Vous êtes sur la page 1sur 8

See discussions, stats, and author profiles for this publication at: https://www.researchgate.

net/publication/266492045

UNE APPROCHE MULTICRITÈRE POUR LA GESTION D'UN PARC DE MATÉRIEL


ROULANT

Article

CITATIONS READS

0 146

3 authors, including:

Belaid Aouni
Qatar University
108 PUBLICATIONS   1,086 CITATIONS   

SEE PROFILE

All content following this page was uploaded by Belaid Aouni on 19 May 2015.

The user has requested enhancement of the downloaded file.


3e Conférence Francophone de MOdélisation et SIMulation «Conception, Analyse et Gestion des Systèmes Industriels»
MOSIM’01 - du 25 au 27 avril 2001 – Troyes (France)

UNE APPROCHE MULTICRITÈRE POUR LA GESTION D’UN PARC DE


MATÉRIEL ROULANT

Hamid GOGHROD, Jean-Marc MARTEL Belaïd AOUNI

Faculté des sciences de l’administration Université School of Commerce and Administration,


Laval, Québec (QC), G1K 7P4 Canada. Laurentian University, Sudbury (ON), P3E 2C2 Canada.
Mél : aae641@agora.ulaval.ca Mél : baouni@nickel.laurentian.ca
jean-marc.martel@fsa.ulaval.ca

RÉSUMÉ: Le Ministère des Transports du Québec dispose d’une flotte d’équipements pour l’entretien des routes de
la province du Québec. L’unité responsable de la gestion de ce parc est le Centre de Gestion de l’Équipement
Roulant qui doit décider pour chaque unité ou équipement soit de continuer à l’entretenir, le vendre ou le remplacer.
Plusieurs facteurs, souvent conflictuels, sont à considérer lors du processus décisionnel tels que : réduire la flotte de
20 %, respecter l’enveloppe budgétaire, répondre aux besoins des clients ou encore maintenir un certain
rajeunissement du parc. Dans le présent document, nous proposons comme outil de gestion la programmation
mathématique à objectifs multiples avec l’intégration des préférences du gestionnaire.

MOTS-CLÉS: Goal programming, préférences du gestionnaire, gestion budgétaire.

1. INTRODUCTION meilleur service à la clientèle. Les gestionnaires font


face à un ensemble relativement important de
En 1995 le ministère des Transports du Québec contraintes et de facteurs à prendre en considération.
(MTQ) a crée une nouvelle unité autonome. Il s’agit D'une part, il y a la contrainte budgétaire et le fait
du Centre de Gestion de l'Équipement Roulant que les catégories d’unité n’aient pas toutes la même
(CGER). Ce dernier est responsable de la gestion du importance relative. D'autre part, il faut tenir compte
parc du matériel roulant du MTQ, c’est à dire qu’il a des besoins exprimés par les clients, donc ramener le
pour mission d'assurer à ses clients la disponibilité nombre d’unités dans chaque catégorie en fonction
des véhicules routiers et des équipements connexes des besoins exprimés et maintenir un rajeunissement
ainsi que leur maintien en bon état de fonctionnement du parc. À cette dernière contrainte, il faut ajouter le
(Ministère du Conseil exécutif, 1996; Ministère des désir du gouvernement de réduire le parc de 20 % au
Transports du Québec, 1997). cours de la prochaine année.

