) et de
la demande observee (x) : bien e videmment, ce stock nal possede est la partie
positive de (S x). Pour calculer le stock moyen possede, il suft, pour chaque
valeur de S de faire la moyenne ponderee de ce nombre par la probabilite dobserver
x. Ceci est fait en derni`ere ligne du tableau 3.3.
Enn, nous calculons le cout moyen de possession du stock en appliquant la
formule suivante :
C(S) = 35Ir (S) + 25Ip (S)
Ceci est fait au tableau 3.4. On constate (voir gure 3.1) que le cout minimum est
obtenu pour
S = 3.
42
x
0
1
2
3
4
5
6
7
8
9
100
80
60
40
20
0
0
S = 3
43
En cas de cout convexe (on peut verier que le cout est bien une fonction
convexe de S), le stock optimal S est celui pour lequel le cout de gestion C(S )
est inferieur a` celui des stocks immediatement inferieur ou superieur :
ou encore
C(S ) C(S + 1)
C(S ) C(S 1)
C(S + 1) C(S ) 0
C(S ) C(S 1) 0
(3.1)
Remarquez que les conditions (3.1) sont lequivalent pour une fonction continue
de dire que la derivee premi`ere doit e tre negative avant S et positive apr`es S . On
va donc e tudier levolution de la difference de cout de stocks successifs :
C(S + 1) C(S).
Letude de C(S + 1) C(S) passe par celle de Ir (S + 1) Ir (S), car, comme
nous allons le voir, on peut exprimer cette variation de cout en fonction de la seule
variation de rupture moyenne. On va donc e tudier Ir (S + 1) Ir (S). Calculons,
par exemple, la rupture moyenne Ir (S = 4) associee au stock initial S = 4. On
doit donc calculer lesperance mathematique de X 4 pour des valeurs de X
superieures a` 4 :
Ir (S = 4) =
(x 4)P (X = x)
x=5
(x 5)P (X = x)
x=6
En general :
Ir (S) =
(x S)P (X = x)
x=S+1
x=5
x=5
(x 4)P (X = x)
(x 4)P (X = x)
x=6
x=5
1 P (X = x)
x=5
= P (X > 4)
(x 5)P (X = x)
(x 5)P (X = x)
44
(3.2)
Il est facile de montrer que ceci est vrai quelle que soit la forme la distribution de
probabilite 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 annonce plus haut, il est possible de ramener la fonction de cout comme
une fonction de la seule variable detat Ir (S). Pour cela, nous allons e tablir la
relation entre Ir (S) et Ip (S).
Le stock moyen sur lequel porte le cout de possession est le stock moyen
observe en n de periode qui correspond donc a` linvendu. On observera un stock
residuel si la demande observee x est inferieure a` S, le stock initial. Son niveau
moyen est calcule par lesperance mathematique suivante :
Ip (S) =
=
S1
(S x)P (X = x) =
x=0
(S x)P (X = x)
x=0
= S
S
(S x)P (X = x)
x=0
(S x)P (X = x)
x=S+1
P (X = x)
x=0
xP (X = x) +
x=0
(x S)P (X = x)
x=S+1
+ Ir (S)
= SX
note la moyenne de la demande X. Do`u la relation entre Ip et Ir :
o`u X
+ Ir (S)
Ip (S) = S X
(3.3)
qui peut sinterpreter en disant que le stock moyen residuel Ip (S) est e gal au stock
Ir (S)).
de depart S diminue de la demande moyenne satisfaite (X
La consequence de la relation (3.3) est que lon peut exprimer le cout total
C(S) en fonction du seul cout de rupture Ir :
+ Ir (S)
C(S) = cr Ir (S) + cp Ip (S) = cr Ir (S) + cp S X
Do`u lexpression de C(S) :
+ (cr + cp )Ir (S)
C(S) = cp (S X)
(3.4)
45
Revenons maintenant au probl`eme de la determination de la solution optimale, cest-`a-dire au stock initial S qui minimise :
+ (cr + cp )Ir (S)
C(S) = cp (S X)
On a donc que :
+ (cr + cp )Ir (S + 1)
C(S + 1) C(S) = cp (S + 1 X)
(cr + cp )Ir (S)
cp (S X)
= cp + (cr + cp )(Ir (S + 1) Ir (S))
Compte tenu de la relation (3.2) :
C(S + 1) C(S) = cp (cr + cp )P (X > S)
Les conditions doptimalite (3.1) deviennent ici :
cp (cp + cr )P (X > S )
cp (cp + cr )P (X > S 1) 0
ou encore S optimal si :
P (X > S )
cp
P (X > S 1)
cp + cr
(3.5)
S = 3.
On en conclut quil est optimal de produire chaque matin 3 gateaux, soit la solution
dej`a determinee numeriquement.
46
3.5
Nous allons e galement illustrer ce cas sur un exemple e galement tire de Giard [4].
Considerons un marchand de journaux qui vent un quotidien a` 3,5 euro lunite, qui
lui-meme lacqui`ere a` 2,8 euro aupr`es de son grossiste qui lui reprend les invendus
au prix de 2,6 euro lunite.
Le cout de rupture, cr , est lie a` linvendu et vaut donc la marge beneciaire :
cr = 3, 5 2, 8 = 0, 7 euro
tandis que le cout de possession, cp , vaut la perte enregistree par invendu, cest-`adire
cp = 2, 8 2, 6 = 0, 2 euro.
On suppose que la demande quotidienne suit approximativement une loi nor = 300 et decart type = 20. La question qui se pose
male de moyenne X
est la suivante : quel est le nombre dexemplaires a` commander S de mani`ere a`
minimiser le cout de gestion :
C(S) = cp Ip (S) + cr Ir (S)
Le cout de gestion secrit dans le cas dune loi continue de la mani`ere suivante :
S
C(S) = cp
x=0
(S x)f (x)dx + cr
x=S
(x S)f (x)dx
Ip (S) =
=
(S x)f (x)dx
0
0
(S x)f (x)dx
+
= SX
S
S
(S x)f (x)dx
(x S)f (x)dx
+ Ir (S)
= SX
On en deduit a` nouveau lexpression de C(S) en fonction du seul Ir (S) :
+ (cp + cr )Ir (S)
C(S) = cp (S X)
47
(3.6)
cp
cr + cp
(3.7)
Cet optimum est un minimum car la derivee seconde de C(S) est positive. En
effet, la derivee de P (X > S) par rapport a` S est clairement negative.
Appliquons ceci au cas de lexemple :
P (X > S ) =
cp
0, 2
=
= 0, 2222
cr + cp
0, 7 + 0, 2
S 300
X
>
= 0, 2222
20
S 300
= 0, 765
20
S = 315, 3 315.
48
3.6
La rupture de stock
Dans le cas (discret) de la production de gateau, le calcul de Ir (s) seffectue comme
suit :
Ir (S) =
(x S)P (X = x)
x>S
xP (X = x) S
x>S
P (X = x)
x>S
Do`u nalement :
Ir (S) =
xP (X = x) SP (x > S)
x>S
Le premier terme correspond a` un calcul tronque de la moyenne. Pour la distribution de Poisson de param`etre , on montre que :
xP (X = x) = P (X > S 1)
x>S
(3.8)
S
S
S
(x S)f (x)dx
xf (x)dx S
f (x)dx
xf (x)dx SP (x > S)
49
SX
etS /2
et f (tS ) =
tS =
2
Appliquons ceci aux donnees numeriques de lexemple pour lequel
ts =
315 300
= 0, 75.
20
Ir (S) .
Ip (S) = S X
50
Le cout
moyen
(3.9)
Donnons quelques explications sur cette formule. Deux cas sont possibles quant
aux ventes manquees (aux ruptures de ventes) :
Soit les ventes manquees sont perdues, et dans ce cas, le cout de rupture est
la marge beneciaire. La formule (3.9) devient dans ce cas :
cr Ir (S) cp Ip (S)
B(S) = cr X
Ir (S)) cp Ip (S)
= cr (X
Le benece net est donc la marge beneciaire sur les ventes realisees moins
le cout des invendus.
Soit les ventes manquees sont differees, et dans ce cas, la marge beneciaire
ce qui justie disera realisee sur lensemble de la demande exprimee X,
rectement la formule (3.9) .
Lapplication de cette relation a` lexemple numerique du patissier donne :
C(S) = 35 2, 5 37, 30 = 50, 20 euros.
B(S) = mu X
tandis que pour le marchand de journaux, elle donne :
C(S) = 0, 7 300 5, 36 = 204, 64 euros.
B(S) = mu X
Nous allons maintenant passer au cas de stock a` rotation non nulle.
3.7
51
Pour rappel, on parle de stocks a` rotation non nulle lorsque les invendus dune
periode seront vendus aux periodes suivantes. Cest de loin le cas le plus repandu.
La variable de commande du syst`eme est ici S, le niveau de recompl`etement,
cest-`a-dire le niveau du stock que lon cherche a` retrouver periodiquement. Remarquons une difference fondamentale avec le cas de stocks a` rotation nulle. En
effet, la commande a` passer pour un approvisionnement en debut de periode nest
plus xe. Deux cas sont possibles :
Il reste un stock residuel positif : dans ce cas, on commande la difference
entre S et le stock residuel;
Le stock residuel est nul : dans ce cas, on commande S augmente des
demandes non satisfaites de la periode precedente qui ont pu e tre reportees.
Pour illustrer le processus de determination de S , le niveau optimal de recompl`etement, cest-`a-dire celui qui minimise le cout :
C(S) = cp Ip (S) + cr Ir (S),
nous considerons lexemple suivant de la ventes dampoules declairage tire de
Giard [4].
On suppose que la demande hebdomadaire dampoules de 60 Watt suit une loi
normale de moyenne 300 et decart type 20. Le reapprovisionnement se fait en
debut de semaine chez le grossiste au prix dachat de 3 euro lunite. Les ampoules
sont vendues au prix de 3,5 euro lunite. On suppose un taux dopportunite annuel
de 20 %.
Do`u un cout de possession annuel par ampoule en stock de :
3 0, 2 = 0, 6 euro.
Pour arriver a` un cout 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 :
cp = 0, 6/52 = 0, 01154 euro.
Remarquons qu`a la difference du cas de stock a` rotation nulle, la perte liee a` une
ampoule en stock nest plus son prix dachat mais la perte nanci`ere due au gel en
stock de son prix dachat.
52
x = 10
T = 5 jours
320 + 10
S + (S x)
=
2
2
S + (S x)
2
(3.10)
53
app
rox
im
ati
on
x = 350
s=0
S = 30
T = 5 jours
S
320
= 4, 57 jours =
70
x/T
0, 43
320 320
SS
320 4, 57
+0
=
=
2 5
5
2 350
2x
En general :
SS
2x
Cette formule donne une solution analytique au probl`eme de la determination
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
periode (voir gure 3.3) permet deffectuer des calculs simplies. Sous cette
hypoth`ese, le stock varie entre S et 0 et donc :
Si x > S : Ip (S) =
Si x > S : Ip (S) =
S
2
(3.11)
54
3.7.1
Ip (S) =
(
0
S Sx
S
f (x)dx
+
)f (x)dx +
2
2
2 S
Tandis que le nombre moyen de ruptures, Ir (S), peut se calculer comme lintegrale :
Ir (S) =
S
(x S)f (x)dx
Ip (S) =
=
=
=
S Sx
S
( +
f (x)dx
)f (x)dx +
2
2
2 S
0
S
1
S
f (x)dx +
(S x)f (x)dx
2 0
2 0
S 1
(S x)f (x)dx
(S x)f (x)dx
+
2 2 0
S
S S X
Ir (S)
+
+
2
2
2
2
X
Ir (S)
+
2
2
(3.12)
X
Ir (S)
+
] + cr Ir (S)
2
2
Do`u nalement :
C(S) = cp (S
X
cp
) + (cr + )Ir (S)
2
2
Dans le cas dune loi de demande continue, il suft dannuler la derivee premi`ere
dC(S)
cp dIr (S)
cp
= cp + (cr + )
= cp + (cr + ) [P (X > S )] = 0
dS
2
dS
2
55
do`u
P (X > S ) =
cp
cr +
cp
2
(3.13)
Appliquons ceci aux donnees numeriques de notre exemple de ventes dampoules e lectriques. Par la relation (3.13) :
P (X > S ) =
0, 01154
= 2, 28%
0, 5 + 0, 01154/2
S 300
20
X
Ir (S )
+
2
2
300 0, 168
+
= 190, 08
= 340
2
2
Ip (S ) = S
56
3.7.2
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 possede se calcule dans le cas discret comme suit :
Ip (S) =
=
S1
0
S1
0
x
S
(S )P (X = x) +
P (X = x)
2
S 2
S
x
(S )P (X = x) + P (X S)
2
2
S1
0
S S x
S
P (X = x)
+ )P (X = x) +
2
2
2
2 S
S
1
[S + (S x)P (X = x)]
2
0
1
S 1
(S x)P (X = x)
(S x)P (X = x)
+
=
2 2 0
2 S
X
Ir (S)
+
2
2
cest-`a-dire exactement la meme formule que dans le cas continu.
