Analyse de sensibilité

1
 Rappel
 Les paramètres d’un PL (A,b,c) sont estimés.
 L’analyse de sensibilité permet de connaitre l’effet de
la variation de certains paramètres ou coefficients sur
la solution optimale.
 Les paramètres sensibles doivent être déterminés
d’une façon fiable afin d’éviter l’obtention d’une
solution optimale erronée.
 Dans une analyse de sensibilité, on étudie l’effet de la
modification d’un seul paramètre à la fois.

2
Analyse sensibilité

 Graphiquement
 Tableau simplexe
 Exemple: Solveur Excel

3
ANALYSE GRAPHIQUE

4
 Analyse graphique
 Modifier les paramètres d’un PL changent -t-il
forcément l’optimum ?
 Modification des coefficients de la fonction

objectif (c)
 Modification du second membre d’une

contrainte non active (b:RHS)

 Modification du second membre d’une

contrainte active (b:RHS)

5
Définitions
 Une contrainte est dite active si l’optimum
appartient à sa droite frontière.
 Une contrainte est dite non active si
l’optimum n’appartient pas à sa droite
frontière.
 Un optimum dans un PL à 2D est
l’intersection au moins de 2 contraintes
actives.
6
 Exemple Max Z  3 x1  5 x2
x2 sc x1 4
G(0,9) D2: x1=4 2 x2  12
3 x1  2 x2  18
x1 , x2  0

A(0,6) B(2,6) E(4,6)

D1:2x2=12

C(4,3)

D3: 3x1+2x2 = 18

x1
(0,0) D(4,0) F(6,0)
7
Définition
 B(2,6) est l’optimum (voir figure)
 2x2= 12 et 3x1+2x2=18 : deux contraintes actives
 x1=4 : contrainte non active
 Remarque: Pente d’une droite d’équation
a1x1+a2x2=b est " -a1/a2 " ; x2=(-a1/a2 ) x1 +b/a1
 Pente de l’isoprofit D: Z=c1x1+c2x2 est (-c1/c2)
 Pente des deux contraintes actives:
 D1: 2x2= 12 est 0

 D2: 3x1+2x2=18 est -3/2

8
Modification des coefficients
de la fonction objectif
 Z=c1x1+c2x2
 La solution optimale restera le point B, mais la
valeur de la fonction pourrait varier tant que la
pente de D (-c1/c2) restera comprise entre celle
de D1 et celle de D2
 Tant que -3/2 -c1/c2  0

9
Exemple
Supposons que:
 Le profit de P2 est certain (=5D/unité)

 Par contre, celui de P1 n’est pas sûr

 Doit-on maintenir le plan de production

(x1=2,x2=6)?
 Oui si -3/2 -c1/5  0 donc
0 c1  15/2 =( 7,5)
 Donc dans ce cas, le plan de production ne
change pas mais le profit change (Z) 10
 Modification du second membre
d’une contrainte non active
 Contrainte non active celle qui correspond à l’atelier 1 (x1 ≤ 4)
 Question : jusqu’à quelle quantité peut-on restreindre la
disponibilité de l’atelier 1 sans changer la solution optimale ?
(voir figure)
 Pour d=4 avec (d : valeur de contrainte; x1=d), la contrainte
est non active, si d est réduit, on déplace parallèlement la
contrainte vers l’ouest, la valeur limite est obtenue quand
elle passe au point B (2,6) (l’optimum) (voir figure)
 d= x1(B)=2

 Donc pour d [2, ), la solution optimale reste B ; sinon la

solution optimale change. 11

Modification du second membre
d’une contrainte active
 Le changement du second membre d’une contrainte
active affecte les coordonnées de l’optimum.
 Question : si on a la possibilité de disposer d’une
capacité supplémentaire de l’atelier correspondant à
une contrainte active (l’atelier 3 par exemple)
 Est-ce que c’est intéressant ?
 Jusqu’à quelle quantité ?
 Autrement dit, jusqu’à quelle quantité peut-on
augmenter la ressource i sans changer les
contraintes actives (solution de base)?
12
 Contrainte active
 Exemple : 1 heure supplémentaire de l’atelier 3
 Dans ce cas, la nouvelle solution de
 2x2= 12 et 3x1+2x2=19 est (7/3; 6)

