Cours Gestion de Production

UNIVERSITE DE LIEGE
Bachelier 3 sciences de gestion

et ingenieurs de gestion
Gestion de la Production
Daniel DE WOLF
Liège, Septembre 2006
Table des matières
Introduction
1.1
Objectifs du cours . . . . . . . . . . . . . . . . . . . . . . . . .
1.2
Denition de la gestion de production . . . . . . . . . . . . . . . 10
1.3
Classication des systèmes productifs . . . . . . . . . . . . . . . 12
1.3.1
Organisation de type serie unitaire . . . . . . . . . . . . . 12
1.3.2
Organisation en ateliers specialises . . . . . . . . . . . . 13
1.3.3
Organisation en lignes de production . . . . . . . . . . . 13
1.3.4
Les industries de process . . . . . . . . . . . . . . . . . 14
1.4
Formulation en modèles mathematiques . . . . . . . . . . . . . . 14
1.5
Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
I Les decisions operationnelles
21
23
Ordonnancement en ateliers specialises

2.1
Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
2.2
Ordonnancement sur une machine . . . . . . . . . . . . . . . . . 24
2.3
2.2.1
Le diagramme de Gantt . . . . . . . . . . . . . . . . . . 24
2.2.2
La règle T.O.M. . . . . . . . . . . . . . . . . . . . . . . 25
Ordonnancement avec deux centres de production . . . . . . . . . 26

2.3.1
Cas où toutes les taches sont a` executer sur A puis B . . . 26
2.3.2
Cas de taches ne seffectuant pas dans le meme ordre . . . 28
2.4
Ordonnancement sur trois machines . . . . . . . . . . . . . . . . 29
2.5
Ordonnancement de n taches sur m centres de production . . . . . 31
Table des matières
4
2.6
3
La gestion calendaire de stock
35
3.1
Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
3.2
Les politiques de gestion de stock . . . . . . . . . . . . . . . . . 36
3.3
Les couts associes aux stocks . . . . . . . . . . . . . . . . . . . 37

3.3.1
Les couts de possession . . . . . . . . . . . . . . . . . . 37
3.3.2
Les couts de rupture . . . . . . . . . . . . . . . . . . . . 39
3.3.3
Les couts de commande . . . . . . . . . . . . . . . . . . 39
3.4
Gestion calendaire de stock a` rotation nulle . . . . . . . . . . . . 40
3.5
Cas dune loi de demande continue . . . . . . . . . . . . . . . . 46
3.6
Les consequences e conomiques de la solution optimale . . . . . . 48
3.7
Cas de stocks a` rotation non nulle . . . . . . . . . . . . . . . . . 51
3.8
4
Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
3.7.1
Determination de la solution optimale . . . . . . . . . . . 54
3.7.2
Cas dune loi de demande discrète . . . . . . . . . . . . . 56
Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57
La gestion par point de commande
59
4.1
Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . 59
4.2
Determination du point de commande en univers certain . . . . . 60
4.3
Determination de la quantite e conomique de commande . . . . . . 61
4.4
Cas dune demande aleatoire . . . . . . . . . . . . . . . . . . . . 64
4.5
4.4.1
Determination de q et s . . . . . . . . . . . . . . . . . . 65
4.4.2
Consequences e conomiques du choix . . . . . . . . . . . 67
Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 69
II Les decisions tactiques
71
73
La planication de la production
5.1
Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . 73
5.2
La planication des besoins en composants . . . . . . . . . . . . 74
Table des matières

5.3
Determination des besoins nets dun composant . . . . . . . . . . 78

5.3.1
Determination de la couverture des besoins nets . . . . . . 80
5.3.2
Utilisation en cascade de la logique de calcul . . . . . . . 80
5.4
Autres règles de calcul des lancements de production . . . . . . . 85
5.5
Ajustement charge-capacite . . . . . . . . . . . . . . . . . . . . 86
5.6
Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 89
Les techniques de juste a` temps
91
6.1
Origine et principe du JAT . . . . . . . . . . . . . . . . . . . . . 91
6.2
Les deux approches du JAT . . . . . . . . . . . . . . . . . . . . 93
6.3
6.4
6.5
6.2.1
Augmenter la reactivite du système logistique . . . . . . . 93
6.2.2
La rationalisation de la production . . . . . . . . . . . . . 93
Les facteurs cles du JAT . . . . . . . . . . . . . . . . . . . . . . 94

6.3.1
Recherche dun plus grande reactivite . . . . . . . . . . . 94
6.3.2
Matrise des aleas . . . . . . . . . . . . . . . . . . . . . 94
La methode Kanban . . . . . . . . . . . . . . . . . . . . . . . . 95
6.4.1
Système Kanban a` une boucle . . . . . . . . . . . . . . . 95
6.4.2
Determination du nombre detiquettes . . . . . . . . . . . 96
Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 99
III Les decisions strategiques
101
103
Lordonnancement de projets
7.1
Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . 103
7.2
Formulation du problème . . . . . . . . . . . . . . . . . . . . . 105
7.3
Representation graphique du problème . . . . . . . . . . . . . . 105
7.4
Existence dune solution . . . . . . . . . . . . . . . . . . . . . . 108
7.5
Calcul de lordonnancement au plus tot . . . . . . . . . . . . . . 109
7.6
Ordonnancement au plus tard . . . . . . . . . . . . . . . . . . . 109
7.7
Chemin critique et calcul des marges . . . . . . . . . . . . . . . 111
7.8
Lordonnancement par la methode PERT . . . . . . . . . . . . . 112
Table des matières
6
7.9
La minimisation des couts . . . . . . . . . . . . . . . . . . . . . 115
7.10 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 119

8
Conception dun centre de production
123
8.1
Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . 123
8.2
Conguration dun centre de production . . . . . . . . . . . . . . 124

8.2.1
Conguration en ateliers specialises . . . . . . . . . . . . 124
8.2.2
Conguration en ligne de production . . . . . . . . . . . 128
8.2.3
Conguration a` poste xe . . . . . . . . . . . . . . . . . 133
8.3
Decisions de capacite . . . . . . . . . . . . . . . . . . . . . . . 134
8.4
Decisions de localisation . . . . . . . . . . . . . . . . . . . . . . 138
8.5
Utilisation de la programmation mathematique . . . . . . . . . . 141
8.6
Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 145
IV Les techniques doptimisation
147
149
La programmation dynamique.
9.1
Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . 149
9.2
Le problème du voyageur . . . . . . . . . . . . . . . . . . . . . 150

9.2.1
Formulation en un problème dynamique . . . . . . . . . . 151
9.3
Procedure de resolution . . . . . . . . . . . . . . . . . . . . . . 152
9.4
Un problème daffectation de ressources rares . . . . . . . . . . . 154
9.5
9.6
9.4.1
Formulation comme un problème dynamique . . . . . . . 154
9.4.2
Resolution par la programmation dynamique . . . . . . . 156
Application a` la planication de la production. . . . . . . . . . . 157

9.5.1
Formulation en un problème dynamique . . . . . . . . . . 157
9.5.2
Resolution par la programmation dynamique . . . . . . . 159
9.5.3
Algorithme en cas de cout convexe . . . . . . . . . . . . 161
Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 163
10 La programmation lineaire.
165
Table des matières
10.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . 165

10.2 Un simple exemple . . . . . . . . . . . . . . . . . . . . . . . . . 165
10.3 Resolution graphique . . . . . . . . . . . . . . . . . . . . . . . 167
10.4 Le solveur dExcel . . . . . . . . . . . . . . . . . . . . . . . . . 170
10.5 Les rapports du solveur . . . . . . . . . . . . . . . . . . . . . . 174
10.5.1 Le rapport des reponses . . . . . . . . . . . . . . . . . . 174
10.5.2 Le rapport de sensibilite . . . . . . . . . . . . . . . . . . 174
10.5.3 Le rapport des limites . . . . . . . . . . . . . . . . . . . 176
10.6 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 177
11 Analyse postoptimale.
179
11.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . 179

11.2 Variation par rapport au second membre . . . . . . . . . . . . . . 180
11.2.1 Calcul des prix caches . . . . . . . . . . . . . . . . . . . 180
11.2.2 Analyse de sensibilite au membre de droite . . . . . . . . 182
11.3 Variation des coefcients objectifs . . . . . . . . . . . . . . . . . 183
11.3.1 Analyse de sensibilite aux coefcients objectif . . . . . . 184
11.4 Cout reduit des variables hors base . . . . . . . . . . . . . . . . . 186
11.5 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 187
12 La programmation en nombres entiers.
189
12.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . 189

12.2 Formulation des problèmes mixtes . . . . . . . . . . . . . . . . . 190
12.2.1 Problèmes avec couts xes . . . . . . . . . . . . . . . . . 190
12.2.2 Problèmes avec contrainte logique . . . . . . . . . . . . . 193
12.2.3 Melange avec nombre limite dingredients . . . . . . . . 194
12.2.4 Choix parmi un nombre discret de valeurs . . . . . . . . . 195
12.3 Principe de la methode de branch and bound . . . . . . . . . . . . 195
12.4 Application a` lexemple . . . . . . . . . . . . . . . . . . . . . . 197
12.5 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 201
A Formulaire pour la gestion de production
205
Table des matières
A.1 La gestion calendaire de stock . . . . . . . . . . . . . . . . . . . 205

A.2 La gestion par point de commande . . . . . . . . . . . . . . . . . 206
A.3 Les techniques de juste a` temps . . . . . . . . . . . . . . . . . . 208
A.4 Equilibrage
dune chane de production . . . . . . . . . . . . . . 208
A.5 Calcul dannuites
. . . . . . . . . . . . . . . . . . . . . . . . . 208
B Tables pour la gestion de stocks
209
B.1 Table de la loi Poisson() . . . . . . . . . . . . . . . . . . . . . 209

B.2 Table de la loi normale Z N (0, 1) . . . . . . . . . . . . . . . . 214
B.3 Table pour le calcul de Ir (S) . . . . . . . . . . . . . . . . . . . . 215
C Solutions nales des exercices
217
C.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . 217

C.2 Ordonnancement en ateliers specialises . . . . . . . . . . . . . . 218
C.3 Gestion calendaire de stock . . . . . . . . . . . . . . . . . . . . 220
C.4 Gestion de stock par point de commande . . . . . . . . . . . . . 221
C.5 La planication de la production . . . . . . . . . . . . . . . . . . 222
C.6 Les techniques de juste a` temps . . . . . . . . . . . . . . . . . . 224
C.7 Lordonnancement de projets . . . . . . . . . . . . . . . . . . . 225
C.8 Conception dun centre de production . . . . . . . . . . . . . . . 227
C.9 La programmation dynamique . . . . . . . . . . . . . . . . . . . 229
C.10 La programmation lineaire. . . . . . . . . . . . . . . . . . . . . 230
C.11 Analyse postoptimale . . . . . . . . . . . . . . . . . . . . . . . 232
C.12 La programmation en nombres entiers . . . . . . . . . . . . . . . 233
Chapitre 1
Introduction
1.1
Objectifs du cours
Lobjectif du cours est de donner une formation de base a` lapproche quantitative

des problèmes de gestion de lentreprise tels que :
la planication de la production;
lordonnancement de projets;
la gestion des stocks;
la gestion de la capacite,. . .
Pour cela, on essayer de developper une double competence :
La capacite de formuler ces problèmes en des modèles mathematiques :
cest-à-dire, partant de problèmes e nonces de manière litteraire, de les traduire sous formes dequations mathematiques (cfr section 1.4 a` la n de ce
chapitre).
La connaissance doutils de resolution de ces problèmes : en effet, une
fois le problème formule, souvent on tombe sur un problème classique (tel
celui de la gestion de stock), pour lequel il existe des methodes de resolution
adaptees (voir chapitres 3 et 4).
Comme references, nous utiliserons les livres de Giard [4] et Baglin et al [1]
pour tous les modèles classiques de gestion de la production. Pour ce qui est de
la formulation en modèles mathematiques, une très bonne reference est le livre de
Williams [17].
Chapitre 1. Introduction
10
1.2
Denition de la gestion de production
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 matière. 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 matière. Des exemples classiques sont la mise a` disposition de produits
aux consommateurs (la vente), le traitement de dossier (par un notaire), la
maintenance dequipements.
On peut alors denir la gestion de production comme suit.
Denition 1.1 La gestion de la production consiste en la recherche dune 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 relèvent 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 problèmes de manière a` produire au moindre cout.
Nous verrons dans ce cours un certain nombre de problèmes types rencontres en
gestion de production. Pour situer ces differents problèmes entre eux, on classie
souvent les decisions de gestion en trois classes :
Section 1.2. Denition de la gestion de production
11
1. Les decisions strategiques : il sagit de la formulation de la politique a`

long terme pour lentreprise (cest-à-dire a` un horizon de plus de deux ans).
Entrent dans ces decisions :
la denition du portefeuille dactivites;
la denition des ressources stables : aussi bien humaines (engagements,
licenciements, preretraites, . . . ) que materielles (decisions dinvestissement, de cession, de fermeture, . . . ).
2. Les decisions tactiques : il sagit des decisions a` moyen terme parmi lesquelles on trouve la planication de la production a` 18 mois. Il sagit de
produire au moindre cout pour satisfaire la demande previsible en sinscrivant dans le cadre xe le plan strategique de lentreprise (donc a` ressources
materielles et humaines connues).
3. les decisions operationnelles : il sagit des decisions de gestion quotidienne
pour faire face a` la demande au jour le jour, dans le respect des decisions
tactiques. Parmi ces decisions, on trouve :
la gestion de stocks;
la gestion de la main duvre;
la gestion des e quipements.
Ces trois classes de decisions de gestion de production se differencient par au
moins trois e lements :
1. par lhorizon de temps considere :
les decisions operationnelles se prennent au jour le jour;
les decisions tactiques concernent la planication a` 18 mois;
les decisions strategiques concernent la planication a` long terme.
2. par le niveau dagregation :
les decisions operationnelles se prennent au niveau dun atelier;
les decisions tactiques se prennent au niveau dune usine;
les decisions strategiques se prennent au niveau de lensemble de lentreprise.
3. par le niveau de responsabilite :
les decisions operationnelles sont prises par les agents de matrise;
les decisions tactiques sont prises par les cadres;
les decisions strategiques sont prises par la direction generale.
12
1.3
Classication des systèmes productifs
On peut classer les modes dorganisation de la production en quatre grandes

classes :
lorganisation en serie unitaire;
lorganisation en ateliers specialises;
lorganisation en ligne de production;
lorganisation en industries de process.
Nous examinerons, dans chaque cas, le type de ressources a` mettre en uvre
et le problème principal de leur utilisation.
1.3.1
Organisation de type serie unitaire
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 très limite de projets.
Comme exemples, on peut citer la construction de navires de grande taille (qui
se font, le plus souvent, en quelques exemplaires), les grands travaux publics (tel
que le creusement 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 caractère non repetitif des taches.
En ce qui concerne le problème dordonnancement, le problème 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-à-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 où une mauvaise coordination
saccompagne souvent de chomage technique pour certaines ressources et du paiement de penalites pour non respect des delais.
Section 1.3. Classication des systèmes productifs
1.3.2
13
Organisation en ateliers specialises
Denition 1.3 On parle dorganisation en ateliers specialises lorsque tous les

e quipements assurant une fonction specialisee sont reunis en un meme lieu.
Comme exemple, on peut citer un atelier demboutissage des toles de voitures ou
un atelier de peinture dans une usine dassemblage automobile.
En ce qui concerne les ressources mobilisees, la main duvre est plutot
qualiee et les e quipements sont polyvalents.
En ce qui concerne le problème de lorganisation efcace des ressources,
deux problèmes principaux sont a` considerer :
Lors de la conception de latelier, le problème principal est la gestion des
couts de manutention entre les differents postes de travail. An de diminuer
ces couts on determine la meilleure localisation des machines les unes par
rapport aux autres dans latelier. Ceci fait appel aux methodes dagencement
dans lespace (cfr chapitre 8 consacre a` la conguration dun centre de
production).
Lors de la gestion quotidienne de latelier, le problème principal est de
determiner lordre dexecution des diverses taches sur une ou plusieurs machines (cfr chapitre 2 consacre a` lordonnancement en ateliers specialises).
1.3.3
Organisation en lignes de production
Denition 1.4 On parle dorganisation en lignes de production lorsque quun

ux regulier de produits passe dun poste a` lautre, lordre de passage e tant xe.
Comme exemple, on peut citer les lignes dassemblage dautomobiles.
En ce qui concerne les ressources mises en uvre, les e quipements sont
generalement très specialises. En ce qui concerne lorganisation efcace des
ressources, le problème majeur consiste en lequilibrage de la chane : cest-àdire a` denir les taches a` realiser a` chaque poste de manière a` avoir le meme temps
de realisation a` chaque poste (cfr chapitre 8). En effet, un mauvais e quilibrage de
la chane entranera une sous-utilisation des ressources puisque la chane tourne a`
la vitesse de lelement le plus lent.
Deux autres problèmes sont très importants dans ce mode dorganisation de la
production. Il sagit de : la abilite de la chane (un maillon defectueux et toute
la chane sarrete) et de la abilite du système dinformations.
14
1.3.4
Les industries de process
Denition 1.5 On parle dindustries de process lorsque le mode dorganisation

est caracterise par un ux regulier et important de matières premières destinees a`
e tre transformees en matières plus e laborees.
Comme exemples, on peut citer la siderurgie, la petrochimie, le secteur de la chimie
lourde, le secteur agro-alimentaire, etc. . .
En ce qui concerne lorganisation efcace des ressources, vues limportance
et la regularite de la demande, le problème dorganisation au cout minimum est
generalement assez simple. Il peut e tre resolu par la programmation lineaire.
1.4
Formulation en modèles mathematiques
Terminons ce chapitre en introduisant la notion de modèle mathematique. Par

modèle mathematique, on entend la representation par des e quations mathematiques dun problème de la vie reelle. Nous allons illustrer la construction dun
modèle mathematique sur un exemple très simplie de planication de la production tire de Williams [17]. Une usine peut produire cinq produits (notes PROD1 a`
PROD5). La marge beneciaire unitaire, cest-à-dire la difference entre le prix de
vente et le cout de production dun produit, est donnee pour chacun des produits
au tableau 1.1. Chaque produit necessite le passage par trois e tapes de fabrication.
Produit PROD1
Marge
550
PROD2
600
PROD3
350
PROD4
400
PROD5
200
Tableau 1.1: Marge par produit.

Les temps requis a` chaque e tape sont donnes en heures pour chaque produit au
tableau 1.2.
Produit PROD1
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
Tableau 1.2: Temps de fabrication (en heures par produit).

Enn, il faut tenir compte des ressources en facteurs disponibles donnees au
tableau 1.3. Les deux premières e tapes sont effectuees sur machine tandis que la
Section 1.4. Formulation en modèles mathematiques
15
Ressources heures par jour jours par semaine

Etape
Etape 1 3 machines
16
6
Etape
2 2 machines
16
6
8
6
Etape
3 8 personnes
Tableau 1.3: Ressources en facteurs
troisième ne necessite que lintervention de main duvre. En ce qui concerne les
deux premières 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 troisième, 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 modèle 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 première 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 problème dont le modèle 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 première 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 deuxième 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 troisième e tape consiste en la formulation des contraintes.
16
Denition 1.8 Les contraintes sont toutes les relations entre les variables qui
limitent les valeurs possibles que peuvent prendre ces variables.
La première 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 deuxième contrainte concerne la limite dutilisation des machines a` la
deuxième 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 troisième contrainte concerne la limite dutilisation du personnel a` la
troisième 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
Remarquez ici limportance davoir precise que les quantites produites

letaient par semaine.
Section 1.5. Exercices
1.5
17
Exercices
1.1. Problème de transport.On dispose de deux usines de production dont les

debouches sont situes sur trois marches distants geographiquement. On
connat la capacite de production de chacune des usines (en tonnes) ainsi
que la demande de chacun des marches (en tonnes). On dispose e galement
(voir tableau 1.4 pour les donnees precises) des distances, exprimees en
milliers de miles, entre les sites de production et les marches.
Usines
Distance
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
Tableau 1.4: Les donnees numeriques du problème de transport.

Les frais de transport dune tonne sont de 90 $ par millier de miles. On se
demande combien dunites du produit acheminer a` chaque marche a` partir
de chaque usine de manière a` minimiser les couts de transport, les couts de
production, e tant les memes dans toutes les usines, nentrent pas en ligne de
compte.
Formuler le problème de transport comme un modèle lineaire (choix des
variables, expression de lobjectif et expression des contraintes).
1.2. Optimisation du plan directeur de production. Une societe voudrait
e tablir son plan directeur de production, cest-à-dire les quantites a` produire
chaque trimestre ainsi que les ressources a` mobiliser chaque trimestre pour
pouvoir satisfaire la demande a` cout total annuel minimum. La demande
pour les 4 prochains trimestres est donnee au tableau 1.5.
On suppose quun ouvrier peut produire 150 unites par jour ouvrable. Le
nombre de jours ouvrables est e galement repris au tableau 1.5. Il y a un
effectif initial de 32 ouvriers et un stock initial de 0. Le cout dembauche dun
ouvrier est de 20 000 euro. Le cout de licenciement est de 50 000 euro. Le
cout de stockage dune unite pendant un trimestre est de 10 euro. On suppose
que les licenciements et les embauches de personnel ne peuvent se realiser
quen debut de chaque trimestre. De plus, pour des raisons commerciales,
on souhaite avoir un niveau minimum de stock en n de chaque trimestre
18
Trimestre Demande Stock minimum Jours

1
180 000
55 000
62
400 000
85 000
64
190 000
50 000
55
390 000
100 000
59
Tableau 1.5: Optimisation du plan directeur de production

an de faire face aux demandes du debut du trimestre suivant. Ce niveau
minimum est donne au tableau 1.5. Les temps partiels sont permis.
On demande de determiner les engagements et licenciements debut de chaque
trimestre, de manière a` ce que leffectif du mois soit sufsant pour satisfaire
la demande (aucune rupture de stock nest permise) a` cout total minimum
(somme du cout dembauche, du cout de licenciement et du cout de stockage).
Formuler le modèle correspondant (choix des variables, expression de lobjectif et expression des contraintes). Indication : determinez dabord les
variables independantes (celles a` partir desquelles les autres seront calculees), ensuite les variables dependantes (par exemple, la production depend
du nombre douvriers, le nombre douvriers dependant lui-meme des embauches et licenciements).
1.3. Location de surfaces dentreposage. Le batiment dentreposage dune
rme fabriquant des peintures vient detre complètement ravage par le feu.
Pour pouvoir continuer a` stocker ses surplus de production prevus pour les 6
prochains mois (soit la periode de reconstruction de lentrepot), la rme doit
disposer des surfaces minimum reprises au tableau 1.6. La societe sadresse
Mois
Surface (en 100 m2 ) 35
20 30 10 15
20
Tableau 1.6: Besoins minimaux en surface dentreposage

a` une rme specialisee dans lentreposage qui permet de louer nimporte
quelle surface pour un nombre quelconque de mois. Le cout de location est
decroissant en fonction de la longueur du bail (cfr tableau 1.7). La rme
peut donc signer chaque mois autant de baux quelle le desire pour la duree
et la surface quelle juge utiles. Lobjectif est de minimiser le cout total des
baux qui permettront de couvrir les besoins en entreposage des 6 prochains
19
Duree du bail (en mois)

Cout du bail (euro pour 100 m2 )
200 360 500 625
745 850
Tableau 1.7: Cout des baux

mois. On vous charge detablir le calendrier de debut et de n de chacun des
baux ainsi que la surface sur laquelle ils portent.
Formuler le problème correspondant (choix des variables, expression de
lobjectif et expression des contraintes). Indication : pensez a` utiliser des
variables a` doubles indices (premier pour le debut, second pour la n du
bail).
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 arrière 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
20
les chargement du navire a` partir des lots de cereales suivants :

Lot Nombres
Nombre de
Tarif par tonne
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
Le capitaine a carte blanche pour choisir sa cargaison; il peut accepter a` sa

guise tout un lot donne ou une partie de ce lot. Pour simplier le problème,
on suppose quune soute peut contenir plus dune sorte de cereale. Il partage lobjectif de larmateur, qui est de maximiser les tarifs recus pour les
quantites embarquees. Comment doit seffectuer le chargement des soutes ?
Formuler mathematiquement le problème (choix des variables, expression
de lobjectif et expression des contraintes).
Partie I
Les decisions operationnelles
21
Chapitre 2
Ordonnancement en ateliers specialises
2.1
Introduction
Rappelons quon parle dateliers specialises lorsque lensemble des e quipements

necessaires pour assurer une fonction determinee sont rassembles dans un meme
atelier. Le problème de gestion quotidienne est de determiner lordre dexecution
dun certain nombre de taches, la realisation dune tache necessitant le passage sur
une ou plusieurs machines.
Par exemple, lemboutissage de plusieurs types de portières de voitures demande le passage sur une meme presse, lordre de passage des differents types de
portières sur la presse netant pas determine a` lavance.
Parmi les modèles dordonnancement en ateliers specialises, on distingue
Les modèles statiques pour lesquels on recherche lordonnancement optimal dun ensemble donne de taches sur une periode donnee : autrement dit,
au cours de la periode consideree, aucune nouvelle tache non prevue ne peut
e tre prise en compte dans lordonnancement;
Les modèles dynamiques dordonnancement qui se caracterisent par des
arrivees successives de taches, le plus souvent dans un univers aleatoire.
Dans ce chapitre, nous allons nous limiter aux modèles statiques et voir successivement le problème dordonnancement sur 1 machine, sur 2 machines. Enn,
nous verrons la generalisation au problème sur m machines dont la resolution
demande le recours a` la programmation en nombres entiers.
23
Chapitre 2. Ordonnancement en ateliers specialises
24
2.2
Ordonnancement sur une machine
Illustrons le problème 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
Tableau 2.1: Temps operatoires (en centièmes dheures).

effectuer ces differentes taches. Il est clair que, quel que soit lordre choisi, le
temps operatoire total est le meme : il sagit de la somme des temps operatoires.
Il faudra donc denir un autre critère de choix entre tous les ordonnancements
possibles. Un ordonnancement possible est illustre a` la table 2.2.
Ordre (j)
1
2
Tache programmee(i)
3
4
Temps dexecution (Tj ) 80 200
3 4
1 5
50 30
5
2
150
Tableau 2.2: Un ordonnancement possible.
2.2.1
Le diagramme de Gantt
Illustrons tout dabord une technique de visualisation dun ordonnancement, le

diagramme de Gantt. Celui-ci est construit a` la gure 2.1 pour lordonnancement
1
1 5
5
2
temps
(heures)
Z
machine A
0,8
2,8 3,3 3,6
5,1
Figure 2.1: Diagramme de Gantt.

du tableau 2.2. Le diagramme de Gantt permet de visualiser a` la fois :
lutilisation des moyens productifs;
lavancement de lexecution des taches.
Section 2.2. Ordonnancement sur une machine
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 règle 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 centièmes dheure. La question qui se pose est alors :
comment choisir parmi les n! ordonnancements possibles ?
Notons Aj le temps dachèvement de la tache programmee en position j. Le
temps dachèvement 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 dachèvement des taches est repris au tableau 2.3.
Ordre (j)
Tj
80
200
50
30
150
Aj
80
280 330 360 510
Tableau 2.3: Temps dachèvement des taches.

Le temps dachèvement moyen vaut alors :
80 + 280 + 330 + 360 + 510
= 312
A =
5
En general :
n
1
1
Aj = [T1 + (T1 + T2 ) + (T1 + T2 + T3 )
A =
5 j=1
5
+(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 règle dordonnancement qui minimise le temps dachèvement moyen est celle du temps operatoire minimum : il sagit dexecuter
les taches par ordre croissant de duree :
T1 T2 . . . Tj . . . Tn
Lapplication de cette règle donne lordonnancement illustre au tableau 2.4. Cette
application donne le temps dachèvement 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
Tableau 2.4: Application de la règle TOM.

On peut montrer que la règle T.O.M. revient a` minimiser le retard moyen, le
retard dune tache e tant la difference entre le moment où la tache est terminee et
celui où elle aurait e te terminee si lon lavait commence en premier lieu.
2.3
Ordonnancement avec deux centres de production
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 critère dordonnancement
la minimisation du temps total dexecution des taches sur les deux machines. On
va distinguer deux cas :
le cas où toutes les taches sont a` executer sur A puis B;
le cas où toutes les taches nont pas le meme ordre de passage sur les deux
machines.
2.3.1
Cas ou` toutes les taches sont a` executer sur A puis B
Supposons donc que cinq taches soient a` executer sur les machines A puis B. Les
temps operatoires (en centièmes dheure) sont repris au tableau 2.5.
Section 2.3. Ordonnancement avec deux centres de production

Taches (i)
tiA
tiB
27
50 150 80 200 30
60 50 150 70 200
Tableau 2.5: Ordonnancement sur deux machines.

5
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)
Figure 2.2: Diagramme de Gantt.

Lordonnancement optimal est illustre a` la gure 2.2. Remarquez que durant
lexecution de la première tache sur A, la machine B dort. On a donc interet a`
mettre en tete la tache de temps tiA le plus faible. De facon similaire, lors de
lexecution de la dernière tache sur la machine B, la machine A dort. On a donc
interet a` mettre en n la tache de duree dexecution tiB minimum.
En se basant sur ces deux observations, lalgorithme Johnson (1954) calcule
lordonnancement minimisant le temps total dexecution des taches :
1. Rechercher la tache i de temps dexecution tim minimum.
2. Si m = A, placer cette tache a` la première place disponible;
Si m = B, placer cette tache a` la dernière place disponible.
3. Supprimer la tache i des taches encore a` programmer, retour en 1.
Appliquons ceci a` lexemple. Dabord, la tache 5 (t5A = 30) est mise en
première position. Puis, la tache 1 (t1A = 50) est mise en deuxième position. Puis
la tache 2 (t2B = 50) est mise en dernière position. Puis la tache 4 (t2B = 70)
est mise en avant dernière position. Enn, la tache 3 est mise a` la dernière place
disponible.
5 1 3 4 2
On obtient le graphique de Gantt de la gure 2.2 où le passage dune tache dune
machine a` lautre est visualise a` laide dune èche verticale.
28
2.3.2
Cas de taches ne seffectuant pas dans le meme ordre
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
Taches a` effectuer sur B puis A

Taches (i)
10 11
tiB
90 20
10
40 10
tiA
70 30
100
Tableau 2.6: Illustration de lalgorithme de Jackson.

