Académique Documents
Professionnel Documents
Culture Documents
I. Introduction
V. Exemples de formulations
a. Résolution graphique
VI. Exemples
1
CHAPITRE 3 :La Méthode de Simplexe
I. Introduction
b. Amélioration de la solution
VI. Exemple
IV Méthode PERT
V. PERT TEMPS
2
CHAPITRE 1
I. Introduction
3
III. Les étapes de formulation d’un PL :
Soient N variables de décision x1, x2,…, xn, l’hypothèse que les variables de
décision sont positives implique que x 1≥0 , x 2 ≥0 ,…, x N ≥0 .
La fonction objectif est une forme linéaire en fonction des variables de décision
de type
z=c 1 x 1 +c 2 x 2 +…+c N x N
où les coefficients c1,…,cN doivent avoir une valeur bien déterminée (avec
certitude) et peuvent être positifs, négatifs ou nuls. Par exemple le coefficient ci
peut représenter un profit unitaire lié à la production d’une unité supplémentaire
du bien xi, ainsi la valeur de z est le profit total lié à la production des différents
biens en quantités égales à x 1 , x 2 ,…, x N .
Supposons que ces variables de décision doivent vérifier un système d’équations
linéaires définis par M inégalités
a11 x 1 +a 12 x 2 +…+a1 N x N ≤b 1
a21 x1 + a22 x 2 +…+ a2 N x N ≤b2
⋮
a M 1 x 1 +a M 2 x 2 +…+a MN x N ≤b M
où les coefficients a1M,…, aMN et b1,…, bM doivent avoir une valeur bien
déterminée (avec certitude) et peuvent être positifs, négatifs ou nuls. Le
4
paramètre bj représente la quantité de matière première disponible dont le bien x i
utilise une quantité égale à aijxi.
V. Exemples de formulations
Pour fabriquer deux produits P1 et P2 on doit effectuer des opérations sur trois
machines M1, M2 et M3, successivement mais dans un ordre quelconque. Les
temps unitaires d’exécution sont donnés par le tableau suivant :
M1 M2 M3
P1 11 mn 7 mn 6 mn
P2 9 mn 12 mn 16 mn
On supposera que les machines n’ont pas de temps d’inactivité.
La disponibilité pour chaque machine sont :
165 heures (9900 minutes) pour la machine M1 ;
140 heures (8400 minutes) pour la machine M2 ;
160 heures (9600 minutes) pour la machine M3 .
5
Le produit P1 donne un profit unitaire de 900 dhs et le produit P2 un profit
unitaire de 1000 dhs.
Dans ces conditions, combien doit-on fabriquer mensuellement de produits P1 et
P2 pour avoir un profit total maximum ?
Formulation en un PL :
Le bureau du périmètre irrigué veut protéger le prix des tomates et ne lui permet
pas de cultiver plus de 90 hectares de tomates. Quelle est la meilleure allocation
de ses ressources ?
6
Etape 1 : Identification des variables de décision. Les deux activités que
l’agriculteur doit déterminer sont les surfaces à allouer pour la culture de
tomates et de piments :
x1 : la surface allouée à la culture des tomates
x2 : la surface allouée à la culture des piments
On vérifie bien que les variables de décision x1 et x2 sont positives :
x 1≥0 , x 2 ≥0 .
Etape 2 : Identification des contraintes. Dans ce problème les contraintes
représentent la disponibilité des facteurs de production :
Terrain : l’agriculteur dispose de 150 hectares de terrain, ainsi la contrainte
liée à la limitation de la surface de terrain est x 1 +x 2 ≤150
Eau : la culture d’un hectare de tomates demande 4 m3 d’eau et celle d’un
hectare de piments demande 2m3 mais l’agriculteur ne dispose que de 440m3.
La contrainte qui exprime les limitations des ressources en eau est
4 x 1 +2 x 2 ≤440 .
Main d’œuvre : Les 480 heures de main d’œuvre seront départager (pas
nécessairement en totalité) ente la culture des tomates et celles des piments.
Sachant qu’un hectare de tomates demande une heure de main d’œuvre et un
hectare de piments demande 4 heures de main d’œuvre alors la contrainte
représentant les limitations des ressources humaines est x 1 +4 x 2 ≤480
Les limitations du bureau du périmètre irrigué : Ces limitations exigent que
l’agriculteur ne cultive pas plus de 90 hectares de tomates. La contrainte qui
représente cette restriction est x 1≤90.
