IFT1575

Démonstration 1

1. Une entreprise peut utiliser deux usines pour fabriquer des pneus. La capacité de
production de chaque usine et le coût unitaire de production en temps régulier sont les
suivants:
Capacité Coût unitaire
Usine U1 1800 pneus 20 $
Usine U2 2200 pneus 25 $

L'entreprise fournit trois entrepôts dont les demandes sont:

Entrepôt E1 1500 pneus

Entrepôt E2 2000 pneus
Entrepôt E3 1800 pneus

La fabrication en temps supplémentaire permet d'augmenter la capacité de 800 pneus

pour l'usine U1 et de 1000 pneus pour l'usine U2. Par contre, on doit subir une
augmentation marginale des coûts de 7$ et 6$ par pneu pour les usines U1 et U2,
respectivement. Les coûts unitaires de transport des usines U1 et U2 aux entrepôts E1,
E2 et E3 sont:

Usine/Entrepôt E1 E2 E3
U1 6$ 4$ 7$
U2 5$ 3$ 2$

Écrire un modèle de programmation linéaire permettant de déterminer les quantités à

fabriquer afin de minimiser les coûts de production et de transport.

Solution.

Étant donné la demande, les deux usines devront chacune produire des unités
supplémentaires. Donc, les coûts de production des 1 800 premières unités pour
l’usine 1 et des 2 200 premières unités pour l’usine 2 n’ont pas à être considérés dans
la fonction objective (car il n’y a rien à optimiser par rapport à ces coûts).

i) Actions ou activités Niveau

production d’unités dans la ie usine destinée
au je entrepôt, i = 1, 2; j =1,2,3. xij

1
 ii) Fonction économique
Minimiser le coût de production des unités supplémentaires et le coût de tranport
de toutes les unités.
Min 27 (x11 + x12 + x13 – 1 800) + 31 (x21 + x22 + x23 – 2 200) +
6 x11 + 4 x12 + 7 x13 + 5 x21 + 3 x22 + 2 x23

iii) Contraintes
- Capacité des usines 1 et 2
x11 + x12 + x13 ≤ 2 600 (usine 1)
x21 + x22 + x23 ≤ 3 200 (usine 2)

- Demande à satisfaire aux entrepôts 1, 2 et 3

x11 + x21 ≥ 1 500 (entrepôt 1)
x12 + x22 ≥ 2 000 (entrepôt 2)
x13 + x23 ≥ 1 800 (entrepôt 3)

iv) Modèle

Min 27 (x11 + x12 + x13 – 1 800) + 31 (x21 + x22 + x23 – 2 200) +

6 x11 + 4 x12 + 7 x13 + 5 x21 + 3 x22 + 2 x23
s.a.
x11 + x12 + x13 ≤ 2 600
x21+ x22 + x23 ≤ 3 200
x11 + x21 ≥ 1 500
x12 + x22 ≥ 2 000
x13 + x23 ≥ 1 800

x11, x12, x13, x21, x22, x23 ≥ 0

2. Une municipalité désire engager un certain nombre de policiers. Le corps policier est
présentement constitué de 135 employés. Une étude sur le nombre minimum de policiers
requis selon la plage horaire a donné le résultat suivant :

2
 Plage horaire Nombre minimum
de policiers requis
Minuit – 4h 20
4h – 8h 40
8h – 12h 65
12h – 16h 75
16h – 20h 80
20h - Minuit 100

Sachant que les policiers doivent travailler 8 heures consécutives, l’objectif est de
déterminer le nombre minimum de policiers que la municipalité doit engager afin de
couvrir adéquatement chaque plage horaire. Formuler ce problème comme un problème
de programmation linéaire.