Lordonnancement qui minimise le temps total dexecution des taches sur
les deux machines est obtenu par lalgorithme de Jackson (1957) qui est une
generalisation de lalgorithme de Johnson. Il consiste tout simplement a` :
1. Faire une partition de lensemble des n taches en
lensemble A des taches ne passant que sur A : A = {4, 5, 6};
lensemble B des taches ne passant que sur B : B = {10, 11};
lensemble AB des taches passant sur A puis B : AB = {1, 2, 3};
lensemble BA des taches passant sur B puis A : BA = {7, 8, 9}.
2. Calculer un ordonnancement pour chaque sous-ensemble :
lordonnancement optimal pour AB par Johnson : 3, 2, 1;
lordonnancement optimal pour BA par Johnson : 9, 8, 7;
un ordonnancement arbitraire pour A (par exemple, TOM) : 5, 4, 6;
un ordonnancement arbitraire pour B (par exemple, TOM) : 11, 10.
3. Remarquons que lon a interet a` debuter le plus vite possible sur A les taches
qui doivent ensuite aller sur B et a` mettre en dernière place sur A celles qui
doivent dabord aller sur B. Ceci conduit a` combiner ces ordonnancement
de la manière suivante :
Section 2.4. Ordonnancement sur trois machines
29
Pour la machine A : la sequence optimale pour le sous-ensemble AB,

puis les taches de A, puis la sequence optimale du sous-ensemble BA :
3, 2, 1, 5, 4, 6, 9, 8, 7.
Pour la machine B : la sequence optimale pour le sous-ensemble BA,
puis les taches de B, puis la sequence optimale du sous-ensemble AB :
9, 8, 7, 11, 10, 3, 2, 1.
On obtient le diagramme de Gantt de la gure 2.3.
3
machine A
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
Figure 2.3: Algorithme de Jackson.
2.4
Ordonnancement sur trois machines
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 complètement dominee par la machine A ou par la machine C, cest-à-dire
si lon se trouve dans le cas où
minimum tiA maximum tiB ,
soit dans le cas où
minimum tiC maximum tiB .
Illustrons ceci sur lexemple du tableau 2.7. où 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
Tableau 2.7: Temps operatoires avec trois machines.

Lorsque lon se trouve dans un des deux cas, on reformule alors le problème en
un problème a` deux machines, la première groupant les machines A et B (tiAB =
tiA + tiB ) et la seconde groupant les machines B et C (tiBC = tiB + tiC ).
taches
1 2
Assemblage + Inspection 24 13
Inspection + Expedition 11 12
3 4 5
6 7
28 28 19 19 25
13 30 23 10 14
On applique alors lalgorithme de Johnson a` ce problème a` deux machines pour

determiner lordonnancement optimal.
Place 1 2
tache 5 4
3
7
4 5
3 2
6 7
1 6
On peut alors tracer le diagramme de Gantt correspondant au problème original,

cest-à-dire celui avec trois machines (voir gure 2.4).
5
Assemblage
Z
4 Z 7
2 Z
1Z 6
Inspection
Z
Z 3 2
Z 1 Z 6
Expdition
14
19
30 37 42 47 55 60 66 75 78 79 90 98 102 109 110 117 120
Figure 2.4: Ordonnancements avec 3 machines.

Dans le cas où la machine centrale nest pas dominee par la première où la
troisième machine, le problème peut e tre modelise comme un problème en nombres
entiers et resolu par une technique de programmation en nombres entiers telle que
la methode de branch and bound.
Section 2.5. Ordonnancement de n taches sur m centres de production
2.5
31
Ordonnancement de n taches sur m centres de production
Comme lindique Giard [4], le problème combinatoire pose est formidable : il y

a en effet (n!)m ordonnancements possibles. Le problème general a e te formalise
en termes de programmation dynamique et en termes de programme lineaire en
nombres entiers. La formulation permet dintegrer des contraintes supplementaires
comme la date de livraison, une capacite de production, . . . etc.
Lorsque lordre de passage des taches est identique et que le nombre de centres
de production ne depasse pas quelques dizaines, une solution souvent proche de
la solution optimale peut e tre trouvee en utilisant lalgorithme de Johnson sur des
groupements de centres de production successifs exactement a` la manière de ce que
nous avons fait a` la section precedente pour le cas de trois centres de production
dont celui du milieu est domine.
Attention que, au contraire des cas precedents il ne sagit pas dun algorithme
donnant une solution optimale mais bien dune methode heuristique donnant une
solution approchee.
Prenons le cas de 5 centres de productions notes A, B, C, D et E. Il faut resoudre
les 4 problèmes suivants par lalgorithme de Johnson (des parenthèses signient
que lon somme les temps des centres) :
avec la première et la dernière machine :
{A} {E}
avec les deux premières et les deux dernières machines :
{AB} {DE}
avec les trois premières et les trois dernières machines :
{A, B, C} {C, D, E}
avec les quatre premières et les quatre dernières machines :
{A, B, C, D} {B, C, D, E}
On prend alors le meilleur des temps totaux dexecution des taches ainsi trouves.
Illustrons ceci sur un exemple a` 4 centres de production. Le tableau 2.8 reprend
les donnees du problème.
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
Tableau 2.8: Temps operatoires avec quatre machines.

Le premier problème ctif consiste a` ne considerer que les machines A et D.
Il conduit a` lordonnancement suivant par la methode de Johnson :
1 2 3 4 5 6
6 3 4 2 5 1
qui conduit a` un temps de 51,2 heures.
Le deuxième problème ctif consiste a` considerer les machines A+B et C+D
comme illustre au tableau 2.9 . Il conduit a` lordonnancement suivant par la
taches
tiA + tiB
tiC + tiD
1
50 + 43 =93
15 + 4 = 19
2
89 + 99 = 188 95 + 77= 172
3
7 + 47 = 54 20 + 98 = 118
4
8 + 64 = 72 12 + 94 = 106
5
61 + 19 = 80 65 + 14 = 79
6
1 + 80 = 81 66 + 78 = 144
Tableau 2.9: Deuxième problème ctif.
methode de Johnson :
1 2 3 4 5 6
3 4 6 2 5 1
qui conduit a` un temps de 48,7 heures. Le troisième et dernier problème ctif
consiste a` considerer A+B+C et B+C+D. Il donne la meme solution que le problème
ctif 2. On a donc trouve une solution de temps e gal a` 48,7 heures alors que la
solution optimale (qui peut e tre calculee en faisant une e numeration explicite de
tous les ordonnancement possibles) conduit a` un temps de 48,5 heures.
2.6
33
Exercices
2.1. Pose de chape et carrelage. Une entreprise de pose de chape et carrelage

a enregistre pour le mois prochain les commandes suivantes correspondant
a autant de chantiers (la duree suppose quune e quipe entière soit affectee a`
la tache) :
C1
Chappe
C2
C3
C4
C5
2 jours 3 jours 10 jours 1 jours 2,5 jours
Carrelage 5 jours 4 jours 12 jours 3 jours
2 jours
Il doit toujours y avoir 2 jours de sechage entre la n de la chape et le debut du

carrelage. Le sechage est realise avec une machine. Lentreprise ne dispose
que dune seule machine de sechage.
(a) Si lentreprise dispose dune e quipe de chappistes et dune e quipe de
carreleurs, dans quel ordre doit-elle effectuer ces contrats pour realiser
les 5 chantiers en un minimum de temps ?
(b) Representez graphiquement votre solution au moyen dun diagramme
de Gantt.
(c) Combien de jours sont necessaires pour mener a` bien les cinq chantiers ?
2.2. Ordonnancement de lots de jouets. Une petite entreprise de la region
Liegeoise est specialisee dans la production de jouets en bois. Le plan de
fabrication pour le mois de novembre implique la production de 7 types de
jouets : J1, J2, . . . , J7. La fabrication de ces produits implique 2 e tapes :
la decoupe du bois (A) et le montage (B). Selon les produits, ces operations
ne sont pas toujours toutes effectuees et leur ordre peut varier. On demande
dutiliser lalgorithme de Jackson pour determiner lordonnancement qui
minimise le temps total dexecution des taches. Les donnees numeriques
sont reprises au tableau ci-dessous :
Tache
J1 J2 J3
Duree sur A 15 5 10
Duree sur B 10 0 12
Ordre
BA A AB
J4 J5
0 10
10 15
B AB
J6 J 7
10 50
18 40
AB BA
(a) Determinez lordonnancement optimal des taches passant a` la decoupe

puis au montage (A puis B).
34

(b) Determinez lordonnancement optimal des taches passant au montage
puis a` la decoupe (B puis A).
(c) Determinez un ordonnancement pour les taches passant uniquement
par la decoupe (A).
(d) Determinez un ordonnancement pour les taches passant uniquement au
montage (B).
(e) Determinez lordonnancement optimal pour les deux operations.
(f) Dessinez la solution obtenue au point (e) sur un diagramme de Gantt.
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
conditionnement (centre de production C). Etant

donne les diverses tailles de
lots, les recettes utilisees et les divers types de conditionnements, on e tablit
les temps operatoires suivants pour chaque lot (unite : 10 minutes):
Machine
A B C
Lot 1 : jambon belge
4 6 2
Lot 2 : jambon en des
4 1 6
Lot 3 : salade de jambon
5 5 7
Lot 4 : jambons de Bayonne 8 7 9
Lot 5 : jambons en tranches 7 5 5
Lot 5 : jambons a` los
8 1 3
Lentreprise desire minimiser le temps total de production.
(a) Utilisez la methode heuristique basee sur lalgorithme de Johnson pour
trouver une solution proche de la solution optimale.
(b) Donnez lordonnancement obtenu.
(c) Quelle est la duree de la production (en heures et minutes) ?
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 là 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 petrolières
achètent plus que necessaire en petrole brut lorsque le prix de celui-ci est
relativement bas.
3. risque de problèmes 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 grève 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 problèmes : 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
Chapitre 3. La gestion calendaire de stock
36
3.2
Les politiques de gestion de stock
Les politiques de gestion de stock visent a` repondre aux deux grandes questions :
1. Quand declencher lapprovisionnement du stock? La reponse a` cette 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 recomplètement 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 particulières :
La politique de gestion calendaire des stocks, notee (T, S) avec T lintervalle entre deux commandes et S, le niveau de recomplètement 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
regulièrement et s, le point de commande qui declenche lapprovisionnement
du stock.
Section 3.3. Les co

uts associes aux stocks
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 critère de gestion generalement retenu en gestion des stocks est celui de
la minimisation des couts.
Nous noterons cette fonction par la lettre C, suivie,

entre parenthèses, de la ou des variables de commande du système. Par exemple,
si la variable de commande est la quantite commandee, nous noterons lobjectif
C(q). Ces variables de commandes determinent en general trois variables detat
du système :
Ir , la rupture moyenne, cest-à-dire le nombre moyen de demandes non satisfaites au cours dune periode, auquel est associe cr , le cout unitaire de
rupture;
Ip , le stock moyen possede au cours dune periode, auquel est associe cp , le cout
unitaire de possession;
Ic , le nombre moyen de commandes passees au cours dune periode, auquel est
associe cc , le cout unitaire de commande.
La fonction de cout secrit donc en general comme une fonction de ces trois
variables detat :
C = cr Ir + cp Ip + cc Ic .
Nous allons examiner un peu plus en details chacun des trois couts partiels.
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 nancières 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-à-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 où 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-à-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.
Section 3.3. Les co

uts associes aux stocks
3.3.2
39
Les couts
de rupture
La rupture se presente lorsque la demande excède le stock constitue au cours de la

periode. Les consequences de cette rupture sont differentes selon que la demande
est interne ou externe.
En cas de demande externe, la demande non satisfaite peut e tre perdue (on
parle de ventes manquees) ou reportee (on parle de ventes differees) :
dans le cas de ventes manquees, le cout
de rupture est le manque a` gagner
de la non fourniture dune unite, generalement la marge beneciaire.
Prenons un exemple. Un journal achete 0,90 euro par le libraire et revendu
1,20 euro a un cout de rupture de
cr = 1, 20 0, 90 = 0, 30 euro.
En cas de ventes differes, le cout
de rupture ninclut pas la marge car la
vente sera realisee plus tard. Ce cout de rupture est le cout administratif
douverture dun dossier et e ventuellement un cout commercial (on fait une
ristourne pour ne pas perdre le client).
Prenons un exemple. Un garagiste qui na plus en stock le vehicule desire
par son client va lui proposer une voiture de location gratuite durant le delai
dattente pour ne pas perdre le client. Le cout de rupture correspond ici a` la
prise en charge de la location de la voiture par le garage.
En cas de demande interne, on ne parle plus de stock de distribution mais bien
de stock de fabrication. Dans ce cas, la rupture entrane un chomage technique
des postes en aval. Le cout
de rupture correspond au cout nancier du chomage
technique (voir a` ce propos, lexercice 3.3).
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
Gestion calendaire de stock a` rotation nulle
Pour rappel, on se trouve dans le cas dun stock a` rotation nulle lorsquil ny a
pas de report possible des invendus aux periodes suivantes.
On va ici determiner le niveau initial du stock S, qui est donc ici la variable
de commande. En effet, la periode de revision calendaire, cest-à-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 où la demande suit une loi de probabilite discrète. 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-à-dire :
cr = 60 25 = 35 euros.
On doit determiner S, le stock initial, de manière 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.
Section 3.4. Gestion calendaire de stock a` rotation nulle
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 dernière ligne du tableau 3.2.
x
0
1
2
3
4
5
6
7
8
9
Calcul du nombre de ruptures : (x S)+

P (X = x) S = 1 S = 2 S = 3 S = 4 S = 5 S = 6
0, 0821
0
0
0
0
0
0
0, 2052
0
0
0
0
0
0
0, 2565
1
0
0
0
0
0
0, 2138
2
1
0
0
0
0
0, 1336
3
2
1
0
0
0
0, 0668
4
3
2
1
0
0
0, 0278
5
4
3
2
1
0
0, 0099
6
5
4
3
2
1
0, 0031
7
6
5
4
3
2
0, 0009
8
7
6
5
4
3
Ir (S)
1, 579 0, 867 0, 411 0, 169 0, 061 0, 019
Tableau 3.2: Calcul du nombre moyen de ruptures.
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 dernière 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
Calcul du stock residuel : (S x)+

P (X = x) S = 1 S = 2 S = 3 S = 4 S = 5 S = 6
0, 0821
1
2
3
4
5
6
0, 2052
0
1
2
3
4
5
0, 2565
0
0
1
2
3
4
0, 2138
0
0
0
1
2
3
0, 1336
0
0
0
0
1
2
0, 0668
0
0
0
0
0
1
0, 0278
0
0
0
0
0
0
0, 0099
0
0
0
0
0
0
0, 0031
0
0
0
0
0
0
0, 0009
0
0
0
0
0
0
Ip (S)
0, 0821 0, 3694 0, 9132 1, 6708 2, 562 3, 52
Tableau 3.3: Calcul du stock moyen possede.
Calcul du cout du stock
S
1
2
3
4
5
6
C(S) 57, 33 39, 58 37, 22 47, 69 66, 17 88, 66
Tableau 3.4: Calcul du cout moyen de possession du stock.
C(S)
100
80
60
40
20
0
0
S = 3
Figure 3.1: Evolution

du cout moyen de possession du stock.
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 première doit e tre negative avant S et positive après 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
Calculons, de meme, la rupture moyenne Ir (S = 5) associee au stock initial S = 5 :

Ir (S = 5) =
(x 5)P (X = x)
x=6
En general :
Ir (S) =
(x S)P (X = x)
x=S+1
Interessons nous maintenant a` la difference de ces ruptures moyennes pour deux

stocks initiaux consecutifs :
Ir (S = 4) Ir (S = 5) =
=
=

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
On en conclut que la diminution de rupture moyenne Ir (S) occasionnee par

une augmentation dune unite du stock a` partir de S est e gale a` la probabilite que
la demande soit strictement superieure au stock initial S :
Ir (S + 1) Ir (S) = P (X > S)
(3.2)
Il est facile de montrer que ceci est vrai quelle que soit la forme la distribution de
probabilite discrète.
Les tableaux de lannexe B donne le calcul de P (X > x) en fonction de , la
valeur du paramètre 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. Doù la relation entre Ip et Ir :
où 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
Doù lexpression de C(S) :
+ (cr + cp )Ir (S)
C(S) = cp (S X)
(3.4)
45
Revenons maintenant au problème de la determination de la solution optimale, cest-à-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)
Appliquons ceci au cas de lexemple :

cp
25
=
= 0, 417
cp + cr
25 + 35
En consultant le tableau donnant P (X > S) (cfr Annexe B), on trouve :
P (X > 3) = 0, 2424 0, 417 P (X > 2) = 0, 4562
Doù
S = 3.
On en conclut quil est optimal de produire chaque matin 3 gateaux, soit la solution
dejà determinee numeriquement.
46
3.5
Cas dune loi de demande continue
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 lacquière a` 2,8 euro auprès 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-àdire
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 manière 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 manière suivante :
S
C(S) = cp
x=0
(S x)f (x)dx + cr

x=S
(x S)f (x)dx
La condition doptimalite secrit dans le cas dune loi continue :

C (S ) = 0
Comme dans le cas discret, on peut ramener ce cout a` une fonction du seul
nombre moyen de ruptures. En effet, la relation (3.3) entre Ir (S) et Ip (S) e tablie
dans le cas discret reste valable :
S
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)
Section 3.5. Cas dune loi de demande continue
47
Il faut maintenant e tudier la derivee première de Ir (S). Par application de la

formule de Leibnitz (cfr Giard [4]), on demontre le resultat suivant :

dIr (S)
f (x)dx = P (X > S),
=
dS
S
(3.6)
cest-à-dire exactement le meme resultat analytique que la relation (3.2) e tablie

dans le cas discret.
On peut maintenant passer a` la determination de la solution optimale. On
doit donc determiner le S qui minimise :
+ (cr + cp )Ir (S)
C(S) = cp (S X)
On calcule la derivee de C(S) en utilisant la relation (3.6) :
dC(S)
= cp (cr + cp )P (X > S)
dS
On annule la derivee. Doù lon tire :
S optimal si P (X > S ) =
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
Comme on ne dispose que de la table de la normale reduite, il faut reduire la

variable aleatoire X en lui retranchant sa moyenne et en la divisant par son e cart
type. On obtient :

S 300
X
>
= 0, 2222
20
Par lecture dans la table de la normale reduite, on determine :

tS =
Doù nalement :
S 300
= 0, 765
20
S = 315, 3 315.
Lapprovisionnement periodique optimal est donc de S = 315.

Avant de passer au cas de stocks a` rotation non nulle, examinons quelques
indicateurs que lon peut deduire de la solution optimale.
48
3.6
Les consequences e conomiques de la solution optimale
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
Doù 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 paramètre , on montre que :
xP (X = x) = P (X > S 1)
x>S
Doù lon tire nalement :

Ir (S) = P (X > S 1) SP (X > S)
(3.8)
Ce qui nous donne dans le cas de lexemple :

Ir (S = 3) = 2, 5P (X > 2) 3P (X > 3)
= 2, 5 0, 4562 3 0, 2424
= 0, 4133.
Dans le cas de la vente de journaux (loi de demande continue), le calcul de Ir (S)
seffectue par lintegrale suivante :
Ir (S) =
=

S
S
Doù lon tire

Ir (S) =

S
(x S)f (x)dx
xf (x)dx S
f (x)dx
xf (x)dx SP (x > S)
Section 3.6. Les consequences economiques de la solution optimale
49
Le premier terme correspond a` nouveau a` un calcul tronque de la moyenne. On

peut montrer que si X suit une distribution normale N (, ), on obtient la formule
suivante :
Ir (S) = [f (tS ) tS P (t > tS )] = g(tS )
avec :
SX
etS /2
et f (tS ) =
tS =
2
Appliquons ceci aux donnees numeriques de lexemple pour lequel
ts =
315 300
= 0, 75.
20
La table B.3 donne directement :

g(tS = 0, 75) = 0, 1312
Lapplication de la formule donne donc :
Ir (S) = 20 0, 1312 = 2, 624.
Le stock moyen possede
Le stock moyen possede, Ip (S), correspond dans le cas de stock a` rotation nulle
au stock residuel moyen. Cet indicateur sobtient a` partir de la rupture moyenne
aussi bien dans le cas discret que dans le cas continu par la relation (3.3) rappelee
ci-dessous :
+ Ir (S)
Ip (S) = S X
Pour le patissier, on aura donc :
Ip (S = 3) = (3 2, 5) + 0, 413 = 0, 9133 gateaux.
Pour le marchand de journaux, on aura :
Ip (S = 315) = (315 300) + 2, 624 = 17, 624 journaux.
Remarquez que, dans les deux cas, le stock residuel se calcule comme le stock
initial diminue de la demande satisfaite. :

Ir (S) .
Ip (S) = S X
50
Le cout
moyen
Le cout moyen C(S) peut e tre calcule par la relation suivante :

C(S) = cr Ir (S) + cp Ip (S)
Pour lexemple du patissier, on obtient :
C(S) = 35 0, 4133 + 25 0, 9133 = 14, 46 + 22, 83 = 37, 30 euros.
Pour lexemple du marchand de journaux, on obtient :
C(S) = 0, 7 2, 624 + 0, 2 17, 624 = 5, 36 euros.
La marge nette moyenne
La marge nette moyenne, notee B(S), est e gale au produit de la marge unitaire,
mu , par la demande moyenne, diminue du cout de stockage :
C(S)
B(S) = mu X
(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.
Section 3.7. Cas de stocks a` rotation non nulle
3.7
51
Cas de stocks a` rotation non nulle
Pour rappel, on parle de stocks a` rotation non nulle lorsque les invendus dune
periode seront vendus aux periodes suivantes. Cest de loin le cas le plus repandu.
La variable de commande du système est ici S, le niveau de recomplètement,
cest-à-dire le niveau du stock que lon cherche a` retrouver periodiquement. 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 recomplètement, cest-à-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 %.
Doù 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 quà 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 nancière due au gel en
stock de son prix dachat.
52
Calculons maintenant le cout unitaire de rupture : il correspond a` la marge non

realisee par ampoule :
cr = 3, 5 euros 3 euros = 0, 5 euro.
La question qui se pose est la suivante : quel est le niveau de recomplètement
optimal S ?
Pour le calcul du stock moyen possede, il faudra distinguer deux cas de gure :
1. le cas où la demande observee est superieure au niveau de recomplètement;
2. le cas où la demande observee est inferieure au niveau de recomplètement.
Supposons, pour xer les idees, quun niveau de recomplètement de 320 ait
e te choisi.
1. Cas dune demande inferieure a` S : dans ce cas, il ny a pas de rupture
de stock. Cest lexemple dune demande observee de 310. Le stock de n
de periode vaut donc :
320 310 = 10 ampoules.
En ce qui concerne levolution du stock, on peut supposer que la demande
de 310 ampoules est e galement repartie sur toute la semaine et on peut faire
une interpolation lineaire comme a` la gure 3.2
S = 320
x = 310
S
x = 10
T = 5 jours

du stock.
On en deduit le stock moyen possede :
Ip (S) =
320 + 10
S + (S x)
=
2
2
On en conclut donc que :

Si x < S : Ip (S) =
S + (S x)
2
(3.10)
53
2. Cas dune demande superieure a` S : dans ce cas, on observe une rupture

de stock. Cest le cas, par exemple, dune demande observee de 350. On
va maintenant determiner a` partir de quand le stock est nul. La demande,
comme dans le cas sans rupture, est supposee uniformement repartie sur
la semaine de cinq jours (cfr gure 3.3). La demande journalière est donc
S = 320
app
rox
im
ati
on
x = 350
s=0
S = 30
T = 5 jours

du stock en cas de rupture.
350/5 = 70 = x/T ampoules par jour. Et levolution du stock moyen
possede peut e tre obtenue par :
S(t) = 320 70t.
Ce stock est nul pour :
t=
S
320
= 4, 57 jours =
70
x/T
Le stock moyen possede se calcule comme :

Ip (S) =
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 problème de la determination
du niveau optimal de recomplètement S assez difcile a` mettre en uvre.
Une hypothèse simplicatrice, a` savoir que la rupture se produit en n de
periode (voir gure 3.3) permet deffectuer des calculs simplies. Sous cette
hypothèse, 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
Determination de la solution optimale
Sous cette hypothèse simplicatrice, nous allons pouvoir determiner le niveau de

recomplètement optimal. Le cout de gestion secrit :
Pour le calcul du stock moyen possede Ip (S), il faut dissocier le cas où la
demande x est inferieure a` S de celui où elle est superieure a` S :
S
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
On peut maintenant tirer lexpression de Ip (S) en fonction de Ir (S) :

S
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
On obtient donc la relation suivante :

Ip (S) = S
X
Ir (S)
+
2
2
(3.12)
On peut donc exprimer C(S) en fonction du seul Ir (S) :

C(S) = cp Ip (S) + cr Ir (S) = cp [S
X
Ir (S)
+
] + cr Ir (S)
2
2
Doù 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 première
dC(S)
cp dIr (S)
cp
= cp + (cr + )
= cp + (cr + ) [P (X > S )] = 0
dS
2
dS
2
55
doù
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
La lecture dans la table normale reduite nous donne :

tS = 2 =
S 300
20
Doù, le niveau optimal de recomplètement :

S = 340.
Tout comme dans le cas de stock a` rotation nulle, on peut deduire les principaux
indicateurs de la solution optimale choisie :
Le nombre moyen de rupture se calcule par la formule suivante :
Ir (S ) = g(tS )
= 20 0, 0084 = 0, 168
Le stock moyen possede se calcule a` partir de la formule
X
Ir (S )
+
2
2
300 0, 168
+
= 190, 08
= 340
2
2
Ip (S ) = S
Le cout moyen de stockage se calcule comme

C(S ) = cp Ip (S ) + cr Ir (S )
= 0, 01154 190, 08 + 0, 5 0, 168 = 2, 28 euros.
La marge hebdomadaire moyenne nette se calcule comme :
C(S )
B(S ) = mu X
= 0, 5 300 2, 28 = 147, 72 euros.
56
3.7.2
Cas dune loi de demande discrète
Terminons ce chapitre en voyant les formules de calcul dans le cas dune loi de
demande discrète pour la gestion de stock a` rotation non nulle.
Le stock moyen possede se calcule dans le cas discret comme suit :
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
Exprimons ce stock moyen possede en fonction du nombre moyen de rupture :

Ip (S) =
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
On obtient donc la relation suivante entre Ip et Ir :
X
Ir (S)
+
2
2
cest-à-dire exactement la meme formule que dans le cas continu.
Ip (S) = S
(3.14)
On peut donc exprimer C(S) en fonction du seul Ir (S) :

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 recomplètement 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 très 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 achète ses decorations orales 13
euro pièce et les revend 25 euro lunite. Il a passe un accord avec un euriste
ambulant faisant le marche le mardi qui lui rachète 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 revèlent
que celui-ci pourrait lui fournir jusquà 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
Observations (cas sur 100)
10 11 11
Demande
13 14 15 16 17 18 19 20
Observations (cas sur 100) 11
Le euriste pense quil peut vendre en moyenne plus de 10 decorations

orales. Il se demande combien commander a` son grossiste pour maximiser
ses gains.
(a) Conrmez son impression quil peut vendre en moyenne plus de 10
decorations orales en calculant la moyenne de la demande de decorations orales.
(b) Determinez le nombre optimal de decorations orales a` commander
auprès de son grossiste.
(c) Quel sera, en moyenne, le nombre de clients qui sortent de sa boutique
chaque n de week-end sans avoir pu acheter une decoration orale ?
(d) Quel est le nombre moyen de decorations orales que le euriste ambulant lui rachète en n de week-end ?
(e) Quel est le benece net du euriste en un week-end sur ce produit ?
3.2. Gestion dune exploitation forestière. Un exploitant forestier doit decider
de la quantite darbres resineux a` abattre et a` mettre sur le marche. Ses
58

ventes sont destinees au bois de charpente et on estime que la demande
annuelle suit une loi normale de moyenne 10.000 et decart type 100. Le
cout de production est de 1.000 euro lunite et le prix de vente de 2.200
euro. Le producteur travaille uniquement sur commande de sorte quil ne
coupe que les arbres demandes lannee courante. Le surplus peut e tre vendu
lannee suivante. Labattage a lieu une fois lan. An de preserver la foret,
lexploitant replante la meme annee exactement la quantite abattue.
(a) Quelle quantite doit-il mettre en production pour minimiser son cout
de gestion (taux dopportunite de 6 % par an) ?
(b) Quelle est en moyenne la quantite quil ne peut livrer par an faute
dapprovisionnement sufsant ?
3.3. Gestion du stock de pièces de rechange. Une entreprise dembouteillage

est confrontee de temps a` autre a` des pannes de sa machine dembouteillage
qui necessitent larret de la production pour 24 heures (dont cout 10.000
euro). An de remedier a` ce problème, il a e te decide quà chaque nouvel
achat de machine (la machine est remplacee tous les 4 ans), un certain nombre
de pièces de rechange seront commandees avec la machine. Le cout dachat
dune pièce est de 500 euro. On peut reutiliser les pièces de rechange
dune machine sur lautre. Ce stock de pièces de rechange permettra en
cas de panne de reparer immediatement la machine et deviter larret de la
production pour 24 heures. Le nombre de pannes observees sur la duree de
vie de la machine est en moyenne de 2 pannes par an (8 pannes sur la duree
de 4 ans). Le taux dopportunite est estime a` 10 % par an. On se demande
combien faut-il commander de pièces de rechange avec la commande de la
nouvelle machine.
(a) De quelle politique de gestion de stock sagit-il ? Justiez brièvement
votre reponse.
(b) Quel est le nombre optimal de pièces de rechange a` commander avec
la nouvelle machine ?
(c) Quel est le nombre moyen darrets de la nouvelle machine dus a` une
rupture de stock de pièces detachees ?
(d) Quel est le stock moyen possede de pièces detachees ?
(e) Quel est la cout de cette politique sur la duree de vie de la machine ?
Chapitre 4
La gestion par point de commande
4.1
Introduction
La gestion calendaire se caracterise, comme nous lavons vu au chapitre 3 par :

des commandes a` intervalles xes dont la periodicite est notee T ;
un niveau de commande variable : qui vaut la difference entre S, le niveau
de recomplètement et R, le stock residuel.
La gestion par point de commande se caracterise, elle, au contraire par :
un montant de commande constant : cette quantite e conomique de commande sera notee q;
une periodicite de commande variable (lorsquon est en univers aleatoire) :
on commande lorsque le stock passe en dessous du point de commande, s.
On examinera successivement les deux cas de gures que sont :
1. La gestion (q, s) en univers certain. Comme, dans ce cas, la demande est
certaine, on determine s, le point de commande, sufsamment grand an
deviter toute rupture de stock : il ny a donc pas de cout
de rupture. La
variable de decision q, la valeur constante de la commande, sera determinee
de manière a` minimiser le cout de gestion qui ne comprend que deux termes :
C(q) = cc Ic (q) + cp Ip (q)
2. La gestion (q, s) en univers incertain. Dans ce cas, le cout de rupture
intervient aussi. Les variables de decision que sont q, le montant des
commandes et s, le point de commande seront determines de manière a`
minimiser le cout de gestion qui comprend trois termes :
C(q, s) = cc Ic (q, s) + cp Ip (q, s) + cr Ir (q, s)
59
Chapitre 4. La gestion par point de commande
60
4.2
Determination du point de commande en univers certain
Nous allons illustrer la determination de la quantite e conomique de commande en

univers certain sur un exemple tire de Giard [4] . Il sagit dun ustensile de cuisine
achete par un supermarche au prix unitaire de 30 euro. La demande annuelle, que
nous noterons D est estimee a` 2 400 unites. Cette demande est consideree comme
uniforme sur lannee. Vu le caractère certain de la demande et du delai dobtention
(ici de 20 jours ouvrables), on peut e viter toute rupture dapprovisionnement en
passant commande a` temps. On considère que lannee comporte 48 semaines de
6 jours ouvrables, soit 288 jours. Le cout de passation dune commande de 300
euro et est independant de la quantite commandee. Larticle est vendu 40 euro.
La question qui se pose ici est : Quand commander ? An de minimiser le
stock possede, le chef de rayon a interet a` passer commande exactement 20 jours
ouvrables avant la rupture (voir gure 4.1) de manière a` ce que le stock soit nul au
moment de la livraison. Il e vitera ainsi un stock dormant.
niveau du stock
400
q =400
q =400
q =400
s =167
temps
Figure 4.1: Determination du point de commande.

