Vous êtes sur la page 1sur 14

Evaluation Technico-économique des

Procédés

COURS

Rédigé par: Pr. LAOUFI N. A.


COURS ETEP Pr. N.A. LAOUFI

Evaluation Technico-économique des Procédés

Chapitre I. Programmation linéaire

I.1. Généralités
I.2. Définitions
I.3. Formulation mathématique et écriture d’un programme
I.4.1. Résolution d’un problème [Max] :
I.4.2. par la méthode analytique ou économique ;
I.4.3. par la méthode géométrique ou graphique ;
I.4.4. par la méthode du tableau des solutions ;
I.4.5. par la méthode algébrique de substitution ;
I.4.6. par la méthode de l’algorithme du simplexe : principe de Dantzig.

Chapitre II. Résolution d’un problème [Min] par la méthode de l’algorithme


du simplexe

Chapitre III. Dualité

III.1. Théorème de la dualité


III.2. Difficultés de certains programmes
III.3. Programme primal
III.4. Programme dual

Chapitre IV. Théorie des graphes

IV.1. Introduction
IV.2. Quelques définitions sur la théorie des graphes
IV.3. Différentes représentations d’un graphe G(X,U)
IV.4. Recherche d’un chemin optimal (le plus long et le plus court) dans un graphe
orienté valué: principe de l’algorithme de Ford pour un chemin max et un
chemin min.

Chapitre V. Gestion des temps. Problème d’ordonnancement

V.1. Définition
V.2. Problèmes d’ordonnancement
V.3. Notion de projet. Tâche et ordonnancements
V.3.1. Notion de projet

LNA
‒1‒
COURS ETEP Pr. N.A. LAOUFI

V.3.2. Notion de tâche


V.3.4. Méthode d’ordonnancement
V.4. Construction d’un réseau PERT, représentation graphique
V.4.1. Convention pour la construction d’un réseau PERT
V.4.2. Cas particulier de l’utilisation des tâches fictives
V.4.3. Le graphe PERT- temps
a) Recherche des niveaux d’un graphe.
b) Date au plus tôt d’un évènement
c) Date au plus tard d’un évènement
d) Recherche du chemin critique
e) Marges, signification et calcul
f) Intervalles de flottement

V.5. Diagramme de Gantt

V.5.1. Avantages et inconvénients

V.5.2. Construction du diagramme de Gantt

LNA
‒2‒
COURS ETEP Pr. N.A. LAOUFI

Chapitre I. Programmation linéaire

I.1. Généralités
La programmation linéaire est l’une des plus importantes techniques d’optimisation
utilisées en recherche opérationnelle. Ceci est dû à la facilité de la modélisation, à l’efficacité
des algorithmes développés et à l’existence sur le marché de nombreux logiciels. La
généralisation de la micro-informatique a mis la programmation linéaire à la portée de tous.
L'objectif de la programmation linéaire est de déterminer l’affectation optimale de
ressources rares entre des activités ou produits concurrents. Les situations économiques
demandent souvent qu’on optimise une fonction sous plusieurs contraintes prenant la forme
d’inégalités.

I.2. Définitions
La programmation linéaire est un ensemble de méthodes techniques d'analyse et de
synthèse que l'on appelle algorithmes, c'est donc un procédé de calcul, qui, en s'appuyant sur
les méthodes mathématiques et statistiques permettent de retrouver la solution optimale des
problèmes économiques de gestion et d'organisation.
La programmation linéaire est un outil mathématique des plus puissants, qui sert à trouver
la solution optimale d’un problème dans la recherche opérationnelle ou de choix dans le
domaine économique, compte tenu d’un ensemble de conditions contraignantes.
• Applications:
– déterminer l'allocation optimale d'un ou plusieurs facteurs (temps, monnaie,
surface, capacité de production);
– déterminer le nombre optimal de machines, d'objets,...;
– établir l’horaire de départ des avions, trains,…;
– développer des plans financiers;
– trouver la meilleure combinaison de matières premières afin de respecter des
exigences sur le produit fini.