Etape 3 : Identification de la fonction objectif. La fonction objectif consiste à
maximiser le profit apporté par la culture de tomates et de piments. Les
contributions respectives 100 et 200, des deux variables de décision x1 et x2
sont proportionnelles à leur valeur. La fonction objectif est donc
z=100 x1 +200 x2 .
Le programme linéaire qui modélise le problème d’agriculture est :
Max 100 x 1 +200 x 2
s .c . x1 +x 2 ≤150
4 x1 +2 x 2≤440
x 1+4 x 2 ≤480
x1 ≤90
x 1≥0 , x 2≥0
7
Exemple 3 : Problème de médecine
8
Le programme linéaire qui modélise ce problème médical est donc le suivant :
Min x 1 + x2
s .c . 2 x 1 + x 2 ≥12
5 x 1 +8 x 2≥74
x 1 +6 x 2 ≥24
x 1≥0 , x 2 ≥0
Formulation en un PL :
B : 0 .1 x 2≥0. 6 ⇒ x 2 ≥6
9
C : 0 .1 x 1 +0 . 2 x 2 ≥2 ⇒ x 1 +2 x 2 ≥20
Min 10 x 1 + 4 x 2
s .c . x1 ≥ 4
x 2 ≥6
x 1 +2 x 2≥20
2 x 1 + x 2 ≥17
x 1≥ 0 , x 2 ≥0
10
CHAPITRE 2
I. Introduction
Après avoir illustrer par des exemples, comment un problème pratique peut être
modélisé par un programme linéaire, l’étape qui va suivre sera certainement
celle de la résolution de ce problème mathématique. La méthode graphique est
l’une des premières méthodes utilisées à ce sujet.
Si on parle de résolution graphique alors on doit se limiter à une représentation à
deux variables et au plus à trois variables. Ceci indique que dans ce chapitre on
examinera seulement les programmes linéaires à deux variables de décision.
12
6
3
x1
6 12 24
Parmi les solutions possibles d’un problème, il y a ceux qui vont satisfaire toutes
les contraintes du programme, appelés solutions réalisables, et ceux qui vont
satisfaire une partie ou aucune de ces contraintes, appelés solutions non
réalisables.
Une représentation graphique des inégalités (des contraintes) va nous permettre
de déterminer l’ensemble des solutions réalisables.
Revenons à l’exemple 2 du problème de médecine.
Une des contraintes de ce problème est celle relative au grain d’aspirine :
2 x 1 +x 2 ≥12 .
L’ensemble des solutions qui vérifient cette inégalité est le même que celui qui
vérifie 2 x 1 + x 2 =12 et 2 x 1 + x 2 > 12 .
x2
12
6
3
x1
6 12 24
L’ensemble des solutions qui correspond à l’équation est l’ensemble des points
de la droite l définie par x 2=−2 x 1 +12 . Cette droite admet une valeur de la
pente égale à –2 et intercepte l’axe des ordonnées en 12 (voir figure ci-dessus).
L’inégalité 2 x 1 + x 2 > 12 correspond à un demi-plan limité par la droite
x 2=−2 x 1 +12 . Or cette droite divise le plan en deux demi-plans ouverts donc
quel est le demi-plan à choisir ?
x2
12 1
6
3
x1
6 12 24
12
Pour ce faire, il suffit de prendre un point de l’un des demi-plans (c’est à dire
n’appartenant pas à la droite x 2=−2 x 1 +12 ) et voir s’il vérifie l’inégalité
2 x 1 + x 2 > 12 . Par exemple le point de coordonnées (0,0) ne vérifie pas
3 2
9.25
6
4
3
x1 x1
6 12 24 6 14,8 24
x1
6 12 24
Définition : Un ensemble E non vide est dit convexe si et seulement si pour tout
élément x et y de E et pour tout [0,1], x + (1-) yE.
On peut vérifier facilement que chacun des demi-plans 1, 2 ,3 est convexe en
vérifiant que pour toute paire de points P1 et P2, l’ensemble des points qui
forment le segment [P1P2] appartient au demi-plan.
Théorème : L’intersection d’ensembles convexes (non vide) est convexe.
Propositions : L’ensemble des solutions réalisables (non vide) est convexe.
13
x2
12
x1
6 24
x1 x 2 0
Pour z=6, c’est à dire que le nombre de pilules à prescrire est égale à 6 pilules.