Ip (S) = S
(3.14)
Ir (S)
X
= cp [S
+
] + cr Ir (S)
2
2
cp
X
= cp (S ) + (cr + )Ir (S)
2
2
Par des calculs analogues a` ceux du cas de la rotation nulle, on determine nalement
le niveau optimal de recompl`etement S par la formule suivante :
P (X > S )
cp
cr +
cp
2
P (X > S 1)
(3.15)
Il est a` noter que si la loi de demande est du type Poisson, Ir (S), le nombre
moyen de demandes non satisfaites, se calcule par la meme formule que precedemment a` savoir :
Ir (S) = P (X > S 1) SP (X > S)
3.8
57
Exercices
3.1. Vente de eurs. Un euriste est livre tous les samedis matin de tr`es bonne
heure par son producteur dune quantite de 10 decorations orales quil
e coule durant le week-end. Il nest plus possible alors detre livre en urgence
en cas de manque de decorations orales. Il ach`ete ses decorations orales 13
euro pi`ece et les revend 25 euro lunite. Il a passe un accord avec un euriste
ambulant faisant le marche le mardi qui lui rach`ete ses invendus e ventuels a` 6
euro lunite. Le euriste se rend compte que sa gestion dapprovisionnement
actuelle nest pas optimale. Si la demande est superieure a` 10 unites, il perd
du chiffre daffaire. Mais si elle est inferieure, il perd de largent par la
revente en solde des invendus. Des discussions avec le producteur rev`elent
que celui-ci pourrait lui fournir jusqu`a 13 decorations orales par week-end.
Par ailleurs, le euriste a effectue un releve des demandes de decorations
orales sur les 100 derniers week-end. Les resultats sont donnes au tableau
suivant (on y reconnat une distribution de poisson) :
Demande
10 11 12
10 11 11
Demande
13 14 15 16 17 18 19 20
58
Chapitre 4
La gestion par point de commande
4.1
Introduction
60
4.2
q =400
q =400
q =400
s =167
temps
20
= 0, 069 annee.
288
20
= 166, 67 167 articles.
288
61
(4.1)
q =400
q =400
s =200
s =200
stock dormant
s =200
sr =33
temps
4.3
Le cout
de possession annuel unitaire peut e tre calcule en tenant compte du taux
dopportunite annuel ici suppose de 20 % comme :
cp = 30 0, 2 = 6 euros.
62
D
2400
=
=6
q
400
D
2 400
= 300
= 1 800 euros.
q
400
cp Ip (q) = 6
400
= 1 200 euros.
2
400
2 400
+ 300
= 3 000 euros.
2
400
Nous pouvons maintenant faire une modelisation du probl`eme pour une quantite commandee quelconque q. On cherche donc a` determiner la valeur de la seule
variable de decision, cest-`a-dire q, la commande periodique, qui minimise le
cout de gestion qui ne comprend que deux termes :
C(q) = cp Ip (q) + cc Ic (q)
On peut generaliser les calculs de lexemple ci-dessus. On obtient :
C(q) = cp Ip (q) + cc Ic (q)
q
D
= cp + cc
2
q
Il est facile de calculer loptimum dune telle fonction. Il suft dannuler sa
derivee premi`ere :
1
D
C (q ) = cp cc 2 = 0
2
q
63
q =
2Dcc
cp
(4.2)
Cette quantite est appelee quantite de Wilson. Verions quil sagit bien dun
minimum en calculant la derivee seconde :
D
C(q) = 2cc 3 > 0
q
Remarquez quau point optimum, on a e galite des couts
de commande et de
possession. En effet :
D
D
cc Ic (q ) = cc = cc 2Dc =
c
q
q
cp Ip (q ) = cp = cp
2
cp
2Dcc
cp
Dcc cp
2
Dcc cp
2
q =
2Dcc
=
cp
2 2 400 300
= 489, 9 490
6
490
q
=
= 245.
2
2
D
2 400
=
= 4, 898
q
490
64
4.4
20
2 400 = 167
288
de variance :
L2 = L 2 =
20
(189, 74)2 .
288
L =
20
189, 74 = 50.
288
4.4.1
65
Determination de q et s
La fonction de cout
a` minimiser fait intervenir les trois variables detat que sont :
le nombre moyen de commandes, Ic ;
le stock moyen annuel, Ip ;
la rupture moyenne annuelle, Ir .
C(q, s) = cc Ic (q, s) + cp Ip (q, s) + cr Ir (q, s)
Nous allons obtenir une solution approchee au probl`eme en effectuant une determination independante de s et de q en se basant sur lobservation suivante.
Dans lexpression de C, le nombre moyen de commande depend essentiellement
de la quantite commandee q tandis que le nombre moyen de ruptures depend
essentiellement du point de commande s. On peut donc recrire cette expression
comme :
C(q, s) = cc Ic (q) + cp Ip (q, s) + cr Ir (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 possede Ip qui depend a` la fois de q et de s. On va determiner
une solution approchee en separant le probl`eme a` deux variables en deux probl`emes
a` une variable de la mani`ere suivante. On va resoudre independamment les deux
probl`emes suivant :
1. Determiner la quantite e conomique q en arbitrant entre le cout de commande et le cout de possession a` partir de la demande moyenne.
2. Determiner le point de commande s en arbitrant entre le cout de rupture
et le cout de possession en utilisant la gestion calendaire pendant le delai
dobtention L, en retenant comme s le niveau de recompl`etement optimal.
Le probl`eme de la determination de la quantite e conomique de commande nest
rien dautre que le probl`eme e tudie en univers certain si lon remplace la demande
annuelle certaine par la demande annuelle moyenne :
D = = 2 400.
En minimisant le cout de gestion :
C(q) = cc Ic (q) + cp Ip (q),
la solution trouvee dans le cas certain e tait de :
q = 490.
66
q =490
q =490
q =490
temps
q
D
s 167
50
4.4.2
67
s = 227.
Irc (s)
D
q
D
C(s, q) = cc + cp ( + s DL +
) + cr ( Irc (s))
q
2
2
q
2. en cas de ventes manquees differees (voir Giard [4], chapitre XII, relation
286, page 840) que :
Ip (s, q) =
q
DL c
+ (s DL) +
I (S)
2
2q r
o`u Irc (s) note le nombre moyen de ruptures par cycle (durant le delai dobtention). Le cout de gestion correspondant vaut :
C(s, q) = cc
DL c
q
D
D
+ cp ( + s DL +
Ir (S)) + cr ( Irc (s))
q
2
2q
q
68
Dans le cas present, les ventes manquees sont supposees perdues pour le supermarche et donc le stock moyen possede se calcule par la formule suivante :
q
Irc (s)
+ (s DL) +
Ip (s, q) =
2
2
490
2, 81
=
+ 60 +
2
2
= 306, 405
On en deduit le cout
de gestion total suivant :
C(s, q) = cc Ic (q) + cp Ip (q, s) + cr Ic (q)Irc (s)
2 400
2 400
= 300
+ 6 306, 4 + 10
2, 81
490
490
= 1 469, 39 + 1 838, 43 + 137, 63
= 3 445, 45
La marge nette moyenne annuelle est obtenue en soustrayant a` la marge beneciaire sur la demande moyenne le cout de gestion annuel :
B(s, q) = mu D C(s, q)
= 24 000 3 445, 45
= 20 554, 54
On utilise e galement un indicateur appele le taux de rotation du stock.
Denition 4.1 On denit le taux de rotation du stock comme le quotient de la
demande moyenne sur le stock moyen possede.
Dans le cas de lexemple, il se calcule comme suit :
r=
2 400
D
= 7, 83
=
Ip
306, 4
Ce qui sinterpr`ete en disant que le stock tourne environ 8 fois dans lannee. Il
correspond au nombre de fois quil faudrait reapprovisionner le stock si on le
reapprovisionnait a` hauteur de son niveau moyen.
Il est a` remarque que lidee tr`es largement repandue selon laquelle plus le
niveau de rotation est e leve plus le stock est bien gere est fausse. En effet, un
niveau e leve de rotation correspond a` un faible niveau de stock possede mais
correspond a` un cout de passation de commande e leve. Le niveau obtenu ici est le
niveau optimal qui resulte de larbitrage entre les differents couts.
4.5
69
Exercices
70
Partie II
Les decisions tactiques
71
Chapitre 5
La planication de la production
5.1
Introduction
73
74
5.2
...
-E1001 (1)
T28 -E1020 (1)
...
-E1004 (1)
T29 -E1020 (1)
...
Niveau 1
E1001
E1004
-E2010 (1)
...
-E2040 (1)
...
Niveau
2
-E3047 (1)
E2010 -E3052 (1)
...
-E3047 (2)
E2040 -E3052 (2)
...
...
...
Periode
16 17
Demande T 27
7
Demande T 28
10
Demande T 29
4
Demande E1001 0
1
Demande E1004 0
0
Demande E1010 0
0
Demande E1020 0
0
Demande E2010 0
0
Demande E2040 0
2
Demande E3047 0
0
Demande E3052 0
2
18
11
9
8
2
1
0
0
2
0
1
0
19
6
4
3
3
4
0
0
1
2
1
2
20 21
15 8
10 7
5 12
0 2
0 5
0 0
0 0
4 0
1 4
2 0
3 1
22 23 24
11 12 7
14 8
8
2 8 7
1 4 0
2 2 0
0 0 0
0 0 0
1 2 3
1 2 3
1 0 2
1 2 1
ement SF15
El
T27
0
T28
0
T29
0
E1001
17
E1004
4
E1010
0
E1020
0
E2010
10
E2040
1
E3047
15
E3052
0
LA16
0
0
0
0
0
0
0
20
0
0
15
LA17
0
0
0
30
11
0
0
0
17
0
0
75
76
16
17
18
19
20
21
22
23
50
60
65
55
50
50
50
20
12
24
20
25
22
22
20
20
20
20
20
20
20
20
20
28
30
22
21
24
21
22
23
32
30
32
33
31
31
32
31
77
100 euro
70 euro
65 euro
28 euro
30 euro
78
5.3
Illustrons ceci sur lexemple du composant de niveau un E1001. Pour ce composant, sa demande e mane des demandes de T27 et T28 (voir nomenclature 5.1).
Au niveau 0, les lancements programmes sont determines conformement au
plan directeur de production du tableau 5.2. Le delai dassemblage est dune
semaine pour les trois mod`eles (voir tableau 5.4). Au niveau zero, il ny a pas de
stock initial ni de livraisons attendues (voir tableau 5.3). On fait donc du justea` -temps, cest-`a-dire que lon met en production exactement la demande. Ceci
conduit aux lancements de productions de niveau zero du tableau 5.8.
T 27, T 28, T29
16
17
18
19
20
21
22
23
Lancements T 27
11
15
11
12
Lancements T 28 10
10
14
Lancements T 29
12
E1001
16
17
18
19
20
21
22
23
24
11
15
11
12
10
10
14
Besoins de E1001
17
21
12
28
15
27
21
19
Livraisons attendues
30
28
15
27
21
19
Stock nal
Besoins nets
15
79
17
BNt = 0
SFt = SFt1 + LAt BBt
Ce cas est illustre par les periodes 18 a` 23 pour le composant E1001 (voir
tableau 5.9).
80
5.3.1
16
17
18
19
20
21
22
23
Livraisons attendues
30
Besoins nets
28
15
27
21
19
Lancements de production 30
28
15
27
21
19
5.3.2
81
LAt de T27
17
18
19
20
21
22
23
24
11
15
11
12
SFt de T27
BNt de T27
11
15
11
12
LPt de T27
11
15
11
12
BBt de T28
10
10
14
LAt de T28
SFt de T28
BNt de T28
10
10
14
LPt de T28
10
10
14
BBt de T29
12
LAt de T29
SFt de T29
BNt de T29
12
LPt de T29
12
82
E1001
16
17
18
19
20
21
22
23
11
15
11
12
10
10
14
BBt de E1001
BBt totaux
17
21
12
28
15
27
21
19
LAt
30
28
15
27
21
19
30
28
15
27
21
19
SFt
15
17
BNt
LPt
E1004
16
17
18
19
20
21
22
23
12
BBt de E1004
BBt totaux
12
10
LAt
11
12
10
12
10
SFt
15
BNt
LPt
11
83
16
17
18
19
20
21
22
23
30
28
15
27
21
19
BBt de E2010
BBt totaux
30
30
16
31
21
20
LAt
20
30
16
31
21
20
30
16
31
21
20
SFt
15
10
BNt
LPt
20
15
16
17
18
19
20
21
22
12
10
BBt de E2040
BBt totaux
11
12
11
13
17
11
13
11
13
LAt
SFt
BNt
LPt
17
84
E3047
15
16
17
18
19
20
21
30
16
31
21
20
12
18
22
26
BBt de E3047
BBt Totaux
15
48
39
58
BNt
48
39
58
LPt
48
39
58
LAt
SFt
15
15
16
17
18
19
20
21
30
16
31
21
20
12
18
22
26
BBt de E3052
BBt Totaux
15
50
38
59
15
50
38
59
50
38
59
LAt
SFt
BNt
LPt
15
5.4
85
Jusqu`a present, nous avons adopte la technique du lot par lot pour la determination
des lancements de production. Autrement dit, on lance en production exactement
les besoins nets en decalant pour tenir compte du delai dobtention. Ce cas est
illustre au tableau 5.18 pour lexemple du composant E1001.
Periode
16
17
18
19
20
21
22
23
Livraisons attendues
30
Besoins nets
28
15
27
21
19
Lancements de production 30
28
15
27
21
19
16
17
18
19
20
21
22
23
Livraisons attendues
30
Besoins nets
28
15
27
21
19
Lancements de production 30
30
30
30
30
27
29
14
17
26
Stock n de periode
86
R`egle de la quantite multiple dun entier. Ce cas se produit dans lindustrie 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
illustre au tableau 5.20.