Solution.

i) Actions ou activités Niveau

Affectation de policiers 00H00 à 08H00 x1
Affectation de policiers 04H00 à 12H00 x2
Affectation de policiers 08H00 à 16H00 x3
Affectation de policiers 12H00 à 20H00 x4
Affectation de policiers 16H00 à 00H00 x5
Affectation de policiers 20H00 à 04H00 x6

ii) Fonction économique

Minimiser le nombre total de policiers
6
Min Σ x i
i =1

iii) Contraintes
- nombre minimum de policiers par période
x1 + x6 ≥ 20
x1 + x2 ≥ 40
x2 + x3 ≥ 65
x3 + x4 ≥ 75
x4 + x5 ≥ 80
x5 + x6 ≥ 100

3
 iv) Modèle
6
Min Σ x i
i =1
s.a.
x1 + x6 ≥ 20
x1 + x2 ≥ 40
x2 + x3 ≥ 65
x3 + x4 ≥ 75
x4 + x5 ≥ 80
x5 + x6 ≥ 100
x1 , x 2 , x3 , x4 , x 5 , x6 ≥ 0

3. Un avion de type cargo dispose de trois compartiments pour stocker des marchandises
en vrac, soit les compartiments avant (1), centre (2) et arrière (3). Ceux-ci ont chacun une
capacité limitée en termes de poids (tonnes) et de volume (mètres cubes ou m3), tels
qu’exprimés dans le tableau suivant.

Compartiment Poids maximal Volume maximal

(tonnes) (m3)
1 12 7 000
2 18 9 000
3 10 5 000

Par ailleurs, le poids des marchandises dans chaque compartiment doit représenter le
même pourcentage du poids maximal autorisé afin que l’avion soit bien équilibré.

Les quatre types de marchandises en vrac à transporter sont présentés dans le tableau
suivant. Pour chaque type, on indique le poids total disponible en tonnes, le volume en
m3/tonne et le revenu en $/tonne.

Marchandise Poids Volume Revenu

(tonnes) (m3/tonne) ($/tonne)
1 - Café 20 500 320
2 - Cacao 16 700 400
3 - Blé 25 600 360
4 - Avoine 13 400 290

4
Évidemment, il est possible de ne transporter qu’une partie du poids total d’une
marchandise donnée, incluant la possibilité de ne pas la transporter. Le problème consiste
alors à déterminer le poids de chaque marchandise, exprimé en tonnes, qui sera transporté
ainsi que les compartiments dans lesquels cette marchandise sera stockée de façon à
maximiser le revenu total, tout en satisfaisant les contraintes physiques des
compartiments. Formuler ce problème à l’aide d’un modèle de programmation linéaire.

Solution.

i) Actions ou activités Niveau (nombre de tonnes)

stocker une certaine quantité de marchandise i xij

dans compartiment j, i = 1,2,3,4; j = 1,2,3

ii) Fonction objectif

Maximiser le revenu total :

Max 320 ( x11 + x12 + x13 ) + 400 ( x21 + x22 + x23 ) + 360 ( x31 + x32 + x33 ) +
290 ( x41 + x42 + x43 )

iii) Contraintes

- Poids maximal d’un compartiment

x11 + x21 + x31 + x41 ≤ 12 (compartiment 1)
x12 + x22 + x32 + x42 ≤ 18 (compartiment 2)
x13 + x23 + x33 + x43 ≤ 10 (compartiment 3)

- Volume maximal d’un compartiment

500 x11 + 700 x21 + 600 x31 + 400 x41 ≤ 7 000 (compartiment 1)
500 x12 + 700 x22 + 600 x32 + 400 x42 ≤ 9 000 (compartiment 2)
500 x13 + 700 x23 + 600 x33 + 400 x43 ≤ 5 000 (compartiment 3)

- Quantité de marchandise disponible

x11 + x12 + x13 ≤ 20 (marchandise 1)
x21 + x22 + x23 ≤ 16 (marchandise 2)
x31 + x32 + x33 ≤ 25 (marchandise 3)
x41 + x42 + x43 ≤ 13 (marchandise 4)

5
 - Pourcentage du poids maximal identique dans chaque compartiment

- Non négativité des variables : xij ≥ 0, i = 1,2,3,4; j = 1,2,3.