La fonction objectif est représentée comme suit :
x2
12
x1
6 24
x1 x 2 6
Chaque point du segment qui relie les points (6,0) à (0,6) représente des
solutions qui engendrent une prescription avec 6 pilules des deux tailles.
On peut tracer une infinité de droites qui représentent les différentes valeurs de
la fonction objectif, toutes ces droites ont le même coefficient directeur (-1). Par
suite elles sont parallèles entre elles. De plus on peut diminuer la valeur de z
indéfiniment dans le sens indiqué dans la figure ci-dessous.
x2
12
x1
6
z 18
z 6 z 12
Le problème est de connaître qu’elle est la droite qui correspond à la valeur
minimal de la fonction objectif ?
14
x2
12
B
x1
6 12
Z=10
Dans notre exemple, la solution optimale est l’intersection des deux contraintes
2 x 1 +x 2 ≥12 et 5 x1 +8 x2 ≥74 . Une évaluation des coordonnées de ce point
revient à résoudre le système linéaire suivant :
{2 x1+x2=12 ¿ ¿¿¿
Elle correspond d’après le graphique au point (2,8). Donc la prescription
optimale est de 2 pilules de petite taille et 8 pilules de grande taille. Le nombre
de pilules (la valeur de la fonction objectif) est égale à 10.
12 A
B
3 C D
x1
6 12
15
VI. Exemples
Problème de maximisation
Max 100 x 1 +200 x 2 x2 (2)
(4)
A
s .c . x1 + x2 ≤150 (1) B
110
4 x1 +2 x 2 ≤440 (2) C
(3)
x 1 +4 x 2≤480 (3 ) Z=0 30
D (1)
x1 ≤90 (4 ) 40
E x1
x 1≥0 , x 2 ≥0
la solution optimale est B(40,110)
s .c . x1 ≤5 (1 ) (2)
2 x1 −3 x 2≤6 (2 )
x 1≥0 , x 2 ≥0
5 x1
Z=0
(1)
Problème impossible
Min 3 x1 +2 x 2 x2
s .c . x1 +2 x 2 ≤2 (1)
2 x1 +4 x 2 ≥8 (2)
x 1≥0 , x 2 ≥0
x1
(2)
(1)
16
L’espace des solutions réalisables est vide, il est l’intersection des deux zones
grises de la figure ci-dessus
x 2 ≤4 (3)
10 x1
x 1≥0 , x 2 ≥0
Z=0
L’ensemble des points décrit par le segment [AB] représente les solutions
optimales du problème linéaire
Problème de dégénerescence
Max x1 +x 2 x2
(2)
Réponse :
17
x2
12
B
x1
6 12
Z=10
Réponse :
x2 (2)
(4)
A
B
110
C
(3)
Z=0 30
D (1)
E x1
40
18
CHAPITRE 3
La Méthode de Simplexe
I. Introduction
19
algébrique pour résoudre les programmes linéaires avec plus que deux variables
fera l’objet de ce chapitre. C'est la méthode de simplexe.
20
III. Revue algébrique de la méthode du simplexe
En deuxième lieu, ce ne sont pas toutes les solutions qui vérifient (3.2)-(3.5) qui
sont des solutions du programme linéaire ; ils doivent en plus satisfaire les
contraintes de nonnégativité. Ainsi une procédure algébrique doit être capable
d’éliminer, de l’ensemble des solutions qui satisfait (3.2)-(3.1) celles qui
n’arrivent pas à satisfaire les contraintes de non négativité.
La méthode de simplexe est une procédure algébrique qui tient compte de ces
trois considérations.
On note qu’une solution de base n’est pas toujours réalisable. C’est le cas de la
solution qu’on vient de retrouver.
21
A partir de ce point la méthode du simplexe va générer successivement des
solutions réalisables de base pour notre système d’équations en s’assurant que la
valeur de la fonction objectif est en train d’augmenter jusqu'à localiser la
solution optimale du problème qui est un point extrême de l’espace des solutions
réalisables donc une solution réalisable de base.
Alors une solution réalisable de base est obtenue en annulant les (n-m) variables
de décision et la valeur des variables d'écart est directement donnée par le
second membre. La deuxième propriété assure la satisfaction des contraintes de
nonnégativité des variables d'écart.
Dans notre exemple, la forme standard du programme linéaire vérifie ces deux
propriétés.
Après avoir mis le programme linéaire sous une forme qui vérifie les deux
propriétés P1 et P2, l’étape suivante est de tracer le tableau de simplexe initial.