 Avec Z= 37

 Intéressant, si on peut ajouter une unité supplémentaire de

l’atelier 3 avec un coût horaire de moins 1D (Z=37-36).
 Autrement dit, si le coût d’une heure de l’atelier 3 est <1 D, il
est rentable d’ajouter 1 heure si c’est possible.
 Ou bien, si on a la possibilité de vendre 1 heure de l’atelier 3
à un sous-traitant à plus de 1 D, il vaut mieux la vendre
13
Contrainte active
 Mais ceci est possible tant que le déplacement de
(D3) ne conduit pas à dépasser le point
E=(D1)(D2) (ce point deviendra donc la nouvelle
solution optimale) E(4,6) (voir figure)
 Donc, ce raisonnement est valable jusqu’à
d=3x1+2x2=3×4+2×6=24
 Donc valable pour 24-18 =6 unités
supplémentaires

14
 Contrainte active
 En reprenant le même raisonnement pour A :
(D1)(x1=0) ; A (0,6) (v.f)
 Donc d=3×0+2×6=12
 Donc tant que la capacité de l’atelier 3 [12, 24],
l’analyse est valable
 Si on augmente la capacité de la R3 d’une heure : on
gagne 1D de plus
 Si on réduit la capacité de la R3 d’une heure : on
perd 1D.
 Au-delà de ces deux valeurs, il faut réoptimiser.
15
TABLEAU SIMPLEXE

16
 Prix fictifs
 Rappel : un PL sous la forme canonique (avec max) peut être
interprété comme un problème d’affectation des ressources
aux activités. Le second membre représente la capacité des
ressources.
 Comment déterminer les bi ?
 Les bi du modèle initial peuvent présenter une décision initiale
des managers (limitation des capacités).
 Pour certains « bi », on peut les incrémenter dans le modèle
sous une condition que leurs incrémentations entrainent une
augmentation du profit Z
 Ainsi, une information portant sur la contribution économique
de chaque ressource dans le profit Z: prix fictif est très utilisée. 17
 Prix fictifs
 La méthode simplexe fournit cette information : prix
fictifs
 Prix fictif de la ressource i, notée yi*, mesure la valeur
marginale de la ressource i, c.a.d, le taux
d’augmentation de Z, si on augmente la capacité bi de la
ressource i d’une unité.
 Ex: Si on modifie le second membre bi d’une

contrainte par Δ, alors, la valeur de la fonction

objectif sera modifiée de Δ × valeur marginale.
 yi* : le coefficient des variables d’écart dans la ligne (0)
du tableau simplexe final.
18
 Exemple du cours
Coefficients
Vb Eq. bi
Z x1 x2 x3 x4 x5
Z (0) 1 0 0 0 3/2 1 36
x3 (1) 0 0 0 1 1/3 -1/3 2
x2 (2) 0 0 1 0 1/2 0 6

x1 (3) 0 1 0 0 -1/3 1/3 6/3=2

• y1*= 0 : prix fictif de l’atelier 1

• y2*=1,5 : prix fictif de l’atelier 2
• y3*=1 : prix fictif de l’atelier 3
19
 x2

Exemple (9)

3x1 + 2x2 = 18
(8)
Z= 3x1 + 5x2
(5/3, 13/2)

 Si b2 (2x2=12) devient 13, on 2x2 = 13 → Z=3(5/3)+5(13/2) =37,5

incrémente Z* de 1,5 (6) 2x2 =12 → Z=3(2)+5(6) =36
 Autrement dit, si on ajoute une heure } Δ Z=3/2 =y2*
de production/semaine à l’atelier 2, (2,6)
on augmente le profit total de 1,5 D x1=4
 La figure montre que si on augmente
(4)
b2 au-delà de 18h/semaine (b2 >18), 𝑀𝑎𝑥 𝑍 = 3𝑥 + 5𝑥
la solution optimale reste (0,9) sans 𝑠𝑐 𝑥 ≤4
changer Z*=45: (0×3+ 9×5). 2𝑥 ≤ 12
3𝑥 + 2𝑥 ≤ 18
 En ce point, les variables de base
𝑥 ,𝑥 ≥ 0
dans le tableau optimal de la
méthode simplexe vont changer,
et (y2*=0)

(0,0) (4) (6) x1 20

(2)
 Exemple
 Pourquoi y1*=0 ?
 Parce que la contrainte sur la ressource 1 (x1 4) ne constitue pas

une contrainte frontière de la solution optimale (2,6)

 Ainsi, en augmentant b1 au-delà de 4 ne conduit pas à une

nouvelle solution optimale avec une valeur de Z plus large

 Les contraintes sur les ressources 2 et 3 (2x2  12 et 3x1+2x2  18)
sont des contraintes frontières de la solution optimale.
 Puisque ces deux ressources 2 et 3 sont limitées (b2=12 et b3=18),

alors elles limitent la valeur de la fonction objectif Z

 Les économistes désignent ces ressources comme ressources

rares, alors que les ressources disponibles avec un surplus:

variable d'écart >0, ( ex: ressource 1) comme des ressources
libres (y1*=0) 21
 Exemple Cours: Solveur Excel
Cellules variables
Finale Valeur Objectif Marge Marge
Cellule Nom Valeur Marginale Coefficient Supérieure Inférieure
$C$5 X1 2 0 3 4,5 3
$D$5 X2 6 0 5 1E+30 3