Réparti relativement uniformément sur le territoire, Dans le présent document, nous proposons une
le parc actuel du Ministère se compose de 1450 approche multicritère pour la gestion du parc
véhicules légers, 650 camions, de 1000 équipements matériel roulant au sein du MTQ. Cette approche
automoteurs et de près de 5000 autres équipements. tient compte d’un ensemble de contraintes propres au
Les équipements composants ce parc sont CGER et elle intègre explicitement les préférences
particulièrement utilisés dans les opérations des gestionnaires de ce service.
d’entretien du réseau routier effectuées en régie. Les
unités sont regroupées en catégorie dont la taille 2. FORMULATION DU PROBLÈME
varie considérablement d’une catégorie à une autre.
On dénombre 26 catégories, mais on dispose des Le CGER doit décider du sort de chaque unité de son
données que pour 11 catégories. parc, à savoir: continuer à l’entretenir, la vendre et la
remplacer, ou la vendre tout simplement. Il fait donc
Le CGER assume presque tous les coûts reliés au face à un choix entre une multitude de combinaisons
parc tels que : l’entretien préventif, les réparations possibles tout en tenant compte simultanément de
mineures et majeures, les coûts d’achat et plusieurs objectifs. Dans cette formulation, on doit
d’amortissement du véhicule. Dans une perspective entre autre prendre en compte deux points de vue
de restriction budgétaire, le plus grand défi du CGER dans la gestion de ce parc d’équipements. Celui du
est de trouver une façon de gérer son parc de matériel gouvernement qui désire réduire la flotte de 20 % et
roulant à moindre coût et cela tout en offrant un celui des clients (les 53 centres de services du MTQ)

- 921 -
MOSIM’01 - du 25 au 27 avril 2001 - Troyes (France)

qui ont des besoins qui ne sont pas en général


compatible avec cette réduction de 20%. Il nous est Fl (δ l )
apparu raisonnable d’utiliser la programmation
mathématique avec buts (Goal Programming (GP))
comme outil de gestion approprié pour cette 1
problématique. Cette méthode, qui est à la fois facile
à comprendre et à utiliser, est en fait une extension
de la programmation linéaire qui dispose
d’algorithmes de résolution performants. D’abords
développée par Charnes et al., (1955) et Charnes et
Cooper (1961) dans sa forme linéaire puis appliquée
par Lee (1973) et Lee et Clayton (1972), ce modèle a
α il α ol α vl δl
connu une grande popularité et son utilisation s’est
répandue à des domaines aussi nombreux que Figure 1. Fonction de satisfaction.
diversifiés comme : la gestion des bassins
hydrauliques, la gestion des déchets solide, la Les fonctions Fl (δ l ) indiquent le degré de
comptabilité et la gestion des ressources financières,
le marketing et le contrôle de la qualité, les satisfaction du décideur en fonction de l’écart δl par
ressources humaines, la production, le transport et la rapport au but bl .
localisation, les études spatiales, les
télécommunications, l’agriculture, la foresterie et Les fonctions de satisfaction peuvent varier d’un
l’aviation (Aouni, 1998). Dans sa version pondéré, le décideur à l’autre. Martel et Aouni (1990) se sont
modèle du GP peut s’écrire sous la forme suivante : inspirés du concept de critère généralisé de la
méthode PROMETHEE pour définir diverses formes
Minimiser Z= ∑ (Wl +δ l+ + Wl −δ l− )
p
de fonctions de satisfaction. Nous pourrons noter que
l =1
cette fonction comporte trois seuils : un premier seuil
Sujet aux contraintes :
K
+ −
α il tel que toutes les solutions présentant une
∑ alk xk - δ l +δ l = bl ;
k =1 déviation δ l par rapport au but, qui est inférieure à
Cx ≤ c; (contraintes du système) ce seuil αil alors la satisfaction du décideur est à son
xk ≥ 0; k = 1,2,…,K; maximum (valeur 1), un deuxième seuil α0l tel que la
satisfaction du décideur est nulle si la déviation δ l
+ −
δ l et δ l ≥ 0 ; l = 1,2,...,p ;
où : atteint au moins cette valeur et un seuil de veto αvl tel
xk : variables de décision; que toute solution présentant une déviation qui est
bl : but fixé pour le lième objectif; supérieure à ce seuil est rejetée. Avec l’introduction
alk : paramètres technologiques; de ces fonctions de satisfaction, la fonction objectif
δl+ et δl- : les déviations positives et négatives par de la formulation précédente peut s’écrire de la
rapport à l’objectif l; manière suivante :
Wl+ et Wl- : les coefficients d’importances L
relatives des déviations. Maximiser ∑
l =1
(Wl+ Fl+ (δl+ ) + Wl- Fl- (δl- ));