22
cj coefficient correspond aux variables
A = (aij)i,j
Cicoefficients des QiValeur des matrice des coefficients
VB variables
variables debase
debase variables debase des contraintes du programme
standard
100 200 0 0 0 0
x1 x2 x3 x4 x5 x6
0 x3 150 1 1 1 0 0 0
0 x4 440 4 2 0 1 0 0
0 x5 480 1 4 0 0 1 0
0 x6 90 1 0 0 0 0 1
On remarque qu’on a placé en première ligne les contributions unitaires de
toutes les variables de décision x1,..., x6 dans la fonction objectif. Dans la
troisième ligne, on retrouve la première contrainte x1 + x2 + x3 = 150. La valeur
150 représente ici la valeur de S1 relative à la solution réalisable de base initiale.
Dans la première colonne on trouve les contributions nulles des variables d'écart
qui forment la solution de base initiale.
Exemple :
Question : Quelles sont les contraintes et la fonction objectif du programme
linéaire décrit par le tableau de simplexe suivant :
6 7 0 0
x1 x2 x3 x4
0 x3 150 4 2 1 0
0 x4 440 1 5 0 1
23
Remarque : Les variables qui figurent dans la deuxième colonne sont dites
variables de base. A chacune de ces variables, on associe la valeur 1 à
l’intersection de la ligne et de la colonne relative à cette variable et dans le reste
de la colonne on trouve des zéros.
b. Amélioration de la solution
Pour améliorer la solution il faut générer une autre solution de base (point
extrême) qui augmente la valeur de la fonction objectif. C’est à dire, qu’on doit
sélectionner une variable hors base et une variable de base et les permuter de
telle façon que la nouvelle solution donne une plus grande valeur de la fonction
objectif.
Pour savoir si on peut améliorer notre solution réalisable de base initiale nous
allons introduire deux nouvelles lignes au-dessus du tableau de simplexe.
24
∑ a ij×ci
zj = i
La deuxième ligne, notée cj - zj, représente l’effet net de l’augmentation d’une
unité de la jème variable.
Dans notre exemple, l’effet net sur la fonction objectif engendré par
l’augmentation d’une unité dans la valeur de x1 est
c1 - z1 = 100 - 0 = 100
100 200 0 0 0 0
x1 x2 x3 x4 x5 x6
0 x3 150 1 1 1 0 0 0
0 x4 440 4 2 0 1 0 0
0 x5 480 1 2 0 0 1 0
0 x6 90 1 0 0 0 0 1
zj 0 0 0 0 0 0
cj - zj 100 200 0 0 0 0
Cette augmentation ne peut pas se faire infiniment, sous l’hypothèse que x1 reste
nulle. On a
x1 + x3 = 150
2x2 + x4 = 440
4x2 + x5 = 480
x4 + x6 = 90
On peut voir que x2 peut prendre comme valeur maximale la valeur de 100 (il ne
faut pas oublier que les xi,i= 3, 4, 5, 6 sont des variables positives). Cette valeur
est obtenue en choisissant la plus petite valeur positive des divisions de 100/1,
440/2, 480/4 et 90/0 (on suppose que 90/0 est égale à l’infini ).
25
matrice A relatif à la jème variable. Ces rapports feront l’objet d’une autre colonne
à droite de la matrice A.
100 200 0 0 0 0
x1 x2 x3 x4 x5 x6
0 x3 100 1 1 1 0 0 0 150
0 x4 440 4 2 0 1 0 0 220
0 x5 480 1 4 0 0 1 0 120
0 x6 90 1 0 0 0 0 1
0 0 0 0 0 0
100 200 0 0 0 0
100 200 0 0 0 0
x1 x2 x3 x4 x5 x6
0 x3
0 x4
200 x2
0 x6
Ce qui reste à déterminer sont les coefficients aij de la nouvelle matrice A et les
valeurs Qi des variables de base. Ceci est réalisé en utilisant la règle de pivot :
26
1. Diviser le ligne de pivot par la valeur de l’élément de pivot pour trouver la
ligne transformée de la ligne de pivot.