iv) Modèle
Max 320 ( x11 + x12 + x13 ) + 400 ( x21 + x22 + x23 ) + 360 ( x31 + x32 + x33 ) +
290 ( x41 + x42 + x43 )
s.a.
x11 + x21 + x31 + x41 ≤ 12
x12 + x22 + x32 + x42 ≤ 18
x13 + x23 + x33 + x43 ≤ 10
x11 + x12 + x13 ≤ 20
x21 + x22 + x23 ≤ 16
x31 + x32 + x33 ≤ 25
x41 + x42 + x43 ≤ 13
500 x11 + 700 x21 + 600 x31 + 400 x41 ≤ 7 000
500 x12 + 700 x22 + 600 x32 + 400 x42 ≤ 9 000
500 x13 + 700 x23 + 600 x33 + 400 x43 ≤ 5 000

xij ≥ 0, i = 1,2,3,4; j = 1,2,3.

4. Un atelier peut fabriquer trois types d’article : le type A1 à la cadence de 35 articles à

l’heure, le type A2 à la cadence de 45 articles à l’heure et le type A3 à la cadence de 20
articles à l’heure. Cette fabrication fait appel à une seule machine qui est disponible 200
heures par mois. Le profit unitaire pour les articles de type A1, A2 et A3 est de 60$, 40$ et
80$, respectivement. On a observé qu’on ne pouvait écouler, par mois, plus de 4 900
articles de type A1, ni plus de 5 400 articles de type A2, ni plus de 2 000 articles de type
A3. D’autre part, chaque article doit être vérifié avant sa mise en marché. Une équipe de

6
trois techniciens est chargée de cette tâche et chaque technicien travaille 170 heures par
mois. La vérification d’un article de type A1 prend quatre minutes, celle d’un article de
type A2 prend trois minutes et celle d’un article de type A3 prend deux minutes.

(a) Formuler un modèle de programmation linéaire permettant à l’atelier de

maximiser son profit.
i) Actions ou activités Niveau (nombre d’articles)
production d’articles de type A1 x1
production d’articles de type A2 x2
production d’articles de type A3 x3

ii) Fonction économique

Maximiser le profit
Max 60 x1 + 40 x2 + 80 x3

iii) Contraintes
- Écoulement maximal des différents types d’articles
x1 ≤ 4 900 (type A1)
x2 ≤ 5 400 (type A2)
x3 ≤ 2 000 (type A3)

- Disponibilité de la machine (en heures)

1 1 1
x1 + x2 + x3 ≤ 200
35 45 20

- Disponibilité des techniciens (en minutes)

4 x1 + 3 x2 + 2 x3 ≤ 30 600

iv) Modèle
Max 60 x1 + 40 x2 + 80 x3
s.a.
x1 ≤ 4 900
x2 ≤ 5 400
x3 ≤ 2 000
1 1 1
x1 + x2 + x3 ≤ 200 (1)
35 45 20
4 x1 + 3 x2 + 2 x3 ≤ 30 600 (2)
x1 , x 2 , x3 ≥ 0

7
(b) Montrer que l’une des contraintes dans ce modèle est redondante.

La contrainte (1) peut se réécrire :

1 1 1 1 1 1
x1 + x2 + x3 ≤ 200 ↔ x1 + x2 + x3 ≤ 1 000
35 45 20 7 9 4
↔ 36 x1 + 28 x2 + 63 x3 ≤ 252 000

En multipliant la contrainte (2) par 9, on obtient :

36 x1 + 27 x2 + 18 x3 ≤ 275 400

et on observe que

36 x1 + 27 x2 + 18 x3 ≤ 36 x1 + 28 x2 + 63 x3 ≤ 252 000 < 275 400,

où l’encadré correspond à la contrainte (1).

Donc, si la contrainte (1) est satisfaite, la contrainte (2) est automatiquement

satisfaite et cette dernière peut être éliminée du problème.