Ces derniers coefficients constituent une première sujet aux mêmes contraintes et:
+ −
manière d’introduire les préférences du décideur dans 0 ≤ δl+ ≤ α vl ;0 ≤ δl- ≤ α vl .
la modélisation. Toutefois, nous pouvons le faire de
manière plus explicite en introduisant des fonctions
de satisfaction au niveau de chaque objectif. Ceci 2.1. Un sous-programme spécifique pour tenir
permet d’évaluer l’impact des déviations des compte de l’objectif du gouvernement
solutions par rapport aux différents buts (seuils
d’aspiration) fixés par le décideur (Martel et Aouni, Le gouvernement désir réduire le parc du ministère
1990). Dans ces conditions, le décideur pourra donc du transport du Québec de 20 % au cours de l’année
comparer les performances de chaque solution par prochaine. Nous cherchons donc à déterminer une
rapport aux buts bl qu’il a fixé pour chaque objectif l. combinaison de la flotte qui satisfait pleinement
Leur degré de satisfaction est exprimé à l’aide d’une l’objectif du gouvernement bien que peut-être peu
fonction de satisfaction Fl(δl) qui a la forme générale réaliste. Dans ce sous-programme, nous voulons tenir
présentée à la figure 1. compte des préférences des gestionnaires au niveau
du sort accordé à chaque unité ainsi que de
MOSIM’01 - du 25 au 27 avril 2001 - Troyes (France)

l’importance relative qu’ils attribuent à chaque de manière à ce que le niveau de satisfaction du