Periode 16
17
18
19
20
21
22
23
LAt
30
BNt
28
15
27
21
19
LPt
30
10
30
10
30
20
20
SFt
17
18
19
20
21
22
23
LAt
30
BNt
28
15
27
21
19
LPt
30
10
21
15
27
21
19
SFt
5.5
Ajustement charge-capacite
Lorsque les lancements de production sont determines, on peut calculer les charges
resultantes pour les differents ateliers. Pour que ce plan de production soit realisable, il faut que la charge resultante respecte les capacites de production. Si ce
nest pas le cas, un ajustement charge-capacite est effectue.
Reprenons le meme exemple. Au niveau 0, le tableau 5.22 reprend les lancements de niveau 0.
87
Periode
16
17
18
19
20
21
22
23
LPt de T27
11
15
11
12
LPt de T28
10
10
14
LPt de T29
12
heures de T27
3,5
5,5
7,5
5,5
3,5
heures de T28
10
10
14
heures de T29
16
10
24
16
14
charge
21,5
30,5
13
27,5
35
23,5
30
25,5
capacite
50
50
60
65
55
50
50
50
19,5
47
37,5
20
26,5
20
24,5
88
effet, comme son temps operatoire unitaire est dune demi-heure, on en assemble
deux par heure tandis que pour le sous-ensemble E1004, son temps operatoire
unitaire e tant dune heure, on en assemble un par heure. On en deduit le cout de
production dune heure de chacun des sous-ensembles :
cphE1001 = 93/0, 5 = 93 2 = 186 euros/h,
cphE1004 = 141/1 = 141 1 = 141 euros/h.
En conclusion, il est plus interessant de stocker du E1004 bien quil ait un cout
de revient unitaire plus e leve ! Le temps operatoire unitaire e tant dune heure, les
2 heures deplacees correspondent a` deux unites de E1004 avancees aux periodes
16 et 17. On obtient lajustement de niveau 1 illustre au tableau 5.23.
Periode
16
17
18
19
20
21
22
23
LPt de E1001
30
28
15
27
21
19
LPt de E1004
12
10
heures de E1001
15
1,5
14
7,5
13,5
10,5
9,5
heures de E1004
12
10
charge
16
10,5
26
14,5
23,5
19,5
capacite
20
12
24
20
25
22
22
20
Exc`es de capacite
1,5
5,5
1,5
2,5
Exc`es de charge
Ajustement
+0,5
+1,5
-2
LPt de E1001
30
28
15
27
21
19
LPt de E1004
1,5
10,5
10
10
5.6
89
Exercices
5.1. Determination des besoins nets. Une societe fabrique deux produits nis
PF1 et PF2 qui se composent de sous-ensembles (S) et de pi`eces achetees (A).
Les nomenclatures des produits nis et des sous-ensembles sont presentees
ci-dessous.
2 S1
PF1 utilise 3 S2 ,
4 A3
2 A1
,
S1 utilise
2 A3
PF2 utilise
S2 utilise
2 S1
,
4 A3
2 A2
.
2 A3
90
(a) Etablir
le tableau des besoins nets et des lancements de production pour
les semaines 1 a` 5 en supposant un delai dobtention negligeable (on
peut produire pour satisfaire une demande de meme periode).
(b) La capacite de production e tant de 30 les deux premi`eres semaines et
21, les trois suivantes, procedez a` lajustement charge-capacite.
(c) Calculez le cout de stockage total sur les 5 semaines pour les robes.
Le cout de stockage des articles en stock en n de semaine est estime
a` 1% par semaine du cout de revient des articles.
Chapitre 6
Les techniques de juste a` temps
6.1
Comme le souligne Baglin et al [1], les techniques de juste a` temps trouvent leur
origine dans les nouvelles exigences du marche :
La variabilite de la demande : laugmentation du nombre de mod`eles et la
diminution de la duree de vie des produits necessitent une adaptation plus
rapide des produits.
Le delai admissible par les clients est plus court : on ne peut donc plus
produire a` la commande, cest-`a-dire lancer une commande speciale avec
des delais longs.
La concurrence internationale impose de produire une bonne qualite a` un
prix tr`es bas.
En conclusions, il faut produire a` la demande du client, sans delai et en comprimant
au maximum le cout de fabrication. Il y a donc conit entre la gestion en grande
serie (qui permet de reduire les couts de fabrication) et la gestion a` la carte (qui est
beaucoup plus souple).
Lidee du JAT est de chercher a` concilier les avantages de la grande serie (ux
rapides et importants) avec ceux de la petite serie (grande adaptabilite). La logique
fondamentale du JAT est la suivante :
Production = Demande.
Autrement dit, on produit la quantite strictement necessaire aux besoins immediats
du client. Le principe est applique de proche en proche jusquaux fournisseurs.
Ceci entrane la suppression des stocks intermediaires : on parle de gestion en ux
91
92
6.2
93
6.2.1
Le but est ici de pouvoir repondre rapidement aux variations quantitative et qualitative de la demande. Le moyen utilise est le suivant : pour raccourcir le cycle
de fabrication, on reduit les stocks.
Pour reduire les stocks de mati`ere premi`ere, les fournisseurs doivent livrer
plus souvent.
Pour reduire les stocks den-cours de production, on doit reduire le temps
entre ateliers.
Pour reduire les stocks de produits nis, on doit pouvoir changer souvent de
fabrication.
Remarquez que, pour reduire les stocks, il faut sattaquer a` leur cause : les pannes
machines, les temps de reglage longs, etc. . .
6.2.2
La rationalisation de la production
94
6.3
6.3.1
On atteindra une plus grande reactivite en augmentant la exibilite de la production. On peut denir la exibilite comme la capacite du syst`eme de production a`
sadapter en permanence a` la demande. On distingue deux types de exibilite :
La exibilite quantitative est la capacite de faire face a` des pointes de
demande :
il faut surdimensionner la capacite, par exemple, en gardant les anciennes machines lors dun renouvellement.
il faut faire appel a` la exibilite de la main duvre : appel aux temporaires, a` la sous-traitance, aux heures supplementaires,. . .
La exibilite qualitative est la capacite de traiter une grande variete de
produits :
il faut pouvoir passer rapidement dun produit a` lautre : on utilisera
des machines a` commandes numeriques.
la polyvalence du personnel est e galement souhaitable.
6.3.2
Il faut ici se premunir contre les causes des stocks que sont les pi`eces recues
defectueuses, les pannes machine, ainsi les retards de livraison. On visera ici le
zero defaut pour les pi`eces fabriquees. En effet, en labsence de stock, le defaut
dune pi`ece livree interrompt la chane de montage. Le zero defaut sera recherche
par la prevention plutot que par le controle a` posteriori.
Il faut e galement assurer la abilite des e quipements. En effet, larret dune
machine entrane larret de toutes les machines en aval faute dapprovisionnement.
De meme pour les machines en amont qui, autrement, constitueront des stocks. La
abilite est obtenue par des procedures de maintenance preventive.
Enn, il existe relation plus e troite entre le client et le fournisseur car le
fournisseur dune usine JAT est generalement plus conscient des consequences de
lenvoi dune pi`ece defectueuse pour le client.
6.4
95
La methode Kanban
Lidee de la methode est que la production soit tiree par laval : chaque poste
ne travaille que pour satisfaire une demande du poste aval. Linformation sur la
demande du poste aval est transmise par un document appele Kanban (etiquette)
donnant :
la description de la pi`ece et de loperation a` effectuer;
le lieu dorigine et de destination de la pi`ece;
la quantite par conteneur.
Cette technique utilise en effet des conteneurs standards pour la circulation entre
les postes.
Letiquette 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 consommees.
Le rythme de fabrication est donc e gal a` la vitesse de circulation des e tiquettes
qui est, elle-meme, determinee par le rythme de consommation des pi`eces. Par
exemple, si la consommation vient a` se tarir, les e tiquettes ne remontent plus et la
fabrication sarrete.
Pour un bon fonctionnement du syst`eme, il faut une capacite sufsante des
postes amont pour repondre a` la demande : ceci necessite donc en general de
prevoir une surcapacite.
6.4.1
Le fonctionnement du syst`eme Kanban a` une boucle est le suivant (cfr gure 6.1) :
Letiquette est apposee sur le conteneur de pi`eces qui viennent detre fabriquees 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 libere et retourne au poste amont (c);
96
(a)
(b)
Transport
POSTE
AMONT
POSTE
AVAL
entre postes
(d)
(c)
Etiquette libre
6.4.2
97
2000
= 4, 1667
8 60
Soit k = 100 pi`eces, la capacite dun conteneur. Soit Tr , temps de reaction qui
resulte 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 reglage
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 :
Tr = 30 + 10 + 10 + 10 + 35 = 95
Pendant le temps de reaction, la consommation du poste aval est de :
Tr Cu = 95 4, 1667 = 395, 83
Il en resultera quil faut au moins 4 e tiquettes en permanence dans le syst`eme :
Ne
Tr Cu
= 3, 96
k
98
(1 + )Tr Cu
1, 1 395, 83
=
= 4, 3541.
k
100
Ne
(1 + )Cu Tr + Qe
k
(1 + )Cu Tr + Qe
435 + 600
=
= 10, 35
k
100
(6.1)
6.5
99
Exercices
100
Partie III
Les decisions strategiques
101
Chapitre 7
Lordonnancement de projets
7.1
Introduction
Lors de tout projet de grande envergure (construction dun bateau, dun avion, dun
batiment,...), un probl`eme crucial qui se pose est celui du calendrier dexecution
des taches. Le probl`eme est de determiner dans quel ordre doivent senchaner les
diverses taches de mani`ere a` minimiser le temps total dexecution du projet.
Prenons un exemple tire de Giard [4].. On veut construire un nouveau batiment
de mani`ere a` pouvoir demenager au plus tot. Certaines taches (voir tableau 7.1)
ne peuvent sexecuter quapr`es que dautres soient terminees. Par exemple, on
ne peut commencer les fondations que lorsque le terrassement est ni. On ne
peut monter les murs que lorsque les fondations sont terminees. Dautres taches
peuvent sexecuter simultanement. Par exemple, les travaux delectricite et de
plomberie peuvent e tre menes de pair. On doit tenir compte, dans les probl`emes
No
1
2
3
4
5
6
7
8
9
10
11
tache
duree (jours) prealables
terrassement
5
fondations
4
1
colonnes porteuses
2
2
charpente toiture
2
3
couverture
3
4
maconnerie
5
3
plomberie, e lectricite
3
2
coulage dalle beton
3
7
chauffage
4
8 et 6
platre
10
9 et 5
nitions
5
10
Tableau 7.1: Construction dun batiment.
104
i<j
di
Tache j
j
i <j
T
a che j
j, dj
7.2
105
Formulation du probl`eme
(7.1)
(7.2)
Les contraintes de n de chantier expriment que toute tache i doit e tre nie
avant la n de chantier :
ti + di tf , i sans successeur
(7.3)
7.3
On associe donc au probl`eme central dordonnancement un graphe dont les sommets representent les diverses taches du probl`eme. On ajoute un nud 0 qui
106
4
0
5
3
10
4
7
10
11
12
4
9
107
10
5
3
4
0
10
4
7
10
11
12
9
-5
108
7.4
d2
d3
le meme sens) dont la somme des longueurs des arcs est positive. Ecrivons
les
contraintes correspondantes :
t1 + d1 t2
t2 + d2 t3
t3 + d3 t1
En sommant et en simpliant, on obtient la condition suivante :
d1 + d2 + d3 0
On peut alors montrer le resultat suivant.
Lemme 7.1 Les contraintes temporelles sont compatibles entre elles si et seulement si le graphe associe ne comporte aucun circuit de longueur (somme des
longueurs des arcs le constituant) strictement positive.
Remarquez quun cycle avec une somme des longueurs negative ne pose pas de
probl`eme. Par exemple, a` la gure 7.4, la tache 8 de longueur 3 doit e tre nie avant
que ne commence la tache 9 et la tache 9 doit commencer endeans les 5 jours de
debut de la tache 8 :
t8 + 3 t9
t9 5 t8
Ceci se represente, comme vu ci-dessus, par une `eche de 8 vers 9 de longueur 3
et une `eche retour de longueur -5. Ceci ne pose pas de probl`eme, la somme des
longueurs e tant negative.
7.5
109
11
4
13
5
2
0
0
5
2
0
1
0
11
6
30
20
10
11
10
9
7
12
8
3
35
5
12
16 4
9
3
7.6
Certaines taches sont telles que si on retarde leur date de debut, cela aura des
repercussions sur la date de n de chantier. Par exemple, si on retarde la date
de debut de la tache 11 (nition), cela va directement retarder la date de n de
110
0
1
0
5
2
5 4
11
4
15
13
5
17
10
20
11
10
5
11
9
7
12
8
13
30
10
20
16 4
9
11
30
35
12
35
16
7.7
111
Denition 7.1 On denit la marge dune tache comme la difference entre son
temps de debut au plus tard et au plus tot :
mi = ti ti
(7.5)
0
0
0
0
1
0
9
7
10
3
1
12
3
8
13 1
13 4
5
17 3
20
10
20
16 4
9
16 0
10
30 0
5
11
30
35
12
35
112
Remarquons, dune part, quil peut y avoir plusieurs chemins critiques. Remarquons, dautre part, quil ne suft pas de prendre une suite de tache critiques
liant le nud debut du projet au nud n du projet pour avoir un chemin critique.
Il faut, en plus que la date de n au plus tot du projet correspondent a` la somme
des durees de taches le long de ce chemin. Illustrons ces deux phenom`enes sur
lexemple de la gure 7.9.