100 200 0 0 0 0
x1 x2 x3 x4 x5 x6
0 x3
0 x4
200 x2 120 1/4 1 0 0 -1/4 0
0 x6
100 200 0 0 0 0
x1 x2 x3 x4 x5 x6
0 x3 0 1 0 0
0 x4 0 0 1 0
200 x2 120 1/4 1 0 0 -1/4 0
0 x6 0 0 0 1
100 200 0 0 0 0
x1 x2 x3 x4 x5 x6
0 x3 150 1 1 1 0 0 0
0 x4 440 4 2 0 1 0 0
0 x2 480 1 4 0 0 1 0
0 x6 90 1 0 0 0 0 1
150×4−480×1 0×4−1×1 1
=30 =−
4 4 4
27
100 200 0 0 0 0
x1 x2 x3 x4 x5 x6
0 S3 30 0 1 0 -1/4 0
0 S4 0 0 1 0
200 S5 120 1/4 1 0 0 -1/4 0
0 S6 0 0 0 1
En appliquant cette règle sur notre exemple, on trouve le tableau suivant :
100 200 0 0 0 0
x1 x2 x3 x4 x5 x6
0 x3 30 3/4 0 1 0 -1/4 0
0 x4 200 7/2 0 0 1 -1/2 0
200 x5 120 1/4 1 0 0 -1/4 0
0 x6 90 1 0 0 0 0 1
Remarques:
a) On vérifie toujours que les colonnes de la matrice relative à chacune des
variables de base sont formées par des zéros sauf 1 dans l’intersection avec la
ligne relative aux mêmes variables de base.
b) On peut vérifier aussi que l’ensemble des solutions réalisables, induit par les
contraintes décrites dans le dernier tableau de simplexe, est le même que
celui représenté par les contraintes initiales. La règle de pivot est une
combinaison linéaire des contraintes du programme linéaire donc elle ne
change pas l’ensemble des solutions réalisables.
28
doit ajouter les deux lignes relatives au choix de la variable entrante, et la
colonne relative au choix de la variable sortante.
100 200 0 0 0 0
x1 x2 x3 x4 x5 x6
0 x3 30 3/4 0 1 0 -1/4 0 40
0 x4 200 7/2 0 0 1 -1/2 0 400/7
200 x2 120 1/4 1 0 0 1/4 0 480
0 x6 90 1 0 0 0 0 1 90
50 200 0 0 50 0
50 0 0 0 -50 0
La variable entrante est x1 ; elle présente la plus grande valeur cj- zj. Si on calcule
les quotients Qi/ci1, on retrouve que la variable sortante est x3 à qui on associe la
plus petite valeur du ratio Q1/c11=40. L’élément pivot dans ce tableau est 3/4. La
nouvelle base est composée de x1, x4, x2, x6.
Le tableau de simplexe suivant issu de l’application de la règle de pivot est :
100 200 0 0 0 0
x1 x2 x3 x4 x5 x6
100 x1 40 1 0 4/3 0 -1/3 0
0 x4 60 0 0 -14/3 1 2/3 0
200 x2 110 0 1 -1/3 0 1/3 0
0 x6 50 0 0 -4/3 0 1/3 1
Cette nouvelle solution
x1 = 40
x2 = 120
x3 = 0
x4 = 60
x5 = 0
x6 = 50
correspond au point B qui est, d’après les résultats retrouvée par la méthode
graphique, la solution optimale du problème. Ainsi, il faut s’attendre à ce que la
méthode de simplexe reconnaisse cette solution comme étant la solution
optimale.
100 200 0 0 0 0
x1 x2 x3 x4 x5 x6
29
100 x1 40 1 0 4/3 0 -1/3 0
0 x4 60 0 0 14/3 1 2/3 0
200 x2 110 0 1 -1/3 0 1/3 0
0 x6 50 0 0 -4/3 0 1/3 1
100 200 200/3 0 100/3 0
0 0 -100/3 0 -100/3 0
L’effet net associé aux variables hors base x3 et x4 est négatif. Ceci nous oblige à
dire que faire entrer une de ces deux variables dans la base va engendrer une
diminution dans la valeur de la fonction objectif. Donc il n’y a pas une autre
solution réalisable de base qui peut engendrer un profit meilleur. Par suite cette
dernière solution est la solution optimale. Ce dernier tableau de simplexe est
donc dit tableau optimal.
Etapes Justification
1. Formuler un programme linéaire Pour obtenir une représentation
pour le problème réel. mathématique du problème
2. Vérifier que le second membre du Ceci est nécessaire pour obtenir comme
programme linéaire est positif variable de base initiale l’origine
3. Ecrire le programme linéaire sousMettre toutes les contraintes sous forme
une forme standard d’égalité
4. Construire le premier tableau de Ce tableau correspond à la solution initiale
simplexe de base
5. Choisir comme variable entrante La valeur de cj-zj indique la quantité
dans la base celle qui admet le plusd’augmentation de la fonction objectif si
grand effet net positif cj-zj. on augmente la valeur de xjd’une unité.