catégorie d’unités. Par exemple, comme ils veulent gestionnaire soit le plus élevé possible. Ce niveau de
rajeunir la flotte, ils accordent un poids plus grand au satisfaction à maximiser constitue la fonction objectif
remplacement de certaines unités. Ce sous- de ce deuxième programme. Les contraintes que
programme prend la forme suivante : comportent ce programme sont présentées dans les
I ni 3 prochaines sous-sections.
Maximiser Z= ∑∑ ∑ C W X k i ijk
i =1 j =1 k =1 2.3.1. La contrainte sur S*
Sujet aux contraintes :
ni ni Les déviations positive et négative permettent au
∑X ij 1
+ ∑X ij 3
≤ PGi ; programme de mesurer jusqu’à quel point une
j =1 j =1
solution se rapproche de S* (valeur obtenue du sous-
Xijk = (0; 1) pour i = 1,2,...,I et j = 1,2,…, ni ; programme), si elle ne peut atteindre cette valeur. Il
3
est à noter qu’on s’attend, s’il y a déviation que celle-
∑X ijk
= 1; ci soit plutôt négative puisque la valeur S* représente
k =1
en quelque sorte un idéal.
où :
Xi, j, k : l’unité j de la catégorie i subissant 2.3.2. La contrainte du budget
l'intervention k
1 ; Entretenir l' unité j de la catégorie i Le ministère des transports du Québec alloue à
Xij1 = 
chaque exercice financier une enveloppe budgétaire
0 ; Autrement pour ses opérations de gestion de son parc. Les
1; Vendre l' unité j de la catégorie i gestionnaires du CGER nous ont fourni la matrice
Xij2 =  des coûts concernant l’entretien, la vente ainsi que
0 ; Autrement les prix d’achat unitaire pour chaque catégorie. Seule
1; Remplacer l' unité j de la catégorie i la déviation positive est considérée dans cette
Xij3 =  contrainte c’est à dire qu’on peut tolérer un certain
0 ; Autrement dépassement du budget. La déviation négative n’est
i = 1, 2, …, I (les catégories); j = 1, 2, …, ni (ni pas retenue car dépenser moins que l’enveloppe
nombre d’unités de la catégorie i); budgétaire peut avoir des conséquences sur les
Ck : l’importance relative à l’action k telle que budgets futurs.
révélée par le gestionnaire;
Wi : importance relative de la catégorie i telle que 2.3.3. Le respect des besoins exprimés par les clients
révélée par le gestionnaire.
Cette contrainte oblige le programme à ramener le
Noter que dans les contraintes de réduction de 20 %, nombre d'unités dans chaque catégorie à un nombre
on ne retient pas le cas où k = 2 (vendre une unité) préalablement défini dans les besoins exprimés par
puisque ce sont des unités à vendre, donc ne font plus les clients. Il faut noter que les besoins exprimés sont
partie de la flotte, contrairement aux unités à en général supérieurs à la politique du gouvernement
entretenir (k = 1) et aux unités remplacées (k= 3) qui de réduire de 20% la flotte. Ici apparaît nettement le
formeront la nouvelle flotte. La valeur S* obtenue caractère conflictuel des objectifs inclus dans ce
pour la fonction objectif sera introduite dans le programme puisque la contrainte S* est obtenue
modèle du GP comme but à atteindre. avec une réduction de la flotte de 20%, en plus de la
contrainte du budget qui restreint également le
2.3. Le programme principal champs des solutions alors que celle des besoins tend
à faire augmenter la flotte.
Il s’agit d’un programme mathématique à objectifs
multiples, composé de trois objectifs pour lesquels Le programme principal prend la forme suivante :
des buts sont fixés et dans lequel on cherche à
Maximiser Z = FS-(δS-) + FS+(δS+) +FB+(δB+)+
maximiser la satisfaction du gestionnaire. Ce I
programme comporte des contraintes (reliées à
chaque objectif) exprimées sous forme d’égalité (=) à ∑
i =1
(Fi-(δbi-)+ Fi+(δbi+))
l’aide de déviations positive et négative. La solution Sujet aux contraintes :
générée par ce programme donnera une nouvelle
flotte du parc du MTQ qui tiendra compte des
objectifs du gouvernement et des besoins des clients
MOSIM’01 - du 25 au 27 avril 2001 - Troyes (France)

Contrainte sur S* Il faut noter qu’une variable Yi est introduite dans le


I ni 3 programme principal dans le cas où les besoins sont
∑∑ ∑ C W X k i ijk
+ δ S -δ S = S ;
− + ∗
supérieurs à l’état actuel. C’est donc des achats purs
i =1 j =1 k =1 de nouveaux équipements ajoutés aux catégories qui
Contrainte sur le budget B nécessitent une augmentation du nombre d’unités qui
I ni 3 I la composent.
∑∑ ∑ a ijk
X ijk + ∑ PY − δ i i B
+
=B ;
i =1 j =1 k =1 i =1 3. RÉSOLUTION DU PROBLÈME
Contraintes sur les besoins
ni ni Les paramètres Ck et Wi du sous-programme ont été
∑X ij 1
+ ∑X ij 3
+ Yi + δ bi - δ bi = bi ∀i ;
− +
obtenus directement d’un gestionnaire du CGER.
j =1 j =1
Nous lui avons demandé de faire un rangement par
3
ordre d’importance (avec éventuellement des ex-
∑X ijk
=1 ; aequo) des catégories. Ensuite, il nous a fourni un
k =1
tableau où toutes les catégories sont comparées à une
Xijk = {0;1} ∀i , ∀j , ∀k ; catégorie de référence (la moins importante) en
Yi ≥ 0 et entier ∀i ; indiquant combien de fois (x fois) chaque catégorie
où : est plus important que la catégorie de référence.
Yi = nombre d'unités nouvelles ajoutées à la Nous avons en fait procédé comme dans la méthode
catégorie i; SMART pour déterminer les poids relatifs de chaque
bi : besoins en unité pour la catégorie i exprimés catégorie (Tableau 1). Les interventions (actions k=1,
par les clients; 2, 3) ont aussi été pondérées, mais d’une manière
B : budget global alloué; plus simple en lui demandant d’attribuer directement
Pi : prix d'achat d'un nouveau matériel de la une importance relative à chacune. Nous les avons
catégorie i; normalisé par la suite sur une échelle de 0 à 1
aijk : coût de l’action k pour l’unité j de la (Tableau 2).
catégorie i;
δS+ , δS- : déviation positive et négative de S*; Afin de faciliter la solution de ce programme et de ne
pas trop exiger du gestionnaire, nous avons retenu
δB+: déviation positive du budget
toujours la même forme pour les fonctions de
δbi+, δbi- : déviation positive et négative des besoins
satisfaction. La forme retenue est présentée à la
exprimés en d'unités pour la catégorie i.
figure 2. Toutefois, nous pouvons utiliser une forme
plus générale d’un objectif à un autre.