0
Db
0
0
A
1
0
4
C
4
4
0
B
0
5
5
9 6
4
4
D
4
15
F
15
18
Fin
18
E
9
7.8
Dans la methode PERT, chaque tache est associee a` un arc du graphe. La longueur
de larc correspondant a` la duree de la tache en question. Les sommets sont utilises
pour traduire les relations de succession temporelle. Ainsi, si la tache j doit suivre
la tache i, lextremite terminale de larc representant la tache i concidera avec
lextremite initiale de larc representant la tache j.
113
Ceci permet de tracer le graphe pour lexemple dej`a considere pour la methode
du potentiel. Ceci est fait a` la gure 7.10 o`u lon a note, a` cote de chaque arc,
dune part, le numero correspondant a` la tache, dautre part, la duree de la tache.
4, 2
5, 3
3, 2
1, 5
2, 4
10, 10
6, 5
7, 3
11, 5
9, 4
8, 3
2
1
3
1, 4
4
On pourrait tracer le graphe de la gure 7.11. Mais ce graphe introduit une cont-
114
0
0
1, 5
0
5
5
2, 4
0
4, 2
4
3, 2 11
0
9
13
17
5, 3
4
6, 5
20
9, 4 20
7, 3
1
12
13
8, 3
1
16
10, 10
0
30
11, 5
35
30
35
16
(7.6)
115
On calcule alors les dates de debut au plus tard des taches en additionnant a` la date
au plus tot, la marge. Les resultats sont indiques au tableau ci-dessous.
Tache
1 2 3
0 5 9 11 13 11
12 16 20 30
Marge
0 0 0
10 11
7.9
mi
di
di
di
116
Si on rep`ete la meme operation pour chacune des taches, lobjectif de la minimisation du cout total dexecution des taches peut secrire:
min z =
n
i=1
n
mi di
i=1
n
mi di ,
i=1
n
mi di
i=1
117
n
mi di
i=1
t0 ti
ti + di tj
s.c.q ti + di tf
tf
La borne superieure sur tf a du e tre ajoutee car il est clair, au vu de la forme des
fonctions de cout ci (di ) que sinon on aura tendance a` prendre di = di pout toute
tache et donc a` augmenter au maximum la duree du chantier.
On peut alors resoudre ce probl`eme en fonction du param`etre . En ajoutant
le terme constant que nous avions neglige, on obtient un graphique du genre de
celui represente a` la gure 7.15.
cD ( )
di = di , i
di = di , i
118
1. Tout dabord, le param`etre doit e tre superieur a` une certaine valeur minimum qui correspond au temps dexecution minimum lorsque toutes les
taches sont a` leur duree minimum di .
2. Ensuite, remarquons que la fonction c() est convexe, decroissante et lineaire
par morceaux.
3. Enn, a` partir dune certaine valeur de , on aura systematiquement
di = di et lobjectif devient constant. Cette valeur correspond au temps
dexecution du projet lorsque toutes les taches sont a` leur duree maximum.
Comment va-t-on alors choisir le temps optimum ? A voir la forme de la courbe
cD () a` la gure 7.16, il vaudrait mieux prendre = , le temps maximum. Mais
cT ( )
cT ( )
cI ( )
cD ( )
7.10
119
Exercices
(a) Etablissez
le graphe de la methode des potentiels, determiner les dates
de debut au plus tot, au plus tard. Utilisez des couleurs differentes pour
les deux quantites et donnez la signication des couleurs utilisees.
(b) Donnez le(s) chemin(s) critique(s).
(c) On doit maintenant tenir compte en plus du fait que la tache G ne
peut commencer avant la semaine 10. Cela modie-t-il le temps de
realisation du projet ? Si oui, de combien ? Cela modie-t-il les
marges ? Si oui, de combien ? Cela modie-t-il votre reponse a` la
question b) ?
(d) On apprend maintenant que, en plus du c), la tache D necessitera deux
semaines supplementaires. Cela modie-t-il le temps de realisation du
projet ? Si oui, de combien ?
7.2. Ordonnancement de projets. Un projet est constitue des taches 0, 1, 2, 3 et
4. La tache 0 na pas de predecesseur et dure 2 semaines. La tache 1 succ`ede
directement a` la tache 0 et dure 5 semaines. La tache 2 succ`ede directement
a` la tache 1 mais ne peut pas commencer avant la 10`eme semaine. Elle dure
5 semaines. La tache 3 succ`ede directement a` la tache 2 et dure 3 semaines.
La tache 4 succ`ede directement aux taches 2 et 3 mais doit commencer au
plus tard 7 semaines apr`es le debut de la tache 2. Elle dure 2 semaines.
(a) Dessinez le reseau representant le projet, en associant les taches aux
sommets (nuds).
120
Description
Duree Antecedents
(mois)
Etude de marche
5
Developpement du materiel
6
A
Developpement des logiciels
5
(*)
Accreditation du materiel
3
B
Mise en uvre du nouveau reseau
10
C,D
Arret de lancien reseau
2
(**)
Fin du support pour lancien reseau
1
E, F
121
7.4. Construction dune piscine. Une societe a recu la matrise de la construction dune piscine olympique sur un campus universitaire. Les durees des
differentes taches, e valuees en jours sont reprises au tableau 7.2. Les travaux
debutent le premier avril. On suppose que chaque mois comporte 20 jours
ouvrables.
Code
Tache
Anteriorite Duree
A
Excavation
5
B
Fondations
A
2
C
Pose canalisations
B
4
D
Essai en pression
C,G
8
E
D
9
Etancheite
F
Mise en place de la station depuration
A
6
G
Mise en place du chauffage
F
5
H
Raccordement e lectricite
G
4
I
Sonorisation sous-marine
H
5
J
Dallage
E,I
6
K
Construction vestiaires
J
8
L
Construction du solarium
J
2
M
Mise en eau
K, L
3
Tableau 7.2: Construction dune piscine.
(a) Linauguration peut-elle avoir lieu comme prevu le 15 juin ?
(b) Au cours de la pose des canalisations, on apprend que par suite dincidents techniques, cette operation durera 6 jours de plus que prevu.
Sans recommencer le diagramme, determinez si cela inuencera le
delai nal.
(c) La direction du campus, inqui`ete quant au respect des delais, propose
de se passer de la sonorisation sous-marine. Quen pensez-vous ?
7.5. Planication dun projet de construction. Un entreprise de construction
doit planier la construction dune maison. Le projet sarticule selon les
122
Chapitre 8
Conception dun centre de production
8.1
Introduction
124
8.2
8.2.1
Illustrons cette conguration par lexemple tire de Mac Clain [13] dune maternite
qui regroupe les differents services concernes sur un meme e tage dun hopital :
accueil
salle dattente
consultation prenatale
e chographie
salle daccouchement
Une question cruciale pour une bonne organisation de ce type de conguration
est la localisation relative de ces differents services. On doit tenir compte de :
1. du volume de trac entre deux services de sorte que deux services avec un
ux important soient localises proches lun de lautre;
125
X
S
ECOGRAPHIE
A
SALLE ACCOUCHEMENT
Supposons que lon note linteret detre proche par la grille de poids suivante :
: Absolument necessaire
: Specialement important
: Important
: Generalement proche
: sans importance
: a` e viter
126
wik
i=1
i=2
i=3
i=4
3
1
i=5
4
4
j =2
j =1
j =3
d14
j =4
j =5
djl
j=1
j=2
j=3
j=4
j=5
1
1
127
n
n
n
n
avec djl la distance entre les localisations j et l et wik , le poids dans la matrice de
proximite.
Expliquons la forme de cette fonction objectif : on ne retrouvera dans cet
objectif que les termes o`u xij xkl = 1, cest-`a-dire o`u i est mis en place j et k
en place l. Lobjectif minimise la somme des distances entre les paires de lieux
(j, l), ponderee par limportance dune localisation proche des paires de services
(i, k), pour autant que xij et xkl soient e gaux a` un. An de minimiser ce produit,
on mettra donc comme coefcient des wik les plus e leves, les djl les plus faibles,
cest-`a-dire les plus proches lun de lautre ceux qui y ont le plus grand interet.
Les contraintes sont de deux types :
Toute place j est occupee :
n
xij = 1, j = 1, . . .n
i=1
La contrainte indique que chaque place j est occupee par un seul service i.
Tout service i est place :
n
xij = 1, i = 1, . . .n
j=1
128
8.2.2
Temps
2
7
5
2
15
7
6
4
9
10
4
8
6
15
100
Objet
placer le chassis sur la chane
attacher B4 sur chassis
attacher B2 sur B1
attacher B3 sur B1
tester SA1
attacher SA1 sur chassis
attacher B6 a` B5
attacher SA2 au chassis
attacher B7 au chassis
attacher B9 a` B8
attacher B10 a` B8
attacher B11 a` B8
attacher SA3 au chassis
tester lappareil
Predecesseurs
A
C,D
A,E
B,G
A
J,K
A,L
tous
C,5
Poste 1
E,15
129
Poste 2
D,2
F,7
B,7
A,2
H,4
N,15
Poste 3
I,9
G,6
Poste 5
J,10
M,6
L,8
K,4
Poste 4
E,F
22 min
G,H,I
19 min
J,K,L
22 min
M,N
21 min
130
=
=
=
nc T
nc
131
Pas 3. Affecter la tache avec le score le plus e leve dans le premier poste o`u la
capacite et les contraintes de preseance ne sont pas violees :
J au poste 1.
Aller en au Pas 2.
On remplit alors progressivement le tableau suivant.
Poste 1
Poste 2
Poste 3
J,10 10 C,5 5 I,9 9
G,6 16 K,4 9 B,7 16
A,2 18 L,8 17
D,2 19
18
19
16
Poste 4
M,6 6
H,4 10
Poste 5
E,15 15
10
15
Poste 6
Poste 7
F,7 7 N ,15 15
15
= {J, G, C, K, A, D} : J en 1; S = {B, M, D} : B en 3;
= {G, C, K, A, D} : G en 1;
S = {M, H, D} : M en 4;
= {C, K, A, D} : C en 2;
S = {H, D} : H en 4;
= {K, A, D} : K en 2;
S = {D} : D en 2;
= {L, A, D} : L en 2;
S = {E} : E en 5;
= {A, D} : A en 1;
S = {F } : F en 6;
= {I, B, M, D} : I en 3;
S = {N } : N en 7
nc T
7 19 100
=
= 24, 81%
nc
7 19
On voit que la solution nest pas dune tr`es grande qualite. On peut utiliser
plutot un second score qui consiste a` additionner a` la duree de la tache, celles de
toutes les taches qui la suivent. Ainsi, a` la duree de la tache A, on ajoute le temps
des taches F, B, I, M, H et N. Le calcul du second score (voir gure 8.4) donne les
resultats suivants :
A B C D E F G H I J K L M N
50 26 42 39 37 22 25 19 24 39 33 29 21 15
Le classement des taches suivant ce second score est le suivant :
A, C, D, J, E, K, L, B, G, I, F, M, H, N
132
C,5
E,15
D,2
F,7
B,7
A,2
H,4
N,15
I,9
G,6
J,10
M,6
L,8
K,4
Poste 2
Poste 3
Poste 4
Poste 5
E,15 15 L,8 8 G,6 6 F,7 7
K,4 19 B,7 15 I,9 15 M,6 13
H,4 19
19
15
19
Poste 6
N,15 15
13
15
= {A, C, D, J, K, G} : A en 1;
S = {B, G, I, F, M } : B en 3;
= {C, D, J, K, B, G, I} : C en 1; S = {G, I, F, M } : G en 4;
= {D, J, K, B, G, I} : D en 1;
S = {I, F, M, H} : I en 4;
= {J, E, K, B, G, I} : J en 1;
S = {F, M, H} : F en 5;
= {E, K, B, G, I} : E en 2;
S = {M, H} : M en 5;
= {K, B, G, I, F } : K en 2;
S = {H} : H en 4
= {L, B, G, I, F } : L en 3;
S = {N } : N en 6.
19 6 100
= 12, 3%
19 6
On voit que la solution est meilleure sans e tre optimale puisque la solution presentee
a` la gure 8.3 est meilleure avec un retard dequilibre de 9,1 %. On peut e galement
agir sur la duree maximum de 19 qui est un param`etre de lheuristique.
8.2.3
133
Conguration a` poste xe
134
8.3
Decisions de capacite
Nous allons illustrer les decisions de choix dune capacite sur lexemple tire de
Mac Clain [13] dune boulangerie industrielle qui fournit les supermarches de sa
region et qui sattend a` une croissance de la demande.
Les donnees numeriques sont les suivantes :
1. Modelisation de la demande : il y a incertitude sur la demande future du
produit. Si le succ`es du produit est important, une capacite supplementaire
de 5 000 unites par semaine sera necessaire pour un prot de 40 000 $
par semaine hors frais damortissement du capital. Si le succ`es du produit
est mitige, une capacite de 2 000 unites par semaine sera sufsante et la
compagnie fera un prot de 16 000 $ par semaine. La demande est connue
au bout dun an. On suppose que les beneces sont comptabilises en n
dannee. Une annee comporte 52 semaines douverture du magasin.
2. Donnees de cout dinvestissement. Une capacite de 2 000 unites par semaine
peut e tre construite pour 800 000 $. Une capacite de 5 000 unites par semaine
peut e tre construite pour 1,5 millions de $. Une capacite de 2 000 peut e tre
e tendue a` une capacite de 5 000 pour 1 million de $. Les surcapacites sont
sans valeur.