Un programme linéaire (PL) comprend:


1. des variables de décision (ou variables principales): elles représentent les décisions à
prendre, ce sont les aspects du problème réel sur lesquelles on peut agir directement (ex.
quantités à produire, etc.);
2. des contraintes:
 elles correspondent aux relations liant les variables de décision entre elles;

 elles renseignent sur les variables de décision à prendre, uniquement des valeurs qui
ont du sens par rapport au problème réel étudié;
 elles peuvent être nombreuses;
 elles doivent être linéaires.
3. une fonction objectif, économique ou objective (Z) (c’est une fonction des variables
de décision):

LNA
‒3‒
COURS ETEP Pr. N.A. LAOUFI

 elle permet de mesurer les performances choisies pour déterminer la meilleure


solution;
 elle permet de maximiser ou minimiser cette fonction (selon ce qu’elle mesure);
 une seule fonction économique Z est représentée dans un Programme Linéaire.

Ex : Maximiser les Profits ou Minimiser les Coûts (ou les chutes,...)

PL allouer des ressources limitées (en respectant des ``contraintes’’)


afin d’optimiser une certaine fonction objectif Z.

Pourquoi les modèles linéaires sont-ils importants?


• Une grande variété de problèmes est naturellement modélisée avec la formulation
linéaire et d’autres problèmes peuvent facilement être approximés par cette structure.
• Il existe des techniques très efficaces de résolution pour ces modèles (algorithme du
simplexe).
• Les résultats obtenus après résolution du modèle fournissent des informations sur la
sensibilité de la solution optimale par rapport à des changements dans les paramètres
ou les coefficients du problème.

Conditions d'établissement d'un Programme Linéaire (PL)


1) Une fonction objectif à Maximiser ou à Minimiser
2) La fonction objectif et les contraintes sont des sommes de termes linéaires:

i) pas de produits ou divisions entre variables

ii) pas de fonctions mathématiques, c.-à-d. exposants, valeurs absolues, logarithmes,


etc.)

iii) pas de conditions logiques, fonctions SI …

3) Contraintes de Non Négativité pour chaque variable de décision xi, (elles doivent toutes
être positives ou nulles car elles ont un sens physique, donc xi ≥ 0)

4) Il n’y a aucune inégalité stricte (pas de < ou de > ) aussi bien pour les variables d'écart
que pour les contraintes mais des égalité au sens large (≤ ou  ).

I.3. Formulation mathématique et écriture d’un programme


Les contraintes doivent obligatoirement être citées dans l'ordre de leur apparition
dans le texte et ne doivent pas être modifiées.
I.3.1. Problème de maximisation
Soit la fonction économique Z à maximiser sous un certain nombre de contraintes.

LNA
‒4‒
COURS ETEP Pr. N.A. LAOUFI

Le programme linéaire s'écrit:


xj ≥ 0, j = 1, 2, … . . , n Contraintes de non négativité

∑n+m m
j=1 aij xj ≤ ∑i=1 di i = 1, 2, … , m Contraintes du problème
(I) 𝑛

Z = ∑ Cj xj [Max] Fonction objectif


𝑗=1

Le système précédent développé s'écrit:

x1 ≥ 0 , x2 ≥ 0 ,… , xn ≥ 0

a11 x1 + a12 x2 + a13 x3 + ...+ a1n xn ≤ d1

a21 x1 + a22 x2 + a23 x3 + ...+ a2n xn ≤ d2


(II)
...............................................................................
am1 x1 + am2 x2 + am3 x3 + ...+ amn xn ≤ dm

Z = C1 x1 + C2 x2 + C3 x3 + … Cn xn [Max]

Tout ensemble X = (x1, x2, ..., xn) qui vérifie les conditions citées en (I) ou en (II), est
appelé programme réalisable ou admissible.

Le domaine des programmes linéaires admissible à réaliser est un polyèdre convexe et la


fonction économique Z atteint son optimum (maximum) au niveau d'un sommet du polyèdre
formé par la représentation de l'ensemble des contraintes.