Catégories 1 2 3 4 5 6 7 8 9 10 11
Wi 0,1 0,1 0,133 0,133 0,1 0,1 0,033 0,066 0,066 0,033 0,133

Tableau 1. Poids relatifs des catégories

Interventions Entretenir Vendre Remplacer


Ck 0,31 0,23 0,46

Tableau 2: Poids relatifs des interventions

Fl (δ l )
1

α ol α vl δl
Figure 2. La forme des fonctions de satisfaction retenue.
MOSIM’01 - du 25 au 27 avril 2001 - Troyes (France)

δs δ1 δ2 δ3 δ4 δ5 δ6 δ7 δ8 δ9 δ10 δ11
α0 40 2 2 8 4 1 2 3 1 1 5 1
δ αv 80 14 14 117 66 12 13 9 3 3 10 9
α0 40 2 4 3 3 1 1 2 1 1 6 3
δl- αv 600 14 42 39 44 9 6 8 3 4 10 40
Tableau 3. Valeurs des seuils pour toutes les autres fonctions de satisfaction

Budget / Variables 2 3 4 5 8 10 12
Millions Millions Millions Millions Millions Millions Millions
Yi, i=1,2…,11 0 0 0 0 0 0 0
δs- 34,21 33,50 31,36 28,31 26,87 22,26 18,92
δs+ 0 0 0 0 0 0 0
δB +
48 93 2 1984 65 329 147
δI1-=δI2- 0 0 0 0 0 0 0
δI3- 39 39 0 0 0 0 0
δI4- 44 44 44 44 0 0 0
δI5 -
9 0 0 0 0 0 0
δI6 =δI7 =δI8 =δI9 =δI10
- - - - -
0 0 0 0 0 0 0
δI11- 40 0 0 0 0 0 0
δIi+, i=1,2…,11 0 0 0 0 0 0 0
Z 7,66 9,53 11,203 11,28 12,32 12,44 12,52
% de remplacement 0,129 0,61 4,43 11,65 11,83 24,21 33,89
Tableau 4. Résultats des simulations (principales variables )