3. La duree de vie des e quipements est de 20 ans.
135
haute demande
00
faible demande
0
e5
r
ui
rester 2000
tr
s
on
ute e
ha and
m
de
construire 2000
ne
rie
1,500,000 16,000
+3000
faible demande
nc
ons
800,000 16,000
800,000 16,000
+1,000,000 +24,000
800,000 16,000
tru
ire
1
1+i
1 (1 + i)n
=
i
(8.1)
136
F Nt
40.000 52
0 1
20 t
.. .
-1.500.000
20
20
t=1
1
1, 25
t
1 500 000
1
1, 25
t
1 (1, 25)20
=
= 3, 953883
0, 25
20
t=1
1
1, 25
t
20
t=1
1
1, 25
t
137
F Nt
40.000 52
16.000 52
0
20 t
.. .
-800.000
-1.000.000
19
t=1
1
1, 25
t
1 000 000.
1
1, 25
t
1 (1, 25)19
=
= 3, 942
0, 25
V AN0
20
1
1
= 3 920 058
+ (16 000 52)
1, 25
t=1 1, 25
1
= 3 920 058
+ 2 489 631 = 5 625 677.
1, 25
t
800 000
Enn, le cas dune demande faible avec un investissement initial de 2 000 est
identique au cas de la construction initiale de 2 000 et dune demande forte lorsque
lon reste a` 2 000. Il a dej`a e te calcule plus haut.
138
Decision
demande
VAN
construire 5 000
forte
6 724 077
construire 5 000
faible
1 789 631
forte
5 625 677
construire 2 000
faible
2 489 631
construire 0
forte
construire 0
faible
8.4
Decisions de localisation
139
Cl 1
MP 2
(x1 , y1 )
(x2 , y2 )
MP 1
(x1 , y1 )
Cl n
(x , y )
(xn , yn )
Cl 2
(x2 , y2 )
MP m
(x m , ym )
140
xi M Pi +
i=1
xCG = m
i=1 M Pi +
m
m
xj Clj
j=1
m
j=1
y i M Pi +
i=1
yCG
= m
Clj
i=1 M Pi +
m
yj Clj
j=1
m
j=1
Clj
x M D
x C G
2.000
7
xCG
x i Pi
0 1.000 + 9 2.000
=
=6
3.000
i Pi
= i
Pour minimiser le nombre de kilom`etres a` parcourir pour desservir les deux villes,
un representant de commerce a interet a` se localiser a` 6 km de la premi`ere et 3
kilom`etre de la seconde ville.
Par contre, pour un centre dintervention durgence, a interet a` se localiser au
centre des deux villes (`a 4,5 kilom`etre de chaque ville).
xM D = 4, 5
8.5
141
Pour terminer ce chapitre, nous allons illustrer lutilite de la programmation mathematique dans les decisions de localisation et de choix de capacites sur un exemple
e galement tire de tire de Mac Clain [13].
Les differentes donnees du probl`eme sont reprises aux tableaux 8.5 et 8.6. Les
couts de transport entre les differentes usines et les differents clients sont donnes
au tableau 8.5 en $ par kg. Les demandes des clients sont donnees au tableau 8.5
en millions de kg par jour. Les couts de production sont donnes au tableau 8.6 en
$ par kg. Les capacites de production sont donnees au tableau 8.6 en millions de
kg par jour.
Vers le
le client
Demande du client
(106 kg/jour)
0,021 0,039
0,035
0,5
0,024 0,029
0,034
0,8
0,019 0,040
0,029
0,5
0,048 0,027
0,026
0,9
0,037 0,024
0,032
0,9
0,029 0,023
0,041
0,8
0,020 0,041
0,032
0,6
0,041 0,034
0,019
0,6
0,050 0,034
0,018
0,8
10
0,047 0,035
0,018
0,7
Usine
1,6
142
C
10
cij xij
i=A j=1
avec cij , le cout de fourniture dun million dunite de lusine i vers le client
j. Ce cout est la somme du cout de production et du cout de transport.
Expression des contraintes.
Elles sont de deux types :
Respecter la capacite de lusine i :
10
xij CAPi , i = A, B, C
j=1
i=A
Les alternatives
cout xe
cout de production
6 millions B
18 millions de $
0,326
2 millions C
18 millions de $
0,335
4 millions C
34 millions de $
0,320
143
cout journalier
cout xe
2 561 600
(LP2) 6 millions B
2 547 300
18 millions
(LP3) 2 millions C
2 533 100
18 millions
(LP4) 4 millions C
2 469 700
34 millions
144
xDj 2yD
j=1
En effet, si lusine D est fermee, le membre de droite est nul et rien ne peut sortir
de lusine.
Cette variable interviendra aussi dans la fonction objectif. En effet, a` la somme
des couts de transport, on peut ajouter le cout xe du nouvel investissement. Ceci
conduit a` lexpression suivante pour lobjectif :
min z =
D
10
cij xij +
i=A j=1
D
Ki y i
i=B
xDj 2yD + 5yD
j=1
8.6
145
Exercices
G H
Duree
10
10
12
Prealables
B C H
D,F
G,M
146
Frais xes
Capacite
Demande
(106 euros)
Belgique
1,2
500.000 pneus
400.000 pneus
Espagne
3.000.000 pneus
2.000.000 pneus
France
Portugal
1.500.000 pneus
1.000.00 pneus
On envisage de desservir les memes marches quactuellement avec un nombre moins important de centres de production ouverts. La demande domestique sur base annuelle est donnee ci dessus. Les frais de transport dun pneu
du pays i au pays j sont connus et notes ctij .
(a) Representez le probl`eme par un graphique de reseau. Indiquez sur
celui-ci les donnees du probl`eme.
(b) Formuler mathematiquement le probl`eme du choix des usines a` conserver ouvertes a` lavenir dans le groupe en supposant que la demande
demeure stable. On veut minimiser la somme des couts xes et des
couts de transport des pneus.
Partie IV
Les techniques doptimisation
147
Chapitre 9
La programmation dynamique.
9.1
Introduction
La programmation dynamique a pour but de traiter les mod`eles o`u une sequence
optimale de decisions doit e tre prise. Elle est largement utilisee en planication de
la production pour determiner les lancements de production en cas de couts xes
de lancement de production.
Les mod`eles dynamiques repondent aux caracteristiques suivantes :
Ils comportent une certain nombre de periode de temps qui seront notees :
t = 1, 2, ...n
A chaque e tape, une decision doit e tre prise. On note par xt la decision prise
a` la periode t.
Chaque e tape est caracterisee par un certain nombre detats initiaux possibles. On note par st letat initial de la periode t.
Par exemple, en planication de la production :
les e tapes sont les differentes periodes de planication,
la decision xt prise a` la periode t est le niveau de production de la periode,
la variable detat st indique le niveau initial du stock de la periode t.
Lidee generale des procedures de resolution en programmation dynamique
est la suivante. On part dun sous probl`eme, celui de derni`ere e tape, dont la
resolution est triviale. Ensuite, et en procedant a` rebours, on e tend progressivement
le probl`eme en incluant les e tapes precedentes et en calculant la politique optimale
a` chaque e tape en se basant sur la politique optimale de letape suivante.
149
150
9.2
Le probl`eme du voyageur
3
1
6
2
10
4
3
4
4
4
9
1
5
9.2.1
151
1
{2, 3, 4}
{5, 6, 7}
{8, 9}
3. Le choix des variables de decision. Dans notre exemple, xt note la destination de letape t. On peut donner les valeurs possibles de xt a` chaque
e tape :
x1
x2
x3
x4
{2, 3, 4}
{5, 6, 7}
{8, 9}
10.
4. Lexpression des relations entre les variables. Ici, les contraintes expriment
que la destination dune e tape (xt ) est le point de depart de la suivante (st+1 ) :
s1
s2
s3
s4
x4
=
=
=
=
=
1
x1
x2
x3
10
4
ct (st , xt )
t=1
152
9.3
Procedure de resolution
10
10
s3
x3 = 8
153
x3 = 9
x3 f3 (s3 )
1+3=4 4+4=8
6+3=9 3+4=7
3+3=6 3+4=7
x2 = 5
x2 = 6
x2 = 7
x2
f2 (s2 )
7 + 4 = 11 4 + 7 = 11 6 + 6 = 12 5 ou 6
11
3+ 4 =7
2+ 7 =9
4 + 6 = 10
4+ 4 =8
1+ 7 =8
5 + 6 = 11 5 ou 6
x1 = 2
x1 = 3
x1 = 4
x1
f1 (s1 )
2 + 11 = 13 4 + 7 = 11 3 + 8 = 11 3 ou 4
11
154
choisit x4 = 10 a` letape 4 (voir tableau 9.1). Une des routes optimales est donc
le parcours suivant :
1 3 5 8 10
et donnant un cout total de :
f1 (1) = 11
1 2 3
st 1 3 5
xt 3 5 8 10
Tableau 9.5: Solution optimale pour le probl`eme du voyageur.
9.4
9.4.1
155
a` un pays, elle nest plus disponible pour les autres pays. On a donc identie
les e tapes.
2. Choix des variables detat. Comment identier les e tats ? Autrement dit,
quelle est linformation necessaire a` une e tape pour pouvoir determiner la
politique optimale ? Il sagit simplement du nombre dequipes medicales
qui restent disponibles. Notons st le nombre dequipes encore disponibles
au debut de letape t. On peut donner les valeurs possibles de st :
s1 = 5
s2 {2, 3, 4}
s3 {1, 2, 3}
3. Choix des variables de decision. Notons xt le nombre dequipes medicales
affectees au pays t. On peut donner les valeurs possibles de xt :
x1 {1, 2, 3}
x2 {1, 2, 3}
x3 {1, 2, 3}
4. Relations entre les variables. Les relations de recurrence entre les variables
secrivent ici :
s1 = 5
s2 = s 1 x 1
s3 = s 2 x 2
En general, on peut e crire la relation suivante :
st+1 = st xt .
Il faut e galement ajouter la condition quau moins une e quipe soit envoyee
dans chaque pays :
xt 1, t = 1, 2, 3
5. Lexpression de lobjectif. Lobjectif est ici de maximiser lefcacite de
lallocation. Il peut secrire :
max z =
3
Bt (xt )
t=1
156
9.4.2
A letape t = 3, les e tats possibles vont de 1 (il faut au moins une e quipe pour le
pays 3) jusqu`a 3 (on a au moins affecte une e quipe au pays 1 et une e quipe au pays
2). A la derni`ere e tape, on a interet a` affecter toutes les e quipes encore disponibles
(voir tableau 9.7).
s3 x3 f3 (s3 )
1 1
50
2 2
70
3 3
80
Tableau 9.7: Calculs de letape 3.
A letape 2, les e tats possibles vont de 2 (il faut au moins une e quipe pour le
pays 2 et une e quipe pour le pays 3) a` 4 (on a au moins attribue une e quipe au pays
1). A la deuxi`eme e tape, au gain de letape, il faut ajouter le gain resultant pour
letape 3 avec s3 = s2 x2 . Le detail des calculs est donne au tableau 9.8.
s2
x2 = 1
x2 = 2
x2 = 3
x2 f2 (s2 )
2 20 + 50 = 70
1
70
3 20 + 70 = 90 45 + 50 = 95
2
95
4 20 + 80 = 100 45 + 70 = 115 = 75 + 50 = 125 3
125
Tableau 9.8: Calculs de letape 2.
De meme a` letape 1, au gain de letape, il faut ajouter ceux des e tapes suivantes
avec s2 = s1 x1 . Le detail des calculs est donne au tableau 9.9.
s1
x1 = 1
x1 = 2
x1 = 3
x1 f1 (s1 )
5 45 + 125 = 170 70 + 95 = 165 90 + 70 = 160 1
170
Tableau 9.9: Calculs de letape 1.
La solution optimale est calculee ci-dessous.
t 1 2 3
st 5 4 1
xt 1 3 1
Elle donne un gain de 170 000 hommes-annees.
9.5
157
1
2
3
2
2
2
3
1
3
3
3
4
4
3
3
2
5
3
3
4
9.5.1
158
o`u dt note la demande previsionnelle qui est donnee au tableau 9.10. La fonction
cpt (xt ) denote le cout de production a` letape t. Ce dernier est la somme dun cout
xe de lancement de 150, a` payer pour autant quil y ait production, et dun cout
direct de main duvre qui est de 200 par unite produite en heures normales, de
250 par unite produite en heures supplementaires. Remarquez quen presence de
cout de lancement le cout
de production nest pas convexe. Ceci peut e tre verie
a` la gure 9.2 qui illustre la fonction de cout pour t = 5.
cp 5(x5 )
1500
1250
250
1000
750
200
550
350
350
x5
9.5.2
159
1.000
1.250
1.500
1.000
760
1.010
1.260
760
570
770
1.020
570
2 1.320
2 1.020 1.130 1.140
0 1.020
160
3 2.270
2 2.080 2.090 2.040
4 2.040
A letape 2, on a d2 = 1. On a une capacite de production a` 200 limitee a` deux
unites. On obtient le tableau de couts suivant :
s2 x2 = 0 x2 = 1 x2 = 2 x2 = 3 x2 f2 (s2 )
0
0 2.520
2 2.290 2.410
0 2.290
A letape 1, la demande est de 2 et on a le tableau de couts suivant :
s1 x1 = 2 x1 = 3 x1 = 4 x1 f1 (s1 )
0 3.370 3.320 3.340 3 3.320
On determine ensuite la politique optimale. Partant de s1 = 0, il est optimal
de produire 3. La demande e tant de 2, on se retrouve avec s2 = 1. La strategie
optimale pour la deuxi`eme periode est de ne produire rien du tout. On se retrouve
avec un stock s3 = 0. La strategie optimale est de produire x3 = 4. On se retrouve
avec un stock s4 = 0. La strategie optimale est de produire x4 = 3, soit une unite
de plus que la demande. On se retrouve avec un stock s5 = 1 et on produit x5 = 3 :
t=
dt
st
xt
1
2
0
3
2
1
1
0
3
4
0
4
4
2
0
3
5
4
1
3
Remarquez quen periode 2, on a prefere ne pas produire la seule unite demandee car une unite en premi`ere e tape meme en heures supplementaires et avec
un cout de stockage revient mois cher (260) quune seule unite en heure normale
a` la periode 2 (350). Remarquez aussi quen periode 4, on produit une unite de
plus que la demande pour e viter de produire a` 250 en periode 5 la quatri`eme unite
demandee cette periode. Il y a, en effet, une unite disponible a` 200 (+ 10 de cout
de stockage) au mois precedent.