6. Choisir la variable sortante de la
La plus petite valeur de Qi/aij indique le
base celle qui admet le plus petit ratio
nombre maximal d’unité de xj qu’on peut
supérieur à zéro. introduire avant que la variable de base de
l’ième ligne ne soit égale à zéro.
7. Construire le nouveau tableau en Cette règle nous permet entre autre de
30
utilisant la règle de pivot calculer les valeurs des nouvelles variables
de décision
8. Faire le test d’optimalité. Si Si (cj-zj) 0 alors on n’a pas d’intérêt à
(cj-zj) 0 pour toutes les variables faire entrer dans la base aucune de ces
(hors base), la solution obtenue est variables. Une telle introduction engendra
donc optimale. Sinon retourner à une diminution de la fonction objectif.
l’étape 5.
Chapitre 4 :
31
I – PROBLEMES D’ORDONNANCEMENT
A. Notion de projet
1) Contraintes potentielles
On distingue :
Les contraintes de succession encore appelées contraintes d'antériorité qui
se traduisent par le fait qu'une tâche A ne peut commencer que si la tâche B
est achevée;
Les contraintes de localisation temporelle qui impliquent qu'une tâche A ne
peut débuter avant une date imposée (par exemple, appareil non disponible
avant cette date) ou ne peut se terminer après une date imposée (exemple :
appareil à libérer impérativement avant cette date).
2) Contraintes disjonctives
32
Ces contraintes imposent la non réalisation simultanée de deux tâches A et B
(pour des raisons d'utilisation d'un même appareil, par exemple, ou cause de
besoin de main d'œuvre).
3) Contraintes cumulatives
B. Notion de tâche
Une "tâche" ou "activité" est une opération. L'ensemble des tâches forme le
projet. On peut donc la définir comme étant l'unité ou l'élément du projet. On
associe à chaque tâche sa durée et une contrainte d'antériorité par rapport aux
autres tâches. C'est ainsi, qu'on dira que A est immédiatement antérieure à B si
B ne peut débuter que lorsque A est achevée.
C. Méthode d'ordonnancement
33
2) Le Program Evaluation and Review Technique (PERT) datant de 1958 à
l'époque où la marine américaine devait réaliser dans les meilleurs délais, le
système d'armes polaris, c'est-à-dire des missiles à longue portée, embarqués
dans des sous-marins et doté d'une ogive nucléaire sous la responsabilité de
l'amiral Rayburn.
1) Principe de construction
34
Le diagramme de Gantt se présente sous la forme d'un tableau quadrillé
dans lequel une colonne correspond à une unité de temps et une ligne à une
tâche ou opération. La tâche se matérialise par une barre horizontale dont la
longueur représente la durée ( de la tâche). Le travail effectif ou le déroulement
réel du projet se présente parfois, par des barres horizontales en pointillés, juste
au-dessus de celle figurant les prévisions, comme l'indique la Fig.1.
2) Exemple d'application
Tem 1 2 3 4 5 6 7 8 9 1 11 12 13 14 15
ps 0
Tâch
es
A
B
35
D
On constate, au 15ème mois, que toutes les tâches ont respecté les délais
impartis, sauf A et E. La tâche A est en retard d'un mois, et la tâche E de 2 mois.
Les tâches B et F succèdent à A sont réalisé complètement alors que B et E
succèdent à C ne le sont pas simultanément; commencées à la même date, seule
la tâche D s'est terminée dans le délai imparti.
36
La construction de tout réseau-PERT doit obéir aux conventions
fondamentales ci-dessous :
1) deux tâches successives doivent être représentées par deux flèches placées
l'une à la suite de l'autre (Fig.2);
2) chaque arc représente une tâche élémentaire. Si la tâche "i" doit être
antérieure à la tâche "j", l'extrémité finale de l'arc "i" coïncide avec
l'extrémité initiale de l'arc "j";
3) les sommets des graphes représentent alors des "étapes" dans le déroulement
des opérations;
4) le graphe doit posséder une "entrée", sommet sans antécédent qui est
l'extrémité initiale des arcs associés aux tâches sans antécédent, c'est-à-dire,
celles pouvant commencer sans préalable. Ce sommet correspond à "l'étape
début des opérations".