La mise en ouvre du programme principale requiert besoins des clients (2189 unités). Pour un budget de
que l’on fixe les valeurs des seuils de satisfaction 8 millions, le programme a généré une nouvelle flotte
(tableau 3). avec une valeur de la fonction de satisfaction de
(12,32) sur un maximum possible de 13. Cela veut
Compte tenu la limite imposée du nombre de pages, dire que le niveau de satisfaction atteint pour nos 13
nous avons dû laisser tomber plusieurs détails relatifs objectifs (11 objectifs sur les besoins selon les
à la formulation du problème. Ainsi, nous procédons catégories, un objectif sur la valeur de S*, et un
directement à la présentation et l’interprétation des objectif sur le budget) est de 94,76%. L’écart à 100%
résultats obtenus lors du processus de résolution. Une de satisfaction s’explique de la manière suivante : La
difficulté qui se présente généralement lors de la déviation négative de S* est δS-=26,87 par rapport à
résolution du programme principale est qui ce dernier un seuil α0 = 40, donc une perte de satisfaction de
comporte des termes non linéaires. Pour remédier à l’ordre de 26,87/40=0,67. La déviation positive du
cela, nous avons utilisé la technique de linéarisation budget est δB+=65,05$ par rapport à un seuil α0=400
développée par Oral et Kettani (1992). 000$, ce qui donne une perte de satisfaction de
l’ordre de 65,05/400 000=0,000162. Toutes les autres
Dans un premier temps, nous avons résolu le sous- déviations sont nulles, c’est à dire que la flotte
programme qui donne un nombre d’unités pondéré générée permet de répondre exactement aux besoins
en ne tenant compte que de la politique du des clients.
gouvernement qui est de réduire la flotte de 20% et
cela sans tenir compte des besoins des clients. La La flotte ainsi générée est en majorité composé
valeur obtenue (S*=117,35 ) est introduite comme d’unités à entretenir. Le pourcentage d’unités
but dans le programme principale. Celui-ci a été remplacés est de 11,83%. Dans ce pourcentage, les
résolu avec divers budgets et avec les besoins catégories les plus importantes pour les gestionnaires
exprimés par les clients. La flotte traitée se sont celles qui ont un nombre d’unités remplacés
composait de 2459 unités ce qui était supérieur aux relativement plus élevé (Catégories 3, 4 et 11). Un
MOSIM’01 - du 25 au 27 avril 2001 - Troyes (France)

des objectifs des gestionnaires a donc été atteint à un taux de satisfaction de 58%. Les conséquences
savoir rajeunir la flotte en donnant la priorité aux d’un tel budget se ferait sentir à long terme. En effet,
catégories les plus importantes. si la flotte ne se renouvelle pas régulièrement, sa
valeur de revente baisse considérablement et les frais
Nous avons fait des simulations pour voir la d’entretien augmentent aussi avec le vieillissement
composition de la flotte, le niveau de satisfaction des unités.
atteint et le % de remplacement de la flotte en faisant
varier le budget. Les budget utilisés sont : 2, 3, 4, 5, Nous avons aussi réalisé d’autres simulations pour
8, 10 et 12 millions. Les résultats obtenus sont vérifier la sensibilité du programme au changement
présentés au tableau 4. d’autres paramètres. Ainsi, par exemple, nous avons
changer la valeur de αo pour la déviation positive du
On peut remarquer que la valeur de la fonction budget. Nous avons remarqué que cela n’a pas une
économique Z augmente en fonction de grande incidence sur les résultats en général.
l’augmentation du budget. Ce qui est prévisible, car Toutefois, il s’est révélé dans d’autres simulations
avec plus de budget, le programme a tendance à faire que le fait de changer le niveau de tolérance d’une
plus de remplacement d’unités (ce qui est privilégié fonction de satisfaction influence sensiblement les
par les gestionnaires) et ainsi réduire la déviation par résultats. Il est donc très important de faire bien
rapport au but S*. Ces remplacements sont faits attention au choix des seuils de tolérance. Il faut
essentiellement dans les catégories les plus s’assurer qu’ils soient les plus réalistes possibles.
importantes.
4. CONCLUSION
De la même manière, le pourcentage de
remplacement augmente aussi en fonction du budget. Durant ce travail, nous avons essayé d’être le plus
Il passe de 0,129% pour un budget de 2 millions à proche possible de la réalité malgré le manque
33,89% pour 12 millions. d’informations. Cependant nous croyons que ce
programme peut traiter le cas avec des données
Nous avons aussi remarqué l’apparition d’un seuil à complètes grâce à sa grande flexibilité. Cette
partir duquel les besoins des clients commencent à ne flexibilité du programme peut s’étendre non
pas être satisfait à 100%. En effet, lors de nos seulement à un simple changement dans la valeur du
compilations, les déviations négatives des besoins budget mais aussi à toute nouvelle donnée ou
des clients apparaissent pour des budget moins élevé. politique ou orientation que voudront se donner les
Au fur et à mesure que nous augmentions le budget, gestionnaires du CGER.
ces déviations baissent pour disparaître
complètement avec un budget de 8 millions. Notre premier objectif était de trouver une flotte qui
correspondrait aux exigences des gestionnaires et de
Un des points forts de ce programme est sa flexibilité ses clients tout en respectant la contrainte du budget.
et son adaptation à toute nouvelle situation. C’est un Cependant, à l’aide des simulations, nous avons pu
élément très apprécié des gestionnaires surtout de nos faire d’autres remarques utiles pour les gestionnaires.
jours où les politiques à long terme subissent de Le choix des seuils α0, par exemple, est un aspect
nombreux changements avant de se rendre à terme. important et leur valeur doit être fixée de manière
En effet, ce programme permet aux gestionnaires du réaliste. Un autre élément important qui est ressorti
CGER de proposer des politiques de gestion selon les lors de nos simulations est la possibilité de contrôler
situations. Dans des conditions normales, conditions le pourcentage de renouvellement de la flotte en
où le gouvernement leur attribue une enveloppe fonction du budget. Tous ces éléments font qu’avec
budgétaire normale, ils peuvent suivre leurs objectifs ce programme les gestionnaires peuvent non
à long terme tels que le rajeunissement de leur flotte, seulement définir leur nouvelle flotte mais ils
répondre aux besoins de leur clients. Alors que si une peuvent aussi tester des éléments nouveaux pour des
situation d’urgence ou de crise se présente (exemple : considérations futures.
coupure budgétaire), ils peuvent remettre leur projet
à long terme et proposer une flotte en fonction de REFERENCES
cette situation de crise. Les résultats obtenus pour un
budget de 2 millions, qui est loin de ce que les Aouni, B., 1998. Le modèle de programmation
gestionnaires du CGER doivent normalement mathématique avec buts dans un environnement
disposer, montrent un taux de remplacement de imprécis: sa formulation, sa résolution et une
0,129%. Les besoins des clients ne sont pas alors application», thèse de doctorat non publiée,
atteints et la valeur de Z est 7,66, ce qui correspond à
MOSIM’01 - du 25 au 27 avril 2001 - Troyes (France)