9.5.3
161
Signalons quil existe un algorithme plus efcace dans le le cas ou` il ny a pas de
cout
xe et que les couts
marginaux sont croissants. En effet, dans ce cas, le
cout de production devient convexe et une procedure plus efcace consiste a`
1. satisfaire la demande de periode 1 en utilisant les moyens de production les
plus avantageux de la periode, et calculer les capacites residuelles;
2. satisfaire la demande de periode 2 en utilisant les moyens de production les
plus avantageux des deux premi`eres periodes, puis modier en consequence
les capacites de production residuelles;
3. satisfaire la demande de periode 3 en utilisant les moyens de production les
plus avantageux de la periode 3 ou des periodes precedentes, puis modier
en consequence les capacites de production residuelles; etc. . .
Appliquons cette procedure au meme exemple en supposant quil ny a pas de cout
xe de lancement de production. En periode 1, la demande est satisfaite par :
-une production en periode 1 a` 200 (2 unites).
Les demandes et capacites residuelles sont donnees par :
Periode t
Capacite residuelle a` 200
Capacite residuelle a` 250
Demande residuelle
1
0
3
0
2
2
3
1
3
3
3
4
4
3
3
2
5
3
3
4
1
0
3
0
2
1
3
0
3
3
3
4
4
3
3
2
5
3
3
4
162
1
0
3
0
2
0
3
0
3
0
3
0
4
3
3
2
5
3
3
4
1
0
3
0
2
0
3
0
3
0
3
0
4
1
3
0
5
3
3
4
1
0
3
0
2
0
3
0
3
0
3
0
4
0
3
0
5
0
3
0
Par difference avec les capacites initiales, on obtient les capacites utilisees a` chaque
e tape et donc le plan optimal de production et stockage (st est le stock de debut t)
suivant :
Periode t 1 2 3 4 5
dt
2 1 4 2 4
st
0 0 1 0 1
xt
2 2 3 3 3
Remarquez que, par rapport au cas avec cout de lancement, on a encore avance
des productions (une unite de demande de periode 3 produite a` la periode 2, et une
unite de demande de periode 5 produite a` la periode 4) pour benecier des capacites
encore disponibles en heures normales qui coutent moins cher que la production en
heures supplementaires. Mais la deuxi`eme cause danticipation de production, a`
savoir e viter de mettre en route une production pour une faible quantite, a disparu.
9.6
163
Exercices
F,1
A,5
C,4
D,2
G,4
H,6
1
3
E,3
K,4
7
5
B,3
J,5
L,7
I,2
8
164
2
-
3
5
0
12
4
1
5
5
5
7
5
1
6
4
7
0
Chapitre 10
La programmation lineaire.
10.1
Introduction
10.2
Un simple exemple
Nous prenons un exemple tire de Hillier et Lieberman [7]. Il sagit dune entreprise
de fabrication de chassis qui envisage la production de deux nouveaux mod`eles
au moyen des capacites residuelles de ses trois ateliers. Il sagit respectivement
dun chassis en aluminium et dun chassis en bois. Le premier produit necessite
165
166
Produit 1
(heures/produit)
Atelier 1
1
Atelier 2
0
Atelier 3
3
Marge
3$
Produit 2
Capacite disponible
(heures/produit)
(heures/semaine)
0
4
2
12
2
18
5$
x1
s.c.q.
3x1
x1
2x2
+ 2x2
x2
4
12
18
0
0
(10.1)
10.3
167
Resolution graphique
Dans le cas dun probl`eme lineaire a` deux variables de decision, le probl`eme peut
e tre resolu de mani`ere graphique en suivant le processus suivant en trois e tapes.
La premi`ere e tape consiste a` representer graphiquement la region realisable.
Denition 10.1 On appelle region realisable, lensemble des valeurs de variables
de decision qui satisfont toutes les contraintes.
Dans le cas de lexemple, cest lensemble des points (x1 , x2 ) satisfaisant les
inegalites de (10.1) :
x1
3x1
x1
2x2
+ 2x2
x2
4 (1)
12 (2)
18 (3)
0 (4)
0 (5)
(1)
(2)
6
4
(3)
(5)
0
x1
168
9
z = 30
(2, 6)
z = 15
4
2
0
z = 36
5 6
10 x1
169
Observation 2 :
On constate que la solution optimale est a` un sommet de la region realisable.
On peut alors se demander si la solution optimale sera toujours a` un sommet de
la region realisable. En fait, lorsque la ligne diso-marge est parall`ele a` un cote du
polygone, on a que tout le cote du polygone est optimal. Par exemple, si lobjectif
avait e te z = 3x1 + 2x2 , tout le segment entre (2,6) et (4,3) aurait e te optimum.
Observation 3 :
Meme si tout un cote du polygone est optimal, on peut toujours choisir une solution
optimale correspondant a` un sommet.
En conclusion, on peut voir quil suft devaluer la valeur de lobjectif en
chacun des sommets pour determiner loptimum dun probl`eme lineaire. An de
limiter le nombre de sommets a` examiner, lalgorithme du Simplexe proc`ede de la
mani`ere suivante :
i) Choisir comme point de depart un sommet x de la region realisable.
ii) Determiner les cotes passant par ce sommet x . Trouver un cote le long
duquel z crot. Sil ny en na pas, STOP : le x courant est optimal.
iii) Determiner le sommet y a` lautre bout du cote et poser x = y . Retour
en ii).
Lalgorithme du Simplexe applique a` notre exemple fonctionne ainsi : partant
de (0,0), on se dirige vers le point (0,6) puis vers le point (2,6), loptimum du
probl`eme (voir gure 10.3).
x1 = 0
10
(0, 9)
8
(0, 6)
4
2
(0 , 0)
x1 = 4
(2, 6) (4 , 6)
2x2 = 12
(4, 3)
3x1 + 2x2 = 18
2 (4, 0) (6 , 0) 8
x2 = 0
170
10.4
Le solveur dExcel
x1
2x2
x1
x2
4
12
18
0
0
Production de chassis
Prot
Capacite de latelier 1
Capacite de lAtelier 2
Capacite de latelier 3
B
C
en alu en bois
3
1
0
3
5
0
2
2
E
b
=B3*$B$2+C3*$C$2
=B4*$B$2+C4*$C$2 4
=B5*$B$2+C5*$C$2 12
=B6*$B$2+C6*$C$2 18
171
172
6. Dans Option (voir la copie decran 10.5), choisir Mod`ele suppose li-
173
B
en alu en bois
E
b
2 Production de chassis
3 Prot
36
4 Capacite de latelier 1
5 Capacite de latelier 2
12 12
6 Capacite de latelier 3
18 18
174
10.5
Lorsque le solveur a termine, soit quil ait trouve la solution optimale, soit quil
ne parvienne pas a` en trouver (probl`eme non realisable ou non convergence de
lalgorithme de resolution), la bote de dialogue de la gure 10.6 apparat. Elle
10.5.1
10.5.2
Le rapport de sensibilite
175
176
10.5.3
Le rapport des limites (voir gure 10.9) fournit pour chaque variable :
10.6
177
Exercices
10.1. Optimisation dune fonderie. Une petite fonderie au Quebec est specialisee
dans la fonte de materiaux de recuperation an de produire deux types de
produits : des tuyaux agricoles dadduction et devacuation deau ainsi que
des contrepoids pour tracteurs. La fonderie est en pleine planication des
operations de la semaine prochaine. Les commandes enregistrees sel`eve
a` 34 tonnes pour les tuyaux et 14 tonnes pour les contrepoids. Cependant
la fonderie ne sest pas engagee a` livrer lensemble de ces commandes la
semaine prochaine. On livrera ce que les capacites de production permettent.
Il ny a pas de penalite a` ne pas livrer les commandes la semaine prochaine.
La semaine prochaine, la main duvre disponible sera de 160 heures dans
latelier de polissage et de 120 heures dans latelier peinture. Il faut compter
8 heures la tonne pour polir les tuyauteries et 4 heures la tonne pour les
contrepoids. La peinture requiert 4 heures pour une tonne de tuyaux, 6
heures pour une tonne de contrepoids. La marge sur une tonne de tuyaux
est de 1 000 $, sur une tonne de contrepoids de 1 200 $. Quelles sont les
commandes a` honorer la semaine prochaine pour maximiser le prot ?
(a) Formuler le probl`eme lineaire de la maximisation du prot (choix des
variables, expression des contraintes et de lobjectif).
(b) Resoudre graphiquement. Donnez la solution optimale
10.2. Ventes de dentifrices. Une compagnie fabrique deux types de dentifrices.
La formule X procure un benece net de 50 euro par mille tubes vendus.
On ne prevoit pas de vendre plus de 50 000 tubes de X par mois. La
formule Y procure un benece net de 60 euro par mille tubes vendus et
ses ventes mensuelles sont au maximum de 10 000 tubes. Il y a 100 000
unites dun ingredient disponibles par mois. Chaque tube de la formule X
necessite 2 unites de cet ingredient, la formule Y en necessite 4 unites. Il y a
actuellement des contrats pour 40 000 tubes de formule X par mois. Pour des
raisons commerciales, la rme ne veut pas que la formule Y represente plus
dun quart de sa production totale (X et Y) au del`a des 40 000 unites de X
contractees (cest-`a-dire plus dun quart de X + Y - 40 000). Les productions
non multiples de 1 000 sont admises. Lentreprise cherche a` maximiser sa
marge totale.
(a) Formuler le probl`eme lineaire correspondant (choix des variables, expression de lobjectif, expression des contraintes.)
(b) Resoudre graphiquement. Donner la solution optimale obtenue et le
prot optimal.
178
4
5
18 15
21 18
Chapitre 11
Analyse postoptimale.
11.1
Introduction
179
180
11.2
11.2.1
Nous allons illustrer ceci sur sur lexemple introductif du chapitre 10 dont lenonce
est rappele ci-dessous.
max z = 3 x1 + 5 x2
x1
s.c.q.
3x1
x1
2x2
+ 2x2
x2
4
12
18
0
0
181
x2
z = 3x1 + 5x2
9
8
(5/3, 13/2)
2x2 = 13
x1 = 4 2x2 = 12
x1 = 5
6
4
2
3x1 + 2x2 = 18
6,
x1
182
x2
z = 3x1 + 5x2
10
3x1 + 2x2 = 19
8
(7/3, 6)
x1 = 4
2x2 = 12
4
2
3x1 + 2x2 = 18
0
x1
11.2.2
183
Atelier 2
Atelier 3
Remarquons nalement que lon a toujours une valeur nulle du prix cache
pour une contrainte non liante. Une contrainte non liante est une contrainte o`u
la variable decart est non nulle. Par exemple, la premi`ere contrainte
x1 4
a un prix cache nul. Ceci a une interpretation e conomique. La ressource nest
pas enti`erement utilisee : il ne sert donc a` rien daugmenter son stock disponible.
11.3
La question qui se pose ici est la suivante :Si on augmente le prix de vente unitaire
ou si lon diminue le cout de production unitaire, quel est limpact sur la valeur de
lobjectif ?
A nouveau, on peut predire cette variation de lobjectif pour autant que le
sommet optimal ne change pas. En effet, tant que le sommet optimal ne change
pas, la solution optimale x = (x1 , x2 , . . .xn ) reste la meme. Seul le prot optimal
change. Le nouveau prot vaut donc :
z =
n
(cj + cj )xj
j=1
184
La valeur de la j e` me variable a` loptimum (notee xj ) mesure laugmentation de la fonction objectif si lon accrot dune unite la marge unitaire cj .
Nous allons a` nouveau lillustrer sur le meme exemple introductif. Dapr`es
le resultat e nonce ci-dessus, les augmentations de prot pour une augmentation
unitaire de la marge des produits valent respectivement :
x1 = 2,
x2 = 6.
Supposons que la marge sur le premier produit augmente dune unite. Autrement dit, lobjectif devient :
max z = 4x1 + 5x2
On constate a` la gure 11.3 que la pente de lobjectif ne varie pas sufsamment
pour changer le sommet optimum qui reste en :
x1 = 2
x2 = 6
On en deduit la nouvelle valeur de lobjectif :
z = 4 2 + 5 6 = 38
Laugmentation de lobjectif correspond bien a` la valeur de x1 :
z = 38 36 = 2 = x1
11.3.1
185
x2
10
8
6
(2, 6)
z = 4x1 + 5x2 = 38
z = 3x1 + 5x2 = 36
4
2
0
10
12
x1
186
11.4
Cout
reduit des variables hors base
On appelle variables hors base celles dont la valeur est a` zero a` loptimum.