De même le graphe doit posséder une "sortie", sommet sans successeur
l'extrémité finale des arcs associés aux tâches sans successeur : ce sommet
correspond à l'étape "fin des opérations".
5) Chaque tâche doit correspondre à une tâche et une seule.
6) Le graphe ne doit contenir ni boucles ni circuits.
7) Le graphe doit comporter le moins possible de croisements d'arcs.
8) Chaque sommet correspondant à une étape doit être représenté par un cercle
à l'intérieur duquel est prévu un système de repérage (numéro ou lettre)
permettant de l'identifier et de suivre aisément l'ordre de succession des
tâches.
9) Afin de faciliter la consultation du graphe, il est conseillé d'orienter les
flèches de la gauche vers la droite.
Une tâche fictive est une tâche de durée nulle ne mettant pas en jeu aucun
moyen matériel et financier. Elle est généralement représentée par des arcs ou
flèches en pointillés. L'introduction des taches fictives permet de solutionner
certaines situations complexes et de lever des ambiguïtés, par exemple lorsque
37
deux ou plusieurs opérations sont menées parallèlement ou lorsque deux ou
plusieurs tâches ont même sommet initiale et même sommet finale.
1er exemple-type
Représenter le cas suivant :
Fig.3
1 i 2 3 k
1 2 3
4 j 6
l
5
1 2 3
Fig.4
i
k
j
l
2èm exemple-type
38
3
i j
1
1 2
j i
2
tâche fictive
3
étape fictive
V - LE PERT-TEMPS
A. recherche du chemin critique - date au pus tôt - date au plus tard d'un
événement
1) Chemin critique
39
2) Dates au plus tôt d'un événement
Il s'agit de la date avant laquelle une tâche ne peut démarrer. C'est donc la
date attendue de réalisation d'un événement ou date avant laquelle un événement
ne peut se réaliser.
a - Position du problème
B - Intervalle de flottement
C - Les marges
40
On distingue trois sortes de marges : marge totale, marge libre et marge
certaine pour chaque tâche.
Ei Ej
Ej
Ei
tj t'j
ti t'i
4-2) La marge totale d'une opération est le retard maximum que l'on peut
apporter à son démarrage sans perturber la date de fin des travaux.
41
Pratiquement, la marge totale représente la fluctuation maximale pour la
tâche considérée, à condition qu'elle est commencée le plus tôt possible.
Notons que si une marge totale a été utilisée, certaines tâches subséquentes
deviennent critiques et il apparaît alors un deuxième chemin parfois appelé
chemin sous-critique. En effet, si, le retard est égale la marge totale, la tâche
ne dispose plus d'aucune marge, c'est pour cela qu'elle devient critique, de
même qu'un certain nombre de tâches, qui lui succèdent. Par ailleurs, si le
retard dépasse la marge totale, l'excédent se répercute sur la date de la fin du
projet qui se trouve alors décalée d'autant.
4-3) La marge certaine est le retard maximum, que l'on peut apporter à son
démarrage sans perturber la date de réalisation au plus tôt de l'événement
suivant, bien que l'événement précédent n'ait été réalisé qu'à sa date limite.
5.1) l'on recueille des informations aussi à partir des exécutants qui les
appliquent qu'à partir de la direction du projet appelée à faire des
retouches permanentes au fur et à de l'avancement des travaux.
5.2) Ces informations recueillies se présentent sous des formulaires
spéciaux et compréhensibles par tous. Ces formulaires mettront
suffisamment en évidence, l'ensemble des points importants du projet
auxquels les exécutants devront consigner les dates effectivement
atteintes et les écarts positifs ou négatifs observés par rapport aux
prévisions. C'est ainsi qu'il sera nécessaire de dresser la liste des tâches
du projet en les classant par rubriques ou par date de début ou de fin. Par
exemple:
- Par ordre croissant de date de début au plus tôt;
- Par ordre croissant de date de début au plus tard;
- Par ordre croissant de date de fin au plus tôt;
- Par ordre croissant de date de fin au plus tard;
- Par marge totales croissantes.
En pointant le travail effectivement fait, on pourra donc facilement savoir
si les dates de début et de fin ont été ou non respectées. A ce propos,
la liste des dates au plus tard permettra immédiatement de déceler les
tâches devenues critiques, tout comme la lite des marges croissantes
permettra de situer l'état d'avancement de l'ensemble du projet.