I.3.2. Problème de minimisation

xj ≥ 0, j = 1, 2, … . . , n contraintes de non − négativité

n+m m

∑ aij xj ≥ ∑ di i = 1, 2, … , m Contraintes du problème


j=1 i=1

Z = ∑ Cj xj [Min] Fonction économique


𝑗=1

LNA
‒5‒
COURS ETEP Pr. N.A. LAOUFI

Le domaine des programmes linéaires admissible à réaliser est un polyèdre concave et la


fonction économique Z atteint son optimum (minimum) au niveau d'un sommet du polyèdre
formé par la représentation de l'ensemble des contraintes.

I.3.3. Formulation mathématique d'un problème de maximisation


Une entreprise dispose de 3 machines M1, M2 et M3 pour fabriquer 3 produits P1, P2 et P3.
Pour fabriquer une unité de P1, la machine M1 est utilisée pendant 1 heure, la machine M2 est
utilisée pendant 3 heures et la machine M3 est utilisée pendant 1 heure.
Pour fabriquer une unité de P2, la machine M1 est utilisée pendant 3 heures, la machine M2
est utilisée pendant 2 heures et la machine M3 est utilisée pendant 3 heures.
Pour fabriquer une unité de P3, la machine M1 est utilisée pendant 2 heures, la machine M2
est utilisée pendant 1 heure et la machine M3 est utilisée pendant 4 heures.
Sachant que la machine M1 ne peut être utilisée plus de 40 heures /semaine, la machine M 2
ne peut être utilisée plus de 45 heures /semaine, la machine M3 ne peut être utilisée plus de 38
heures /semaine.
La vente d'une unité des produits génère un profit net de 10 Unités Monétaires (UM) par
article P1, 14 Unités Monétaires (UM) par article P2 et 12 Unités Monétaires (UM) par article
P3 .

Question
Déterminer la production totale des produits P1, P2 et P3 qui assure à l'entreprise un profit
net maximum.
(x1) (x2) (x3)
Durée maximale d'utilisation de
P1 P2 P3 chaque machine / semaine
(heures)

M1 1 3 2 40
M2 3 2 1 45
M3 1 3 4 38
Profit
10 14 12
net/unité (UM)

Formulation mathématique du problème


1. Détermination des variables de décision
Soient x1, x2 et x3 les nombres d'unités respectifs des produits P1, P2 et P3 pouvant être
fabriqués en une semaine pour générer un profit net maximum.
Contraintes de non négativité: x10, x20, x30
2. Etablissement des contraintes du problème
Elles correspondent au temps d'utilisation de chaque machine par semaine:
Pour la machine M1: 1x1 + 3x2 + 2 x3  40 temps maximal d'utilisation de
la machine M1 par semaine (h).

LNA
‒6‒
COURS ETEP Pr. N.A. LAOUFI

Pour la machine M2: 3 x1 + 2x2 + 1x3  45 temps maximal d'utilisation de


la machine M2 par semaine (h).
Pour la machine M3: 1x1 + 3x2 + 4 x3  38 temps maximal d'utilisation de
la machine M3 par semaine (h).

3. Etablissement de la fonction économique Z (objectif ou objective)


Elle correspond au bénéfice net maximum que l'entreprise peut générer par semaine, par la
vente des x1 produits P1, x2 produits P2 et x3 produits P3 réunis.

Z = 10 x1 + 14x2 + 12 x3 [Max]

Forme canonique du programme linéaire

x10, x20, x30


x1 + 3x2 + 2 x3  40
3 x1 + 2x2 + x3  45
3 x1 + 2x2 + x3  38
Z = 10 x1 + 14x2 + 12 x3 [Max]

I.3.4. Formulation mathématique d'un problème de minimisation


Une entreprise distributrice d'électricité doit faire face à une commande de 1200 MW
(mégawatts), en utilisant des groupes de production de puissances unitaires égales à 75 MW,
150 MW et 300 MW respectivement, qui sont fabriqués par l'industrie nationale. La
fabrication nationale ne permet pas de produire sur la période considérée plus de 2 unités de
300 MW et plus de 7 unités de 150 MW.
Les coûts d'acquisition de chacun des groupements de 75, 150 et 300 MW sont
respectivement de 200, 400 et 600 UM.
Déterminer le programme d'équipement de l'entreprise, c'est à dire le nombre d'unités de
production de chaque type de groupe, de manière à minimiser les dépenses d'investissement
de l'entreprise.