Le cout
reduit de la variable hors base xj , note dj , mesure laugmentation
de la fonction objectif si lon accrot dune unite la valeur de la variable xj .
Nous illustrerons cette notion sur l exemple de planication de la production
de chassis auquel on adjoint un troisi`eme chassis mixte aluminium bois, pour lequel
la marge unitaire est de 4 et les temps unitaires de fabrication dans les trois ateliers
sont respectivement de 1, 2 et 3 heures. La formulation de ce probl`eme est donc :
max z = 3x1 +5x2 +4x3
s.c.q.
+x3
x1
2x2 +2x3 12
3x1 +2x2 +3x3 18
x1 ,
x2 ,
x3
x1
3x1
2x2
+2x2
4 x3 = 3
(1)
12 2x3 = 10 (2)
18 3x3 = 15 (3)
11.5
187
Exercices
(a) Ecrire
le programme lineaire correspondant.
(b) Resoudre graphiquement.
(c) Determiner lintervalle de variation maximum de la marge sur le produit
B qui preserve la solution optimale determinee ci-dessus.
11.2. Production de peintures. Une societe de melange de peinture produit a`
la fois des peintures interieures et des peintures exterieures en melangeant
deux materiaux de base, notes M1 et M2. Le tableau ci-dessous fournit les
donnees de base du probl`eme.
Peinture
Peinture
Disponible
interieure
exterieure
par jour
Materiau M1 requis
24
Materiau M2 requis
Une e tude de marche indique que la demande journali`ere de peinture exterieure ne peut exceder celle de la peinture interieure de plus dune tonne.
Dautre part, le maximum de la demande journali`ere de peinture exterieure
est de 2 tonnes. On se demande comment determiner la meilleure combinaison de production de peintures interieure et exterieure an de maximiser
le prot journalier.
(a) Formuler le probl`eme : choix des variables (avec leurs unites), expression de lobjectif (avec son unite de compte) et des contraintes.
(b) Resoudre graphiquement le probl`eme.
188
annonces
annonces
Montant
magazines
journaux
max
130
60
50
300 000
150 000
100 000
4 millions
Cout de conception
90 000
30 000
40 000
1 million
Augmentation de vente
Spots TV
par campagne
Outre le cout demande par le media qui va difuser la publicite (ligne cout
dune campagne) pour lequel il existe un budget maximum de 4 millions
deuros, il faut payer lagence de publicite pour la conception de la publicite
(ligne cout de conception). Le budge total de conception est dun million
deuros. Il y a aussi un nombre maximum de 5 spots tv autorises dans la
periode consideree.
On demande de determiner le nombre de campagnes de publicite a` effectuer
dans chaque media pour maximiser les nouvelles ventes tout en respectant
les contraintes de budget publicitaire, de cout de conception et du nombre
maximum de spots tv par periode.
(a) Formuler le probl`eme de repartition du budget publicitaire (choix des
variables de decisions, expression de lobjectif, expression des contraintes.)
(b) Mettre sous la forme dun mod`ele de calcul en Excel.
(c) Donner la solution obtenue par Excel.
(d) Quel serait leffet de lancer un spot tv supplementaire ?
Chapitre 12
La programmation en nombres entiers.
12.1
Introduction
190
12.2
Nous allons voir quelques probl`emes classiques necessitant le recours a` la programmation mixte enti`ere.
12.2.1
(12.1)
y=
1 si x > 0
0 si x = 0
191
(12.2)
xij = dj , j = 1, . . ., n
192
si
2
xij
dj
xij si yi et yi {0, 1}
(12.3)
j=1
Expression de lobjectif :
Lobjectif est simplement la minimisation des couts totaux et sexprime donc
comme :
m n
m
min z =
i=1 j=1
cij xij +
fi yi
i=1
12.2.2
193
soit
(12.4)
ti + di tj + M (1 yij )
tj + dj ti + M yij
(12.5)
yij {0, 1}
o`u M note une borne superieure sur la date de n des travaux.
Demontrons lequivalence. Deux cas sont possibles pour la variable binaire :
1. Cas ou` yij = 1 : dans ce cas, le syst`eme (12.5) devient :
ti + di tj
tj + dj ti + M
La premi`ere contrainte exprime donc que la tache i doit e tre nie avant que ne
commence la tache j. La seconde contrainte est automatiquement satisfaite.
2. Cas yij = 0 : dans ce cas, le syst`eme (12.5) devient :
ti + di tj + M
tj + dj ti
194
12.2.3
yi =
1 si xi > 0
0 si xi = 0
(12.6)
o`u mi est une borne inferieure sur la teneur de xi dans le melange et Mi est une
borne superieure sur la teneur de xi dans le melange.
La condition du nombre maximum dingredients dans le melange sexprime
alors simplement par :
n
yi k,
(12.7)
i=1
12.2.4
195
Dans beaucoup de probl`emes industriels, lors du dimensionnement dun appareillage, on doit choisir sa capacite parmi les valeurs commerciales existant sur le
marche. Par exemple, lors du dimensionnement dune canalisation de transport
deau, on doit choisir parmi les valeurs suivantes pour le diam`etre :
12 cm, 17 cm, 24 cm ou 47 cm.
On peut a` nouveau modeliser ce choix par lutilisation de variables binaires. En
effet, denissons la variable x comme e tant le diam`etre choisi et denissons yi une
indicatrice du fait que le diam`etre numero i a e te choisi :
yi =
1 si x = di
0 si sinon.
(12.8)
12.3
et entiers.
Cette methode peut e galement e tre appliquee aux probl`emes avec variables binaires
(zero-un). Elle peut e galement e tre appliquee aux probl`emes mixtes (MIP), cesta` -dire aux probl`emes comportant un certain nombre de variables enti`eres et un
certain nombre de variables continues.
196
Nous illustrons la methode sur lexemple suivant tire de Norbert et al [15] dont
on a leg`erement modie la fonction objectif :
z = max z = 15x1 + 50x2
x1 + 2x2
5,
x1 + 2x2 14,
s.c.q.
8,
x2
x1
x1
(12.9)
et entiers
x2
(1)
P0
P2
P1
P3
z = 150
3
2
1
0
0
10
x1
197
12.4
Application a` lexemple
198
z 0 = 305
x1 = 4, 50
x2 = 4, 75
x1
x1
5
z2 = 300
x1 = 5
x 2 = 4, 5
z1 = 285
x1 = 4
x 2 = 4, 5
x2
z3 = 290
x1 = 6
x2 = 4
x2
z4 =
Probl`eme
non realisable
199
effet, ajoute des contraintes et donc restreint lespace des solutions realisables.
Comme les deux sous-regions forment une representation contenant lensemble
des solution enti`eres, on peut en conclure que la borne superieure sur z est :
z max(z1 , z2 ) = 300.
Pas 2. Diviser a` nouveau un nud ls ou lle en deux.
Ici, aucune des deux solutions nest acceptable car toutes les deux comportent des
parties fractionnaires. On va donc continuer en choisissant un des deux nuds
pour le diviser a` nouveau. Le choix du nud a` diviser est a` nouveau heuristique
et peut a` nouveau avoir une grande inuence sur le temps total mis pour resoudre
le probl`eme. Pour lillustration de la methode, nous adoptons la r`egle de choix
heuristique suivante :
Le crit`ere de choix du nud a` diviser adopte ici est de prendre la la relaxation lineaire fournit la meilleure (cest-`a-dire la plus grande en cas de
maximisation) valeur de la fonction objectif.
Pour cet exemple, on choisit donc le nud 2 et on rep`ete le Pas 1.
Pas 1. Choisir une variable pour brancher.
Ici seule la variable x2 est non enti`ere. On la choisit donc pour operer le branchement suivant :
soit x2 4 soit x2 5
On ajoute separement chacune de ces contraintes aux contraintes du probl`eme 2
et on gen`ere ainsi les nuds 3 et 4. Ceci est illustre a` la gure 12.4. On resout
graphiquement les relaxations lineaires (voir gure 12.3) et on obtient les solutions
suivantes :
Noeud 3 : x1 = 6, x2 = 4, z3 = 290.
Noeud 4 : non realisable
Noter que, au nud 3, on a obtenu une solution enti`ere dont la valeur correspondante de la fonction objectif est 290. On a une premi`ere borne inferieure sur la
valeur optimale de la fonction objectif et on a donc que :
290 z
Il est clair e galement quil ny a aucune raison de continuer a` diviser le nud 3
pour lequel la solution optimale du probl`eme en nombres entiers a e te obtenue.
On dit que le nud 3 est coupe.
Remarquons aussi que le nud 4 a conduit a` un probl`eme non realisable. Ce
nest pas e tonnant vu que lon rajoute de plus en plus de contraintes. A nouveau,
200
dans ce cas, il ne sert a` rien de continuer a` diviser ce nud. On peut donc couper
le nud 4.
Remarquons, pour terminer, que lon peut e galement couper la branche du
nud 1. En effet, la valeur de z1 = 285 est inferieure a` la borne inferieure de 290
qui vient detre trouvee. On na donc aucun espoir de trouver en poursuivant les
calculs a` la branche 1 de trouver une solution enti`ere meilleure que 290. Dans le
cas contraire, on aurait du diviser la branche 1.
La methode est terminee puisquil nexiste plus de nud a` diviser. On determine la solution optimale comme e tant la meilleure solution enti`ere trouvee. Il
sagit du point P3 suivant :
x1 = 6
x2 = 4
auquel correspond une valeur optimale de lobjectif de z = 290. On a ainsi, pour
notre exemple, trouve et aussi prouve que la solution du nud 3 e tait la solution
optimale du probl`eme en nombres entiers.
En conclusions, il y a trois raisons de couper une branche dans larbre :
1. lorsque la relaxation lineaire obtenue est non realisable (cas du nud 4),
2. lorsque la relaxation lineaire obtenue fournit une solution enti`ere (cas du
nud 3),
3. lorsque la valeur de la borne superieure est inferieure a` la valeur de la meilleure solution enti`ere obtenue (cas du nud 1).
Enn terminons par les remarques generales suivantes.
Si la region realisable de la relaxation lineaire nest pas bornee, il ny a pas
de garantie de convergence de la methode de branch and bound. Pour e viter ce
probl`eme, certaines implementations demandent une borne inferieure et superieure
sur chaque variable. On est ainsi garanti dun nombre ni de branches dans larbre.
Signalons, pour terminer, quil existe une seconde methode generale pour resoudre les probl`emes en nombres entiers. Il sagit de la methode dite des plans coupants. En effet, elle gen`ere des plans qui coupent les solutions fractionnaires. Remarquons cependant que, dun point de vue algorithmique, cette methode sav`ere
moins performante (sauf a` exploiter la structure particuli`ere du probl`eme) que la
methode de branch and bound et nest donc pas celle qui est implementee dans
les logiciels commerciaux de programmation mixte.
12.5
201
Exercices
202
Mois
(t)
Janvier
Fevrier
Mars
Avril
(b) Si maintenant, il y a en plus un cout xe de mise en route de la production de 2,5 a` chaque mois o`u lon produit, modiez votre formulation
pour tenir compte de ce cout de mise en route :
Ajout de nouvelles variables.
Ajout dans lexpression de lobjectif.
Ajout et modication dans lexpression des contraintes.
12.3. Methode de branch and bound. Considerons le probl`eme en nombres
entiers suivant :
zP N E = max z = 5x1 + 4x2
x1
+x2
5,
(1)
x ,
x2
0 et entiers
1
On demande de resoudre le probl`eme par la methode de branch and bound
en resolvant les relaxations lineaires de mani`ere purement graphique.
(a) Resoudre graphiquement la relaxation lineaire initiale. Remarque :
nhachurez pas la region realisable. Entourez-la dune couleur an de
pouvoir encore utiliser le graphique pour la suite de lexercice. Donnez
la solution optimale du probl`eme lineaire ainsi que la valeur optimale
de lobjectif de ce probl`eme.
(b) Representer par un arbre la suite de vos calculs de la methode de branch
and bound. Comme crit`ere de choix de la variable de branchement,
prendre la premi`ere non enti`ere. Justiez bri`evement les differents pas
de la methode.
(c) Quelle est la solution optimale du probl`eme en nombres entiers ?
Bibliographie
[1] BAGLIN Gerard, Olivier BRUEL, Alain GARREAU, Michel GREIF et
Christian VAN DELFT, Management Industriel et Logistique, 3`eme Edition,
Economica, Paris, 2001.
[2] BROOKE Anthony, David KENDRICK et Alexander MEERAUS, GAMS
Users guide Release 2.25, The Scientic Press, San Francisco, 1992.
[3] EXCEL, Guide de lutilisateur, Microsoft, 1992.
[4] GIARD Vincent, Gestion de la production et des ux, 3`eme Edition, Economica, Paris, 2003.
[5] GUERET Christelle, Christian PRINS et Marc SEVAUX, Applications of
optimization with XPRESS-MP, Eyrolles, Paris, 2000.
[6] HEIZEZ Jay, Barry RENDER, Operations Management, 8`eme e dition, Pearson Education, Upper Saddle River, 2006.
[7] F.S. HILLIER et G.S. LIEBERMAN, Introduction to Operations Research,
6`eme e dition, Mac Graw-Hill International Editions, Singapour, 1995.
[8] F.S. HILLIER, M.S. HILLIER et G.S. LIEBERMAN, Introduction to Management Sciences, 1`ere e dition, Mac Graw-Hill International Editions, Boston,
2000.
[9] G. JAVEL, Organisation et gestion de la production, MASSON, 1997.