Remarquez que cela revient a` declencher la commande au moment où il reste
exactement en stock de quoi satisfaire la demande de 20 jours. Exprimons le delai
dobtention de 20 jours ouvrables en annee :
L=
20
= 0, 069 annee.
288
La demande durant cette periode selève a` :

D L = 2 400
20
= 166, 67 167 articles.
288
Section 4.3. Determination de la quantite economique de commande
61
En general, le point de commande optimal est tel que

s = DL
(4.1)
avec D = demande annuelle;

L = delai dobtention exprime en annee.
Dans le cas où lon declencherait la commande plus tot (voir gure 4.2 où lon
a pris s = 200 et q = 400), on aurait un stock residuel de
sr = sr DL = 200 167 = 33
et le niveau du stock e voluerait entre q + sr et sr , et non plus entre q et 0, doù un
niveau moyen du stock de :
(q + sr ) + sr
(400 + 33) + 33
=
= 233
2
2
Il y aurait ainsi un stock dormant de sr .
niveau du stock
q + sr =433
q =400
q =400
q =400
s =200
s =200
stock dormant
s =200
sr =33
temps
Figure 4.2: Stock residuel a` la commande.
4.3
Determination de la quantite e conomique de commande
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
La question qui se pose est la suivante : Quelle est la quantite q constante a`

commander periodiquement pour que le cout annuel moyen soit minimum ?
Avant de determiner la quantite optimale, raisonnons sur une valeur quelconque
de q, par exemple, q = 400. Le nombre moyen de commandes par an vaut :
Ic (q) =
D
2400
=
=6
q
400
Doù le cout de commande :

cc Ic (q) = cc
D
2 400
= 300
= 1 800 euros.
q
400
Passons maintenant au calcul du stock moyen possede. Pour minimiser le

cout de possession, on passe commande (voir section precedente) de manière a` ce
que le stock soit nul au moment où arrivent les nouveaux articles. Le stock varie
donc entre 400 et 0. Le stock moyen possede vaut donc :
q
400
=
.
2
2
Le cout annuel de possession vaut donc :
Ip =
cp Ip (q) = 6
400
= 1 200 euros.
2
Doù le cout annuel de gestion :

C(q = 400) = 6
400
2 400
+ 300
= 3 000 euros.
2
400
Nous pouvons maintenant faire une modelisation du problème pour une quantite commandee quelconque q. On cherche donc a` determiner la valeur de la seule
variable de decision, cest-à-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 première :
1
D
C (q ) = cp cc 2 = 0
2
q
Section 4.3. Determination de la quantite economique de commande
63
Doù le point optimum :

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
Appliquons ceci a` lexemple numerique. La quantite e conomique de commande vaut donc :

q =
2Dcc
=
cp
2 2 400 300
= 489, 9 490
6
Examinons les consequences de la politique optimale.

1. Le stock moyen detenu vaudra :
Ip (q ) =
490
q
=
= 245.
2
2
2. le nombre moyen annuel de commandes vaudra :

Ic (q ) =
D
2 400
=
= 4, 898
q
490
3. Le cout annuel de gestion vaudra :

C(q ) = cp Ip (q ) + cc Ic (q )
2.400
490
+ 300
= 2 939, 39 euros.
= 6
2
490
4. La marge beneciaire nette se calcule par la formule :
B(q ) = mu D C(q )
= 10 2.400 2939, 39 = 21.060, 61 euros.
64
4.4
Cas dune demande aleatoire
Rappelons les hypothèses de base de la gestion par point de commande en univers

certain :
On a une demande certaine uniformement repartie sur lannee;
On a un delai de livraison certain.
Nous allons generaliser ce modèle de la manière suivante :
On suppose que la demande est connue en probabilite mais reste statique,
cest-à-dire que les caracteristiques de la distribution restent stables dans le
temps.
Nous maintenons lhypothèse dun delai dobtention certain. Ce qui est le
plus souvent le cas.
Nous illustrons ce cas sur lexemple introductif, a` savoir la vente dustensiles
de cuisine mais en considerant cette fois que la demande annuelle suit une normale
de moyenne 2 400 et decart type 189,74. Le cout de rupture vaut la marge qui est
ici de 10 euro. Le cout de possession annuel reste de 6 euro. Le cout unitaire de
commande reste de 300 euro.
Passons au problème de la determination de q et s. Tout dabord, remarquons
que pendant le delai dobtention de 20 jours la demande est aleatoire. Calculons
les paramètres de sa distribution. Tout dabord, le delai dobtention de 20 jours
sexprime en fraction dannee comme :
20
annees.
L=
288
La demande XL en 20 jours suit une loi Normale
de moyenne :
L = L =
20
2 400 = 167
288
de variance :
L2 = L 2 =
20
(189, 74)2 .
288
En effet, les paramètres de la demande durant 20 jours se deduisent des paramètres

des ventes annuelles en multipliant la moyenne et la variance (et non lecart type)
par L. Donc, on obtient un e cart type de :

L =
20
189, 74 = 50.
288
Section 4.4. Cas dune demande aleatoire
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 problème 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 problème en la variable q et le problème 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 problème a` deux variables en deux problèmes
a` une variable de la manière suivante. On va resoudre independamment les deux
problèmes 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 recomplètement optimal.
Le problème de la determination de la quantite e conomique de commande nest
rien dautre que le problème 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
Le problème de la determination du stock de securite est quant a` lui resolu en

prenant pour point de commande s le niveau de recomplètement S qui minimise
le cout dune gestion calendaire durant le delai dobtention L :
avec Ir (S), le nombre moyen darticles non fournis durant L et Ip (S), le stock
moyen possede durant L.
niveau du stock
490
q =490
q =490
q =490
temps
q
D
Figure 4.3: Point de commande en univers aleatoire

Remarquez quun article en stock en n du delai dobtention (n L) correspond
a` une immobilisation sur toute la duree decouler q, soit durant Dq annee, et non
sur les seuls 20 jours du delai dobtention L. Le cout unitaire de possession est
donc de :
q
cp = cp = 6 0, 2042 = 1, 225 euros.
D
En effet, un article encore en stock a` lissue des 20 jours du delai dobtention
augmentera dune unite la valeur du stock durant toute la duree decoulement de la
suivante commande (voir gure 4.3). En utilisant la gestion calendaire, on deduit :
cp
1, 225
P (X > s ) =
=
= 0, 115
cr + cp /2
10 + 1, 225/2
La demande X durant le delai dobtention de 20 jours est une N(167,50). On lit

dans la table de la normale N(0,1) :
1, 2 =
s 167
50
Section 4.4. Cas dune demande aleatoire

Doù nalement
4.4.2
67
s = 227.
Consequences e conomiques du choix
Le stock de securite est deni comme difference entre le niveau de recomplètement

et la demande moyenne durant L et vaut ici :
227 167 = 60 articles.
Le nombre moyen de commandes depend uniquement de q et se calcule par la
formule :
D
2400
=
= 4, 898 commandes.
Ic (q) =
q
490
Le nombre moyen de ruptures par commande, note Irc , se calcule par la formule
de la gestion calendaire :
Irc (s = 227) = L g(tS = 1, 2) = 50 0, 0561 = 2, 81
Ce nombre est a` multiplier par le de commandes par an, Ic (q). Le nombre moyen
de ventes manquees par an selève donc a` :
Ir (s, q) = Ic (q) Irc (q) = 4, 898 2, 81 = 13, 76 articles
Le calcul du stock moyen possede est plus complique car il depend a` la fois de s
et de q. On peut montrer :
1. en cas de ventes manquees perdues (voir Giard [4], chapitre XII, relation
275, page 836) que :
q
I c (s)
+ (s DL) + r
2
2
Le cout de gestion correspondant vaut :
Ip (s, q) =
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
où 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 sinterprète 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 très 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
4.1. Stock de distribution. Un distributeur Apple a une demande annuelle de

1000 iPod que lon suppose, pour la facilite, repartie uniformement sur
lannee qui compte 250 jours douverture du magasin. Lapprovisionnement
auprès du grossiste se fait en 5 jours ouvrables. Le cout de livraison dune
commande est de 10 euro. Lappareil est achete 100 euro hors tva et revendu
125,84 euro tva de 21 % comprise. Le taux dopportunite du distributeur
est particulièrement faible (0,5 % lan). Pour le moment, le distributeur
commande 100 iPod lorsque son stock en magasin passe en dessous de 100
articles.
(a) Quelle est la politique de gestion de stock actuelle ? Donnez lappellation courante de cette politique et la valeur de ses paramètres.
(b) Calculez le cout de detention en stock durant un an dun iPod sachant
que la societe ne paie pas la tva a` son fournisseur.
(c) Calculez la demande durant le delai dobtention.
(d) Tracez levolution du stock au cours dune annee sachant quil y a 100
iPod en stock au premier janvier.
(e) En deduire le cout de gestion annuel.
(f) En gardant le meme principe de gestion de stock, a` savoir de commander lorsque le stock passe en dessous dune quantite donnee, aidez
le distributeur a` diminuer son cout de gestion annuel du stock. Que
proposez-vous comme nouvelle quantite a` commander ?
(g) Que proposez-vous comme seuil declenchant la commande ?
(h) Quelle est laugmentation de prot du distributeur avec votre politique ?
4.2. Timbrage denvois multiples. Une entreprise envoyant regulièrement des
courriers publicitaires a` ses clients fait appel a` une societe exterieure pour
le timbrage des enveloppes. Outre le prix du timbre (3 euro par enveloppe),
cette societe exterieure demande 300 euro pour le travail quel que soit le
nombre denveloppes a` timbrer. On suppose que le nombre denveloppes
a` envoyer sur lannee (qui comporte 50 semaines) suit une loi normale de
moyenne de 30.000 et decart type 500. Si on tombe a` court, on peut acheter
les enveloppes pretimbrees a` la pièce a` la poste a` 3,5 euro lunite. Le delai
de realisation du timbrage est dune semaine. Le taux dinteret annuel est
de 6 %.
(a) Quel est la quantite optimale denveloppes affranchies a` commander
auprès de la societe specialisee en timbrage ?
70

(b) A partir de quel niveau de stock denveloppes affranchies faut-il repasser commande ?
4.3. Ventes de tablettes. Un distributeur de salle de bain doit decider de la

commande de tablettes de 60 cm a` faire auprès de son fournisseur. On
suppose que la demande annuelle de tablettes suit une loi normale de variance
192. Le distributeur vend en moyenne 2 400 tablettes par an a` un prix de
detail de 26 euro, lui-meme les achète auprès de son fournisseur 20 euro
pièce. Le delai dobtention est dun mois. Le cout de passation dune
commande est de 160 euro. Le taux dopportunite annuel est de 24 %.
(a) Calculer la quantite optimale a` commander regulièrement.
(b) Quel doit e tre le niveau de stock qui declenche la commande ?
(c) Quel est le nombre moyen de clients qui ne peuvent e tre servis pendant
le delai dun mois entre le lancement dune commande et sa livraison ?
(d) Quelle est lesperance de la marge annuelle nette sur ce produit ? Les
ventes manquees sont perdues.
Partie II
Les decisions tactiques
71
Chapitre 5
La planication de la production
5.1
Introduction
La planication de la production consiste en la regulation a` moyen terme de la

production. Cest donc une decision tactique. Elle fait le lien entre les decisions
operationnelles a` court terme et les decisions strategiques a` long terme. La planication de la production sadresse uniquement au cas de la production en serie.
Elle ne sapplique donc pas au cas de la production en serie unitaire.
Il existe deux types dapproches en planication de la production :
la planication des besoins en composants qui vise a` e tablir une programmation previsionnelle des composants;
la planication juste a` temps dont le principe fondamental est de produire la
quantite strictement necessaire aux besoins immediats du client.
La planication des besoins en composants ou M.R.P. (Material Requirement Planning) cherche a` e tablir la programmation de la production sur base dun
système dinformation. Partant des donnees physiques (stocks disponibles, livraisons attendues, demandes previsionnelles, capacites de production,. . . ) et des
donnees comptables (couts de production, dapprovisionnement, de rupture), on
e tablit un plan de production qui determine pour chaque periode les quantites
a` produire par produit, les quantites fabriquees dans chaque centre productif, le
niveau de stock en produits semi-nis et nis et lutilisation des facteurs travail et
machines. Lutilisation des techniques doptimisation aboutit a` une programmation previsionnelle : on utilisera la programmation dynamique lorsque lon a
une demande dynamique certaine ne portant que sur un seul article et la programmation lineaire dans le cas statique portant sur plusieurs produits.
73
Chapitre 5. La planication de la production
74
5.2
La planication des besoins en composants
Illustrons le principe de la planication des besoins en composants sur un exemple

tire de Giard [4] : il sagit de lassemblage de trois vehicules a` moteur. La planication des besoins en composants necessite lexistence des e lements suivants :
1. Une nomenclature complète : cest-à-dire une codication de tous les
composants qui permet decrire le schema arborescent du tableau 5.1. Dans
lexemple, pour faire un vehicule (T27), il faut une bote de vitesse (E1001),
elle meme constituee dun engrenage (E2010), lui-meme constitue de divers
e lements (E3047 et E3052). Le chiffre entre parenthèses indique le nombre
de composants necessaires pour faire le sous-ensemble. Par exemple, il faut
deux E3047 et deux E3052 pour faire un sous-ensemble E2040.
Niveau 0
-E1001 (1)
T27 -E1010 (1)
...
-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)
...
...
...
Tableau 5.1: Decomposition en composants.

2. Un plan directeur de production : le plan directeur de production est le
plan de mise a` disposition de produits naux. Il peut e galement comporter
le plan de mise a` disposition de sous-ensembles ou de composants vendus
comme pièces detachees. Le plan directeur de production est donne au
tableau 5.2. Il prevoit, outre la mise a` disposition des produits naux, les
besoins de sous-ensembles et de composants pour faire des reparations.
3. Un système dinformation sur les stocks qui permet de connatre letat
exact du stock de chaque composant en debut de chaque periode. Les stocks
de n de periode 15, notes SF15 , sont donnes au tableau 5.3.
4. Un chier des livraisons attendues : cest-à-dire donnant le nombre de
pièces resultant de decisions de mise en production du passe qui nont pas
Section 5.2. La planication des besoins en composants
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
Tableau 5.2: Plan directeur de production.
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
Tableau 5.3: Stock initiaux et livraisons attendues.
75
76
encore e te livrees. Les livraisons attendues de debut de periode t, notees

LAt , sont donnees au tableau 5.3.
5. Un chier des delais dobtention : le delai dobtention e tant la somme
des temps operatoire, de lancement de production et dattente entre deux
productions. Les delais dobtention sont donnes au tableau 5.4 où sont
e galement indiques les temps operatoires unitaires (cest-à-dire le temps
dassemblage ou dusinage dune unite du composant).
ement Delai dobtention Temps operatoire
El
T 27
1 semaine
0,5 heure
T 28
1 semaine
1 heure
T 29
1 semaine
2 heures
E1001
1 semaine
0,5 heure
E1004
2 semaines
1 heure
E1010
1 semaine
3 heures
E1020
2 semaines
4 heures
E2010
1 semaine
1 heure
E2040
2 semaines
0,5 heure
E3047
1 semaine
0,5 heure
E3052
1 semaine
0,20 heure
Tableau 5.4: Delais dobtention et temps operatoires.
6. Fichier des capacites des centres de production pour chaque periode de
lhorizon de planication. Celui-ci est donne au tableau 5.5.
Periode
16
17
18
19
20
21
22
23
Assemblage de T 27, T28 et T29 50
50
60
65
55
50
50
50
Assemblage de E1001 et E1004
20
12
24
20
25
22
22
20
20
20
20
20
20
20
20
20
28
30
22
21
24
21
22
23
32
30
32
33
31
31
32
31
Tableau 5.5: Capacites de production.

7. Existence de règles de priorite en cas de surcharge. Ici, on va utiliser
comme règle davancer les productions constituant le stock de valeur la plus
Section 5.2. La planication des besoins en composants
77
faible. Pour cela, on a besoin des donnees de couts de fabrication qui se

reduisent ici a` un cout de matière et un cout de main duvre. Le cout de
la matière première de chaque composant est donne au tableau 5.6. Il faut
comprendre ces donnees de la manière suivante : il sagit de la somme du
cout de matière ajoutee a` letape dassemblage du produit et du cout des
composants (le calcul a dejà e te fait). Le cout horaire de la main duvre
ement Cout de matière
El
T 27
303 euro
T 28
363 euro
T 29
421 euro
E1001
58 euro
E1004
71 euro
E1010
30 euro
E1020
40 euro
E2010
25 euro
E2040
53 euro
E3047
1 euro
E3052
2 euro
Tableau 5.6: Cout de la matière et des composants.
depend des ateliers. Ces couts sont donnes au tableau 5.7. Remarquez que
E1001 et E1004, dune part, et E1010 et E1020, dautre part, sont assembles
dans deux ateliers separes.
Periode
cout horaire de latelier
Assemblage de T 27, T28 et T29
100 euro
70 euro
65 euro
28 euro
30 euro
Tableau 5.7: Cout horaire de latelier.

La logique de calcul de la MRP consiste a` lutilisation en cascade
de la determination des besoins nets dun composant;
de la manière de couvrir ces besoins.
78
5.3
Determination des besoins nets dun composant
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 modèles (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-à-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
Tableau 5.8: Lancements de production de niveau zero.

On peut en deduire les besoins bruts du composant E1001 puisquil est utilise
a` raison de un par T27 et de un par T28. A ces besoins bruts pour assemble du T27
et du T28, il faut ajouter les besoins de E1001 comme pièces detaches (donnes au
plan directeur de production 5.2). Les besoins bruts du composant E1001 sont
calcules au tableau 5.9.
Denition 5.1 On appelle besoins nets dun composant les besoins non couverts
par le stock initial ou les livraisons attendues.
Ces besoins bruts ne correspondent pas a` la production quil est necessaire de
mettre en route, compte tenu du stock initial disponible pour cette reference et
des e ventuelles livraisons attendues. Les livraisons attendues sont des quantites
resultant de precedents ordres de lancement de production mais qui nont pas
encore e te livrees. Le stock initial en periode 16 est le stock nal de periode 15.
Ces informations sont reprises au tableau 5.9.
En periode 16, on vide le stock pour satisfaire les 17 de besoins bruts de la
periode. En periode 17, on livre 30 alors que les besoins ne sont que de 21. Il
restera donc 9 en stock. A ces deux periodes, il ny a donc pas de besoins nets.
Par contre a` la periode suivante, la periode 18, le besoin brut est de 12, on ne livre
rien et le stock disponible est de 9. Il manque 3 unites qui constitue donc le besoin
Section 5.3. Determination des besoins nets dun composant
E1001
16
17
18
19
20
21
22
23
24
Besoins Bruts pour T27
11
15
11
12
Besoins Bruts pour T28
10
10
14
Besoins de E1001
Besoins Bruts totaux
17
21
12
28
15
27
21
19
Livraisons attendues
30
28
15
27
21
19
Stock nal
Besoins nets
15
79
17
Tableau 5.9: Besoins nets en composant E1001.

net de cette periode. A partir de la periode 19, comme le stock est vide et quil ny
a plus de livraisons, les besoins nets correspondent au besoins bruts.
Formalisons mathematiquement la determination des besoins nets. Deux cas
sont possibles :
Cas 1 : Le disponible (somme du stock de n de periode precedente et des livraisons de debut de periode) est sufsant pour couvrir les besoins bruts. Dans
ce cas, le besoin net, note BNt , est nul et le stock nal de periode t, note SFt ,
se calcule comme le stock en n de periode precedente, accru des livraisons
attendues de periode t, notees LAt , et diminue de la demande de la periode
(les besoins bruts, notes BBt ) :

Si SFt1 + LAt BBt , alors
BNt = 0
SFt = SFt1 + LAt BBt
Ce cas est illustre par les periodes 16 et 17 pour le composant E1001.

Cas 2 : Le disponible (somme du stock de n de periode precedente et des livraisons de debut de periode) est in sufsant pour couvrir les besoins bruts.
Dans ce cas, on a des besoins nets a` couvrir par de nouveaux ordres de fabrication. Les besoins nets de la periode t, notes BNt , se calculent comme
la difference entre les besoins bruts et le disponible (somme des livraisons
attendues et du niveau initial du stock de la periode) :

Si BBt SFt1 + LAt , alors
BNt = BBt LAt SFt1

SFt = 0
Ce cas est illustre par les periodes 18 a` 23 pour le composant E1001 (voir
tableau 5.9).
80
5.3.1
Determination de la couverture des besoins nets
En planication de la production, on suppose que les besoins nets sont connus

sufsamment a` lavance pour e viter toute rupture. La determination de la quantite
a` livrer pour satisfaire les besoins nets repose donc sur un arbitrage entre
les couts de lancement de production;
les couts de possession.
La programmation dynamique permet de faire cet arbitrage. A ce niveau-ci, nous
allons faire du lot par lot, ce qui conduit aux lancements de production du tableau
5.10.
E1001
16
17
18
19
20
21
22
23
30
Besoins nets
28
15
27
21
19
Lancements de production 30
28
15
27
21
19
Tableau 5.10: Lancement de production en composant E1001.

Pour determiner les lancements de production, on a tenu compte du delai
dobtention, suppose ici de 1 semaine. Remarquez que le lancement de 30 en
periode 16 provient non pas dune livraison programmee de periode 17 mais bien
dune livraison attendue de periode 17.
Nous presentons a` la section suivante dautres techniques de determination des
lancements de production.
Remarquez e galement quici on a fait lhypothèse, pour determiner les lancements de production, quil ny avait pas de problèmes de capacite. Sans quoi, il
faut proceder a` lajustement charge capacite avant de passer aux calculs du niveau
suivant. Nous verrons ce point dans la dernière section de ce chapitre.
5.3.2
Utilisation en cascade de la logique de calcul
Maintenant que cet e cheancier de lancement de production est determine pour le

composant de niveau un E1001, il va e tre utilise a` un niveau superieur pour
calculer lecheancier des demandes brutes des composants de niveau superieur.
Ainsi, le composant E1001 (par exemple, une bote de vitesse) utilise le composant
de niveau un E2010 (un engrenage).
On applique la demarche de calcul que nous venons de voir en cascade :
81
a` toutes les references de niveau 0 (produits naux);

puis a` celles de niveau 1;
puis a` celles de niveau 2, . . . etc.
Illustrons ceci sur lexemple. Au niveau 0, les lancements programmes (cfr
tableau 5.11) sont determines conformement au plan directeur de production.
T27, T28, T29 16
BBt de T27
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
Tableau 5.11: Lancements programmes de niveau zero.

Au niveau 1, les lancements du composant E1001, de delai de fabrication L=1,
sont determines conformement au tableau 5.12. Ce composant est utilise a` raison
dune unite par produit T27 et dune unite par produit T28.
Toujours au niveau 1, les lancements du composant E1004 (de delai de fabrication L=2) sont determines conformement au tableau 5.13. Ce composant est
utilise a` raison dune unite par produit T29.
82
E1001
16
17
18
19
20
21
22
23
BBt pour T27
11
15
11
12
BBt pour T28
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
Tableau 5.12: Lancements en composant E1001.
E1004
16
17
18
19
20
21
22
23
BBt pour T29
12
BBt de E1004
BBt totaux
12
10
LAt
11
12
10
12
10
SFt
15
BNt
LPt
11
83
Au niveau 2, les lancements du composant E2010 (de delai de fabrication L=1)

E2010
16
17
18
19
20
21
22
23
BBt pour E1001
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

dune unite par composant de niveau 1 E1001.
E2040
15
16
17
18
19
20
21
22
BBt pour E1004 11
12
10
BBt de E2040
BBt totaux
11
12
11
13
17
11
13
11
13
LAt
SFt
BNt
LPt
17

utilise a` raison dune unite par composant de niveau un E1004.
Au niveau 3, les lancements du composant E3047 (de delai de fabrication L=1)
dune unite par composant de niveau deux E2010 et de deux unites par composant
de niveau deux E2040.
84
E3047
15
16
17
18
19
20
21
BBt pour E2010 20
30
16
31
21
20
BBt pour E2040 34
12
18
22
26
BBt de E3047
BBt Totaux
15
48
39
58
BNt
48
39
58
LPt
48
39
58
LAt
SFt
15

e galement utilise a` raison dune unite par composant de niveau deux E2010 et de
deux unites par composant de niveau deux E2040.
E3052
15
16
17
18
19
20
21
BBt pour E2010 20
30
16
31
21
20
BBt pour E2040 34
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

Il faut maintenant voir si la capacite est sufsante a` chaque niveau pour assembler les vehicules. Il est a` remarquer que lon a interet a` verier si cette capacite est
sufsante avant de passer au calcul du niveau superieur. En effet, si on procède a` un
ajustement des lancements de production, par exemple au niveau 1, cela remettra
en cause le calcul des besoins du niveau 2.
Mais avant cela, presentons quelques autres règles pour determiner les lancements de production.
Section 5.4. Autres règles de calcul des lancements de production
5.4
85
Autres règles de calcul des lancements de production
Jusquà 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
30
Besoins nets
28
15
27
21
19
28
15
27
21
19
Tableau 5.18: Lancement de production lot par lot.

Il peut y avoir des contraintes techniques ou e conomiques qui conduisent a`
adopter des règles de gestion differentes :
Règle de la quantite xe. Parfois, pour des raisons techniques, on ne peut
produit quune quantite xe (cuve entière). Dans ce cas, on la quantite
mise en uvre est toujours la meme. Supposons a` titre dexemple, une
quantite xe de 30. Ce cas est illustre au tableau 5.19. On remarquera que
le nombre de mise en route de production est moins e leve mais que le niveau
de possession du stock augmente fortement.
Periode
16
17
18
19
20
21
22
23
30
Besoins nets
28
15
27
21
19
30
30
30
30
27
29
14
17
26
Stock n de periode
Tableau 5.19: Lancement de production par quantite xe.

On peut e galement utiliser cette règle pour diminuer le nombre de mises en
route de production (raison e conomique et non technique). On determinera,
dans ce cas, la quantite e conomique a` mettre en uvre par la formule de
Wilson.
86
Règle 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
Tableau 5.20: Lancement de production par multiples de 10.

Règle de la quantite minimum. Ce cas se produit lorsquil y a un cout xe
de mise en route de la production. Pour amortir ce cout xe de lancement,
il faut produire au minimum 10. Mais on peut produire e galement 11, 12,
13 etc... Ce cas est illustre au tableau 5.21.
Periode 16
17
18
19
20
21
22
23
LAt
30
BNt
28
15
27
21
19
LPt
30
10
21
15
27
21
19
SFt
Tableau 5.21: Lancement de production par minimum de 10.
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.
Section 5.5. Ajustement charge-capacite
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
excès capacite 28,5
Tableau 5.22: Verication de la charge au niveau zero.

En multipliant ces lancements par les temps operatoires unitaires donnes au tableau 5.4, on obtient le nombre dheures dassemblage pour chacun des vehicules.
En les additionnant, on obtient la charge de latelier que lon peut comparer avec
la capacite donnee au tableau 5.5. On constate ici quil ny a aucun problème de
capacite au niveau 0.
Passons au niveau 1. Les lancements de production des sous-ensembles E1001
et E1004 assembles dans le meme atelier sont repris au tableau 5.23. En multipliant
ces lancements par les temps operatoires unitaires donnes au tableau 5.4, on obtient
le nombre dheures dassemblage pour chacun des deux sous-ensembles de niveau
1. En les additionnant, on obtient la charge de latelier que lon peut comparer
avec la capacite donnee au tableau 5.5. On constate ici quil y a un problème de
capacite en periode 18. On reporte aux periodes precedentes en commencant par
utiliser lexcès de capacite de la periode 17, le reste e tant produit en periode 16.
Il faut encore determiner sur quel produit cet ajustement va porter. La règle
adoptee ici est de reporter les heures constituant le stock de valeur la plus faible.
Pour cela, calculons le cout de revient dune unite de E1001 et dune unite de
E1004. Au cout de la main duvre dassemblage, il faut ajouter le cout de la
matière première ajoutee a` letape dassemblage et le cout des composants :
cE1001 = 0, 5 70 + 58 = 93 euros,
cE1004 = 1 70 + 71 = 141 euros.
Il faut se garder de conclure hativement quil convient de stocker du E1001. En
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
Excès de capacite
1,5
5,5
1,5
2,5
Excès 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
Tableau 5.23: Ajustement charge-capacite de niveau 1.