5.3) Après la collecte des informations quant à l'état d'avancement du
projet et le choix du mode de leur présentation, il faut les dépouiller
soigneusement, les trier et enfin les départager, les tâches critiques (qui
42
ne doivent souffrir d'aucun retard) des tâches non critiques (présentent
plus de souplesse au niveau de l'exécution).
5.4) Il faudra ensuite procéder au traitement des différentes
informations provenant de l'échange des données entre les exécutants et
les décideurs, et procéder aux corrections et " recorrections " diverses.
5.5) Ensuite, arrivent les phases de l'analyse et de l'interprétation.
5.6) Et enfin, la phase d'imputation des responsabilités, et la mise sur
pied d'actions correctrices Suivies de contrôles, sinon, permanents du
moins intermittents permettant de s'assurer que les nouvelles mesures
correctrices sont respectées et portent leur fruit.
Tâches A B C D E F G H
Tâches A B A C, B F,G
précédentes D
- Réponse au thème 1
1
E(6)
A(3)
S
C(4)
E
3 F(2) 4 H(1)
2 43
D(2)
B(4) G(4)
Nom de l'étape
Date au plus tôt
3
1
E(6) 10
A(3)
S
0 C(4)
E 7
3 F(2) 4 H(1)
D(2)
B(4) 2 G(4)
44
Fig.8 : Dates au plus tôt (à gauche du cercle)
tE= 0
t1= tE+ 3
t2= tE+ 4
t3= Max{t1+4, t2+2}
= Max{3+4, 4+2}
=7
t4= Max{t2+4, t3+2}
= Max{4+4, 7+2}
=9
tS= Max{t1+6, t4+1}
= Max{3+6, 9+1}
= 10
La durée minimum de l'ouvrage est de 10 jours.
1
E(6)
A(3)
S
3
C(4)
E 10
3 F(2) 4 H(1)
D(2)
B(4) 2 G(4)
0 9
7
45
5
On reconnaît les tâches critiques par l'égalité qu'il y a entre leurs dates au
plus tôt et au plus tard. Et comme le chemin critique passe par les taches
critiques depuis l'entrée (E) jusqu'à la sortie (S), il suffira donc de repérer les
tâches critiques, de passer un trait épais dessus ou alors tracer deux traits pour
bien mettre en évidence ledit chemin critique (voir Fig.10).
Fig. : Récapitulation des résultats; dates au plus tôt et dates au plus tard.
Chemin critique
1
E(6)
A(3) Fig.10
S
C(4)
E
3 F(2) 4 H(1)
D(2)
B(4) G(4)
2
46
Thème 2 : Construction d’un « réseau PERT » par utilisation de niveau de
génération. Chemin critique ; calcul de marges et des intervalles de
flottement.
La construction d’un entrepôt peut se décomposer en 10 tâches reliées
entre elles par des conditions d’antériorité. L’entreprise chargée de cette
construction vous communique le tableau des enchaînements des différentes
activités, avec indication des durées respectives de chaque tâche (voir tableau
annexe). Pour planifier son travail, elle vous demande de représenter sur un
graphe, le chemin critique indiquant le temps minimum nécessaire pour la
réalisation de ce projet.
Tableau annexe
Désignation Activités pré requises Durée
(jours)
A Acceptation des plans
B Préparation du terrain 4
C Commande des matériaux 2
D Creusage des fondations A 1
E Commande des portes et A, B 1
fenêtres A 2
F Livraison des matériaux C 2
G Coulage des fondations D, F 2
H Livraison des portes et E 10
fenêtres G 4
I Pose des murs et de la H, I 1
charpente du toit
J Mise en place des portes et
des fenêtres
Travail à faire :
événement
Ei
47
Date au plus tôt Date au plus tard
ti t’i
Réponse du thème 2
1) Construction d’un réseau-PERT
2 E(2) 5
H(10)
A(4) J(1)
C(1) 8 9
1 4
I(4)
F(2)
3
B(2) 7
6
D(1) G(2)
2 E(2) 5
H(10)
A(4) J(1)
48
C(1) 8 9
1 4
I(4)
F(2)
3
B(2) 7
6
D(1) G(2)
2 E(2) 5
A(4) H(10)
C(1) 8 J(1) 9
1 4
V(0)
3 F(2) I(4)
B(2)
6 7
D(1) G(2)
EiEj
Ej
Ei Tache Eij de durée dij
49
tj t'j
ti t'i
50
L’intervalle de flottement d’un sommet Eiest :
IF= t’i-ti
avec
Ei
51
52
53
54