[10] Lee KRAJEWSKI, Manoj MALHOTRA et Larry RITZMAN, Operations
Management, 8`eme e dition, Pearson Education, Upper Saddle River, 2007.
[11] LACAZE Dominique, Optimisation appliquee a` la gestion et a` leconomie,
Economica, 1990.
[12] D. G. LUENBERGER, Linear and Nonlinear Programming, Addison Wesley, 1984.
203
204
Bibliographie
[13] J.O. MAC CLAIN, L.J. THOMAS et J.B. MAZZOLA, Operations Management: Production of Goods and Services, Prentice Hall, 1992.
[14] NEMHAUSER, G.L. et L.A. WOLSEY, Integer and Combinatorial Optimization, Wiley, New York, 1988.
[15] Y. NORBERT, R. OUELLET et R. PARENT, La recherche operationnelle,
Gaetan Morin Editeur, Montreal-Paris, 1995.
[16] Hamdy TAHA, Operations Resaerch: an Introduction, 8`eme e dition, Pearson
Education, Upper Saddle River, 2007.
[17] M.P. WILLIAMS, Model building in Mathematical Programming, John Wiley, 1990.
[18] M.P. WILLIAMS, Model solving in Mathematical Programming, John Wiley,
1992.
Annexe A
Formulaire pour la gestion de production
A.1 La gestion calendaire de stock
Cout
de gestion :
C(S) = cp Ip (S) + cr Ir (S) (+cc 1)
avec Ip (S) = stock moyen possede :
+ Ir (S) (cas de stock a` rotation nulle)
Ip (S) = S X
Ip (S) =
X
2
Ir (S)
2
g(tS ) avec : tS =
SX
si X Poisson()
si X N (, )
si X Poisson()
S tel que
si X N (, )
cp
cr +
cp
2
P (X > S 1)
P (X > S ) =
cp
cr +
205
cp
2
si X Poisson()
si X N (, )
206
q =
avec cp
D
=
=
2cc D
cp
q
D
et Ic (q ) =
2
q
Cout
de gestion en univers certain :
C(q ) = cc Ic (q ) + cp Ip (q ) = cc
avec Ic (q)
Ip (q)
D
q
D
q
+
c
p
q
2
207
Cout
de gestion en cas de demande aleatoire :
C(s, q) = cc Ic (q) + cp Ip (s, q) + cr Ir (s, q)
La quantite e conomique q est determinee par :
q =
2cc D
avec D = X
cp
cp
cr + cp /2
q
.
D
cp
cr +
cp
2
P (XL > s 1)
D
q
L g(tS ) avec tS =
s XL
L
si XL Poisson()
si XL N (L , L )
208
I c (s)
q
+ (s DL) + r ,
2
2
DL c
q
+ (s DL) +
I (S).
2
2q r
avec Cu
Qe
k
Tr
A.4
Equilibrage
dune chane de production
nc T
nc
nombre de postes de travail,
temps dun cycle,
temps total requis par un article.
RE =
avec n
c
T
=
=
=
avec n
i
=
=
1
1+i
1 (1 + i)n
=
i
nombre dannees,
taux dactualisation annuel.
Annexe B
Tables pour la gestion de stocks
B.1
0,05
0,1
0,15
0,2
0,25
0,3
0,35
0,4
0,45
0,5
0,0488
0,0952
0,1393
0,1813
0,2212
0,2592
0,2953
0,3297
0,3624
0,3935
0,0012
0,0047
0,0102
0,0175
0,0265
0,0369
0,0487
0,0616
0,0754
0,0902
0,0000
0,0002
0,0005
0,0011
0,0022
0,0036
0,0055
0,0079
0,0109
0,0144
0,0000
0,0000
0,0000
0,0001
0,0001
0,0003
0,0005
0,0008
0,0012
0,0018
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0001
0,0001
0,0002
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
209
210
0,55
0,6
0,65
0,7
0,75
0,8
0,85
0,9
1,5
0,4231
0,4512
0,4780
0,5034
0,5276
0,5507
0,5726
0,5934
0,6321
0,7769
0,1057
0,1219
0,1386
0,1558
0,1734
0,1912
0,2093
0,2275
0,2642
0,4422
0,0185
0,0231
0,0283
0,0341
0,0405
0,0474
0,0549
0,0629
0,0803
0,1912
0,0025
0,0034
0,0044
0,0058
0,0073
0,0091
0,0111
0,0135
0,0190
0,0656
0,0003
0,0004
0,0006
0,0008
0,0011
0,0014
0,0018
0,0023
0,0037
0,0186
0,0000
0,0000
0,0001
0,0001
0,0001
0,0002
0,0003
0,0003
0,0006
0,0045
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0001
0,0009
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0002
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
0,0000
211
2,5
3,5
4,5
5,5
6,5
0,8647
0,9179
0,9502
0,9698
0,9817
0,9889
0,9933
0,9959
0,9975
0,9985
0,5940
0,7127
0,8009
0,8641
0,9084
0,9389
0,9596
0,9734
0,9826
0,9887
0,3233
0,4562
0,5768
0,6792
0,7619
0,8264
0,8753
0,9116
0,9380
0,9570
0,1429
0,2424
0,3528
0,4634
0,5665
0,6577
0,7350
0,7983
0,8488
0,8882
0,0527
0,1088
0,1847
0,2746
0,3712
0,4679
0,5595
0,6425
0,7149
0,7763
0,0166
0,0420
0,0839
0,1424
0,2149
0,2971
0,3840
0,4711
0,5543
0,6310
0,0045
0,0142
0,0335
0,0653
0,1107
0,1689
0,2378
0,3140
0,3937
0,4735
0,0011
0,0042
0,0119
0,0267
0,0511
0,0866
0,1334
0,1905
0,2560
0,3272
0,0002
0,0011
0,0038
0,0099
0,0214
0,0403
0,0681
0,1056
0,1528
0,2084
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
212
7,5
8,5
9,5
10
11
12
13
0,9991
0,9994
0,9997
0,9998
0,9999
0,9999
1,0000
1,0000
1,0000
1,0000
0,9927
0,9953
0,9970
0,9981
0,9988
0,9992
0,9995
0,9998
0,9999
1,0000
0,9704
0,9797
0,9862
0,9907
0,9938
0,9958
0,9972
0,9988
0,9995
0,9998
0,9182
0,9409
0,9576
0,9699
0,9788
0,9851
0,9897
0,9951
0,9977
0,9989
0,8270
0,8679
0,9004
0,9256
0,9450
0,9597
0,9707
0,9849
0,9924
0,9963
0,6993
0,7586
0,8088
0,8504
0,8843
0,9115
0,9329
0,9625
0,9797
0,9893
0,5503
0,6218
0,6866
0,7438
0,7932
0,8351
0,8699
0,9214
0,9542
0,9741
0,4013
0,4754
0,5470
0,6144
0,6761
0,7313
0,7798
0,8568
0,9105
0,9460
0,2709
0,3380
0,4075
0,4769
0,5443
0,6082
0,6672
0,7680
0,8450
0,9002
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
213
14
15
16
17
18
1,0000
1,0000
1,0000
1,0000
1,0000
1,0000
1,0000
1,0000
1,0000
1,0000
0,9999
1,0000
1,0000
1,0000
1,0000
0,9995
0,9998
0,9999
1,0000
1,0000
0,9982
0,9991
0,9996
0,9998
0,9999
0,9945
0,9972
0,9986
0,9993
0,9997
0,9858
0,9924
0,9960
0,9979
0,9990
0,9684
0,9820
0,9900
0,9946
0,9971
0,9379
0,9626
0,9780
0,9874
0,9929
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
214
B.2
P
zi
zj
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
B.3
215
g(tS )
ti
tj
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
0,3989
0,4040
0,4090
0,4141
0,4193
0,4244
0,4297
0,4349
0,4402
0,4456
216
g(tS )
ti
tj
0,00
0,01
0,02
0,03
0,04
0,05
0,06
0,07
0,08
0,09
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
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
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
0,0005
0,0004
0,0002
0,0004
0,0003
0,0005
0,0003
0,0002
0,0004
0,0003
Annexe C
Solutions nales des exercices
C.1 Introduction
1.1 Un probl`eme de transport
a) Choix des variables : les quantites transportees de lusine vers le marche.
b) Expression de lobjectif : minimisation de la somme des couts de
transport.
c) Expression des contraintes :
Respect de la capacite de lusine,
Satisfaction de la demande du marche,
Positivite.
1.2 Optimisation du plan directeur de production.
a) Choix des variables independantes : les embauches et licenciements de
debut de periode.
Choix des variables dependantes : les effectifs, la production et le
stock de n de periode.
b) Expression de lobjectif : minimisation de la somme des couts dembauche, de licenciement et de stockage.
c) Expression des contraintes :
218
1.4 Equilibrage
du chargement dun navire.
a) Choix des variables : nombre de tonnes du lot i chargees dans la soute
j et nombre total de tonnes chargees dans la soute j.
b) Expression de lobjectif : maximisation de la somme des tarifs recus fois
le tonnage des lots.
c) Expression des contraintes :
219
J1 J7
J5 J6
1 2
5 6
Tache 2 3
6 1
1 2
5 6
Tache 2 3
1 6
5 1
3 4
220
n
Di P (D = Di ) = 12
i=1
221
222
BBt
40
LPt
PF2
10 11 12 13 14 15 16
50
60
BBt
10 20
LPt
60
40
1
10 20
70
50
7
30
30
70
10 11 12 13 14 15 16
10 20
30
20
30
30
20
30
10 20
BNt
10
11
12
13
14
50 120 20
40
160
40
200
100 100
100
100
100
130
10
10
50
30
10
70
70
10
10
70
70
10
11
12
13
14
150 0
0 150
210
LPt
150
0 150 0
SFt
150 30 30
30
30
13 14
LPt
SFt
150 50
S2
BNt
210
10
11
12
BNt 0
760
A3
300
900
400
223
BNt
1200
600
300
1200
400
d) Lancements de commande pour les ensembles acoustiques, les commandes e tant multiples de 500 :
E.A. Octobre Novembre
LCt
1500
1500
500
SFt
600
100
300
200
Octobre Novembre
H.C.
10.000
E.A.
9.600
1.600
4.800
3.200
224
12 plaques.
12 plaques.
225
A B C D E F G
Marge
226
B C D
13 13
Marge
11
11 14 24 13
d) Chemin critique ?
ADH
e) Les taches E et F necessitent toutes deux la presence dun bulldozer :
On repousse le debut de F en 10, soit apr`es la n de E. Il ny a alors
plus de recouvrement entre E et F.
Quelle est alors la duree du projet ?
Comme la date au plus tard de F est 14, il ny a aucune consequence
sur la date de n de projet.
227
ti = 90 minutes
i=A
Il faut donc, avec un seul poste, 1,5 heure pour faire un magnetoscope.
Il faut donc 45 heures pour en produire 30 par jour. Reponse : non.
b) Determination du temps de cycle : on veut 30 unites par jour. Or un jour
represente : 7, 5 2 60 = 900 minutes. Donc un magnetoscope doit
sortir de la chane toutes les
900
= 30 minutes.
30
c) graphe de preseances : voir cours.
d) Utilisation de lheuristique :
Poste 1 Poste 2 Poste 3
A,2
J,10
L,9
C,10
I,8
H,6
B,4
K,12
M,6
E,5
G, 5
D,5
N,4
F,4
30
30
30
e) Retard dequilibre :
RE =
3 30 90
= 0%
3 30
=
=
=
=
Renover
Nouveau Complexe
Demande forte
Demande faible
228
Calcul des VAN :
V AN (RC|D) = 16.478.319
V AN (RC|d) = 11.608.739
V AN (N C|D) = 33.695.797
V AN (N C|D) = 391.261
c) E(V AN ) de RC si la probabilite de demande forte est de 45 % :
E(V AN ) = 13.800.050
E(V AN ) du N C si la probabilite de demande forte est de 45 % :
E(V AN ) = 14.947.915
Decision optimale ? ouvrir le nouveau complexe.
E(V AN ) de RC si la probabilite de demande forte est de 55 % :
E(V AN ) = 14.287.008
E(V AN )du N C si la probabilite de demande forte est de 55 % :
E(V AN ) = 18.356.621
Decision optimale ? ouvrir le nouveau complexe.
8.3 Probl`eme de localisation de centre de distribution de pneus.
a) Representation par un graphique de reseau : voir cours.
b) Formulation du probl`eme :
Variables : quantite de pneus transportees du depot i vers le pays
j et indicatrice de louverture du depot i lannee prochaine.
Contraintes :
Capacite de production,
Satisfaction de la demande,
Non negativite et caract`ere binaire.
Objectif : somme des couts de transports et des frais xes douverture des depots.
229
2 3
Produit t 1 2
5 3 ou
st
6 3
2 3
xt
3 2
3
1
1
230
9.3 Planication de production.
1 2 3 4
0 11 13 11
231
Expression de lobjectif :
max z = 50x + 60y
Expressions des contraintes :
Limites de vente des produits,
Limite dingredient,
Contrainte commerciale,
Satisfaire les contrats sur la formule X,
Positivite.
b) Resolution graphique : voir cours. Solution optimale :
x = 50 y = 0 z = 2 500
10.3 Planication de la production.
a) Formulation du probl`eme :
Choix des variables :
xt = production de periode t
st = stock n de periode t
Expression de lobjectif :
max z =
5
10xt +
t=1
5
1st
t=1
Production en 12 15 15
Stock n de
18 15
3
232
233
234
4
2, 5yt
t=1