TP02 :

Problème 28 juin

de transport 2021
multi
niveaux
Par le biais de ce TP, nous avons pu modéliser
mathématiquement puis résoudre sous LINGO un problème
de transport multi niveaux, tel que l’on a optimisé les flux
physiques dans notre chaîne de distribution grâce au flux
Abd-El-Krim
d’informations dont en dispose (demande clients, capacité GUERROUAZ
de stockage, couts de stockage et de transport, etc.) et faire
un compromis entre les contraintes dont on fait face.
Partie 1 :
Étant donnée une chaine logistique composée de deux usines, trois entrepôts et quatre
clients.

L’objectif :
Déterminer la quantité de produits à expédier des usines vers les entrepôts et des
entrepôts vers les clients afin de minimiser le cout total de transport.les capacités maximales
des usines et des entrepôts doivent être respectées.

Capacité des usines :

Usine Capacité
Usine1 55
Usine2 65

Coût de transport :

Entrepôt 1 Entrepôt 2 Entrepôt 3

Usine 1 15 10 0
Usine 2 0 10 15

1
Capacité des entrepôts : Demande clients :

Entrepôt Capacité Clients Demandes

Entrepôt 1 25 Client 1 15

Entrepôt 2 35 Client 2 20

Entrepôt 3 40 Client 3 30

Client 4 10

Coût de transport :

Client 1 Client 2 Client 3 Client 4

Entrepôt 1 3 5 2 4
Entrepôt 2 2 3 1 1
Entrepôt 3 1 5 3 4
Le coût de transport d’une seule unité de l’usine 2 vers le client 4 est de 20 unités d’argent.

Travaille demander :
1. Les variables de décisions :

XUE (i,j) :quantité expédiée de l’usine (i) vers l’entrepôt (j).

XUC (i,k) :quantité expédiée de l’usine (i) au client (k).
XEC (j,k) :quantité expédiée de l’entrepôt (j) au client (k).

2. Le modèle mathématique :

i : indice des usines. Avec i = {1,2}

j : indice des entrepôts. Avec j= {1,...,3}
k : indice des clients. Avec k = {1,...,4}

capU (i) : la capacité des usines (i).

capE (j) : la capacité des entrepôts (j).
CTUE (i, j) : le cout de transport (usines(i)- entrepôts(j)).
CTUC (i, k) : le cout de transport (usines(i)- clients (k)).
CTEC (j, k) : le cout de transport (entrepôts(j)- clients (k)).
Dem (k) : la demande des clients (k).

2
XUE (i, j) : quantité expédiée de l’usine (i) vers l’entrepôt (j).
XUC (i, k) : quantité expédiée de l’usine (i) au client (k). Variables de décision
XEC (j, k) : quantité expédiée de l’entrepôt (j) au client (k).

La fonction objectif :

Nos contraintes

3
3. Le modèle LINGO de ce problème :

4. La nature de ce modèle mathématique est : lP (Integar Linear Program) un modèle

linéaire.
5. La solution optimale de ce problème : Z=1090.

Les variables de décision sont :

4
6. Une interprétation résultats obtenues :
On a remarqué que les demandes des clients sont entièrement couverte par les
entrepôts, et ce, parce que le coût de transport de l’usine directement vers le client est élevé
et nous avons là un problème de minimisation, donc il est normal, voir rationnel de choisir
de livrer aux clients depuis les entrepôts en guise de minimiser les coûts de transport.

7. Les contraintes à rajouter si le client 1 ne peut pas affecte à l’entrepôt 3 : XEC(3,1) = 0.

La nouvelle solution : z = 1135.

8. Les conclusions déduites si l’entrepôt 2 ne peut pas être affecte à l’usine 1 :

 La contrainte à ajouter : XUE(1,2)=0

 Le résultat obtenu dans la question 7 n’a pas été changé parce que les coûts de
transport de l’usine 1 Vers l’entrepôt 2 et de l’usine 2 vers l’entrepôt 2 sont égaux
CTUE(1,2)=CTUE(2,2)=10.

Partie 2 :
L’objectif dans cette partie est de déterminer la quantité de produits à expédier dans
toute la chaîne Afin de minimiser le coût total de transport et d’affectation sachant que les
capacités maximales des usines et des entrepôts doivent entre respectées. En considère
dans cette partie les couts d’affectation suivant :

Le coût d’affection d’un client à un entrepôt est de 50 unités d’argent.

Le coût d’affection d’un entrepôt à une usine est de 100 unités d’argent.
Le coût de lancement de la chaîne logistique.

5
 1. Les nouvelles variables de décision et la nomenclature utilisée :

XUE (i, j) : la quantité transportée de l’usine i vers l’entrepôt j

XEC (j, k) : la quantité transportée de l’entrepôt j vers le client k
XUC (i, k) : la quantité transportée de l’usine i vers le client k
W (i, j) : variable binaire (1 si l’entrepôt j est affecté à l’usine i, 0 sinon)
U (j, k) : variable binaire (1 si le client k est affecté à l’entrepôt j, 0 sinon)
capU (i) : la capacité des usines (i).
capE (j) : la capacité des entrepôts (j).
CTUE (i, j) : le cout de transport (usines(i)- entrepôts(j)).
CTUC (i, k) : le cout de transport (usines(i)- clients (k)).
CTEC (j, k) : le cout de transport (entrepôts(j)- clients (k)).
Dem (k) : la demande des clients (k).
CAUE (i, j) : cout d’affectation de l’usine i à un entrepôt j
CAEC (j, k) : cout d’affectation de l’entrepôt j à un client k.

2. le modèle mathématique du problème :

6
3. Le modèle LINGO:

4. la nature de ce modèle : lP (Integar Linear Program) un modèle linéaire.

5. a.la solution optimale : Z=1385.

7
Les variables de décision :

Conclusion :
Dans ce TP on a bien compris le problème de distribution multi-niveaux et comment modéliser ce
problème mathématiquement pour déterminer la quantité de produits à expédier de chaque usine
vers entrepôt et de chaque entrepôt vers les client afin de minimiser le cout total d’expédition.