(x1) (x2) (x3)


Puissance des groupes (MW) 75 150 300
Nombre de groupements
---- 7 2
fabriqués
Prix d'acquisition de chaque
200 400 600
unité (UM)

LNA
‒7‒
COURS ETEP Pr. N.A. LAOUFI

Formulation mathématique du problème


1. Détermination des variables de décision
Soient x1, x2 et x3 le nombre d'unités de chaque type de groupe à installer pour faire face
à la commande de 1200 MW.

Contraintes de non négativité: x10, x20, x30


2. Etablissement des contraintes du problème
Elles correspondent au nombre de groupes de différentes puissances pouvant être
fabriqué (a et b) et à la commande en énergie (c).
a) x2  7 nombre de groupes de 150 MW disponible.
b) x3  2 nombre de groupes de 300 MW disponible.
c) 75 x1 + 150x2 + 300 x3  1200 commande minimale en énergie (en MW).

3. Etablissement de la fonction économique Z (objectif ou objective)


Elle correspond au nombre de groupes de différentes puissances à acquérir pour faire face
à la commande de 1200 MW, de manière à minimiser les dépenses d'investissement de
l'entreprise.

Z = 200 x1 + 400x2 + 600 x3 [Min]

Forme canonique du programme linéaire

x10, x20, x30


x2  7
x3  2
75 x1 + 150x2 + 300 x3  1200
Z = 200 x1 + 400x2 + 600 x3 [Min]

I.4. Résolution d’un problème de maximisation [Max]


Une entreprise a la possibilité de fabriquer deux produits P1 et P2 sur une machine M1,
cette dernière ne peut être utilisée plus de 40 heures par semaine, le rendement de la machine
est de 15 articles par heure.
Pour chacun des deux produits, suite à une étude de marché, les possibilités de vente ne
dépassent pas 400 articles P1 et 300 articles P2 par semaine.
Le profit net par article est de 2 UM pour une unité de P1 et 5 UM pour une unité de P2.
Repartir les capacités de production entre les deux produits de façon à maximiser le profit
net de l'entreprise.

I.4.1. Méthode analytique ou économique


Cette méthode de résolution limite le nombre de variables de décision à 2 ou 3.
La résolution peut se faire de différentes manières, nous en proposons la suivante:

LNA
‒8‒
COURS ETEP Pr. N.A. LAOUFI

Le profit étant l'objectif de l'entreprise, cette dernière doit vendre un maximum de produits
P2 (300 articles) puisque le bénéfice net généré par la vente d'une unité de P 2 (5 UM) est
supérieur à celui de P1 (2 UM).
i) Le temps d'utilisation de la machine pour la fabrication des 300 articles P2 est de: 300*
1/15 = 20 h.
ii) Le bénéfice net généré par la vente des 300 articles P 2 par semaine est de: 300 * 5 =
1500 UM
iii) Le temps restant pour la fabrication des articles P1 est de: 40 - (300/15) = 20
heures/semaine.
iv) Le nombre d'articles P1 que l'entreprise peut fabriquer et vendre est égal à : 20 *15/ 1=
300 articles par semaine.
v) Le bénéfice net généré par la vente des 300 articles P 1 est de : 2 * 300 = 600 UM
vi) Le profit net généré par la vente de 300 articles P 1 et 300 articles P2 est de: 1500 UM +
600 UM = 2100 UM par semaine.

L'entreprise doit fabriquer 300 articles de produit P 1 et 300 articles de produit P2 par semaine
pour générer un profit net maximum de 2100 UM.

I.4.2. Méthode graphique ou géométrique


Cette méthode de résolution limite le nombre de variables de décision à 2.
Après avoir établi la formulation mathématique du problème, effectuer les 4 étapes
suivantes:
1. représenter graphiquement les contraintes du programme;
2. déterminer l'ensemble des solutions admissibles ou le domaine des solutions
acceptables;
3. représenter graphiquement la fonction économique ou procéder à l'énumération des
sommets du polyèdre des solutions admissibles;
4. déterminer l'optimum soit en calculant la valeur des variables principales et Z au
niveau de chaque sommet, soit en représentant la fonction économique en la déplaçant, soit
dans le sens de son éloignement de l'origine, si elle se trouve dans le domaine des solutions
admissibles, soit en s'en rapprochant si elle se trouve à l'extérieur du domaine des solutions
admissibles, jusqu'à ce qu'elle soit tangente au périmètre du polyèdre convexe représentant le
domaine des solutions admissibles.