Faculté des sciences de l’administration,


Université Laval.
Charnes A and W. W. Cooper, 1961. Management
Models and Industrial Applications of Linear
Programming Model, Wiley, New York.
Charnes A., W. W. Cooper and R. Ferguson, 1955.
Optimal Estimation of Executive Compensation
by Linear Programming, Management Science,
Vol. 1, p. 138-151.
Gouvernement du Québec, Ministère des Transports,
«Entente de Gestion entre le directeur du CGER
et le sous-ministre du Ministère des Transports»,
Juin 1997.
Gouvernement du Québec. Ministère du Conseil
exécutif. Direction de la réforme administrative,
«Les unités autonomes de service. Application du
concept de la gestion par résultats dans la
fonction publique québécoise», Novembre 1996.
Lee, S. M., 1973. Goal Programming for Decision
Analysis of Multiple Objectives, Sloan
Management Review, Vol. 14, p. 11-24.
Lee, S. M. and E. R.Clayton, 1972. A Goal
Programming Model for Academic Resource
Allocation, Management Science, Vol. 18, No 8,
p. B395-B408.
Martel J-M, and B. Aouni, 1990. Incorporating the
Decision-maker’s Preferences in the Goal-
Programming Model, Journal of Operational
Research Society. Vol. 41, p. 1121-1132.
Oral M., and O. Kettani, 1992. A Linearization
Procedure For Quadratic And Cubic Mixed-
Integer Problems, Operations Research, Vol. 40,
Supp. No. 1, p. S109-S116.

View publication stats

Vous aimerez peut-être aussi