On procedera alors de manière semblable pour les niveaux superieurs en partant
des lancements modies de niveau 1 donnes au tableau 5.23.
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 pièces 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
Les cycles de fabrication des sous-ensembles et des produits nis sont de

deux semaines. Le delai dapprovisionnement des produits achetes est
e galement de deux semaines. On dispose dun stock initial de 150 S1, de
150 S2 et de 500 A3. Il ny a pas de livraisons attendues. Les produits nis
sont fabriques au lot par lot. Les sous-ensembles doivent e tres fabriques par
lot minimum (et non necessairement multiple) de 100 unites (on peut lancer
100, 101, 102 etc...). Les commandes enregistrees pour les 16 semaines
a` venir pour ces produits sont indiquees au tableau ci-dessous. Un chiffre
absent signie quil ny a pas de commande.
Sem 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16
PF1
40
60
50
70
PF2
10 20
30
10 20
30
20
30
(a) Calculez les besoins nets et les lancements de production des deux
produits nis.
(b) Calculez les besoins nets et les lancements de production ainsi que le
stock nal des deux sous-ensembles.
(c) Determinez les besoins nets du composant A3.
5.2. Importation de systèmes Home Cinema. Une societe vend des ensembles
Home Cinema composes dun televiseur plat, un lecteur DVD et un ensemble acoustique. Lensemble acoustique peut e galement e tre vendu seul.
La societe dispose au 31 octobre dun stock de 200 Home cinema (incluant
lensemble acoustique) et de 600 ensembles acoustiques. La reception de
500 ensembles acoustiques est prevue pour le 1 decembre. Limportation de
lensemble Home Cinema prend 1 mois et ninclut pas lensemble acoustique. Celui-ci est a` commander en sus et est ajoute a` lensemble Home
90
Cinema juste avant sa livraison au client nal. Limportation de lensemble

acoustique prend 2 mois. La valeur de lensemble Home Cinema complet
est de 2500 euro, celle de lensemble acoustique est de 800 euro. Le tableau
suivant indique les previsions de la demande :
Demande
Novembre
Home Cinema
500
Ensemble acoustique
200
Decembre Janvier Fevrier

1200
900
400
400
300
200
Le cout de stockage mensuel est de 2 % de la valeur des marchandises.

(a)
(b)
(c)
(d)
Calculez les besoins nets pour lensemble Home Cinema.

Calculez les besoins nets pour lensemble acoustique.
Planiez les lancements de commande des ensembles Home Cinema.
Planiez les lancements de commande des ensembles acoustiques sachant que les commandes doivent e tre multiples de 500 unites.
(e) Calculez le cout de stockage par mois et par produit.
5.3. Determination des besoins et lancements de production de niveau 2. A

partir de lajustement charge-capacite de niveau 1, deduire les besoins nets
et les lancements de production de niveau 2 a` capacite innie.
5.4. Ajustement charge-capacite de niveau 2. Verier si la charge resultante
nexcède pas la capacite de latelier. Si cest le cas, faire lajustement.
5.5. Production de robes de mariees. Une petite entreprise de couture confectionne des robes de mariees en serie. Lunique atelier de lentreprise realise
la confection des robes a` un cout horaire est de 100 euro. La fabrication
dune robe necessite 3 heures. Les tissus pour la robe coutent 400 euro.
Le plan directeur de production indique une demande constante de 10 robes
par semaine pour les semaines 1 a` 5. En debut de semaine 1, lentreprise
dispose dun stock de 15 robes. Une production en sous-traitance (= livraison
attendue) de 5 robes est prevue en semaine 4.
(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 premières 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
Origine et principe du JAT
Comme le souligne Baglin et al [1], les techniques de juste a` temps trouvent leur
origine dans les nouvelles exigences du marche :
La variabilite de la demande : laugmentation du nombre de modèles 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-à-dire lancer une commande speciale avec
des delais longs.
La concurrence internationale impose de produire une bonne qualite a` un
prix très 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
Chapitre 6. Les techniques de juste a` temps
tendus. La suppression des stocks apparat donc comme une consequence de la

logique du JAT.
Ceci va a` lencontre des politiques traditionnelles dorganisation de la production. Le mode dorganisation traditionnel a pour objectif essentiel la recherche
de la plus grande productivite du système. Ses consequences sont :
1. Pour raison deconomie dechelle, on a des unites de fabrication de grande
taille organisees en ateliers specialises. On a donc des ux importants et
discontinus entre ces unites necessitant des stock intermediaires.
2. Pour raison de cout, on met en place des capacites de production correspondant a` la demande moyenne qui sont saturees en permanence : la variabilite
de la demande necessite donc des stocks de produits nis.
3. On lance de grandes series pour amortir le cout de lancement. Ce qui entrane
aussi des stocks importants.
4. Pour diminuer le cout de manutention, on transporte en grande quantite
(camions, containers complets). Ce qui occasionne e galement des stocks
e leves de matières qui ne sont pas immediatement consommees.
5. Pour decoupler les problèmes, on constitue des stocks intermediaires.
6. A chaque stade du produit, on ajoute un delai dobtention pour tenir compte
des arrets frequents (controle, maintenance,. . . ).
On en conclut que chacun a` tendance a` goner les stocks. Le JAT devant ce constat,
plutot que dessayer de gerer lingerable propose de supprimer les stocks.
Le fonctionnement en JAT appelle cependant les remarques suivantes :
1. Souvent, les usines ne fonctionnent que partiellement en ux tendus : en
ux tendus au moment où lon personnalise le produit, avec des stocks
dapprovisionnement pour les pièces standards.
2. Les ux de production peuvent e tre tires non par des commandes clients
mais par le plan directeur de production.
3. Le JAT necessite tout de meme letablissement dun plan directeur de production et le calcul des besoins.
Section 6.2. Les deux approches du JAT
6.2
93
Les deux approches du JAT
Le JAT a donc un double objectif :

augmenter la reactivite du système logistique : diminuer le delai, diversier
la production,. . .
diminuer le cout global de production : en e liminant les gaspillages inutiles.
6.2.1
Augmenter la reactivite du système logistique
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 matière première, 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
Le but est ici dameliorer la performance globale en e liminant les gaspillages. Le

principe fondamental est que les seuls temps utiles sont ceux pendant lesquels
le produit voit sa valeur saccrotre. Ainsi, les operations suivantes sont non
productives : deplacer, stocker, grouper, controler,. . . Pour pouvoir diminuer
ces operations improductives, il faut sattaquer a` leurs causes : les defauts de
fabrication, les retards, les pannes, les lenteurs administratives,. . .
On peut ici citer limage de Taichi Ohno (de Toyota) qui dit que, pour traverser
une rivière sans encombre, dans lapproche traditionnelle : on augmente le niveau
de leau et on passe au dessus des e paves, dans lapproche JAT : on drague le
euve, ce qui permet un niveau deau plus faible. En conclusions, en sattaquant
aux causes de dysfonctionnement, on ameliore la productivite globale du système
et on ameliore la qualite des produits.
94
6.3
Les facteurs cles du JAT
La reussite du passage dune organisation classique a` une organisation JAT

necessite des methodes de gestion très reactives ainsi que la matrise des aleas.
6.3.1
Recherche dun plus grande reactivite
On atteindra une plus grande reactivite en augmentant la exibilite de la production. On peut denir la exibilite comme la capacite du système 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
Matrise des aleas
Il faut ici se premunir contre les causes des stocks que sont les pièces recues
defectueuses, les pannes machine, ainsi les retards de livraison. On visera ici le
zero defaut pour les pièces fabriquees. En effet, en labsence de stock, le defaut
dune pièce 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 pièce defectueuse pour le client.
Section 6.4. La methode Kanban
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 pièce et de loperation a` effectuer;
le lieu dorigine et de destination de la pièce;
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 pièces qui
descend le ux de pièces (lors de la fabrication);
remonte ce ux une fois les pièces 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 pièces. Par
exemple, si la consommation vient a` se tarir, les e tiquettes ne remontent plus et la
fabrication sarrete.
Pour un bon fonctionnement du système, il faut une capacite sufsante des
postes amont pour repondre a` la demande : ceci necessite donc en general de
prevoir une surcapacite.
6.4.1
Système Kanban a` une boucle
Le fonctionnement du système Kanban a` une boucle est le suivant (cfr gure 6.1) :
Letiquette est apposee sur le conteneur de pièces qui viennent detre fabriquees en amont (a);
Elle accompagne le conteneur au poste suivant et reste sur le conteneur en
attente (b);
Au moment où 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)
Conteneur avec tiquette
Etiquette libre
Figure 6.1: Système Kanban a` une boucle.

Il entre dans le planning du poste amont (d) doù il sort au moment dune
nouvelle fabrication.
On peut faire les remarques suivantes sur le fonctionnement du système kanban a` une boucle :
1. Tout conteneur rempli possède obligatoirement une e tiquette (cest-à-dire
son ordre de fabrication).
2. Une e tiquette libre (cest-à-dire non attachee a` un conteneur) represente un
ordre de fabrication pour une quantite xe de pièces sur un poste de travail
determine.
3. Le nombre detiquettes en circulation entre deux postes xe les stocks den
cours de fabrication : en effet, le volume des en cours, cest-à-dire le nombre
de conteneurs entre les postes, est inferieur ou e gal au nombre detiquettes
en circulation.
4. En observant son planning detiquettes en attente, le responsable du poste
amont peut choisir ses priorites de fabrication daprès les besoins des agents
des differents postes aval quil fournit.
6.4.2
Determination du nombre detiquettes
Un problème fondamental est la determination du nombre detiquettes a` mettre

en circulation. Ce nombre doit, en effet, resulter dun compromis entre :
un nombre pas trop e leve : sinon on genère des stocks intermediaires;
un nombre pas trop faible : sinon le poste aval risque de tomber en rupture.
Section 6.4. La methode Kanban
97
Les donnees du problème sont les suivantes :

Cu , la consommation du poste aval en unites par minute;
Qe , la taille e conomique des lots fabriques en amont;
k, la capacite dun conteneur;
Tr , le delai de reaction du système lorsque le stock au poste aval atteint le
seuil de lancement dune production. Ce delai de reaction comprend
le retour du ticket dalerte vers lamont,
lattente au planning amont,
le reglage de la machine amont,
la production du premier conteneur,
le transport du conteneur jusquau poste aval.
Le principe utilise pour determiner le nombre detiquettes est le suivant : le
nombre de conteneurs dans la boucle correspond au strict minimum pour que le
système fonctionne sans rupture pour le poste aval.
Illustrons ceci sur un exemple tire de Baglin et al [1]. Soit D = 2000 pièces, la
demande moyenne du poste aval par journee de 8 heures de travail. On en deduit
une consommation en unites par minute de :
Cu =
2000
= 4, 1667
8 60
Soit k = 100 pièces, 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 pièce
(donc 10 minutes pour 100 pièces), 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 système :
Ne
Tr Cu
= 3, 96
k
98
Si lon veut prendre une marge de securite de = 10 % :

Ne
(1 + )Tr Cu
1, 1 395, 83
=
= 4, 3541.
k
100
Il faudra donc au moins 5 e tiquettes en permanence dans le système.

Supposons maintenant que, au poste amont, larbitrage entre le cout de lancement et le cout de possession justie une production par lot de taille e conomique
optimale :
Qe = 600 pièces,
cest-à-dire a` 6 conteneurs (Qe /k). Il faudra donc attendre davoir six e tiquettes
accrochees au planning du poste amont avant de pouvoir lancer en fabrication de
quoi remplir le premier conteneur. Il faudra donc ajouter ces 6 conteneurs aux 5
precedents.
Le nombre de conteneurs dans la boucle correspond donc en general a` la
somme :
du stock correspondant au seuil dalerte, cest-à-dire au stock permettant de
faire fonctionner le poste aval durant Tr , augmente dune marge de securite
:
(1 + )Cu Tr
du lot e conomique Qe produit par le poste amont :
Qe
le tout divise par k, la capacite dun conteneur :
Ne
(1 + )Cu Tr + Qe
k
Le resultat est arrondi a` lentier superieur. Ce qui donne ici :

Ne
(1 + )Cu Tr + Qe
435 + 600
=
= 10, 35
k
100
Ce qui correspond a` 11 conteneurs de 100 pièces.
(6.1)
6.5
99
Exercices
6.1. Planication juste-à-temps dune brasserie. Une brasserie produit une

bière speciale. La fermentation se termine dans des cuves de haute fermentation. Lequipement dembouteillage est constitue de deux lignes :
une ligne dembouteillage affectee aux bouteilles de 25 cl, qui remplit
1600 bouteilles par heure,
une ligne dembouteillage affectee aux bouteilles de 75 cl, qui remplit
800 bouteilles par heure.
La societe aimerait utiliser un système de kanban an de coordonner la
production entre le système amont (les cuves) et le système aval (lembouteillage). Les containers de transport entre lamont et laval ont une capacite
de 300 litres. Le delai de reaction du système est de 3 heures.
(a) Calculez le nombre detiquettes necessaires pour assurer le fonctionnement en continu de lembouteillage sans tenir compte dune taille
e conomique minimale a` lamont. Le gestionnaire desire appliquer un
coefcient de securite de 10 %.
(b) Sachant que les cuves de fermentation ont une capacite de 10.000
litres et sont videes en entier avant detre a` nouveau remplies, on peut
considerer que la quantite e conomique du poste amont est de 10.000
litres. Quel est alors le nombre detiquettes a` ajouter dans le système ?
6.2. Production de hamburgers en restauration rapide. Considerons la gestion de la cuisson dun type de hamburger dans un drive-in dun point de
restauration rapide. La commande auprès du prepose a` la cuisson se fait par
lot de 6 hamburgers. Lorsquun lot de 6 hamburgers est fourni au comptoir
de vente, il est precede dune plaque indiquant 6 hamburgers. Dès que
le prepose a` la vente entame le lot de 6 hamburgers, il retourne la plaque
au manager qui toutes les dix minutes remonte en cuisine avec les plaques.
Considerons une soiree de semaine (hors mercredi où la demande est plus
forte). On suppose, ce qui est une approximation, que la demande de 500
hamburgers est repartie uniformement sur la tranche 18 h - 22 h. Le prepose
a` la cuisson fabrique, outre les hamburgers, trois autres produits qui peuvent
loccuper, parfois de manière continue pendant 12 minutes avant quil ne
puisse entamer la cuisson des hamburgers. La cuisson dun lot de 6 hamburgers dure 6 minutes (3 minutes pour une face, 3 minutes pour lautre). Ensuite, lemballage et le garnissage prend 0,5 minute par hamburger. Lenvoi
du lot de 6 hamburgers vers le comptoir est instantane (par bande porteuse).
100

(a) Calculer la consommation en unites par minute faite par les clients du
drive-in pour ce hamburger.
(b) Calculer le temps de reaction du système, a` savoir le temps qui secoule
entre le moment où le prepose a` la vente entame un lot de 6 hamburgers
et celui où le lot revient avec la plaque. Donner le detail du calcul.
(c) Calculer la consommation de hamburgers des clients pendant le temps
de reaction du système.
(d) En tenant compte du fait que la production de hamburgers nest lancee
que sil y a une commande de 12 pièces, calculez le nombre minimum
de plaques a` mettre dans le système pour e viter la rupture dapprovisionnement du comptoir vente.
(e) Comment faire pour tenir compte dans votre calcul des hamburgers
jetes car ayant depasse leur duree de conservation (1 heure) ? Ceci
represente environ 10 % de la demande.
6.3. Transport de brames. La ligne a` chaud de Chertal produit des bobines

dacier appelees coils. Lamont de la ligne a` chaud est compose des hauts
fourneaux produisant de la fonte en fusion, dun convertisseur suivi de la
coulee continue. Lors des diverses operations amont, le metal liquide est
transforme en plaques, appelees brames. Chacune de ces pièces pèse 500
kg. Elles sont alors transportees par lots vers laval constitue du laminoir
du site. Ce trajet, chargement et dechargement inclus, dure 6 heures. Les
transporteurs de brames (des trains prives) ont une capacite maximale utile
de 50 tonnes. Le laminoir aval doit fonctionner en permanence a` un rythme
de 110 kg a` la minute. Le gestionnaire du site de Chertal desire utiliser un
système de Kanbans an de minimiser les lots de brames en cours entre la
production amont (les hauts fourneaux, le convertisseur et la coulee) et le
système aval (le laminoir). Le temps de retour des transporteurs, munis des
e tiquettes, est estime a` 120 minutes. On considère que lon fait partir un
train uniquement sil est charge au maximum.
(a) En considerant un temps nul dattente au planning amont et un temps
de production a` lamont negligeable, calculez le nombre detiquettes
necessaires pour assurer le fonctionnement en continu du laminoir aval.
(b) Avec ce nombre detiquettes, quel est le coefcient de securite ?
(c) On considère maintenant que les hauts- fourneaux delivrent des lots
de 120 tonnes (= quantite e conomique). Quel est alors le nombre
detiquettes a` mettre en service (avec un coefcient de securite nul) ?
(d) Quel est le rythme auquel les lots des hauts-fourneaux doivent e tre
delivres pour que le système ne tombe pas en rupture ?
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 problème crucial qui se pose est celui du calendrier dexecution
des taches. Le problème est de determiner dans quel ordre doivent senchaner les
diverses taches de manière a` minimiser le temps total dexecution du projet.
Prenons un exemple tire de Giard [4].. On veut construire un nouveau batiment
de manière a` pouvoir demenager au plus tot. Certaines taches (voir tableau 7.1)
ne peuvent sexecuter quaprès que dautres soient terminees. Par exemple, on
ne peut commencer les fondations que lorsque le terrassement est ni. On ne
peut monter les murs que lorsque les fondations sont terminees. Dautres taches
peuvent sexecuter simultanement. Par exemple, les travaux delectricite et de
plomberie peuvent e tre menes de pair. On doit tenir compte, dans les problèmes
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.
dordonnancement, de divers types de contraintes.

103
Chapitre 7. Lordonnancement de projets
104
Les contraintes de localisation temporelle expriment la localisation dune

tache dans le temps : une tache ne peut commencer avant une telle date, ou
après une telle date (par exemple, en raison des conditions climatiques).
Les contraintes de succession temporelle expriment les relations danteriorite entre les taches : une tache ne peut commencer avant la n dune autre
(par exemple, on ne coule pas les fondations avant la n du terrassement).
Les contraintes disjonctives expriment le fait que deux taches ne peuvent
avoir lieu en meme temps sans que lon puisse dire laquelle doit e tre effectuee
avant lautre (par exemple, une meme grue est utilisee sur deux chantiers).
Le problème dordonnancement avec des contraintes de localisation temporelle
et de succession temporelle seulement est appele problème central dordonnancement. Il sagit de determiner le calendrier de debut de chacune des taches de
manière a` terminer le chantier au plus vite en respectant les contraintes temporelles.
Nous allons voir que ce problème utilise la notion de graphe, aussi bien pour
sa formulation que pour sa resolution. Il existe deux methodes de resolution pour
ce problème, a` savoir :
la methode du potentiel developpee en France en 1957 et qui associe a`
chaque tache un nud du reseau, tandis que les relations danteriorite sont
representees par des arcs entre les taches (voir gure 7.1);
Tache i
i<j
di
Tache j
j
Figure 7.1: Graphe de la methode des potentiels.

La methode PERT (pour Program Evaluation Review Technique) sest de
veloppee, parallèlement a` la methode du potentiel, aux Etats-Unis
en 1958
pour la planication de la construction des sous-marins Polaris. Elle se
distingue de la methode du potentiel par le fait que les taches ne sont plus
associees aux nuds mais bien aux arcs du reseau (voir gure 7.2).
Tache i
i, di
i <j
T
a che j
j, dj
Figure 7.2: Graphe de la methode des potentiels.
Section 7.2. Formulation du problème
7.2
105
Formulation du problème
Fixons-nous les notations suivantes. Nous avons n taches a` executer, indicees

i = 1, . . .n. Utilisons e galement la notation di pour designer la duree dexecution
de la tache i (qui est ici une donnee). Designons par t0 le temps de debut dexecution
du chantier, suppose e galement connu.
Les variables du problème sont les suivantes : ti note le temps de debut
dexecution de la tache i, et tf (= tn+1 ) note le temps de n de chantier.
Formulons maintenant lobjectif : il sagit simplement de minimiser le temps
de realisation du chantier, autrement dit :
min z = tf t0
qui consistera a` minimiser tf si on se xe initialement t0 = 0.
Formulons maintenant les contraintes du problème central dordonnancement.
Elles sont de trois types :
Les contraintes de localisation temporelle expriment que la tache i ne peut
commencer avant le debut de chantier :
ti t0 , i sans predecesseur
(7.1)
Les contraintes de succession temporelle expriment que la tache j ne peut

debuter avant que toute tache i prealable a` j ne soit nie :
ti + di tj , tache i anterieure a` la tache j
(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)
Remarquez que vu la presence des contraintes de succession temporelle (7.2),

il suft decrire (7.1) pour toute tache nayant pas de predecesseur et (7.3) pout
toute tache nayant pas de successeur.
7.3
Representation graphique du problème
On associe donc au problème central dordonnancement un graphe dont les sommets representent les diverses taches du problème. On ajoute un nud 0 qui
106
correspond a` la date de debut de chantier et un nud f = n + 1 qui correspond

a` la n de chantier. Les arcs du reseau representent les diverses contraintes qui
peuvent toutes se mettre sous la forme suivante
ti + di tj
en denissant d0 = 0. Le problème central dordonnancement se formule donc
ainsi :
min tf (t0 )
(7.4)
s.c.q. ti + di tj , (i, j) A
où A note lensemble des arcs du reseau.
3
4
0
5
3
10
4
7
10
11
12
4
9
Figure 7.3: graphe associe.

Reprenons lexemple. On peut construire systematiquement le graphe associe
au problème dordonnancement de la manière suivante (voir gure 7.3) :
1. On relie dabord toutes les taches qui peuvent e tre effectuees sans prealable
au nud 0, debut de chantier par un arc de longueur nulle. Dans lexemple,
seule la tache 1 est dans ce cas. Remarquez quil sagit de la representation
des contraintes (7.1).
2. Ensuite, on prend une tache dejà dans le graphe et on examine si elle precède
dautres. Par exemple, la tache 1 doit preceder la tache 2. On doit donc avoir
t1 + d1 t2 .
On trace le nud 2 et on le relie au nud 1 par un arc de longueur d1 . On
fait de meme pour representer toutes les contraintes de type (7.2).
3. Enn, quand toutes les taches sont dans le graphe, pour les seules taches qui
ne sont suivies daucune autre, on les relie au nud n + 1, n de chantier,
avec un arc de longueur e gale a` la duree de la tache. Ici, seule la tache nition
est dans ce cas, et il faut que cette tache soit nie pour la n du chantier. Il
sagit ici de representer les contraintes du type (7.3).
Section 7.3. Representation graphique du problème
107
Disons un mot de la representation des trois autres types de contraintes que

lon peut rencontrer dans les problèmes dordonnancement de projets :
1. Contraintes de localisation temporelle du type min. Supposons dabord
que la tache 3 ne puisse commencer avant 10 :
10 t3 t0 + 10 t3 .
Ceci se represente en joignant les nuds 0 et 3 par un arc de longueur 10.
2. Contrainte de localisation temporelle du type max. Ensuite, supposons
que la tache 5 doive e tre commencee avant 40 :
t5 t0 + 40 t5 40 t0 .
Ceci se represente en joignant les nuds 5 et 0 par un arc de longueur -40.
3. Contrainte du type e cart maximum. Enn, supposons que la tache 9 doive
commencer au plus tard 5 jours après le debut de la tache 8 :
t9 t8 + 5 t9 5 t8 .
Ceci se represente en joignant les nuds 9 et 8 par une arc de longueur -5.
-40
10
5
3
4
0
10
4
7
10
11
12
9
-5
Figure 7.4: Trois autres types de contraintes.

Avant de voir lalgorithme qui permet de resoudre le problème dordonnancement, nous allons dire un mot des conditions sous lesquelles ce problème est
realisable. En effet, les contraintes temporelles peuvent venir de divers services et
e tre incompatibles entres elles.
108
7.4
Existence dune solution
Supposons que nous ayons la situation suivante.

Tache Duree prealable
1
d1
3
2
d2
1
3
d3
2
Cette situation est representee a` la gure 7.5.
2
d1
1
d2
d3
Figure 7.5: Circuit de longueur positive.

On voit ici que le graphe contient un circuit (cycle avec tous les arcs dans
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
problème. 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 èche de 8 vers 9 de longueur 3
et une èche retour de longueur -5. Ceci ne pose pas de problème, la somme des
longueurs e tant negative.
Section 7.5. Calcul de lordonnancement au plus tot
7.5
109
Calcul de lordonnancement au plus tot
Nous allons maintenant voir un algorithme de calcul de lordonnancement au plus

tot. Lordonnancement au plus tot determine les dates de debut au plus tot des
differentes taches, notees ti , en partant du nud de debut de chantier.
Illustrons les choses sur lexemple. La tache 1 peut commencer au plus tot en
0 puisquelle est reliee au au nud 0, debut de chantier, par un arc de longueur
nulle. La tache 2 peut commencer dès la n de la tache 1, cest-à-dire
t2 = t1 + d1 = 5
et ainsi de suite, on marque t3 = 9, t4 = 11, t5 = 13, ...
Lorsquun sommet (comme le sommet 9) a plus dun predecesseur (8 et 6), on
determine la date au plus tot par un maximum :
t9 = max {t6 + d6 , t8 + d8 } = 16.
Il faut, en effet, que les deux taches precedentes soient nies avant de pouvoir
debuter la tache 9. On arrive ainsi a` determiner la duree totale minimum qui est
ici de 35 jours.
Lordonnancement au plus tot est illustre a` la gure 7.6 où le temps de debut
au plus tot est indique au dessus des nuds.
9
3
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
Figure 7.6: Ordonnancement au plus tot.
7.6
Ordonnancement au plus tard
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
chantier. De meme, si on retarde la tache 10 (platre), cela va retarder la date de

debut de la tache 11 (nition) qui elle-meme retarde la date de n de chantier.
Par contre, si on retarde le debut de la tache 5 (couverture), cela naura pas de
repercussion, car ce nest pas a` partir de ce nud que son successeur (10) a e te
marque mais bien a` partir du nud 9. On voit donc que lon peut retarder la date
de debut de la tache 5 sans consequence sur la date de n de chantier jusquà un
certain point. En effet, t5 = 13, t10 = 20, et d5 = 3. Autrement dit, la date de
debut de la tache 5 peut e tre retardee jusquà la valeur :
t10 d5 = 20 3 = 17
sans retarder la date de debut de la tache 10. On dit que 17 est la date de debut au
plus tard de la tache 5. Cest-à-dire que la tache 5 peut e tre commencee a` cette
date au plus tard sans allonger la duree totale minimale des travaux.
On notera une date de debut au plus tard par ti . On peut calculer lordonnancement au plus tard de la manière suivante (voir gure 7.7). Partant du nud n,
pour lequel la date de debut au plus tard concide avec la date de debut au plus tot
t12 = t12 = 35,
on retranche a` la date au plus tard la duree de la dernière tache. On determine ainsi
la date de debut au plus tard de la tache 11 :
t11 = t12 d11 = 35 5 = 30.
On marque ensuite a` rebours les nuds 10, 5, ...
9
3
4
0
0
0
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
Figure 7.7: Ordonnancement au plus tard.

Lorsquun nud a plusieurs successeurs, on ne peut marquer ce sommet que
si tous ses successeurs directs sont marques. Prenons, a` titre dillustration, le cas
du nud 3. Dans ce cas, il faut prendre le minimum :
t3 = min{t4 d3 , t6 d3 } = min{15 2, 11 2} = 9,
sans quoi on retarderait la date de n de chantier.
Section 7.7. Chemin critique et calcul des marges
7.7
111
Chemin critique et calcul des marges
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)
On peut interpreter la marge comme le nombre maximum de jours de retard dans

lexecution de la tache sans consequence sur la date de n de projet.
On voit directement que lon a deux sortes de taches.
Les taches critiques qui ont une marge nulle. Ce sont donc les taches a`
surveiller en premier si lon veut respecter le delai minimum de realisation
du projet. En effet, pour ces taches, tout retard sur leur date de debut se
repercutera sur la date de n de chantier.
Les taches non critiques qui ont une marge strictement positive que lon
peut determiner par la formule (7.5). Les marges sont indiquees a` la gure
7.8 entourees dun carre.
11 4
0
2
2
3
4
4
9
15
2
5
11
2 0
6
11 0 5
5 4
9
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
Figure 7.8: Calcul des marges.

Nous allons maintenant voir que si le projet dure 35 jours, cest a` cause dune
suite de taches formant ce que lon appelle un chemin critique de 35 jours.
Denition 7.2 On appelle chemin critique tout chemin liant le nud debut de
projet au nud n de projet tel que len faisant la somme des durees des taches le
long de ce chemin critique on obtienne la duree minimale du projet.
Le chemin critique peut e tre determine a` rebours, partant du nud n + 1, en
retenant les sommets qui ont permis de determiner les dates au plus tot a` partir du
nud 1. Il sagit, dans lexemple, des nuds 12,11,10,9,6,3,2,1 et 0. On dit que
le chemin critique est constitue des taches 1, 2, 3, 6, 9, 10 et 11.
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 phenomènes 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
Figure 7.9: Cas de plusieurs chemins critiques.

Les taches critiques sont : B, C, D, E et F. Les deux chemins critiques sont :
P1 = (B, D, E, F ) et P2 = (B, C, E, F )
Il est a` remarquer que le chemin suivant P3 = (B, C, F ) bien que constitue uniquement de taches critiques mais nest pas critique.
Si lon veut reduire la duree du projet,
Principe 1 : il ne sert a` rien de reduire la duree de taches non critiques. Cela ne
ferait quaugmenter leur marge.
Principe 2 : il faudra reduire simultanement la duree de tous les chemins critiques.
Il est aussi a` remarquer que, dès que lon a reduit la duree du chemin critique,
dautres chemins critiques peuvent apparatre. Il faut donc proceder pas a` pas.
7.8
Lordonnancement par la methode PERT
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.
Section 7.8. Lordonnancement par la methode PERT
113
Ceci permet de tracer le graphe pour lexemple dejà considere pour la methode
du potentiel. Ceci est fait a` la gure 7.10 où 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
Figure 7.10: Graphe associe pour la methode PERT.

Sur cet exemple, la construction du graphe PERT ne pose aucune difculte.
Parfois, elle necessite parfois lajout dun arc ctif qui ne correspond a` aucune
tache. Illustrons ce problème sur lexemple suivant :
Tache prealable
1
2
1
3
1, 4
4
On pourrait tracer le graphe de la gure 7.11. Mais ce graphe introduit une cont-
Figure 7.11: Introduction dun contrainte.

rainte supplementaire qui dit que la tache 4 doit preceder la tache 2. Pour resoudre
la difculte, il faut ajouter un arc ctif de longueur nulle entre lextremite de la
tache 1 et le debut de la tache 3. Ceci est illustre a` la gure 7.12.
Lordonnancement se calcule ainsi. Dabord, on determine les dates de debut
au plus tot des nuds, que nous noterons ti . Ceci est fait par marquage des nuds
a` partir de lorigine comme dans la methode du potentiel. On additionne au temps
du nud precedent le temps de la tache. En cas de plusieurs predecesseurs, on
prend le maximum. Ensuite, on determine les dates au plus tard des nuds,
114
Figure 7.12: Arc ctif.

notees ti , par marquage a` partir de la n, en soustrayant au temps du nud suivant
le temps de la tache. En cas de plusieurs successeurs, on prend le minimum.
11
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
Figure 7.13: Ordonnancement par la methode PERT.