Formulation mathématique du problème


1. Détermination des variables de décision
Soient:
x1: le nombre d'articles P1 que l'entreprise doit fabriquer par semaine pour générer
un profit net maximum.
x2: le nombre d'articles P2 que l'entreprise doit fabriquer par semaine pour générer
un profit net maximum.

LNA
‒9‒
COURS ETEP Pr. N.A. LAOUFI

Contraintes de non négativité: x10, x20

2. Etablissement des contraintes du problème


a) x1  400 nombre d'articles P1 maximum que l'entreprise doit fabriquer
par semaine pour pouvoir les écouler.
b) x2  300 nombre d'articles P2 maximum que l'entreprise doit fabriquer
par semaine pour pouvoir les écouler.
x1 + x2
Ou c) 1 * ≤ 40
15
temps maximum d'utilisation de la machine par semaine (h).
c') x1 + x2  600

3. Etablissement de la fonction économique Z (objectif ou objective)


Elle correspond au bénéfice maximum généré par la vente de x1 produits P1 et x2 produits
P2 réunis par semaine.

Z = 2 x1 + 5x2 [Max]

L'objectif est de déterminer les valeurs de x1 et x2 qui satisfont les contraintes a), b) et c').

Forme canonique du programme linéaire

x10, x20
x1  400
x2  300
x1 + x2  600
Z = 2 x1 + 5x2 [Max]

On délimite le cadran correspondant aux contraintes de non négativité: x10, x20, dans un
repère orthonormé du plan, il correspond au cadran supérieur droit.

Tracer dans le repère orthonormé les droites d'équations:

1) x1 = 400, cette droite partage le plan en deux demi plans, choisir le demi plan vérifiant
l'inéquation x1  400.

2) x2 = 300, cette droite partage le plan en deux demi plans, choisir le demi plan vérifiant
l'inéquation x2  300.

3) x1 + x2 = 600, cette droite partage le plan en deux demi plans, choisir le demi plan
vérifiant l'inéquation: x1 + x2  600, en prenant comme repère l'origine, 0 +0 = 0  600, donc
l'inéquation est vérifiée, l'origine appartient donc au domaine des solutions admissibles.

Le domaine des solutions admissibles correspond au polyèdre OABCD (périmètre des


solutions et intérieur).

LNA
‒ 10 ‒
COURS ETEP Pr. N.A. LAOUFI

Détermination de l'optimum
1. Enumération des sommets (situés au niveau du périmètre du polyèdre)

Sommet X1 X2 Z
O 0 0 0
A 400 0 800
B 400 200 1800
C 300 300 2100
D 0 300 1500

En comparant les valeurs de la fonction économique, nous constatons une valeur maximale
au niveau du sommet C.
L'entreprise doit fabriquer 300 articles de produit P1 et 300 articles de produit P2 par
semaine pour générer un profit net maximum de 2100 UM.
2. Tracé de la droite représentant la fonction économique Z
Tracer la droite Z = 2 x1 + 5x2 en choisissant deux points dont la valeur de Z est la même.

Exemple:
Premier point: (x1 = 200 et x2 = 220) d'où Z = 1500, et pour le second point: Z = 1500
(x1 = 0 et x2 = 300).