Contraintes
Finale Valeur Contrainte Marge Marge
Cellule Nom Valeur Marginale à droite Supérieure Inférieure
$E$8 Atelier 1 2 0 4 1E+30 2
$E$9 Atelier 2 12 1,5 12 6 6
$E$10 Atelier 3 18 1 18 6 6

MicroSoft Excel 16.0 Office 365

22
 Analyse relative à la fonction
objectif
Le rapport d’analyse de sensibilité fourni par Excel est divisé
en deux parties : Variables et Contraintes.
 Le rapport de sensibilité d’Excel du tableau des variables

donne la variation admissible pour chaque coefficient "ci "

(ex: profit) de sorte que la solution optimale ne change
pas.
Remarque: La valeur de la fonction objectif se recalcule à
l’aide du nouveau profit unitaire.
 Le rapport de sensibilité d’Excel donne aussi la valeur

marginale 2ème colonne pour chaque variable xi dans la

fonction objectif. (voir rapport)
23
 Analyse relative à la fonction
objectif :(ci, variables)
La valeur marginale (coût réduit, reduced cost, shadow cost) sont
associés à la solution optimale. Peut être interprétée de deux façons :
 Si le coût réduit est non nul, alors il correspond à la diminution de la
valeur de la fonction objectif Z pour chaque changement unitaire de la
valeur optimal de la variable de décision. (Ex: xi est nulle à l'optimum :
VHB, si on force xi à 1, Z va diminuer de la valeur du coût réduit). (v.r)
 C’est le changement minimal à appliquer au coefficient de la variable
dans la fonction objectif pour qu’elle soit strictement positives (> 0). (si
on augmente dans la fonction objectif le coefficient de la variable xi
d’une quantité au moins égale à la valeur absolue du coût réduit, on
aura une nouvelle solution avec xi qui devient positif).
 Remarque lorsque le coût réduit d’une VHB=0, il peut y avoir plusieurs
solutions optimales 24
 Analyse relative à la fonction
objectif :(ci, variables)
 la Marge supérieure (Allowable Increase, Augmentation
admissible), 4ème colonne : donne la variation du coefficient de
la variable xi que l'on peut admettre sans augmenter la
solution optimale de cette variable. (v.r).

 la Marge inférieure (Allowable decrease, Diminution

admissible) 5ème colonne : donne la variation du coefficient de
la variable xi que l'on peut admettre sans diminuer la valeur
optimale de cette variable.

25
 Analyse relative aux
contraintes (bi)
 Le rapport de sensibilité d’Excel (tableau des contraintes)
donne : la valeur marginale 2ème colonne (Shadow price)
appelé aussi le prix fictif y*, associée à chaque contrainte;
ceci donne l’impact sur la fonction objectif d’augmenter le
second membre (RHS) par une unité, elle donne aussi la
valeur du coefficient Dual lié à la contrainte (v.r).
 C’est aussi la perte d'argent si l'on baisse la contrainte
(Shadow Cost, Ombre coût, Coût réduit). Ainsi, une
contrainte non saturée (libre) a un coût réduit nul.
 Remarque: Le tableau Excel donne la variation de Z, mais
pas la solution optimale xi*, qui doit être recalculée.
26
 Analyse relative aux
contraintes (bi)
 Marge supérieure (augmentation admissible) 4ème colonne : donne la
l’augmentation de la valeur du second membre de l'équation de
contrainte que l'on peut admettre pour que la valeur du prix fictif
(coefficient dual, shadow price,…;2ème colonne) soit valable. (v.r).
 Marge inférieure (diminution admissible) 5ème colonne : donne la
diminution de la valeur du second membre de l'équation de
contrainte que l'on peut admettre pour que la valeur du prix fictif
(coefficient dual, shadow cost, coût réduit…;2ème colonne) soit
valable.
 ll faut résoudre à nouveau pour connaître les nouvelles
valeurs optimales des variables de décision.
27
Analyse relative aux
contraintes (bi)
Remarques:
 Ces résultats sont garantis lorsque seulement un
seul membre de droite est modifié.
 Une contrainte non active (non liée) a une valeur
marginale nulle.
 Dans les variations admissibles:
1E+30 correspond à: +∞
1E-15 correspond à: 0
(voir rapport).
28