Il est a` souligner que ces dates au plus tard des nuds ne fournissent pas les
dates de debut au plus tard des taches issues du nud. Par exemple, la tache 4
est issue dun nud où la date au plus tard est de 11 (comme la date au plus tot)
pourtant cette tache a une marge de 4 jours. Il faut donc poursuivre les calculs
pour avoir la date de debut au plus tard des taches.
On calcule la marge de la tache (i, j) liant les nuds i et j comme :
mij = tj (ti + dij )
(7.6)
Autrement dit, la marge est la difference entre :

la date de n au plus tard de la tache tj et
sa date de n au plus tot ti + dij , qui, elle-meme, se calcule comme sa date
de debut au plus tot augmentee de sa duree.
Section 7.9. La minimisation des co

uts
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
Date au plus tot
0 5 9 11 13 11
12 16 20 30
Marge
0 0 0
10 11
Date au plus tard 0 5 9 15 17 11 10 13 16 20 30
7.9
La minimisation des couts
Jusquà present, on a considere la duree de chaque tache comme donnee. Or la

duree dune tache particulière i peut varier en fonction, par exemple, de lembauche de personnel supplementaire, de lachat ou de la location de materiel
supplementaire. On voit donc que lon pourra, en general, reduire la duree de
chaque tache moyennant un cout
supplementaire. Nous allons voir ici comment
arbitrer entre les deux critères : diminution de la duree dexecution des taches et
donc du chantier et, dautre part, augmentation des couts dexecution des taches.
Considerons la tache i. Sa duree dexecution di peut varier entre une duree
minimale (incompressible) di et une duree maximum di . Si lon admet que le cout
ci
mi
di
di
di
Figure 7.14: Cout dexecution de la tache i.

varie lineairement en fonction de la duree, on obtient le graphique de la gure 7.14.
Notons par mi la pente. Pour une duree di comprise entre les bornes inferieure et
superieure, le cout de la tache i est alors calcule par lequation suivante :
ci (di ) = ci (di ) + mi (di di )
116
Si on repète la meme operation pour chacune des taches, lobjectif de la minimisation du cout total dexecution des taches peut secrire:
min z =
n
[ci (di ) + mi (di di )] = K +
i=1
n
mi di
i=1
Le premier terme e tant constant, il revient au meme de minimiser le seul second

terme et on obtient lobjectif suivant :
min z =
n
mi di ,
i=1
les di e tant, cette fois, des variables pour le problème.

On peut donc formuler le problème comme suit.
1. Choix des variables. Nous avons donc comme variables du problème :
ti = le temps de debut de la tache i;
di = la duree dexecution de la tache i;
tf = le temps de n de chantier.
2. Expression de lobjectif. Il sagit de minimiser le cout direct dexecution
des taches, qui depend lineairement de leur duree :
min z =
n
mi di
i=1
3. Expression des contraintes.

Les contraintes de localisation temporelle sexpriment comme :
ti t0 , i sans predecesseur
Les contraintes de succession temporelle sexpriment comme :
ti + di tj , i < j
Les contraintes de n de projet sexpriment comme :
ti + di tf , i sans successeur
Les contraintes de bornes sur la duree sexpriment comme :
di di di
Section 7.9. La minimisation des co

uts
117
On ajout une borne sur la date de n de chantier, nommee :

tf
Le problème de minimisation des couts dexecution des taches se formule donc
comme suit :
cD () = min z =
n
mi di
i=1
t0 ti
ti + di tj
s.c.q ti + di tf
tf
pour toute tache i sans prealable,

pour toute tache i precedent j,
pour toute tache i sans successeur, P ()
(borne sur tf )
di di (bornes sur la duree)
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 problème en fonction du paramètre . 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
Figure 7.15: Forme de la fonction de cout direct dexecution des taches

Ce graphique appelle plusieurs commentaires :
118
1. Tout dabord, le paramètre 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 ( )
Figure 7.16: Couts totaux.

ceci ne tient compte que des couts
directs dexecution des taches.
Il existe aussi des couts
indirects lies a` la duree du chantier : les frais dassurances, les salaires de lencadrement, les frais de location du materiel et les
penalites par jour de retard. Tous ces frais sont e videmment croissants avec , la
duree du chantier. On note cI () ces couts indirects. Si on additionne les deux
courbes (couts directs et couts indirects), comme a` la gure 7.16, on obtient la
courbe de cout total dont on peut determiner le minimum :
cT () = cD () + cI ()
On a donc arbitre entre les deux objectifs de diminution des couts et de diminution
du temps dexecution.
7.10
119
Exercices
7.1. Lancement dun nouveau produit. On met a` letude le lancement dun

nouveau produit. Ce lancement necessite la realisation des 9 taches suivantes
reperees par les lettres A a` I. Le tableau suivant donne leur duree et leurs
prealables e ventuels :
tache duree (semaines) prealables
A
5
D
B
2
C
5
B
D
4
E
2
G,H
F
4
E,I
G
3
H
2
D
I
6
A
(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 succède
directement a` la tache 0 et dure 5 semaines. La tache 2 succède directement
a` la tache 1 mais ne peut pas commencer avant la 10ème semaine. Elle dure
5 semaines. La tache 3 succède directement a` la tache 2 et dure 3 semaines.
La tache 4 succède directement aux taches 2 et 3 mais doit commencer au
plus tard 7 semaines après 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
(b) Ce projet est-il realisable ? Justiez brièvement.

(c) Vous avez la possibilite dallonger ou de reduire la duree des taches
1 et 2 de une ou deux semaines, a` un cout additionnel de 500 euro
la semaine. Et aussi dallonger ou de reduire la duree des taches 3
et 4 de une ou deux semaines, a` un cout additionnel de 1000 euro la
semaine. Quelle solution proposez-vous an de realiser le projet a` un
cout minimum ?
(d) Quelle est alors la duree totale du projet ?
(e) Quelle(s) activite(s) nappartiennent pas au chemin critique ?
7.3. Planication dun projet de telecommunications. La societe PTV veut
moderniser son reseau de teledistribution de chanes privees. Le projet
sarticule selon les activites citees au tableau ci-dessous.
Activite
A
B
C
D
E
F
G
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
(*) : le developpement des logiciels (C) peut commencer 3 mois après le

debut du developpement du materiel.
(**) : Larret de lancien reseau peut avoir lieu 6 mois après le demarrage
de la mise en uvre du nouveau reseau.
(a) Dessinez le reseau (methode PERT), indiquez la date de debut au plus
tot, de debut au plus tard et la marge pour chaque activite.
(b) Quelle est la duree minimale du projet ?
(c) Quelles sont les activites critiques ?
(d) Quel est le retard dexecution que chaque activite peut prendre sans
allonger la duree minimale du projet ?
(e) Ladministrateur desire reduire la duree du projet de 2 mois au moindre
cout. Les taches suivantes peuvent e tre reduites de 2 mois au maximum,
sachant que le cout de reduction dun mois est respectivement pour A :
350 euro ; C : 200 euro ; D : 100 euro ; F : 100 euro ; G : 400 euro.
Que proposez-vous et quel est le cout de votre solution ?
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, inquiète 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

activites citees au tableau ci-dessous.
Activite Duree (mois) Antecedents
A
5
B
6
C
3
A
D
8
A
E
2
B,C
F
11
B,C
G
1
D
H
12
D,E
(a) Tracez le graphe de la methode PERT et determinez sur ce graphe la
date de n au plus tot de la construction de la maison.
(b) Quelle est la duree minimale du projet ?
(c) Calculez les dates de debut au plus tot, les marges, les dates de debut
au plus tard.
(d) Quel est le chemin critique ?
(e) Les taches E et F necessitent toutes deux la presence dun bulldozer et la
societe nen possède quun seul. Indiquez comment on peut respecter
cette nouvelle contrainte en augmentant au minimum la duree du projet.
Quelle est alors la duree du projet ?
Chapitre 8
Conception dun centre de production
8.1
Introduction
Les decisions dimplantation dun centre de production incluent

1. la decision de localisation du centre qui depend de :
la localisation des clients;
la disponibilite et le cout de la main duvre;
la disponibilite des matières premières;
les aides nationales et locales a` linvestissement;
la volonte de penetrer un marche local difcile;
la qualite des hopitaux, la qualite du cadre de vie,. . .
A titre dexemple, on peut citer la localisation de la nouvelle usine TOYOTA
près de Valenciennes, qui est situee au cur de lEurope et dans le pays
europeen le plus protectionniste en faveur de ses marques nationales.
2. le choix de la capacite de production qui depend :
de la prevision de la demande a` long terme;
de la volonte de lentreprise de dominer un marche;
de la possibilite de repondre rapidement a` des variations de demande.
Vu lincertitude sur la demande, on implante souvent une nouvelle usine
par phases successives. Cest le cas de la nouvelle usine de Toyota près de
Valenciennes.
3. la conguration du centre de production : il sagit de determiner comment
les differents e quipements et postes de travail doivent e tre disposes. Nous
commencerons le chapitre en examinant ce point.
123
Chapitre 8. Conception dun centre de production
124
8.2
Conguration dun centre de production
Il sagit donc ici de determiner la manière de disposer les e quipements et les

postes de travail les uns par rapport aux autres . Il existe au moins trois types de
congurations possibles :
1. La conguration en ateliers specialises est utilisee lorsquil y a une grande
variete darticles differents a` produire. On peut alors regrouper dans un
atelier lensemble des machines assurant une fonction donnee. Par exemple,
dans un garage, latelier de peinture, latelier carrosserie,. . .
2. La conguration en terme de produit est utilisee lorsquil y a une demande
importante et continue de quelques produits. On organise la production soit
en ligne (cest le cas des lignes dassemblage dautomobiles) soit en industrie
de process (cest le cas des rafneries de petrole).
3. On parle de conguration a` poste xe lorsque loperateur doit se deplacer
entre deux operations. On peut citer comme exemples :
un client qui se deplace entre les differents rayons dun super marche;
un magasinier qui se deplace entre les differents rayonnages dun magasin de stockage de carrelage.
8.2.1
Conguration en ateliers specialises
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;
Section 8.2. Conguration dun centre de production
125
2. du fait quil peut y avoir repulsion entre deux services.

Une matrice de proximite peut e tre utilisee pour indiquer la proximite voulue
A : Absolument necessaire
S : Specialement important
I : Important
G : Generalement proche,
: sans importance
X : a` e viter
La gure 8.1 illustre cette matrice dans le cas de la maternite. On peut e galement,
ACCUEIL
G
SALLE D'ATTENTE
I
CONSULTATIONS
X
S
ECOGRAPHIE
A
SALLE ACCOUCHEMENT
Figure 8.1: Matrice de proximite.

plutot que de noter la proximite, donner une matrice de ux entre les differents
services. On peut alors concevoir une localisation des differentes services qui
minimise la somme des ux entre services ponderee par la distance entre ces
services.
4
3
2
1
0
-1
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
On peut alors denir la matrice de poids wik mesurant limportance pour le

service i detre proche du service k donnee au tableau 8.1. Remarquez que la
matrice est symetrique.
Les cinq services sont a` placer a` une des cinq places disponibles sur le plateau
de lhopital represente a` la gure 8.2. On peut mesurer la distance djl entre les
emplacements j et l. Elles sont reprises au tableau 8.2. On obtient e galement une
matrice symetrique de distances.
126
wik
k=1 k=2 k=3 k=4 k=5
i=1
i=2
i=3
i=4
3
1
i=5
4
4
Tableau 8.1: Matrice de poids mesurant limportance detre proches.
j =2
j =1
j =3
d14
j =4
j =5
Figure 8.2: Disposition relative des locaux a` affecter.
djl
l=1 l=2 l=3 l=4 l=5
j=1
j=2
j=3
j=4
j=5
1
1
Tableau 8.2: Matrice des distances entre locaux.
127
Formulation du problème de localisation

Nous allons maintenant formuler le problème comme un problème daffectation
quadratique. On a donc 5 services a` localiser a` une des 5 places possibles. On
choisit ici comme variables :
xij = 1 si le service i est localise en place j,
= 0 sinon.
Dans ce cas, lobjectif peut secrire de la manière suivante :
min
n
n
n
n
wik djl xij xkl
i=1 k=1 j=1 l=1
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 où xij xkl = 1, cest-à-dire où 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-à-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
La contrainte indique que chaque service i est place a` une place j.

Il faut bien sur e galement imposer le caractère entier des variables :
xij {0, 1}, i, j.
Nous ne verrons pas, dans le cadre de ce cours, de methode de resolution de ce
problème.
128
8.2.2
Conguration en ligne de production
Lorsquun produit est fabrique en grande quantite, on peut gagner en efcacite

en organisant la production en ligne. A titre dexemple, on peut citer les usines
dassemblage automobiles ou les tunnels de lavage de voitures (car-wash).
Le problème principal reside dans lequilibrage de la chane : il faut que les
differentes operations prennent le meme temps car la chane tourne a` la vitesse de
loperateur le plus lent. Une ligne dassemblage est dite parfaitement e quilibree
si chaque poste de travail est occupe a` 100 %.
Illustrons ceci sur lexemple suivant tire de Mac Clain [13]. Un appareil
e lectromenager est constitue de 11 composants, notes B1 a` B11, de 3 sousensembles notes SA1 a` SA3. Le tableau 8.3 fournit les taches, leurs durees et
leurs prealables. La somme des temps des differentes taches est de 100 minutes.
Label
A
B
C
D
E
F
G
H
I
J
K
L
M
N
Total
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
Tableau 8.3: Equilibrage

dune chane.
On peut tracer un graphe de preseance qui nest rien dautre que le graphe
de la methode du potentiel (sans nud de depart ni darrive). On a represente ce
graphe a` la gure 8.3 où chaque tache est representee par son label et sa duree.
La gure 8.3 presente e galement une affectation possible des taches a` cinq
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
oprateur 1 oprateur 2 oprateur 3 oprateur 4 oprateur 5

A,B,C,D
16 min
E,F
22 min
G,H,I
19 min
J,K,L
22 min
Figure 8.3: Une affectation possible.
M,N
21 min
130
operateurs. Le temps total de montage pour ce choix est de :

5 operateurs 22 minutes par cycle = 110 homme-minutes.
Il y a donc un temps mort de 10 minutes, ce qui correspond a` un pourcentage de
temps mort de :
10
= 9, 1%
110
Une mesure de la qualite de la solution est precisement ce rapport du temps
mort sur le temps total de montage. Ce rapport est appele retard dequilibre et se
calcule par la formule suivante :
RE =
avec n
c
T
=
=
=
nc T
nc
nombre de postes de travail,

temps dun cycle
somme des temps individuels.
Remarquons quici on na pas atteint lobjectif dun e quilibrage parfait qui

impliquerait de construire 3 articles par heure avec un temps de cycle de 20 minutes.
Remarquons quil nest pas toujours possible datteindre lequilibre parfait de la
chane puisque les taches ne sont pas divisibles a` linni.
Resolution du problème dequilibre de la chane
Voyons maintenant comment resoudre le problème. Trouver laffectation qui
minimise le retard dequilibre est un problème en nombres entiers particulièrement
difcile a` resoudre. Une heuristique qui permet de trouver rapidement une solution
(sans garantie quelle soit optimale) est la suivante. On se xe une duree maximum
pour chaque poste de travail. Ici xons nous une duree maximum de 19 minutes.
On va alors remplir ces postes de la manière suivante :
Pas1. Attribuer un score a` chaque tache et classer les taches par score decroissant.
Ici, on utilise comme score 1 la dure de la tache. On obtient :
E, N, J, I, L, B, F, G, M, C, H, K, A, D
Pas 2. Mettre a` jour lensemble des taches disponibles (cest-à-dire les taches dont
tous les predecesseurs immediats sont affectes). Au debut, ce sont celles sans
predecesseur :
S = {J, G, C, K, A, D}
131
Pas 3. Affecter la tache avec le score le plus e leve dans le premier poste où 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
Le detail des iterations est repris ci-dessous :

S
S
S
S
S
S
S
= {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
On peut alors calculer le retard dequilibre de cette solution :

RE =
nc T
7 19 100
=
= 24, 81%
nc
7 19
On voit que la solution nest pas dune très 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
Figure 8.4: Graphe des prealables

On remplit le tableau comme suit
Poste 1
A,2 2
C,5 7
D,2 9
J,10 19
19
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
Le detail des iterations est donne ci-dessous.

S
S
S
S
S
S
S
= {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.
On peut alors calculer le retard dequilibre de cette solution :

RE =
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 paramètre de lheuristique.
8.2.3
133
Conguration a` poste xe
Lorsque loperateur voyage entre les differentes operations, on parle de conception

a` poste xe. Comme exemples, on peut citer :
les magasins en self-service où le client se deplace de rayon en rayon;
les entrepots de stockage de carrelages, de tapis-pleins, etc. . .
une inrmière qui se deplace dune chambre a` lautre dans un hopital,. . .
Le problème principal reside dans la localisation des aires de stockage de
manière a` minimiser soit
le cout total de manipulation en mettant les produits les plus utilises aux
endroits les plus accessibles;
le temps maximum daccès dans le cas, par exemple, de la localisation de
centres dintervention durgence.
Cas dun entrepot :
Illustrons ce cas par lexemple de la societe Sommer qui produit en grandes series
ses differentes references de tapis pleins qui sont vendues en quelques unites a` ses
clients qui sont les centres de bricolage et les surfaces specialisees en revetement
de sol. On approvisionne le stock en grandes quantites (de lordre de 200 rouleaux dun meme type). On destocke, a` la demande, en petites quantites (un ou
deux rouleaux). Le stockage est rendu necessaire par la difference entre la taille
e conomique dun lot a` la production et la taille moyenne dun lot demande.
Pour le placement optimal des rouleaux, on a interet a` placer les articles
ayant le plus fort taux de rotation de stock aux emplacements les plus accessibles.
Il y a deux manière de stocker :
Stocker a` des places dediees : une reference donnee sera toujours a` la meme
place. Ce qui facilite le controle et linformation. Linconvenient est que
lon perd beaucoup de place car chaque emplacement est rempli a` 50 % en
moyenne.
Stocker a` la première place disponible : ceci necessite un système informatique de localisation : chaque lot est localise par le numero de lallee, la
distance dans lallee, et la hauteur dans le rayon.
134
La solution adoptee chez Sommer est le dedicacement par zone : on place le

produit dans la première place disponible dans une zone (assez large) correspondant
a` son taux de rotation. Ceci est donc un compromis entre une capacite de stockage
reduite et la rapidite daccès aux produits a` forte rotation de stock.
Cas des centres dintervention durgence :
Dans ce second cas, lobjectif est de minimiser le temps daccès au client le plus
e loigne. Par exemple, dans un service hospitalier, on veut localiser le local des
inrmières de manière a` avoir un temps de reaction auprès de chaque patient aussi
court que possible. La solution, dans ce cas, est de construire un e tage circulaire
avec le local des inrmières au centre.
Remarquez quici souvent la solution impliquera des localisations multiples
an de bien couvrir une zone : par exemple, dans le cas des pompiers, on
aura diverses antennes delocalisees permettant datteindre rapidement des villages
decentres.
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 succès 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 succès 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.
Section 8.3. Decisions de capacite
135
4. Le facteur dactualisation, necessaire car les prots sont repartis dans le

futur, est de 25 % lan.
5. La probabilite de succès du lancement du produit est estimee a` 20 % sur
base dexperiences dintroduction dautres produits.
Les differents choix possibles peuvent e tre utilement illustres sur un arbre de
decision tel que celui de la gure 8.5. Un carre represente une decision. Un cercle
Investiss. Profit.
1,500,000 40,000
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
Figure 8.5: Arbre de decision

represente un e tat du monde.
Pour le choix dune capacite, on va selectionner la capacite desperance de
prot la plus e levee.
Denition 8.1 On appelle valeur nette presente, la somme actualisee des prots
futurs moins linvestissement initial.
Nous aurons besoin, dans le calcul de la VAN, de la formule suivante pour le
calcul dannuites :
n

t=1
1
1+i
1 (1 + i)n
=
i
(8.1)
Considerons la construction initiale de 5 000 en cas de demande forte. Ce cas
136
F Nt
40.000 52
0 1
20 t
.. .
-1.500.000
Figure 8.6: Construction de 5 000 en cas de demande forte.

est illustre a` la gure 8.6. La VAN se calcule donc comme suit :
V AN =
(40 000 52)

1 500 000
1, 25t
t=1
20
= (40 000 52)
20
t=1
1
1, 25
t
1 500 000
Appliquons la formule (8.1) a` notre exemple :

20

t=1
1
1, 25
t
1 (1, 25)20
=
= 3, 953883
0, 25
Doù la valeur nette au bout dun an de :

V AN = 40 000 52 3, 953883 1 500 000 = 6 724 077.
Considerons maintenant la construction initiale de 5 000 en cas de demande
faible. La VAN se calcule comme suit :
V AN = (16 000 52)
20
t=1
1
1, 25
t
1 500 000 = 1 789 631.
Considerons maintenant la construction de 2000 en cas de demande haute et

sans investissement supplementaire. La VAN se calcule comme suit :
V AN = (16 000 52)
20

t=1
1
1, 25
t
800 000 = 2 489 631.
Section 8.3. Decisions de capacite
137
F Nt
40.000 52
16.000 52
0
20 t
.. .
-800.000
-1.000.000
Figure 8.7: Construction de 2 000 (+3000) en cas de demande forte.

Considerons la construction initiale de 2 000 augmentee de 3 000, en cas de
demande forte. Linvestissement initial de 2 000 rapporte 16 000 $ durant 20 ans
et linvestissement de debut de 2ème annee rapporte un supplement de prot de
24 000 durant 19 ans. Ce cas est illustre a` la gure 8.7. La VAN au temps 1 de
linvestissement supplementaire se calcule comme suit :
V AN1 = (24 000 52)
19

t=1
1
1, 25
t
1 000 000.
Appliquons la formule (8.1) a` la somme des facteurs dactualisation :

19

t=1
1
1, 25
t
1 (1, 25)19
=
= 3, 942
0, 25
On obtient une valeur nette au bout dun an de linvestissement supplementaire :

V AN1 = 24 000 52 3, 942 1 000 000 = 3 920 058.
On en conclut que lon a interet a` faire linvestissement puisque la VAN est positive.
Pour obtenir la VAN de ce cas, il faut ajouter la VAN de linvestissement initial de
2 000 qui rapporte 16 000 durant 20 ans :

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 dejà e te calcule plus haut.
138
Decision
demande
VAN
construire 5 000
forte
6 724 077
construire 5 000
faible
1 789 631
construire 2 000 + 3 000
forte
5 625 677
construire 2 000
faible
2 489 631
construire 0
forte
construire 0
faible
Tableau 8.4: Calcul de la VAN

Les resultats dans les differents cas sont resumes au tableau 8.4. On peut alors
calculer les prots esperes dans chacun des deux cas dinvestissement initial :
Construire 5 000 :
E(V AN ) = 0, 2 6 724 077 + 0, 8 1 789 631 = 2 776 520 $.
Construire 2 000 :
E(V AN ) = 0, 2 5 625 677 + 0, 8 2 489 631 = 3 116 840 $.
En conclusion, il vaut mieux construire une petite capacite et e tendre après un
an si necessaire. Remarquons que le resultat depend crucialement de la probabilite
de succès du produit (voir exercice ci-dessous).
8.4
Decisions de localisation
La decision de localisation dun centre de production doit e tre analysee en tenant

compte de plusieurs critères :
1. la facilite daccès, les couts de transport;
2. la disponibilite, qualication et le cout de la main duvre;
3. le cout de construction, les taxes locales;
4. lattraction des clients;
Section 8.4. Decisions de localisation
139
5. la disponibilite des matières premières;

6. les attitudes des autorites locales et nationales.
Limportance relative de ces critères depend du type dactivite a` localiser :
localiser un super-marche : les couts de transport et lattraction des clients
sont preponderants;
localiser une usine : le cout de la main duvre et la disponibilite des
matières premières sont preponderants.
Les modèles de localisation optimale considèrent generalement un seul critère. Deux techniques sont appliquees suivant lobjectif poursuivi : la technique de
gravite si on veut minimiser les couts totaux de transport ou celle de discretisation
si on veut minimiser le temps daccès au client le plus e loigne.
Disons un mot de ces deux techniques qui correspondent chacune a` un choix
dobjectif :
La technique du centre de gravite. Si lon veut minimiser le nombre de
tonnes-kilomètres de produit transporte du fournisseur le plus e loigne ou au
client le plus e loigne, on a interet a` se situer au centre de gravite des clients
et fournisseurs. Par exemple, dans la localisation dune usine de production
de beton, on a interet a` se situer au centre de gravite des carrières et des gros
clients.
y
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 )
Figure 8.8: Centre de gravite
140
Fixons-nous la notation suivante:

tonnes de matière première venant de i;
M Pi =
(xi , yi ) = coordonnees du fournisseur i;
Clj =
tonnes vers le client j;

(xi , yi ) = coordonnees du client i;
Le centre de gravite se calcule ainsi :
m
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
La methode de discretisation. Lorsque le critère temps daccès est le plus

important, on aura recours le plus souvent a` des emplacements multiples an
davoir un bon accès a` tous. Par exemple, lors de la localisation dun centre
dintervention de pompiers, on veut minimiser le temps daccès au client le
plus e loigne. Ce qui conduit a` implanter des antennes decentralisees.
Illustrons la difference entre ces deux objectifs sur un exemple simple illustre a`
la gure 8.9 où deux villes sont situees a` 9 kilomètres de distance lune de lautre.
1.000
0
x M D
x C G
2.000
7
Figure 8.9: Calcul du centre de gravite

La formule du centre de gravite nous donne ici (avec xi la coordonnee de la
ville i et Pi , sa population) :

xCG
x i Pi
0 1.000 + 9 2.000
=
=6
3.000
i Pi
= i
Pour minimiser le nombre de kilomètres a` parcourir pour desservir les deux villes,
un representant de commerce a interet a` se localiser a` 6 km de la première et 3
kilomètre de la seconde ville.
Par contre, pour un centre dintervention durgence, a interet a` se localiser au
centre des deux villes (à 4,5 kilomètre de chaque ville).
xM D = 4, 5
Section 8.5. Utilisation de la programmation mathematique
8.5
141
Utilisation de la programmation mathematique
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 problème 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
Cout de lusine ($/kg)

A
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
Tableau 8.5: Couts de transport et demandes.
Usine
Cout de production ($/kg)

Capacite de production (106 kg/jour)
0,347 0,326 0,351

1,8
1,6
Tableau 8.6: Couts et capacites de production.

On veut determiner le plan de distribution qui minimise la somme des couts de
production et des couts de transport.
142
Nous allons formuler le problème comme un problème de programmation

mathematique :
Choix des variables. Notons xij , le nombre de millions de kg produits a`
lusine i et livres au client j.
Expression de lobjectif.
Il sexprime simplement par :
min z =
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
où CAPi note la capacite de lusine i.

Satisfaire la demande du client j :
C
xij = DEMj , j = 1, 2, ...10
i=A
où DEMj note la demande du client j.

La solution optimale peut e tre trouvee par lalgorithme du Simplexe puisquil
sagit dun problème purement lineaire. Examinons maintenant le problème de la
localisation dune nouvelle usine. Supposons que lusine C doive e tre remplacee.
Les alternatives possibles sont :
1. Accrotre lusine B a` 6 millions de kg par jour.
2. Construire une nouvelle C de 2 millions de kg/jour.
3. Construire une nouvelle C de 4 millions de kg/jour.
Section 8.5. Utilisation de la programmation mathematique
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
Tableau 8.7: Donnees de cout des alternatives.

Les alternatives
cout journalier
cout xe
(LP1) situation actuelle
2 561 600
(LP2) 6 millions B
2 547 300
18 millions
(LP3) 2 millions C
2 533 100
18 millions
(LP4) 4 millions C
2 469 700
34 millions
Tableau 8.8: Donnees de cout des alternatives.

Leurs couts respectifs sont donnes au tableau 8.7.
Effectuons une comparaison des 3 alternatives et de la situation actuelle. Il
sagit de resoudre successivement quatre problèmes lineaires notes (LP1) a` (LP4)
au tableau 8.8. Dans la colonne cout journalier, on donne la somme du cout de
production et du cout de transport, hors frais xes dinvestissement.
Une première conclusion qui peut e tre tiree de ce tableau est que (LP2) peut
e tre e limine car ayant un cout xe identique a` celui de (LP3), une alternative qui
a un cout journalier inferieur. Calculons leconomie de (LP3) sur 300 jours de
production par rapport a` la situation actuelle :
(2 561 600 2 533 100) 300 = 8 555 000
Soit une e conomie de 8,555 millions par an pour un investissement initial de 18
millions de $. Cet investissement est certainement rentable, quel que soit le facteur
dactualisation.
Calculons maintenant leconomie additionnelle de (LP4) par rapport a` (LP3) :
(2 533 100 2 469 700) 300 = 19 020 000
Soit un e conomie additionnelle de 19,020 millions par an pour un investissement
additionnel de 16 millions de $. A nouveau, cet investissement est hautement
protable. On choisira donc la solution (LP4) : construire la nouvelle usine C a` 4
millions de kg par jour.
144
Remarquons que, dans la solution de (LP4), lusine A nest plus utilisee du

tout et peut e tre fermee.
Enn, terminons ce chapitre en illustrant limportance de lutilisation de variable binaires dans les decisions de choix de capacite. Prenons lexemple de louverture e ventuelle dune nouvelle usine D de 2 millions de capacite. La decision
douverture de la nouvelle usine peut e tre modelise par la variable binaire :
yD {0, 1}
avec yD valant 1 si lusine D est ouverte et zero sinon.
Cette variable binaire interviendra dans la contrainte de capacite de la nouvelle
usine comme suit :
10
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
où Ki est le cout xe douverture de lusine i.

Remarquez aussi que les variable binaires peuvent e tre utilisees pour decider
du niveau de la capacite dune nouvelle usine parmi un nombre discret de valeurs
possibles. Ainsi, si lusine D peut avoir comme capacite 2 millions ou 5 millions
dunites, on peut e crire :
10

xDj 2yD + 5yD
j=1
avec la contrainte supplementaire que

yD + yD
= 1,
ce qui va assurer quune seule des deux capacites est selectionnee.