LNA
‒ 11 ‒
COURS ETEP Pr. N.A. LAOUFI

La droite Z = 1500 tracée (droite en bleu), la glisser en l'éloignant de l'origine jusqu'à


rencontrer un point de tangence entre la droite et le périmètre des solutions admissibles ce qui
aboutit au sommet C. De même, on peut tracer la droite Z = 3400, elle se situe à l'extérieur du
domaine des solutions admissibles, donc il faut la rapprocher dudit domaine jusqu'à ce qu'il y
ait un seul point de tangence entre la droite et le périmètre des solutions admissibles, ce point
correspond au sommet C.
Exemple 2:
Une entreprise produit des peintures intérieures et extérieures à partir de deux matières
premières, M1 et M2.
Le tableau suivant fournit les données de base du problème:
Tonnes de matières premières par
Disponibilité
tonne de
maximale par
Peinture Peinture jour (tonnes)
extérieure intérieure
Matière première M1 06 04 24
Matière première M2 01 02 6
Profit par tonne (en
05 04
milliers UM)
La demande quotidienne en peinture intérieure ne peut pas dépasser celle de la peinture
extérieure de plus d'une tonne.
De plus, la demande quotidienne maximale de peinture intérieure est de 2 tonnes.
L'entreprise souhaite déterminer le (meilleur) mélange de produits optimal de peintures
intérieures et extérieures qui maximise le profit quotidien total.
Déterminer:
1. les variables de décision.
2. l'objectif (but) que nous devons optimiser (maximiser ou minimiser).
3. les contraintes que la solution doit satisfaire.
Résoudre le problème posé par la méthode graphique.
I.4.3. Méthode du tableau des solutions
a) Rappel
Forme standard d'un programme linéaire: un programme linéaire peut se mettre sous
forme standard, si toutes les contraintes, en dehors des contraintes de non-négativité sont
égales.
Un programme linéaire peut toujours être mis sous forme standard en introduisant des
variables supplémentaires appelées variables d'écart, de plus, dans la fonction économique
Z, on précède les variables d'écart par le facteur 0 (zéro).
Exemple
Soit la forme canonique du programme linéaire suivant:
x10, x20
x1 - x2  2
(P1) 2 x1 + 3 x2  4
- x1 + 6 x2 = 10
Z = 5 x1 + 3x2 [Max]

LNA
‒ 12 ‒
COURS ETEP Pr. N.A. LAOUFI

En introduisant des variables d'écart (VE) au niveau des inégalités, c'est à dire: x30, x4 0,
on met le programme (P1) sous la forme standard suivante (P2).

VP VE

x10, x20, x30, x40


x1 - x2 - x3 = 2
(P2) 2 x1 + 3 x2 + x4 = 4
- x1 + 6 x2 = 10
Z = 5 x1 + 3x2 + 0 * x3 + 0 * x4 [Max]

b) Conditions de résolution d'un PL à m équations et n variables:


 si n = m il existe une solution unique, donc pas de problème d'optimisation;

 si n > m il existe une infinité de solutions mais une seule est optimale;
Afin de résoudre le système dans le second cas, on pose que les (n - m) variables sont
égales à zéro, il restera donc m variables et m équations à résoudre.
Exemple: avec n = 23 variables et m = 10 équations, on pose (23 - 10) = 13 variables
égales à zéro, on résout le système de 10 équations à 10 inconnues restantes.

 L'objectif est de déterminer quelles variables seront choisies pour leur attribuer la
valeur zéro.
En examinant chaque possibilité de sélectionner les (n-m) variables des n variables et les
poser égales à zéro et résoudre le système à m variables restantes et m équations, la solution
sera parmi toutes ces solutions.
Les (n-m) variables nulles sont dites variables non-basiques ou hors-base, les m variables
restantes sont dites variables de base ou basiques ou encore dans la base, l'ensemble est
appelé base.
La solution des équations impliquant la base est dite: solution basique.
Si les valeurs des solutions basiques ne sont pas négatives et vérifient toutes les contraintes
du problème, la solution est dite solution basique réalisable, la solution optimale est parmi
ces solutions.
La solution optimale est obtenue lorsqu'en continuant le processus, un point est atteint de
telle sorte qu'aucune amélioration de la fonction économique ne peut avoir lieu.

c) Application
Cette méthode de résolution limite le nombre de variables de décision à 3 et 4 contraintes.
Soit la forme canonique du programme linéaire suivant:
x10, x20
x1  400
x2  300
x1 + x2  600
Z = 2 x1 + 5x2 [Max]

LNA
‒ 13 ‒

Vous aimerez peut-être aussi