Remarquez enn que lutilisation de variables binaire conduit a` un problème en
nombres entiers. Il sagit dun problème plus difcile a` resoudre que les problèmes
lineaires (LP1) a` (LP4). Il peut e tre resolu par application de la methode de branch
and bound.
8.6
145
Exercices
8.1. Assemblage de magnetoscopes. Un atelier de fabrication de magnetoscopes

doit e tre reorganise en ligne de production. Les operations necessaires a` la
fabrication dun magnetoscope ont e te divisees en 14 taches indivisibles.
Les temps operatoires (en minutes) ainsi que les relations danteriorite sont
decrites dans le tableau ci-dessous.
Tache
G H
Duree
10
10
12
Prealables
B C H
D,F
G,M
Vous e tes responsable de la production et desirez produire 30 magnetoscopes

par jour de travail (un jour comporte deux pauses de 7,5 heures de travail).
On vous demande :
(a) Est-il possible de realiser la production de 30 magnetoscopes par jour si
la chane de production nest constituee que dun seul poste de travail ?
(b) Determinez le temps de cycle requis pour respecter la contrainte de 30
unites par periode. Autrement dit, un magnetoscope doit sortir toute
les c minutes : que vaut c ?
(c) Representez les relations danteriorite sur un graphique de reseau.
(d) Determinez au moyen de lheuristique de score 1 une affectation des
operations aux postes de travail an de respecter la contrainte de 30
unites par periode. Representez sur le graphique la solution obtenue.
(e) Calculez le retard dequilibre de votre solution.
8.2. Developpement de complexes cinematographiques. Un groupe de distribution cinematographique envisage daccrotre sa capacite de distribution
en region Liegeoise. Deux projets sont a` letude, un seul sera realise :
la renovation dun ancien complexe de 4 salles de cinema au centre
ville dune capacite totale après renovation de 2.000 sièges.
la construction dun nouveau complexe de 15 salles de cinema en
peripherie dune capacite totale 10.000 sièges.
Le cout des travaux est de 3 millions deuro pour le projet de renovation
et de 15 millions deuro pour le projet de construction. La duree de vie
des installations est de 20 ans. Etant

donne le planning des seances et les
differents publics attendus, le prot annuel moyen par siège est estime
146
a` 2000 euro au centre ville et a` 1000 euro en peripherie en cas de forte

frequentation,
a` 1500 euro au centre ville et a` 300 euro en peripherie en cas de
frequentation faible.
Le facteur dactualisation est de 20 % lan.
(a) On demande de dessiner larbre de decision complet, mentionnant les
montants des investissements et des prots.
(b) Pour chacun des cas, calculez la valeur nette actualisee au debut du
projet, sur toute sa duree de vie.
(c) La probabilite de succès est difcilement estimable. Quel serait la
decision dinvestissement la plus rentable,
si la probabilite de frequentation forte est de 45 % :
si la probabilite de frequentation forte est de 55 % :
8.3. Problème de localisation de centre de distribution de pneus. Un important
groupe de fabrication de pneus envisage de restructurer son reseau europeen.
Pour le moment, il dispose dun centre de production par pays qui lui coute,
sur base annuelle, les frais xes suivants :
Pays
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
10.000.000 pneus 6.000.000 pneus
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 problème par un graphique de reseau. Indiquez sur
celui-ci les donnees du problème.
(b) Formuler mathematiquement le problème 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 modèles où 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 modèles 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 problème, celui de dernière e tape, dont la
resolution est triviale. Ensuite, et en procedant a` rebours, on e tend progressivement
le problème 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
Chapitre 9. La programmation dynamique.
150
9.2
Le problème du voyageur
Un exemple purement ctif, tire de Hillier et Lieberman [7], va nous permettre

dintroduire la terminologie employee en programmation dynamique. Il sagit du
problème du voyageur devant traverser louest americain il y a plus dun siècle.
Son point de depart et sa destination sont connus. Il effectue son voyage en quatre
e tapes. A chaque e tape, il a le choix de se diriger vers plusieurs e tats. A la
gure 9.1, on a represente chaque e tat par un cercle. Son e tat de depart est letat
1 et son e tat darrivee est letat 10.
7
3
1
6
2
10
4
3
4
4
4
9
1
5
Figure 9.1: Problème du voyageur.

Le voyageur souscrit a` chaque e tape une police dassurance dont le cout reète
le degre dinsecurite du voyage. Ceux-ci sont indiques au dessus des arcs a` la
gure 9.1. Il va donc determiner son itineraire de manière a` choisir la route la plus
sure en minimisant la somme des polices dassurance pour le passage detat en
e tat.
Remarquez dabord que lapproche très simple qui consiste a` choisir a` chaque
e tape la police la moins chère ne conduit pas a` une solution globalement la moins
chère. En effet, en suivant cette strategie, on choisirait le chemin 1 2 6
9 10 avec un cout total dassurance de 13. Cependant en sacriant un peu a`
la première e tape, on peut gagner aux e tapes ulterieures. En effet, par exemple la
route 1 4 6 9 10 permet un cout total de 11.
Une autre methode serait devaluer toutes les routes possibles. Cependant sur
ce petit exemple, elles sont dejà au nombre de 3 3 2 = 18 et lorsque le nombre
detapes et/ou le nombre detats crot, cela devient vite un travail prohibitif.
Cest ici quintervient la programmation dynamique qui permet de calculer
la solution optimale sans faire de lenumeration explicite.
Section 9.2. Le problème du voyageur
9.2.1
151
Formulation en un problème dynamique
La formulation dun problème dynamique comporte cinq e tapes :

1. La denition des e tapes. Ici les e tapes sont les quatre e tapes du voyage.
Elles sont notees :
t = 1, 2, ...4
2. Le choix des variables detat. Dans notre exemple, st note letat de depart
de letape t. On peut ici donner les valeurs possibles de st a` chaque e tape :
s1
s2
s3
s4
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
5. Lexpression de lobjectif. Lobjectif est ici de minimiser le cout total du

voyage. Il peut secrire :
min z =
4
ct (st , xt )
t=1
où ct (st , xt ) est le cout a` letape t daller de st vers xt .
152
9.3
Procedure de resolution
La programmation dynamique commence avec une petite portion du problème

original, trouve la solution optimale pour cette portion du problème. Ensuite on
e largit progressivement le problème, en determinant la nouvelle solution optimale a`
partir de la precedente. Pour le problème du voyageur, on considère le problème de
n de voyage, lorsquil ny a plus quune e tape a` faire. Pour ce problème la solution
optimale est e vidente : le voyageur doit aller directement a` sa destination, letat
10. A literation suivante, on e largit dune unite le nombre detapes a` effectuer.
On peut ensuite deduire la strategie optimale pour la troisième e tape en fonction
de la strategie optimale pour la dernière e tape.
Fixons-nous deux notations utiles pour la procedure de resolution.
Denition 9.1 On note par xt (st ) la meilleure strategie a` letape t, si on est dans
letat st a` letape t.
Denition 9.2 On note par ft (st ) le cout de la meilleure strategie a` letape t, si
on est dans letat st a` letape t.
La programmation dynamique va determiner successivement f4 (s4 ), f3 (s3 ),
f2 (s2 ) et enn f1 (s1 ) pour chaque e tat possible st a` letape t et utiliser par exemple
f2 (s2 ) pour calculer f1 (s1 ).
Pour t = 4, cest-à-dire lorsque le voyageur na plus quune e tape a` effectuer, sa
destination nale est connue : x4 = 10. Le tableau 9.1 reprend les couts minimaux
de la dernière e tape ainsi que la decision optimale en fonction de s4 ,letat de depart.
s4 x4 f4 (s4 )
8
10
10
Tableau 9.1: Couts minimaux de la dernière e tape

Considerons le cas t = 3, cest-à-dire lorsque le voyageur a encore deux e tapes
a` effectuer. Si le voyageur est dans letat 5 (s3 = 5), il peut aller vers 8 ou 9 a` des
couts respectifs de c5,8 = 1 ou c5,9 = 4 auxquels il faut ajouter le cout additionnel
de letape 4 donne dans la table 9.1. Il sagit de f4 (8) = 3 sil va vers 8 et de
f4 (9) = 4 sil va vers 9. Le cout total minimum de 1 + 3 = 4 est obtenu sil va
Section 9.3. Procedure de resolution
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
Tableau 9.2: Couts minimaux de la troisième e tape.

vers 8, donc x3 = 8 et f3 (5) = 4. On procède de meme pour s3 = 6 et s3 = 7 et
on obtient les valeurs donnees dans la table 9.2.
La solution pour le problème où il reste trois e tapes (t = 2) est obtenue de
manière similaire. Elle est illustree a` la table 9.3. Les e tats destination sont cette
fois au nombre de trois : il sagit de x2 = 5, x2 = 6 ou x2 = 7 tandis que les e tats
de depart possibles sont s2 = 2, s2 = 3 ou s2 = 4. Pour les e tats de depart 2 ou 4,
la destination optimale peut e tre au choix 5 ou 6 puisque le cout total est le meme.
s2
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
Tableau 9.3: Cout minimaux de la deuxième e tape.

Enn, pour le problème de première e tape (t = 1), le cout minimum de la
police optimale est a` nouveau donne en fonction de letat destination de letape
comme la somme du cout de première e tape plus le cout minimum des e tapes
ulterieures. On obtient les resultats de la table 9.4.
s1
1
x1 = 2
x1 = 3
x1 = 4
x1
f1 (s1 )
2 + 11 = 13 4 + 7 = 11 3 + 8 = 11 3 ou 4
11
Tableau 9.4: Cout minimaux de la première e tape.

On faut maintenant identier une politique optimale. Pour t = 1, le voyageur
doit donc se diriger initialement vers letat 3 ou 4. Supposons quil choisisse
x1 = 3. Pour t = 2, la strategie optimale pour s2 = 3 est x2 = 5 (voir tableau
9.3), ce qui dans letape t = 3 conduit a` letat s3 = 5. La strategie optimale pour
s3 = 5 consiste a` choisir x3 = 8 (voir tableau 9.2). On se retrouve en s4 = 8 et on
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
Cette solution est illustree au tableau 9.5.

t
1 2 3
st 1 3 5
xt 3 5 8 10
Tableau 9.5: Solution optimale pour le problème du voyageur.
9.4
Un problème daffectation de ressources rares
Nous illustrons le fait que le champs dapplication de la methode de resolution

est très large sur un deuxième exemple e galement tire de Hillier et Lieberman
[7] : il sagit du problème de lorganisation mondiale de la sante. On suppose
que lOMS dispose de 5 e quipes medicales a` affecter a` 3 pays pour mener a`
bien une campagne de vaccination. LOMS doit determiner combien dequipes
envoyer dans chacun des trois pays de manière a` maximiser lefcacite generale
de laffectation. La mesure de lefcacite est donnee en terme dannees-homme
de vie supplementaire. Ces donnees sont reprises au tableau 9.6. On suppose que
chaque pays doit benecier dau moins une e quipe.
Nombre dequipes Pays 1 Pays 2 Pays 3
1
45
20
50
2
70
45
70
3
90
75
80
Tableau 9.6: Milliers dannees-homme supplementaires.
9.4.1
Formulation comme un problème dynamique
1. Denition des e tapes. Bien quil ny ait pas de succession temporelle, on

peut imaginer que les trois e tapes dun processus dynamique consistent en
laffectation successive aux trois pays puisque lorsquune e quipe est affectee
Section 9.4. Un problème daectation de ressources rares
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
où Bt (xt ) mesure le benece de lallocation de xt e quipes medicales au pays

t.
156
9.4.2
Resolution par la programmation dynamique
A letape t = 3, les e tats possibles vont de 1 (il faut au moins une e quipe pour le
pays 3) jusquà 3 (on a au moins affecte une e quipe au pays 1 et une e quipe au pays
2). A la dernière 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 deuxième 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
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
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.
Section 9.5. Application a` la planication de la production.
9.5
157
Application a` la planication de la production.
Nous allons maintenant voir comment la programmation dynamique permet de

resoudre des problèmes de planication de la production en presence de couts de
production non convexes. Illustrons ceci sur un exemple.
La demande previsionnelle de n de mois dun composant est donnee au tableau 9.10. La fabrication de ce composant necessite un certain nombre de reglages
independants du nombre dunites fabriquees. Le cout de lancement est de 150. Le
cout direct depend de la main duvre disponible. Le cout est de 200 en heures
normales, de 250 en heures supplementaires. Le tableau 9.10 donne la production
maximale en heures normales et heures supplementaires. On une capacite de stoPeriode t
Capacite de production a` 200
Capacite de production a` 250
Demande previsionnelle n t
1
2
3
2
2
2
3
1
3
3
3
4
4
3
3
2
5
3
3
4
Tableau 9.10: Demande previsionnelle et capacite de production.

ckage limitee a` 2 unites. Le cout de stockage est de 10 par unite stockee par mois.
Une unite fabriquee le mois t peut e tre utilisee pour satisfaire la demande de n
de mois. On sinterdit toute rupture de stock.
9.5.1
Formulation en un problème dynamique
Nous allons tout dabord formuler le problème en un problème de programmation

dynamique. Pour cela, denissons la variable detat de la periode t suivante :
st = stock au debut de la periode t.
Denissons aussi la variable de decision de la periode t suivante :
xt = production a` la periode t.
On denit la fonction
ft (st , xt )
comme e tant le cout de la meilleure planication pour les periodes restantes si on
est dans letat st au debut de la periode t et que lon decide de produire xt a` la
periode t. Ce cout est la somme du cout de production de letape t, dun cout de
possession du stock pendant le mois t ainsi que du cout des e tapes ulterieures :
ft (st , xt ) = cpt (xt ) + cs st + ft+1

(st + xt dt )
158
où 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
Figure 9.2: Cout non convexe.

La capacite de stockage est limitee a` 2 unites :
st 2, t.
Ce qui limitera a` trois les e tats du monde possibles a` chaque e tape. La relation
liant les variables detat et de decision est la suivante :
st+1 = st + xt dt
On sinterdit toute rupture. Ce qui se traduit par un stock nal non negatif :
xt 0, t.
9.5.2
159
Resolution par la programmation dynamique
Nous allons maintenant resoudre le problème par la programmation dynamique.

A letape 5, on a d5 = 4. Ce qui explique quil faut au moins produire 4 unites si
s5 = 0 mais pas plus de 6 sinon le stock nal sera superieur a` deux unites. On doit
aussi respecter la capacite de production de 6 unites. Si le stock initial s5 = 1, on
peut se contenter de produire 3. On peut e galement produire 4 ou 5 mais pas plus
vu la capacite de stockage limitee a` 2 unites. On obtient les couts suivants :
s5 x5 = 2 x5 = 3 x5 = 4 x5 = 5 x5 = 6 x5 f5 (s5 )
0
1.000
1.250
1.500
1.000
760
1.010
1.260
760
570
770
1.020
570
Par exemple le cout de 1.000 si s5 = 0 et x5 = 4 resulte du seul cout de production

qui se calcule comme suit :
150 + 3 200 + 250 = 1000.
Le cout de 760 si s5 = 1 et x5 = 3 resulte de la somme du cout de stockage dune
unite pendant un mois et du cout de production des trois unites :
1 10 + 150 + 3 200 = 760.
A letape 4, on a d4 = 2. On ajoute au cout de production de letape, le cout
des e tapes ulterieures. Ainsi, dans le cas où s4 = 0 et x4 = 2, le cout correspond
a` lapplication de la formule :
f4 (s4 , x4 ) = cp4 (x4 ) + f5 (s4 + x4 d4 )
= (150 + 400) + 1.000
= 1.550
On obtient le tableau de couts suivant :
s4 x4 = 0 x4 = 1 x4 = 2 x4 = 3 x4 = 4 x4 f4 (s4 )
0
1.550 1.510 1.570 3 1.510

1
1.360 1.320 1.330
2 1.320
2 1.020 1.130 1.140
0 1.020
160
A letape 3, on a d3 = 4. On determine semblablement le tableau de couts

suivant :
s3 x3 = 2 x3 = 3 x3 = 4 x3 = 5 x3 = 6 x3 f3 (s3 )
0
2.510 2.570 2.520 4 2.510

1
2.270 2.330 2.280
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
2.860 2.820 2.840 2 2.820

1 2.520 2.630 2.600
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 deuxième 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 première 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 quatrième 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
Algorithme en cas de cout

convexe
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;
plus avantageux des deux premières periodes, puis modier en consequence
les capacites de production residuelles;
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
Demande residuelle
1
0
3
0
2
2
3
1
3
3
3
4
4
3
3
2
5
3
3
4
En periode 2, la demande est de 1. Elle est satisfaite par :

-une production en periode 2 a` 200 (1 unite).
Periode t
Demande residuelle
1
0
3
0
2
1
3
0
3
3
3
4
4
3
3
2

-une production en periode 3 a` 200 (3 unites);
-une production a` 200 en periode 2 (1 unite).
5
3
3
4
162

Periode t
Demande residuelle
1
0
3
0
2
0
3
0
3
0
3
0
4
3
3
2
5
3
3
4

-une production en periode 4 a` 200 (2 unites).
Periode t
Demande residuelle
1
0
3
0
2
0
3
0
3
0
3
0
4
1
3
0
5
3
3
4

-une production en periode 5 a` 200 (3 unites);
-une production a` 200 en periode 4 (1 unite).
Periode t
Demande residuelle
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 deuxième cause danticipation de production, a`
savoir e viter de mettre en route une production pour une faible quantite, a disparu.
9.6
163
Exercices
9.1. Determination du chemin critique par la programmation dynamique.

Considerons un projet dont le graphe de la methode PERT est repris cidessous. Considerons le problème de la determination du chemin critique.
6
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
Figure 9.3: Graphe de la methode PERT.

On peut determiner ce chemin critique en cherchant le plus long chemin liant
le debut du projet (nud 1) a` la n du projet (nud 9).
(a) Formuler ce problème comme un problème dynamique.
Quelles sont les e tapes ?

Quels sont les e tats du monde a` chaque e tape ?
Quels sont les decisions a` chaque e tape ?
Quel est le lien entre les variables ?
Quel est lobjectif du problème ?
(b) Utilisez la programmation dynamique pour resoudre ce problème.

(c) Determiner tous les chemins critiques.
9.2. Repartition du budget publicitaire. Une compagnie planie sa strategie
publicitaire pour le lancement de trois nouveaux produits. Elle a un total de
6 millions de dollars a` sa disposition pour lannee prochaine pour lancer les
trois nouveaux produits. On suppose que la societe investit par million entier
sur chaque produit en publicite avec au minimum un million sur chaque
produit. Le tableau 9.11 donne les estimations daugmentation de ventes
pour les produits en fonction du budget publicitaire investi.
(a) Formulez le problème comme un problème de programmation dynamique. Pour ce faire,
denissez les e tapes,
denissez les variables detat,
164

Budget
Produit 1 Produit 2 Produit 3
1 million
+7
+4
+6
2 millions
+10
+8
+9
3 millions
+14
+11
+13
4 millions
+17
+14
+15
Tableau 9.11: Augmentation des ventes
denissez les variables de decision,
donnez la relation de recurrence entre les variables detat de deux
e tapes successives.
(b) Utilisez la programmation dynamique pour resoudre ce problème.
9.3. Planication de la production. Un entreprise cherche a` e tablir son plan

de mise en production pour les trois prochaines semaines dun composant
intervenant dans lassemblage des trois machines A, B et C. Le plan directeur
de production prevoit la mise a` disposition les six prochaines semaines des
quantites suivantes pour les trois types de machines :
Semaine 1
A
B
C
-
2
-
3
5
0
12
4
1
5
5
5
7
5
1
6
4
7
0
Pour les trois machines, le delai de fabrication est de deux semaines et le

composant doit e tre disponible au debut de lassemblage.
(a) Determiner les besoins nets de composants pour les quatre prochaines
semaines sachant que le stock initial est de deux unites et que lon
prevoit une livraison en debut de première semaine de 15 composants.
(b) Determiner la manière optimale de couvrir ces besoins par des lancements de production de ce composant. On tiendra compte, pour se
faire, du delai de fabrication de ce composant qui est dune semaine
et des informations de cout suivantes. En regime normal, la capacite
de production est de 12 composants par semaine, a` un prix de 50 euro
lunite. A laide dheures supplementaires, ce niveau peut e tre e leve
jusquà 4 composants en plus, moyennant un cout additionnel de 10
euro par unite. Le cout de stockage est estime a` 3 euro par unite et par
semaine. La capacite de stockage est limitee a` deux composants. Il
ny a pas de cout xe de mise en route de la production.
Chapitre 10
La programmation lineaire.
10.1
Introduction
On parle de programme lineaire lorsque lon veut minimiser ou maximiser une

fonction objectif lineaire sous des contraintes purement lineaires.
Lorsquil ny a que deux variables de decision, un problème lineaire peut e tre
resolu de manière purement graphique. Lorsquil y a un plus grand nombre de
variables, un algorithme mis en uvre sous la forme dun programme informatique
savère necessaire. Il sagit de lalgorithme du Simplexe.
Lorsque les variables doivent prendre des valeurs entières, on parle de problèmes en nombres entiers. On devrait a` proprement parler de problèmes lineaires en
nombres entiers car on impose, en plus, aux contraintes et a` la fonction objectif
detre lineaires. Nous verrons au chapitre 12 une technique de resolution de ces
problèmes : il sagit de la methode de branch and bound.
Lorsque les contraintes et/ou la fonction objectif sont non lineaires, on parle
de problèmes non lineaires. Nous ne verrons pas dalgorithme de resolution de
ces problèmes dans le cadre de ce cours.
Il est a` remarquer que ces methodes de resolutions e tant mises en uvre dans des
logiciels commerciaux, il ne viendrait plus a` lidee de les programmer soi-meme.
La dernière partie de ce chapitre sera consacree a` la presentation du solveur dExcel
qui dispose dune implementation de ces algorithmes.
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 modèles
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
Chapitre 10. La programmation lineaire.
166
le passage dans le premier atelier pour fabriquer le cadre en aluminium et dans le

troisième atelier où le verre est monte sur le chassis. Tandis que le second produit
necessite le passage dans le deuxième atelier pour fabriquer le cadre en bois et dans
le troisième atelier où le verre est monte sur le chassis. Les marges unitaires, les
temps de fabrication de chacun des produits dans chacun des ateliers ainsi que les
capacites hebdomadaires residuelles de ces ateliers sont donnes au tableau 10.1.
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$
Tableau 10.1: Marges, temps dusinage et capacites.

La question qui se pose est la suivante : Combien faut-il produire de chassis
de chaque type par semaine pour maximiser le prot net ?
Si on choisit comme variables x1 et x2 les quantites de chaque bien a` produire
par semaine, lobjectif du problème secrit simplement :
max z = 3x1 + 5x2 .
Tandis que les contraintes du problèmes proviennent de la capacite limitee des
trois ateliers :
x1 4
2x2 12
3x1 + 2x2 18
Le problème se formule donc comme suit :
max z = 3 x1 + 5 x2
x1
s.c.q.
3x1
x1
2x2
+ 2x2
x2
4
12
18
0
0
(10.1)
Section 10.3. Resolution graphique
10.3
167
Resolution graphique
Dans le cas dun problème lineaire a` deux variables de decision, le problème peut
e tre resolu de manière graphique en suivant le processus suivant en trois e tapes.
La première 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)
Graphiquement une inegalite telle que 3x1 + 2x2 18 correspond a` un demi-plan

limite par la droite obtenue en prenant linequation a` legalite (ici 3x1 + 2x2 = 18).
Lorsque lon fait lintersection des cinq demi-plans correspondant aux cinq inegalites, on obtient le polygone hachure a` la gure 10.1.
x2
(4)
10
8
(1)
(2)
6
4
(3)
(5)
0
x1
Figure 10.1: Ensemble de production.

On voit ici clairement que le système est sous-determine. On va devoir choisir
entre ces differents plans de production. Pour ce faire, et cest la deuxième e tape
168
de la resolution, on va representer graphiquement des lignes disovaleur de la

fonction objectif :
z = 3x1 + 5x2 .
En effet, on remarquera que lexpression de la fonction objectif fait intervenir trois
variables et ne peut donc e tre representee que dans lespace. Pour se ramener dans
le plan, on va considerer des valeurs successives de lobjectif :
z = 3x1 + 5x2 = k.
Ce qui correspond graphiquement a` des droites parallèles. Les points dune de ces
droites sont donc le lieu de tous les points donnant la meme valeur du prot (doù
le nom de droite disovaleur de la fonction objectif). Ceci est fait a` la gure 10.2
où lon a represente z = 15, 30 et 36.
x2
9
z = 30
(2, 6)
z = 15
4
2
0
z = 36
5 6
10 x1
Figure 10.2: Droites disoprot.

Enn, et cest la troisième e tape de la resolution, loptimum sera determine
graphiquement comme le plan de production situe sur la droite disoprot la plus
e levee, cest-à-dire celle qui donne le prot le plus e leve. On voit a` la gure 10.2
quil sagit du point
x = (2, 6).
Justions ce choix. Comme on maximise le prot on a interet a` prendre la droite
disovaleur la plus e levee possible. Bien sur, il faut que le plan de production soit
encore realisable : autrement dit, il faut se restreindre a` la region realisable. On a
alors la très important remarque suivante :
Observation 1 :
Pour maximiser lobjectif, il faut prendre la droite disovaleur de lobjectif qui
touche encore la region realisable et qui donne la plus grande valeur a` lobjectif.
Sur base de cet exemple, on tire une deuxième observation :
Section 10.3. Resolution graphique
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 parallèle 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 problème lineaire. An de
limiter le nombre de sommets a` examiner, lalgorithme du Simplexe procède de la
manière 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
problème (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
Figure 10.3: Sommets de la region realisable
170
10.4
Le solveur dExcel
Le solveur dEXCEL est un resolveur dequation ainsi quun optimiseur exploitant

les techniques de la programmation lineaire, de la programmation en nombres
entiers et de la programmation non lineaire.
Illustrons ceci sur lexemple de lentreprise de fabrication de chassis tire de
Hillier et Lieberman [7] introduit au debut du chapitre. Rappelons la formulation
de ce problème. En posant x1 , le nombre de chassis en aluminium fabriques par
semaine et x2 , le nombre de chassis en bois fabriques par semaine, on obtient la
formulation suivante :
max =
3x1 + 5x2
x1
2x2
s.c.q. 3x1 + 2x2
x1
x2
4
12
18
0
0
Nous allons maintenant resoudre le problème au moyen du solveur dExcel.

La première chose a` faire est de rentrer les donnees numeriques du problème et
les formules de calcul de la fonction objectif ainsi que du membre de gauche des
contraintes. Pour la clarte du modèle, il est indispensable de mettre e galement des
commentaires. Comme le problème est lineaire, on peut rentrer les coefcients
numeriques sous forme dune matrice. On remarquera au tableau 10.2 que les
A
1
2
3
4
5
6
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
Tableau 10.2: Exemple de problème lineaire.

coefcients dune meme e quation ainsi que sa formule de calcul ont e te ranges dans
une meme ligne qui contient comme commentaire le nom de lequation (Atelier
1, Atelier 2, . . . ). De meme, les coefcients se rapportant a` une meme variable
ont e te range en colonne sous le nom de la variable (x1 , x2 ). Remarquez ici, pour
Section 10.4. Le solveur dExcel
171
comprendre les formules, que lon a choisi de placer la valeur de x1 en cellule

$B$2$, tandis que celle de x2 est placee en cellule $C$2.
Il reste maintenant a` indiquer a` Excel, où se trouvent les variables, la fonction
objectif, le membre de gauche, de droite et le sens des contraintes. Ceci peut e tre
mis en uvre en Excel (voir la copie decran 10.4) de la manière suivante :
Figure 10.4: Paramètres du solveur.
1. Dans le menu Outils, choisir le sous-menu Solveur.

2. Dans la zone Cellule a` denir, mettre la reference de la cellule de calcul
de lobjectif (ici $D$3).
3. Dans la zone Egale

a` , choisir Max ou Min (ici Max).
4. Dans la zone Cellules variables, mettre les references des cellules contenant les variables (ici $B$2:$C$2) .
5. Dans la zone Contraintes, choisir ajouter une contrainte. Le menu
suivant apparat :
Cellule : Relation : Contrainte :
Pour chaque contrainte :

Dans la zone Cellule, mettre la reference de la cellule contenant la
formule de calcul du membre de gauche (pour latelier 1 : $D$4). Il
faut donc prealablement avoir calcule ce membre de gauche.
172

Dans la zone Relation, mettre le sens de la contrainte (par exemple,
pour latelier 1 : <=).
Dans la zone Contrainte, mettre la reference de la cellule contenant
le membre de droite (pour latelier 1 : $E$4). On peut e galement
directement entrer une valeur. Mais cela nest pas a` conseiller sauf sil
sagit de la valeur 0 qui nest pas susceptible de varier.
6. Dans Option (voir la copie decran 10.5), choisir Modèle suppose li-
Figure 10.5: Options du solveur.

neaire. On doit e galement choisir loption Suppose non negatif qui
correspond aux contraintes de positivite des variables.
7. Lancer la commande Resoudre.
Le tableau 10.3 presente la solution du solveur. Il est a` remarquer quil
indique directement dans les cases des variables la valeur de ces variables. On
obtient bien la solution determinee graphiquement (2,6) a` laquelle correspond une
valeur maximum de lobjectif (36).
Plusieurs remarques sur les particularites du solveur dExcel simposent
ici :
1. On a rentre les trois contraintes en un bloc. On peut rentrer par groupe les
contraintes ayant meme sens. Ainsi, dans lexemple, on a rentre les trois
contraintes de capacites en bloc par la commande suivante :
$D$4 : $D$6 <= $E$4 : $E$6
Section 10.4. Le solveur dExcel

A
1
173
B
en alu en bois
E
b
2 Production de chassis
3 Prot
36
4 Capacite de latelier 1
12 12
18 18
Tableau 10.3: Solution du solveur

2. Excel determine le nom dune variable ou le nom dune contrainte en prenant
le premier commentaire situe a` gauche de la cellule et le premier commentaire
situe au dessus de la cellule de calcul de la variable ou de la contrainte. Ainsi
les noms des variables x1 et x2 seront respectivement production de chassis
en alu et production de chassis en bois.
3. Les contraintes de positivite des variables doivent e tre entrees explicitement,
ceci contrairement a` la convention de certains optimiseurs qui considèrent
par defaut des variables non negatives. On a rentre ces contraintes, comme
indique plus haut, en selectionnant loption suppose non negatif.
4. Seules les variables non calculees (les variables independantes du modèle)
doivent e tre rentrees dans la section variables. Ainsi, si lon avait calcule dans une cellule le nombre dheures passees dans latelier 1, cette cellule contiendrait une variable (au sens mathematique du terme) mais ne
devrait pas e tre rentree dans les cellules variables pour Excel, sans quoi
Excel considererait quil sagit dune variable independante et effacerait sa
formule de calcul pour y mettre une valeur numerique.
5. Si le modèle est lineaire (contraintes lineaires et fonction objectif lineaire),
on a tout interet a` selectionner loption Modèle suppose lineaire, ce qui
declenchera lalgorithme du Simplexe plutot quun algorithme general de
programmation non lineaire.
6. Remarquez enn que pour modier le modèle on peut utiliser :
la commande supprimer la contrainte;
la commande modier la contrainte.
La solution du solveur correspond bien a` celle determinee precedemment.
174
10.5
Les rapports du solveur
Lorsque le solveur a termine, soit quil ait trouve la solution optimale, soit quil
ne parvienne pas a` en trouver (problème non realisable ou non convergence de
lalgorithme de resolution), la bote de dialogue de la gure 10.6 apparat. Elle
Figure 10.6: Rapports possibles du solveur.

permet de generer trois types de rapport : le rapport des reponses, le rapport de
sensibilite et le rapport des limites.
10.5.1
Le rapport des reponses
Le rapport des reponses (voir gure 10.7) fournit :

les informations sur lobjectif : la reference de la cellule, le nom, la valeur
originale et nale de la cellule cible (à Maximiser);
les informations sur les variables : la reference de la cellule, le nom, la
valeur originale et nale des cellules variables;
les informations sur les contraintes : la reference de la cellule, le nom, la
valeur nale du membre de gauche, la formule de calcul, son status (active
ou non a` la solution nale), ainsi que la marge (valeur de lecart entre les
deux membres de linegalite).
10.5.2
Le rapport de sensibilite
Le rapport de sensibilite (voir gure 10.8) fournit :

les informations sur les variables : la reference de la cellule, le nom et la
valeur nale de la variable, le cout reduit, le coefcient dans la fonction
Section 10.5. Les rapports du solveur
Figure 10.7: Rapports des reponses.
Figure 10.8: Rapport de sensibilite.
175
176
objectif, laccroissement et la diminution maximale de ce coefcient avant

quune variable ne change de valeur.
les informations sur les contraintes : la reference de la cellule, le nom et la
valeur nale du membre de gauche de la contrainte, le prix cache, la valeur du
membre de droite, laugmentation et la diminution maximum de ce membre
de droite telle que le prix cache reste le meme.
Nous verrons au chapitre 11 que le cout
reduit mesure leffet sur lobjectif
de forcer a` un une variable nulle. Pour un produit non fabrique, le cout reduit
sinterprète donc comme la perte de prot si on en fabrique un unite.
De meme, nous verrons que le prix cache mesure laccroissement de lobjectif par unite daccroissement du membre de droite de la contrainte. Ce prix
cache sinterprète donc comme laugmentation de prot si on dispose dune heure
supplementaire dans latelier. Cest donc le prix maximum que lon est pret a`
payer pour cette heure.
10.5.3
Le rapport des limites
Le rapport des limites (voir gure 10.9) fournit pour chaque variable :
Figure 10.9: Rapport des limites.

sa limite inferieure, cest-à-dire la plus petite valeur de la variable qui satisfait
les contraintes en maintenant les autres variables xees a` leur valeur;
la limite superieure, cest-à-dire plus grande valeur de la variable qui satisfait
les contraintes en maintenant les autres variables xees a` leur valeur.
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 selève
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 problème 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 delà des 40 000 unites de X
contractees (cest-à-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 problème lineaire correspondant (choix des variables, expression de lobjectif, expression des contraintes.)
(b) Resoudre graphiquement. Donner la solution optimale obtenue et le
prot optimal.
178
10.3. Planication de la production. Une societe dispose dune certaine capacite

de production par mois (cout unitaire unitaire de production de 10 euros).
Elle peut aussi faire appel au stockage (cout unitaire dun article en stock
en n de mois dun euro). La capacite de stockage est limitee a` 10 unites.
Les capacites de production ainsi que les demandes previsionnelles pour les
cinq prochains mois sont donnees au tableau suivant :
Periode t
1 2 3
Capacite de production 18 15 15
Demande
12 17 13
4
5
18 15
21 18
Determiner la politique optimale de production et de stockage sachant que

le stock en n de periode 0 est de 6 unites.
(a) Formuler le problème de transport comme un problème lineaire :
Choix des variables de decision,
Expression de lobjectif,
Expression des contraintes
(b) Mettre sous la forme dun modèle de calcul en Excel.
(c) Donner la solution obtenue par Excel.
Chapitre 11
Analyse postoptimale.
11.1
Introduction
Dans ce chapitre, nous voir comment va varier la valeur optimale de lobjectif

dun programme lineaire lorsque lon modie certains coefcients du problème
(coefcients objectif ou du membre de droite). En effet, generalement la solution
numerique dun problème lineaire est moins signicative que de savoir comment
lobjectif va bouger si lon modie certaines donnees du problème. Cest lobjet
de ce que lon appelle lanalyse postoptimale.
Pour voir leffet de tels changements de donnees, une solution nave consiste a`
appliquer le Simplexe au nouveau problème et bien sur on peut en deduire leffet
sur lobjectif. Mais nous allons voir dans ce chapitre que, si le sommet optimal du
problème original reste optimal pour le nouveau modèle, on peut predire sans
resoudre le nouveau problème leffet de variation des donnees sur la valeur de
la fonction objectif.
Nous allons dabord envisager le cas de la variation des coefcients du
membre de droite des contraintes. Nous allons voir que la variation de la valeur optimale de lobjectif dun programme lineaire en fonction des coefcients du
membre de droite est donnee par la valeur des prix caches. Nous verrons comment les determiner graphiquement pour un exemple a` deux variables et comment
determiner le domaine de validite de ces prix caches.
Nous verrons ensuite, le cas de la variation des coefcients de la fonction
objectif. Ici, nous verrons que le taux de variation de lobjectif est donne par la
valeur des variables a` loptimum. Nous verrons quil y a aussi un domaine de
validite pour ces valeurs optimales des variables.
Enn, nous terminerons en donnant linterpretation dune autre information
que lon peut tirer de la solution optimale dun problème lineaire, a` savoir la valeur
des couts reduits des variables.
179
Chapitre 11. Analyse postoptimale.
180
11.2
Variation par rapport au second membre
La question qui se pose est ici la suivante : Si on augmente la capacite disponible

dune ressource, quel est limpact sur la valeur optimale de la fonction objectif ?
Pour des variations de membre de droite sufsamment faibles pour que le meme
sommet reste optimal, on peut repondre a` cette question de la manière suivante :
Le prix cache (note yi ) mesure laugmentation de la fonction objectif si lon
accrot dune unite la capacite disponible (bi ).
11.2.1
Calcul des prix caches
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
Considerons tout dabord une augmentation de capacite du premier atelier de

b1 = 4 a` b1 = 5. On peut voir a` la gure 11.1 que le nouveau point optimal reste
le meme
x = x = (2, 6).
En consequence de quoi, la valeur optimale de lobjectif ne change pas :
z = z = 36
Doù une variation nulle de lobjectif, ce qui se traduit par une valeur nulle du
premier prix cache :
z = z z = 0 = y1 .
Une augmentation de capacite du deuxième atelier de b2 = 12 a` b2 = 13 donne
un deplacement du point optimal vers (voir gure 11.1) :
x = (5/3, 13/2).
En consequence de quoi, la nouvelle valeur de lobjectif est donnee par :
z = 37, 5
Section 11.2. Variation par rapport au second membre
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
Figure 11.1: Analyse postoptimale.

Doù un accroissement de lobjectif qui determine la valeur du deuxième prix
cache :
3
z = z z = = y2 .
2
Enn, considerons une augmentation de capacite du troisième atelier de b3 =
18 a` b3 = 19. Comme on peut le voir a` la gure 11.2, cela donne un deplacement
du point optimal vers :
x = (7/3, 6).
En consequence de quoi, la nouvelle valeur de lobjectif vaut :
z = 37
Doù une augmentation dobjectif qui determine la valeur du troisième prix cache :
z = z z = 1 = y3 .
Le resultat peut aussi e tre interprete dans lautre sens : y3 est la perte de prot
si on diminue dune unite la capacite du troisième atelier.
Remarquer que dans la pratique, si on utilise la forme algebrique de lalgorithme
du Simplexe, ces prix caches sont calcules automatiquement par lalgorithme.
Cest ainsi que tout bonne implementation de lalgorithme du Simplexe fournit
cette information (voir le rapport de sensibilite dExcel presente au chapitre 10).
182
x2
z = 3x1 + 5x2
10
3x1 + 2x2 = 19
8
(7/3, 6)
x1 = 4
2x2 = 12
4
2
3x1 + 2x2 = 18
0
x1
Figure 11.2: Variation de capacite de latelier 3.
11.2.2
Analyse de sensibilite au membre de droite
Remarquons, et ceci est lobjet de lanalyse de sensibilite quil y a une limite de

validite de chaque prix cache. En effet, dans le cas de la première ressource, si
leffet dune augmentation de b1 sera nul sur la valeur optimum de lobjectif quel
que soit b1 4, il nen va pas de meme dune diminution. En effet, en dessous
de b1 = 2, la solution optimale va changer. On a donc determine le domaine de
validite de y1 = 0 : il sagit de lintervalle :
b1 [2, +].
Pour le deuxième atelier, au delà de b2 = 18, la solution optimale reste en (0,9).
Le sommet optimum nest plus a` lintersection des contraintes (2) et (3) mais bien
a` lintersection des contraintes (3) et (5). Au delà de ce point, y2 change :
y2 = 0.
De meme, une diminution en dessous de b2 = 6 va changer le sommet optimal :
en effet, il sera a` lintersection des contraintes (1) et (2) et non plus a` lintersection
des contraintes (2) et (3). On en deduit le domaine de validite de y2 = 3/2 :
b2 [6, 18].
Pour le troisième atelier, au delà de b3 = 24, la solution optimale reste en (4,6).
Le sommet optimal et y3 changent :
y3 = 0.
Section 11.3. Variation des coecients objectifs
183
De meme, une diminution en dessous de b3 = 12 va changer le sommet optimal.

On en deduit le domaine de validite de y3 = 1 : il sagit de lintervalle :
b3 [12, 24].
Ces informations sont donnees dans le rapport de sensibilite du solveur dExcel.
Ces informations sont fournies sous la forme dune augmentation admissible et
dune diminution admissible. Elle sont reprises ci-dessous :
Contrainte augmentation admissible diminution admissible
Atelier 1
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 où
la variable decart est non nulle. Par exemple, la première contrainte
x1 4
a un prix cache nul. Ceci a une interpretation e conomique. La ressource nest
pas entièrement utilisee : il ne sert donc a` rien daugmenter son stock disponible.
11.3
Variation des coefcients objectifs
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
On en conclut que pour une variation unitaire du coefcient cj , laugmentation de

z est exactement la valeur optimale de la variable xj .
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. Daprès
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
Analyse de sensibilite aux coefcients objectif
Considerons maintenant la question lanalyse de sensibilite. On veut, par exemple,

determiner lintervalle de variation maximum de c1 autour de 3 tel que le sommet
optimal ne change pas.
A la gure 11.3, on constate que le coefcient c1 peut descendre jusquà ce que
lobjectif z = c1 x1 + 5x2 soit parallèle au segment
2x2 = 12,
cest-à-dire lorsque c1 = 0. Le coefcient c1 peut augmenter jusquà ce que lobjectif z = c1 x1 + 5x2 soit parallèle au segment
3x1 + 2x2 = 18.
Section 11.3. Variation des coecients objectifs
185
x2
10
8
6
(2, 6)
z = 4x1 + 5x2 = 38
z = 3x1 + 5x2 = 36
4
2
0
10
12
x1
Figure 11.3: Analyse de sensibilite de c1 .

Ceci se produit lorsquil y a e galite des pentes :
c1
3
=
,
5
2
cest-à-dire lorsque c1 = 15/2. On en conclut que tant que
c1 [0, 15/2],
on a le meme sommet optimal et donc la meme solution optimale.
Effectuons lanalyse de sensibilite pour le second coefcient objectif. Celui-ci
peut decrotre jusquà ce que lobjectif z = 3x1 + c2 x2 soit parallèle au segment
3x1 + 2x2 = 18.
Ceci se produit lorsquil y a e galite des pentes :
3
3
=
,
c2
2
cest-à-dire lorsque c2 = 2. Dans lautre sens, c2 peut augmenter jusquà ce que
lobjectif z = 3x1 + c2 x2 soit parallèle au segment
2x2 = 12.
Ceci ne se produit jamais. On en conclut que tant que :
c2 [2, +[,
on a le meme sommet optimal et donc la meme solution optimale.
Ces intervalles de sensibilite sont donnes dans le rapport de sensibilite du
solveur dExcel (voir chapitre 10).
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 troisième 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 problème est donc :
max z = 3x1 +5x2 +4x3
s.c.q.
+x3
x1
2x2 +2x3 12
3x1 +2x2 +3x3 18
x1 ,
x2 ,
x3
La solution optimale de ce problème est determinee par le solveur dExcel :

(x1 , x2 , x3 ) = (2, 6, 0) et z = 36
On constate que seuls sont rentables les chassis 1 et 2. En effet, le chassis
3, bien quayant une marge unitaire superieure au chassis 1, consomme plus de
ressources. Si on produit une unite de x3 , on va faire un benece de 4 mais on va
retirer en capacite respectivement 1, 2 et 3 heures pour les deux autres productions.
Ce qui revient a` diminuer les membres de droites des contraintes qui deviennent :
x1
3x1
2x2
+2x2
4 x3 = 3
(1)
12 2x3 = 10 (2)
18 3x3 = 15 (3)
De (2), on en tire que x2 5. On perd une unite de x2 . Supposons que x2 = 5.

De (3) on tire que x1 5/3. On perd 1/3 de x1 . Leffet sur z de la production
dune unite du produit 3 vaut donc :
z = 1/3 3 1 5 + 1 4 = 2 = d3
Le cout reduit, note d3 , est negatif, traduisant le fait que si la production de ce chassis
e tait positive, elle diminuerait le prot dautant. Pour quil devienne interessant de
produire le chassis, il faut donc augmenter sa marge dau moins deux unites. Ici,
le cout reduit sinterprète comme loppose de laugmentation minimale de prix
pour que la production devienne interessante. A nouveau, le solveur dExcel
fournit cette information (voir chapitre 10).
11.5
187
Exercices
11.1. Plan de production. Une societe produit deux articles A et B. La production

est limitee par les disponibilites en matières premières : la matière première
P1 est limitee a` 21 unites par semaine et P2 a` 30 unites par semaine. La
production est e galement limitee par la main duvre disponible : on dispose
dau maximum 5 ouvriers par semaine. Par ailleurs, on doit employer au
moins 3 ouvriers par semaine. La production dune unite de A necessite
un ouvrier pendant une semaine, 9 unites de P1 et 10 unites de P2. La
production dune unite de B necessite un ouvrier pendant une semaine, 3
unites de P1 et 4 unites de P2. Le prot (en milliers dEuro) associe a` la
vente dune unite de A est de 6, il est de 3 pour une unite de B.
(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 problème.
Peinture
Peinture
Disponible
interieure
exterieure
par jour
Materiau M1 requis
24
Materiau M2 requis
Marge (1000 $ par tonne)
Une e tude de marche indique que la demande journalière de peinture exterieure ne peut exceder celle de la peinture interieure de plus dune tonne.
Dautre part, le maximum de la demande journalière 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 problème : choix des variables (avec leurs unites), expression de lobjectif (avec son unite de compte) et des contraintes.
(b) Resoudre graphiquement le problème.
188
(c) Il y a incertitude sur le prix de vente de la peinture exterieure. Dans

quel domaine de variation doit se trouver la marge du second produit
an de conserver la solution optimale determinee ci-dessus ?
(d) En deduire leffet sur le prot dune augmentation de la marge du
second produit de 4 a` 6.
11.3. Repartition du budget publicitaire. Une societe envisage un plan de publicites pour augmenter ses ventes. Le tableau ci-dessous fournit laugmentation des ventes prevues en fonction du type de campagne envisagee. On
envisage trois types de publicites : les spots a` la television, les annonces
dans les magazines, les annonces dans les journaux.
Type de publicite
annonces
annonces
Montant
magazines
journaux
max
130
60
50
Cout dune campagne
300 000
150 000
100 000
4 millions
Cout de conception
90 000
30 000
40 000
1 million
Nombre max de campagnes
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 problème de repartition du budget publicitaire (choix des
variables de decisions, expression de lobjectif, expression des contraintes.)
(b) Mettre sous la forme dun modèle 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
La programmation en nombres entiers permet de modeliser et, grace a` la methode

que nous presenterons dans ce chapitre, de resoudre :
des problèmes avec cout
xe de mise en route (voir chapitre 5 sur la planication de production);
des problèmes avec des conditions logiques, par exemple des disjonctions
en gestion de projet (voir chapitre 7);
des problèmes de choix parmi un nombre limite de valeurs, par exemple
des choix de capacite (voir chapitre 8);
des problèmes de melange avec nombre limite dingredients,. . . etc.
Denition 12.1 On appelle problème en nombres entiers la maximisation dune
fonction lineaire sous des contraintes lineaires lorsquen plus toutes les variables
doivent e tre entières.
Denition 12.2 On appelle problèmes mixtes entiers (MIP en anglais pour Mixed
Integer Programming) les problèmes comportant un certain nombre de variables
positives et un certain nombre de variables entières.
Lalgorithme du Simplexe fournit une methode de resolution generale pour tous
les problèmes lineaires, quelle que soit leur forme. Au contraire, en programmation
en nombres entiers, on ne dispose pas dun algorithme general qui permette de
resoudre efcacement tous les problèmes en nombres entiers. Cependant, il existe
une methode generale connue sous le nom de methode de branch and bound qui
permet de resoudre bon nombre de problèmes en nombres entiers.
189
Chapitre 12. La programmation en nombres entiers.
190
12.2
Formulation des problèmes mixtes
Nous allons voir quelques problèmes classiques necessitant le recours a` la programmation mixte entière.
12.2.1
Problèmes avec couts

xes
Exemple 12.1 Problèmes avec cout

xe de mise en route de la production.
On veut representer un cout de production qui est nul en labsence de production
et qui, dans le cas contraire, vaut la somme dune constante K, le cout xe de
production, ainsi que dun cout proportionnel, le taux marginal e tant m.
On veut donc pouvoir exprimer la fonction de cout suivante :
Si x = 0, c(x) = 0;
Si x > 0, c(x) = K + mx.
(12.1)
où x denote le niveau de production.

Cette fonction est representee a` la gure 12.1.
c(x)
m
K
Figure 12.1: Representation dun cout xe.

La representation mathematique de ce cout xe necessite :
1. lajout dune variable indicatrice dune production positive :

y=
1 si x > 0
0 si x = 0
2. la modication de la fonction objectif en :

c(x, y) = Ky + mx
qui devient donc purement lineaire;
Section 12.2. Formulation des problèmes mixtes
191
3. lajout des contraintes suivantes :

x M y, et y {0, 1}
(12.2)
avec M une borne superieure sur la quantite produite (x).

Remarquons que si x > 0, par les relations (12.2), on a que y = 1 et on tient
compte du cout xe de mise en route de production. Par contre, lorsque x = 0,
les relations (12.2) permettent les choix y = 0 ou y = 1. Cependant, comme on
minimise, loptimiseur va automatiquement choisir y = 0, la solution qui e vite le
cout xe !
Il y a de nombreuses applications de cette modelisation des couts xes par la
programmation mixte entière. Un exemple de mise en application de ces couts
xes est fournit par lexemple localisation simple qui suit.
Exemple 12.2 Le problème de localisation simple. Il y a n clients pour un
certain produit. La demande annuelle de ces clients, notee dj pour le client j, peut
e tre satisfaite a` partir de m depots. Le cout de transport unitaire entre le depot i
et le client j est donne par cij alors que lutilisation du depot i implique un cout
xe annuel douverture du depot de fi . La capacite du depot i est notee si .
Par exemple, on peut imaginer le problème de lapprovisionnement des stations
services dune compagnie petrolière. Elle dispose, pour ce faire, de plusieurs
emplacements possibles pour ses depots. Le cout xe revient ici a` louverture du
depot. Le cout de transport entre un depot et une station dessence represente le
cout du transport routier par camion citerne.
Choix des variables :
Le choix le plus e vident est de considerer xij comme e tant la partie de demande
du client j satisfaite a` partir de lentrepot i (voir gure 12.2). Une seconde serie
de variables yi , astreintes a` e tre binaires, represente louverture du depot :
1 si le depot i est ouvert,

yi =
0 sinon
Expression des contraintes :
Il faut dabord exprimer que la demande de chaque client est satisfaite. Ceci peut
secrire de la manière suivante :
m

i=1
xij = dj , j = 1, . . ., n
192
si
2
xij
dj
Figure 12.2: Problème de localisation simple.

En effet, si lon fait la somme sur tous les entrepots des parties de la demande du
client j satisfaites a` partir de ces entrepots, on doit obtenir exactement la demande
du client.
La seconde serie de contraintes exprime la liaison entre lutilisation dun entrepot et son ouverture. Elles peuvent secrire de la manière suivante :
n
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
On peut maintenant demontrer que yi est bien une indicatrice douverture du

depot i. En effet, soit il ny a aucun prelèvement au depot ( nj=1 xij = 0) et
yi = 0 ou yi = 1 sont admissibles pour (12.3). Cependant, comme ouvrir le depot
(cest-à-dire prendre yi = 1) implique un cout xe douverture, lalgorithme de
minimisation des couts choisira yi = 0 comme solution. Dautre part, sil y a

prelèvement au depot ( nj=1 xij > 0), dans ce cas seul yi = 1 est admissible et
la première contrainte de (12.3) impose de respecter la capacite du depot. Ceci
est une facon très classique dexprimer des couts xes douverture via lutilisation
dune variable binaire.
Section 12.2. Formulation des problèmes mixtes
12.2.2
193
Problèmes avec contrainte logique
Parfois des problèmes de gestion de production comportent une condition logique.

Un exemple typique est celui des problèmes de gestion de projets avec contrainte
disjonctive. Pour rappel, dans ces problèmes, on doit determiner lenchanement
des taches du projet de manière a` le realiser dans le meilleur delai. Il se peut que
deux taches doivent e tre effectuees par la meme e quipe douvriers, soit mettent
en uvre la meme machine. Les deux taches ne peuvent donc avoir lieu simultanement, sans que lon puisse dire laquelle doit e tre effectuee en premier lieu.
Mathematiquement, on peut e crire ceci par la condition suivante :

soit
ti + di tj si i est realisee avant j

tj + dj ti si j est realisee avant i
(12.4)
où ti est la variable indiquant le temps de debut de la tache i et di , sa duree, est

donnee.
Cette disjonction peut e tre resolue par la programmation mixte 0/1. En
effet, denissons la variable binaire yij , dont la valeur est 1 si la tache i est realisee
avant la tache j et 0 dans le cas contraire :
1 si la tache i est effectuee avant j,

yij =
0 sinon
On remplace alors la condition de disjonction (12.4) par les contraintes suivantes :
ti + di tj + M (1 yij )
tj + dj ti + M yij
(12.5)
yij {0, 1}
où 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 système (12.5) devient :

ti + di tj
tj + dj ti + M
La première 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 système (12.5) devient :

ti + di tj + M
tj + dj ti
La première contrainte est automatiquement satisfaite. La seconde contrainte

exprime que la tache j doit e tre nie avant que ne commence la tache i.
194
12.2.3
Melange avec nombre limite dingredients
Il sagit e galement dun problème generique conduisant a` une formulation mixte

entière, les variables binaires indiquant la presence dun ingredient dans le melange.
Cest le cas, par exemple, dun problème de melange dhuiles où cinq huiles
sont disponibles mais où des contraintes techniques impliquent que seulement trois
huiles differentes peuvent e tre presentes dans le melange. Un autre exemple, est
celui du chargement de hauts fourneaux où le nombre de charbons disponibles
est souvent nettement superieur au nombre de charbons qui peuvent e tre charges
simultanement. Ce nombre e tant limite par le nombre de portes de chargement du
haut fourneau.
Ce problème peut e tre resolu par la programmation mixte zero/un. Si xi
note la quantite dingredient i dans le melange, denissons la variable binaire yi
indiquant la presence de lingredient i dans le melange. Autrement dit :

yi =
1 si xi > 0
0 si xi = 0
On introduit alors les contraintes suivantes :

mi yi xi Mi yi et yi {0, 1}
(12.6)
où 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
avec k, le nombre maximum dingredients dans le melange.

Demontrons lequivalence. Deux cas sont possibles pour la variable xi :
1. Soit xi > 0. Alors, par les contraintes (12.6), la variable yi doit valoir 1 et
exprime bien que lingredient i est dans le melange.
2. Soit xi = 0. Alors, par la contrainte (12.6), la variable yi doit valoir 0. La
condition (12.7) exprimera donc bien que au plus k ingredients seront pris
dans le melange.
On a donc bien que yi est une indicatrice de presence de lingredient i dans le
melange.
Section 12.3. Principe de la methode de branch and bound
12.2.4
195
Choix parmi un nombre discret de valeurs
Dans beaucoup de problèmes 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 diamètre :
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 diamètre choisi et denissons yi une
indicatrice du fait que le diamètre numero i a e te choisi :

yi =
1 si x = di
0 si sinon.
On peut alors e crire la relation suivante pour le choix du diamètre :

x = 12y1 + 17y2 + 24y3 + 47y4
avec la contrainte quun seul diamètre doit e tre choisi :
y1 + y2 + y3 + y4 = 1
(12.8)
et bien sur en imposant le caractère binaire de chaque indicatrice :

yi {0, 1}, i = 1, 2. . .4
La contrainte (12.8) fera en effet quune seule indicatrice vaudra un.
12.3
Principe de la methode de branch and bound
La methode de branch and bound ou encore appelee methode de separation et

e valuation que nous allons maintenant decrire est destinee a` resoudre les problèmes
en nombres entiers du type suivant :
z = max cT x
Ax b,
s.c.q.
x 0
et entiers.
Cette methode peut e galement e tre appliquee aux problèmes avec variables binaires
(zero-un). Elle peut e galement e tre appliquee aux problèmes mixtes (MIP), cesta` -dire aux problèmes comportant un certain nombre de variables entières et un
certain nombre de variables continues.
196
Nous illustrons la methode sur lexemple suivant tire de Norbert et al [15] dont
on a legèrement 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
La region realisable est representee a` la gure 12.3.

(3)
(2)
x2
(1)
P0
P2
P1
P3
z = 150
3
2
1
0
0
10
x1
Figure 12.3: Representation de la region realisable.

Remarquons quune facon de resoudre le problème serait de construire une
borne superieure sur z et une borne inferieure sur z et ensuite de rafner ces
bornes jusquà les e galiser.
Question 1 : comment construire une borne inferieure sur z ?
La reponse a` cette question est a` la fois simple et difcile. En effet, pour
trouver une borne inferieure, il suft de donner une solution realisable pour (12.9).
Comme lobjectif est de maximiser, loptimum du problème ne pourra quetre
superieur a` la valeur de z en ce point. Par exemple, le point (4,4) appartient a` la
region realisable :
z(4, 4) = 15 4 + 50 4 = 260 zP N E
Section 12.4. Application a` lexemple
197
Cependant trouver en general une solution realisable pour un problème en nombres

entiers nest pas une mince affaire.
Question 2 : comment construire une borne superieure sur z ?
Une facon de repondre a` cette question est de resoudre le problème lineaire que
lon obtient a` partir de (12.9) en laissant tomber les contraintes dintegralite des
variables. Comme on maximise sur un ensemble realisable plus large, loptimum
ainsi obtenu ne pourra quetre superieur a` loptimum du problème en nombres
entiers. Cest aussi le premier pas de la methode de branch and bound que nous
allons maintenant decrire sur lexemple.
12.4
Application a` lexemple
Pas 0. Resoudre la relaxation lineaire.

Pour cet exemple, on obtient comme solution de la relaxation lineaire le point note
P0 a` la gure 12.3 :
x1 = 4, 5
x2 = 4, 75
z0 = 305.
Cette solution est inacceptable car les variables ne sont pas entières. Cependant,
elle fournit une première borne superieure sur z :
z 305.
Pas 1. Brancher sur une variable non entière.
La seconde idee de la methode de branch and bound est (comme le nom lindique)
doperer une separation : la region realisable va e tre separee en deux sous-regions
dont aucune ne peut contenir la solution optimale non entière P0 . Cette separation
necessite le choix dune variable de separation. Le choix de cette variable est
heuristique. Differents choix sont possibles et de ce choix peut dependre lefcacite
de la methode de resolution. Une facon simple de choisir cette variable est de
prendre la variable la plus distante dun entier. Une alternative, parfois utilisee,
est de prendre la variable la plus proche dun entier.
Le critère de choix de la variable de branchement adopte ici est de prendre
la variable la plus distante dun entier.
Dans notre exemple, il sagit de la variable x1 . On va effectuer un branchement
sur cette variable. Comme x1 ne peut prendre que des valeurs entières, il ny a
198
aucune perte de generalite dimposer que

soit x1 4 soit x1 5
Cependant imposer cette condition va e liminer la solution courante P0 de la relaxation lineaire. En general si la variable choisie xk a la valeur fractionnaire N + ,
on imposera :
soit xk N soit xk N + 1
En imposant separement lune et lautre conditions, on obtient deux sousmodèles, un modèle ls et un modèle lle. Ce que lon represente par une diagramme du type de celui de la gure 12.4. Chaque nud de cette gure correspond
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 =
Problème
non realisable
Figure 12.4: Arbre de branch and bound.

a` un problème lineaire. Le nud 0 au modèle original. Le nud 1 est le modèle
original avec en plus la restriction x1 4, tandis que le nud 2 correspond au
modèle original avec en plus la restriction x1 5. On a ici numerote les nuds
dans lordre où ils ont e te generes.
On peut maintenant resoudre les relaxations lineaires correspondant aux problèmes ls et lle. Dans notre exemple, on obtient les deux solutions suivantes :
Noeud 1 : x1 = 4, x2 = 4, 5, z1 = 285.
Noeud 2 : x1 = 5, x2 = 4, 5 z2 = 300.
Remarquez que les valeurs atteintes par la fonction objectif sont moins e levees
que dans la relaxation lineaire precedente. Ceci nest pas e tonnant : on a, en
Section 12.4. Application a` lexemple
199
effet, ajoute des contraintes et donc restreint lespace des solutions realisables.
Comme les deux sous-regions forment une representation contenant lensemble
des solution entières, 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 problème. Pour lillustration de la methode, nous adoptons la règle de choix
heuristique suivante :
Le critère de choix du nud a` diviser adopte ici est de prendre la la relaxation lineaire fournit la meilleure (cest-à-dire la plus grande en cas de
maximisation) valeur de la fonction objectif.
Pour cet exemple, on choisit donc le nud 2 et on repète le Pas 1.
Pas 1. Choisir une variable pour brancher.
Ici seule la variable x2 est non entière. 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 problème 2
et on genère 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 entière dont la valeur correspondante de la fonction objectif est 290. On a une première 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 problème 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 problème 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 entière 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 entière 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 problème 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 entière (cas du
nud 3),
3. lorsque la valeur de la borne superieure est inferieure a` la valeur de la meilleure solution entière 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
problème, 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 problèmes en nombres entiers. Il sagit de la methode dite des plans coupants. En effet, elle genère des plans qui coupent les solutions fractionnaires. Remarquons cependant que, dun point de vue algorithmique, cette methode savère
moins performante (sauf a` exploiter la structure particulière du problème) 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
12.1. Mutation des ofciers. Larmee a une politique de mutation regulière de

ses ofciers. Tous les trois ans, ces ofciers sont mutes a` un autre poste pour
assurer la polyvalence du commandement et e viter que trop de fraternite ne
sinstalle entre les ofciers et la troupe. Larmee, pour e tablir son plan de
mutation, tient compte du desagrement detre mute loin de sa base dorigine.
Et il est clair que, par exemple dans le cas dun ofcier marie dont la femme
travaille dans le civil, le desagrement sera dautant plus grand que la nouvelle
affectation sera e loignee. Pour les 5 ofciers a` muter cette annee, on a e tabli
le cout de les affecter a` chacun des 4 autres postes occupes par les collègues.
Cette information est reprise dans au tableau 12.1. Formuler le problème de
Cout pour
lofcier
A
B
C
D
E
detre mute au poste

a b
c
d
e
- 12 15 11 17
6 - 14 12 16
8 17 - 21 17
7 16 9
- 12
7 13 8 12 -
Tableau 12.1: Desagrement de la mutation

la minimisation du desagrement total.
12.2. Planication de la production de moteurs davions. Une entreprise de
fabrication de moteurs davions produit, pour plusieurs compagnies clientes
des moteurs en travaillant uniquement sur commandes. Elle desire planier
sa production pour les quatre prochains mois. Le tableau 12.2 fournit le
nombre de moteurs a` fournir en n de chaque mois pour les quatre premiers
mois de lannee. En fonction des operations de maintenance, la capacite de
production est differente de mois en mois. Elle est donnee au tableau 12.2.
Le cout unitaire de production varie e galement de mois en mois. Au vu des
donnees, il est clair quil faudra recourir au stockage. Une unite en stock
en n de mois a un cout unitaire de stockage donne au tableau 12.2. On
se demande comment organiser la production du moteur pour minimiser les
couts de production et de stockage.
(a) En utilisant les symboles denis en deuxième ligne du tableau 12.2
plutot que les donnees numeriques particulières, formulez le problème
de la minimisation du cout total de production et de stockage des moteurs :
202
Mois
(t)
Janvier
Fevrier
Mars
Avril
Commandes Capacite Cout de production Cout de stockage

(COMt )
(CAPt )
(CPt )
(CSt )
10
25
1,08
0,015
15
35
1,11
0,015
25
30
1,10
0,015
20
10
1,13
0,015
Tableau 12.2: Production de moteurs davions.
Choix des variables.
Expression de lobjectif.
Expression des contraintes.
(b) Si maintenant, il y a en plus un cout xe de mise en route de la production de 2,5 a` chaque mois où 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 problème en nombres
entiers suivant :
zP N E = max z = 5x1 + 4x2
x1
+x2
5,
(1)
s.c.q. 10x1 +6x2 45,

(2)
x ,
x2
0 et entiers
1
On demande de resoudre le problème par la methode de branch and bound
en resolvant les relaxations lineaires de manière 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 problème lineaire ainsi que la valeur optimale
de lobjectif de ce problème.
(b) Representer par un arbre la suite de vos calculs de la methode de branch
and bound. Comme critère de choix de la variable de branchement,
prendre la première non entière. Justiez brièvement les differents pas
de la methode.
(c) Quelle est la solution optimale du problème en nombres entiers ?
Bibliographie
[1] BAGLIN Gerard, Olivier BRUEL, Alain GARREAU, Michel GREIF et
Christian VAN DELFT, Management Industriel et Logistique, 3ème 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, 3ème 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, 8ème e dition, Pearson Education, Upper Saddle River, 2006.
[7] F.S. HILLIER et G.S. LIEBERMAN, Introduction to Operations Research,
6ème e dition, Mac Graw-Hill International Editions, Singapour, 1995.
[8] F.S. HILLIER, M.S. HILLIER et G.S. LIEBERMAN, Introduction to Management Sciences, 1ère 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, 8ème 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, 8ème 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
(cas de stock a` rotation non nulle)
et Ir (S) = nombre moyen de demandes non satisfaites :

Ir (S) = P (X > S 1) SP (X > S)
Ir (s) =
g(tS ) avec : tS =
SX
si X Poisson()
si X N (, )
Politique optimale en stock a` rotation nulle :

cp
P (X > S 1)
cp + cr
cp
P (X > S ) =
cr + cp
S tel que P (X > S )
si X Poisson()
S tel que
si X N (, )
Politique optimale en stock a` rotation non nulle :

S tel que P (X > S )
S tel que
cp
cr +
cp
2
P (X > S 1)
P (X > S ) =
cp
cr +
205
cp
2
si X Poisson()
si X N (, )
Annexe A. Formulaire pour la gestion de production
206
Consequences e conomiques du choix :

cout de gestion :
C(S) = cr Ir (S) + cp Ip (S) (+cc 1)
marge nette moyenne :
C(S)
B(S) = mu X
avec mu , la marge unitaire.
A.2 La gestion par point de commande

Niveau optimal de commande optimal :

q =
avec cp
D
=
=
2cc D
cp
cout unitaire de possession durant un an en stock;

demande annuelle.
Point de commande optimal :

s = DL
avec L = delai dapprovisionnement, exprime en annee.
Calcul du stock moyen possede et du nombre moyen de commandes :
Ip (q ) =
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
= nombre moyen de commandes par an;

= stock moyen possede;
= demande annuelle;
= quantite optimale commandee.
Section A.2. La gestion par point de commande
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
Le point de commande s est determine en utilisant la gestion calendaire pendant

le delai dobtention L (cas de la rotation non nulle) :
P (XL > s ) =
cp
cr + cp /2
avec cp , le cout unitaire de possession entre deux commandes :

cp = cp
q
.
D
La demande XL durant L suit une loi Normale de moyenne : L = L et de

variance : L2 = L 2 .
Dans le cas de la loi Poisson, le point de commande s est determine par (cas
de la rotation non nulle) :
s tel queP (XL > s )
cp
cr +
cp
2
P (XL > s 1)
Consequences e conomique du choix :

Le stock de securite est la difference entre le point de commande et la demande moyenne durant L :
s DL
Le nombre de commandes par an est determine par :
Ic (q) =
D
q
Le nombre moyen de ruptures par commande, note Irc , se calcule par la

formule de la gestion calendaire :
Irc (s) = P (XL > s 1) sP (XL > s)
Irc (s) =
L g(tS ) avec tS =
s XL
L
si XL Poisson()
si XL N (L , L )
Annexe A. Formulaire pour la gestion de production
208
Le nombre moyen de ventes manquees par an selève donc a` :

Ir (s, q) = Ic (q) Irc (s)
Le stock moyen possede en cas de ventes manquees perdues :
Ip (s, q) =
I c (s)
q
+ (s DL) + r ,
2
2
Le stock moyen possede en cas de ventes manquees differees :

Ip (s, q) =
DL c
q
+ (s DL) +
I (S).
2
2q r
A.3 Les techniques de juste a` temps

Determination du nombre detiquettes :
(1 + )Cu Tr + Qe
k
= consommation du poste aval en unites par minute;
= taille e conomique des lots fabriques en amont;
= la capacite dun conteneur;
= temps de reaction du système;
= marge de securite.
Ne
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
=
=
=
A.5 Calcul dannuites

n

t=1
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
Table de la loi Poisson()
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
Donne la probabilite P [Poisson() > x]
209
Annexe B. Tables pour la gestion de stocks
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
Section B.1. Table de la loi Poisson()
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
Section B.1. Table de la loi Poisson()
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
Table de la loi normale Z N (0, 1)
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
Donne la probabilite P (Z > zi + zj )
Section B.3. Table pour le calcul de Ir (S)
B.3
215
Table pour le calcul de Ir (S)
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
Donne g(tS ) = [f (tS ) tS P (t > tS )]
Annexe C
Solutions nales des exercices
C.1 Introduction
1.1 Un problème 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.
Bilan sur les effectifs present chaque periode,

Calcul de la production a` chaque periode,
Bilan sur les stocks a` chaque n de periode,
Stock minimum de n de periode,
Positivite.
1.3 Location de surfaces dentreposage.

217
Annexe C. Solutions nales des exercices
218
a) Choix des variables : les surfaces louees de debut de mois i a` la n du

mois j.
b) Expression de lobjectif : minimisation de la somme des couts de location.
Satisfaction du besoin de surface a` chaque periode,
Positivite.
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.
Respect de la capacite des soutes,

Rapport entre la soute A et la soute D,
Rapport entre les soutes B, C et A,
Rapport entre les soutes B, C et D,
Rapport entre les soutes B,C et A,D,
Positivite.
C.2 Ordonnancement en ateliers specialises

2.1 Pose de carrelages.
a) Ordre pour realiser les 5 chantiers en un minimum de temps :
C4 C1 C2 C3 C5
b) Representation au moyen dun diagramme de Gantt : voir cours.
c) Nombre de jours necessaires au total : 32 jours.
2.2 Ordonnancement de lots de jouets.
a) Ordonnancement optimal des taches passant sur A puis B :
J3 J5 J6
Section C.2. Ordonnancement en ateliers specialises
219
b) Ordonnancement optimal des taches passant sur B puis A:

J1 J7
c) Ordonnancement des taches pour la decoupe (A) : J2
d) Ordonnancement des taches pour le montage (B) : J4
e) Ordonnancement optimal pour les deux operations:
A J3 J5 J6 J2
B J1 J7 J4 J3
J1 J7
J5 J6
f) Diagramme de Gantt : le temps de n sur la machine B est de 105.

2.3 Planication de m taches sur n centres de production.
a) Utilisez la methode heuristique basee sur lalgorithme de Johnson pour
trouver une solution proche de la solution optimale :
Problème 1 : utiliser lalgorithme de Johnson pour le problème constitue de la première et de la dernière machine :
Place
1 2
5 6
Tache 2 3
6 1
Diagramme de Gantt : tf = 44.

Problème 2 : utiliser lalgorithme de Johnson pour le problème constitue des deux premières et des deux dernières machines :
Place
1 2
5 6
Tache 2 3
1 6
5 1
Diagramme de Gantt : tf = 43.

b) Ordonnancement propose :
Lot 2
3 4
c) Duree de la production (en heures et minutes): tf = 430 minutes soit

7 heures et 10 minutes.
220
C.3 Gestion calendaire de stock

3.1 Vente de eurs.
a) Calcul de la moyenne de la demande :
=
X
n
Di P (D = Di ) = 12
i=1
b) Nombre optimal de decorations orales a` commander : S = 13 .

c) Nombre moyen de clients qui sortent de sa boutique chaque n de weekend sans avoir pu acheter une decoration orale ? Ir (S) = 0,9475 .
d) Nombre moyen de decorations orales que le euriste ambulant lui
rachète ? Ip (S) = 1,9475 .
e) Benece net en un week-end sur ce produit ? B(S) = 119,00 euro .
3.2 Gestion dune exploitation forestière.
a) Quantite a` mettre en production pour minimiser le cout de gestion ?
S = 10.166 .
b) Quantite moyenne quil ne peut livrer par an faute de stock ?
Ir (S ) = 2,01 unites .
3.3 Gestion du stock de pièces de rechange.
a) Type de gestion de stock : Gestion calendaire de stock a` rotation non
nulle. En effet, on reconstitue le stock tous les 4 ans et les pièces non
utilisees pour une machine le seront pour la suivante.
b) Nombre optimal de pièces a` commander : S = 14 .
c) Nombre moyen darrets de la machine : Ir (S) = 0,0314 .
d) Stock moyen possede de pièces detachees : Ip (S) = 10,0157 .
e) Cout de cette politique : C(S) = 2.317,14 .
Section C.4. Gestion de stock par point de commande
221
C.4 Gestion de stock par point de commande

4.1 Stock de distribution.
a) Politique actuelle de gestion de stock ? Valeur de ses paramètres ?
Il sagit dune politique de gestion de stock par point de commande a`
deux casiers avec : q = 100 et s = 100.
b) Calculez le cout de detention en stock durant un an dun Ipod :
cp = 0, 5 euros par an
c) Calculez la demande durant le delai dobtention :
s = 20
d) Tracez levolution du stock au cours dune annee : le niveau du stock
oscille entre 80 et 180.
e) En deduire le cout de gestion annuel :
C(s, q) = 165
f) Que proposez-vous comme nouvelle quantite a` commander ?
q = 200
g) Que proposez-vous comme seuil declenchant la commande ?
s = 20
h) Quelle est laugmentation de prot du distributeur avec votre politique ?
165 100 = 65
4.2 Timbrage denvois multiples.
a) Quel est la quantite optimale denveloppes affranchies a` commander
auprès de la societe specialisee en timbrage ? q = 10.000 .
b) A partir de quel niveau de stock denveloppes affranchies faut-il repasser
commande ? s = 686 .
4.3 Ventes de tablettes.
a) Le niveau de commande : q = 400 .
b) Le point de commande : s = 205 .
c) Nombre moyen de ruptures par commande : Ir (s) = 0,2024 .
d) Marge annuelle moyenne nette de : B(S) = 12.448,23 .
222
C.5 La planication de la production

5.1 Determination des besoins nets.
a) Besoins nets et lancements de production des produits nis :
PF1
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
Besoins nets, Lancements de Production et Stock Final des sous-ensembles :

S1
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
c) Besoins nets du composant A3 :

1
10
11
12
BNt 0
0 480 120 440 40 580 0 520
760
A3
5.2 Importation de systèmes Home Cinema.

a) Besoins nets pour lensemble Home Cinema :
H.C. Octobre Novembre
BNt
300

1200
900
400
Section C.5. La planication de la production
223
b) Besoins nets pour lensemble acoustique :

E.A. Octobre Novembre
0
BNt

1000
1200
600
c) Lancements de commande pour les ensembles Home Cinema :

H.C. Octobre Novembre
LCt
300
1200

900
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
e)Couts de stockage par mois et par produit :

CSt
Octobre Novembre
H.C.
10.000
E.A.
9.600
1.600
4.800
3.200
5.3 Production de robes de mariees.

a) Tableau des besoins nets et lancements de production :
Robes Sem 0 Sem 1 Sem 2 Sem 3 Sem 4 Sem 5
BNt
0
5
10
5
10
LPt
0
5
10
5
10
b) Ajustement charge-capacite :
Sem 1 Sem 2 Sem 3 Sem 4 Sem 5
Ajustement
+12
-9
+6
-9
LPt
0
9
7
7
7
c) Calcul du cout de stockage des robes sur les cinq semaines :
7 (5 + 4 + 1 + 3) = 91 euros .
224
C.6 Les techniques de juste a` temps

6.1 Planication juste-à-temps dune brasserie.
a) Nombre detiquettes pour assurer le fonctionnement en continu de lembouteillage sans tenir compte dune taille e conomique minimale :
Ne = 11
b) Sachant que la quantite e conomique du poste amont est de 10.000 litres,
nombre detiquettes a` ajouter dans le système ?
+Ne = + 34.
6.2 Production de hamburgers en restauration rapide.
a) Consommation en unites par minute pour ce hamburger :
Cu = 2, 083 unites par minute.
b) Le temps de reaction du système : Tr = 26 minutes .
c) Consommation pendant le temps de reaction du système :
Cu Tr = 54,166 hamburgers
d) Nombre minimum de plaques a` mettre dans le système pour e viter la
rupture dapprovisionnement du comptoir vente :
Ne =
12 plaques.
e) Tenir compte des hamburgers jetes ? Il suft dajouter 10 % a` la demande

ou de prendre = 10 % :
Ne =
12 plaques.
6.3 Transport de brames.

a) Nombre detiquettes necessaires pour assurer le fonctionnement en
continu du laminoir aval :
Ne = 2
b) Coefcient de securite atteint ?
= 89 %
c) Nombre detiquettes tenant compte de Qe = 120 tonnes ?
Ne = 4
d) Rythme auquel les lots des hauts-fourneaux doivent e tre delivres pour
que le système ne tombe pas en rupture ? 18 heures 11 minutes.
Section C.7. Lordonnancement de projets
225
C.7 Lordonnancement de projets

7.1 Lancement dun nouveau produit.
a) Graphe de la methode des potentiels, dates de debut au plus tot, au plus
tard : la date de n est 19 semaines.
b) Chemin critique : D A I F .
c) La tache G ne peut commencer avant la semaine 10 : Cela ne modie pas
le temps de realisation du projet car la date de demarrage au plus tard
de la tache G est de 10. Cela modie certaines marges (celles de G et E
deviennent nulles). Un second chemin critique apparat : G E F.
d) 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 ?
Cela retarde la n du projet a` 21 jours car la tache est critique.
7.2 Ordonnancement de projets.
a) Graphe de la methode des potentiels : il y a a` la fois un arc entre 2 et 4
(+5) et entre 4 et 2 (-7).
b) Projet realisable ? Le projet est non realisable car il contient un cycle
de somme des longueurs positive : 2 - 3 - 4 -2 avec une somme des
longueurs :
5 + 3 7 = +1 > 0
c) Rendre le projet realisable a` cout minimum ? Il faut reduire la tache 2
dune semaine pour e liminer le cycle.
d) Duree totale du projet ? tf = 19 jours.
e) Activites nappartenant pas au chemin critique ? Les taches 0 et 1
nappartiennent pas au chemin critique.
7.3 Planication dun projet de telecommunications.
a) Graphe de la methode PERT, calcul des date de debut au plus tot, de
debut au plus tard et de la marge pour chaque activite : pensez a`
decomposer B en deux periodes de 3 mois. Meme astuce pour E.
b) Duree minimale du projet : 25 mois.
c) Activites critiques : A, B, D, E et G.
d) Retard dexecution de chaque tache sans allonger le projet :
Tache
A B C D E F G
Marge
226
e) Reduire la duree du projet de 2 mois au moindre cout :

Dabord, reduire D de 1 jour au surcout de 100 euro.
Dans ce cas, C devient critique.
Ensuite, reduire C + D de 1 jour au surcout de 300 euro.
Le temps nal devient 23.
7.4 Construction dune piscine.
a) Linauguration peut-elle avoir lieu le 15 juin ?
Le temps total disponible est de 50 jours ouvrables correspondant a` :
20 jours (avril) + 20 jours (mai) + 10 jours (juin).
La duree minimum de realisation est aussi de 50 jours ouvrables : on
peut donc respecter le delai.
b) La pose des canalisations dure 6 jours de plus que prevu :
La repercussion sur la duree des travaux est de passer a` 51 jours car la
tache na quune marge de 5 jours et non 6. On aura donc un jour de
retard.
c) Se passer de la sonorisation sous-marine :
Cela ne sert a` rien car la tache est non critique.
7.5 Planication dun projet de construction.
a) Graphe de la methode PERT : on a un arc ctif entre la n de D et le
debut de H.
b) Duree minimale du projet ? tf = 25 mois.
c) Dates de debut au + tot, les marges, les dates de debut au + tard :
Tache
B C D
Date au plus tot
13 13
Marge
11
Date au plus tard
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 après 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.
Section C.8. Conception dun centre de production
227
C.8 Conception dun centre de production

8.1 Assemblage de magnetoscopes.
a) Peut-on produire 30 unites par jour de 15 heures de travail avec un
poste ?
N
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
8.2 Developpement de complexes cinematographiques.

a) Arbre de decision complet : voir cours.
b) Calcul des valeurs nettes actualisees dans chacun des cas : notations :
RC
NC
D
d
=
=
=
=
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 Problème de localisation de centre de distribution de pneus.
a) Representation par un graphique de reseau : voir cours.
b) Formulation du problème :
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 caractère binaire.
Objectif : somme des couts de transports et des frais xes douverture des depots.
Section C.9. La programmation dynamique
229
C.9 La programmation dynamique

9.1 Determination du chemin critique par la programmation dynamique.
a) Formuler ce problème comme un problème dynamique.
Etapes : t = 1,2, 3 et 4 sont les e tapes dans le chemin.
Etats du monde a` chaque e tape : st = nud de depart de letape t.
Decision a` chaque e tape : xt = nud darrivee de letape t.
Lien entre les variables :
st+1 = xt et xt 1
Objectif du problème : maximiser la somme des longueurs des arcs du
chemin.
b) Resoudre par la programmation dynamique : voir cours (exemple de
lO.MS.)
c) Chemin(s) critique(s) :
12479
12579
9.2 Repartition du budget publicitaire.
a) Formulation en un problème de programmation dynamique :
Choix des e tapes :
t = 1, 2, 3 les produits.
Choix des variables detat :
xt = nombre de millions investis dans le produit t;
Choix des variables de decision :
st = nombre de millions encore disponibles au debut de letape t.
Relation de recurrence entre les variables detat de deux e tapes
sucessives :
st+1 = st xt
b) Utilisez la programmation dynamique pour resoudre ce problème : voir
cours (algorithme en cas de cout convexe).
Affectations optimales :
Produit t 1
st
6
xt
1
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.
a) Determination des besoins de C :

Periode
Besoins nets
1 2 3 4
0 11 13 11
b) Determiner le plan optimal de production et de stockage : Utiliser

lalgorithme en cas de cout convexe. Solution :
Mois
1 2 3
Production 12 12 11
Stock nal 1 0 0
C.10 La programmation lineaire.

10.1 Optimisation dune fonderie.
a) Formulation du problème :
x1 = nombre de tonnes de tuyaux produites/ semaine
x2 = nombre de tonnes de contrepoids produites/s.
max z = 1 000x1 + 1 200x2 .
Capacite des ateliers,
Limite de commandes,
Non negativite.
b) Resolution graphique : voir cours. Solution optimale :
x1 = 15 x2 = 10 z = 27 000
10.2 Ventes de dentifrice.
a) Formulation du problème lineaire :
x = ventes de la formule X (en milliers);
y = ventes de la formule Y (en milliers).
Section C.10. La programmation lineaire.
231
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.
xt = production de periode t
st = stock n de periode t
max z =
5
10xt +
t=1
5
1st
t=1

Calcul de st ,
Limite de production,
Limite de stock en n de mois,
Caractère non negatif.
b) Mettre sous la forme dun modèle de calcul en Excel : voir cours.
c) Cout total de production et stockage : z = 769.
Periode
Production en 12 15 15
Stock n de
18 15
3
232
C.11 Analyse postoptimale

11.1 Plan de production.
Variables :
xA = production hebdomadaire de produit A,
xB = production hebdomadaire de produit B.
Objectif : max z = 6xA + 3xB .
Contraintes :
Limite de matière première P1 et P2,
Nombre minimum et maximum douvriers,
Non negativite.
b) Resoudre graphiquement : voir cours.
Solution optimale :
x1 = 1, x2 = 4, z = 18
c) Intervalle de variation maximum de la marge sur le produit B qui preserve
la solution optimale :
2 cB 6
11.2 Production de peintures.
Formuler le problème :
Choix des variables (avec leurs unites) :
x1 = production journalière de peintures interieures (tonnes/jour)
x2 = production journalière de peintures exterieures (tonnes/jour).
Expression de lobjectif (avec son unite de compte):
maxz = 5x1 + 4x2 (milliers $ par jour)
Disponible de M1 et M2,
Relation entre les deux productions,
Production maximale de peinture exterieure ,
Positivite.
b) Resoudre graphiquement le problème: voir cours.
Solution optimale obtenue : x1 = 3 x2 = 1, 5 z = 21.000$ .
Section C.12. La programmation en nombres entiers
233
c) Domaine de variation maximum de la la marge du second produit ?

m2 [3, 33; 10]
d) Effet sur le prot dune augmentation de m2 de 4 a` 6 :
z = m2 x2 = +2 1, 5 = +3 milliers de $
11.3 Repartition du budget publicitaire.
T V = nombre de campagnes tv
M = nombre de campagnes dans les magazines
J
= nombre de campagnes dans les journaux
Expression de lobjectif : maximiser laugmentation des ventes.
Repartition du budget,
Budget de conception,
Limite de spots tv,
Caractère non negatif.
b) Mettre sous la forme dun modèle de calcul en Excel : voir cours.
c) Augmentation des ventes = 1.700
T V = 0, M = 20 J = 10
d) Effet de lancer un spot tv supplementaire ? Une diminution des ventes
de 5, donnee par le cout reduit de la variable.
C.12 La programmation en nombres entiers

12.1 Mutation des ofciers.
Choix des variables : indicatrice du fait que lofcier i est mute
au poste j.
Expression de lobjectif : minimiser la somme des couts de mutation.
234
Chaque poste est pourvu,

Chaque ofcier est affecte,
Chaque ofcier doit changer de place,
Caractère binaire.
12.2 Planication de la production de moteurs.

Pt = production a` la periode t;
St = stock de n de periode t.
Expression de lobjectif : minimisation de la somme des couts de
production et de stockage.
Satisfaire la demande de periode t,
Respecter la capacite de production de periode t,
Positivite.
b) Ajout dun cout xe de mise en route :
Ajout dun nouvelle variable :
yt = indicatrice de production en t.
Modication de lobjectif :
+
4
2, 5yt
t=1
Modication des contraintes :

Modication de la contrainte de capacite :
Pt CAPt yt
Ajout du caractère entier :
yt {0, 1}
12.3 Methode de branch and bound.
a) Resoudre la relaxation lineaire initiale: voir cours.
La solution optimale du problème lineaire vaut :
15
x1 =
= 3, 75 x2 = 54 = 1, 25 zP L = 23, 75
4
b) Arbre de branch and bound : voir cours.
c) Solution optimale du problème en nombres entiers :
x1 = 3, x2 = 2, zP N E = 23

Cours Gestion de Production

Transféré par

Informations du document

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Cours Gestion de Production

Transféré par

Droits d'auteur :

Formats disponibles

UNIVERSITE DE LIEGE

Bachelier 3 sciences de gestion

Li`ege, Septembre 2006

Table des mati`eres

Denition de la gestion de production . . . . . . . . . . . . . . . 10

Classication des syst`emes productifs . . . . . . . . . . . . . . . 12

Organisation de type serie unitaire . . . . . . . . . . . . . 12

Organisation en ateliers specialises . . . . . . . . . . . . 13

Organisation en lignes de production . . . . . . . . . . . 13

Les industries de process . . . . . . . . . . . . . . . . . 14

Formulation en mod`eles mathematiques . . . . . . . . . . . . . . 14

I Les decisions operationnelles

Ordonnancement en ateliers specialises

Ordonnancement sur une machine . . . . . . . . . . . . . . . . . 24

Ordonnancement avec deux centres de production . . . . . . . . . 26

Cas o`u toutes les taches sont a` executer sur A puis B . . . 26

Cas de taches ne seffectuant pas dans le meme ordre . . . 28

Ordonnancement sur trois machines . . . . . . . . . . . . . . . . 29

Ordonnancement de n taches sur m centres de production . . . . . 31

Table des mati`eres

La gestion calendaire de stock

Les politiques de gestion de stock . . . . . . . . . . . . . . . . . 36

Les couts associes aux stocks . . . . . . . . . . . . . . . . . . . 37

Les couts de possession . . . . . . . . . . . . . . . . . . 37

Les couts de rupture . . . . . . . . . . . . . . . . . . . . 39

Les couts de commande . . . . . . . . . . . . . . . . . . 39

Gestion calendaire de stock a` rotation nulle . . . . . . . . . . . . 40

Cas dune loi de demande continue . . . . . . . . . . . . . . . . 46

Les consequences e conomiques de la solution optimale . . . . . . 48

Cas de stocks a` rotation non nulle . . . . . . . . . . . . . . . . . 51

Determination de la solution optimale . . . . . . . . . . . 54

Cas dune loi de demande discr`ete . . . . . . . . . . . . . 56

La gestion par point de commande

Determination du point de commande en univers certain . . . . . 60

Determination de la quantite e conomique de commande . . . . . . 61

Cas dune demande aleatoire . . . . . . . . . . . . . . . . . . . . 64

Consequences e conomiques du choix . . . . . . . . . . . 67

II Les decisions tactiques

La planication des besoins en composants . . . . . . . . . . . . 74

Table des mati`eres

Determination des besoins nets dun composant . . . . . . . . . . 78

Determination de la couverture des besoins nets . . . . . . 80

Utilisation en cascade de la logique de calcul . . . . . . . 80

Autres r`egles de calcul des lancements de production . . . . . . . 85

Les techniques de juste a` temps

Origine et principe du JAT . . . . . . . . . . . . . . . . . . . . . 91

Les deux approches du JAT . . . . . . . . . . . . . . . . . . . . 93

Augmenter la reactivite du syst`eme logistique . . . . . . . 93

Les facteurs cles du JAT . . . . . . . . . . . . . . . . . . . . . . 94

Recherche dun plus grande reactivite . . . . . . . . . . . 94

Matrise des aleas . . . . . . . . . . . . . . . . . . . . . 94

Syst`eme Kanban a` une boucle . . . . . . . . . . . . . . . 95

Determination du nombre detiquettes . . . . . . . . . . . 96

III Les decisions strategiques

Formulation du probl`eme . . . . . . . . . . . . . . . . . . . . . 105

Representation graphique du probl`eme . . . . . . . . . . . . . . 105

Existence dune solution . . . . . . . . . . . . . . . . . . . . . . 108

Calcul de lordonnancement au plus tot . . . . . . . . . . . . . . 109

Ordonnancement au plus tard . . . . . . . . . . . . . . . . . . . 109

Chemin critique et calcul des marges . . . . . . . . . . . . . . . 111

Lordonnancement par la methode PERT . . . . . . . . . . . . . 112

Table des mati`eres

La minimisation des couts . . . . . . . . . . . . . . . . . . . . . 115

7.10 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 119