Problème n°4: Transport du Gravier:

Réalisé par : Sous l’encadrement de:

BOUGHABA Mohamed Mr. SAMADI
GHARBAOUI Samya
 Introduction:

Dans notre monde actuel, l'optimisation des ressources et des coûts est un enjeu clé pour la
plupart des entreprises. La programmation linéaire est une technique mathématique utilisée
pour résoudre des problèmes d'optimisation linéaires tels que la minimisation des coûts de
transport. Elle permet de modéliser des situations réelles en des termes mathématiques, et
d'obtenir des solutions optimales qui respectent des contraintes spécifiques.

La programmation linéaire est une méthode puissante pour la prise de décision en entreprise
et elle peut aider à réduire les coûts, à améliorer l'efficacité et à maximiser les bénéfices.

Dans ce rapport, nous présentons une solution pour un problème de transport de gravier qui
consiste à minimiser les coûts de transport de gravier de deux fournisseurs vers trois sites de
construction en utilisant la programmation linéaire. Nous utiliserons Excel pour illustrer
comment formuler le problème et le résoudre à l'aide de l'outil de résolution de problème
Solver d'Excel pour déterminer la quantité optimale de gravier à transporter et le nombre de
camions nécessaires pour le faire.
 La programmation linéaire:
La programmation linéaire est une méthode d'optimisation mathématique qui permet de
résoudre des problèmes de maximisation ou de minimisation sous des contraintes linéaires.
Elle a été développée dans les années 1940 par le mathématicien George Dantzig,
qui a utilisé cette méthode pour résoudre des problèmes de planification de production
pendant la Seconde Guerre mondiale.

Le but de la programmation linéaire est de trouver les valeurs optimales pour un ensemble de
variables, en maximisant ou minimisant une fonction objective, sous des contraintes linéaires
qui limitent les valeurs que peuvent prendre les variables. Cette méthode est particulièrement
utile pour résoudre des problèmes de planification, de logistique, de gestion de stock, de
production, de distribution, d'affectation de ressources, et bien d'autres encore.

Les applications de la programmation linéaire sont nombreuses et variées. Par exemple, elle
est utilisée pour planifier la production dans l'industrie manufacturière, pour optimiser la
gestion de la chaîne d'approvisionnement, pour planifier les horaires dans les entreprises de
transport, pour optimiser la distribution de produits alimentaires, pour résoudre des
problèmes d'affectation de personnel dans les hôpitaux, pour planifier les activités de
recherche et développement dans les entreprises, et bien d'autres encore.

Au fil du temps, la programmation linéaire s'est développée pour inclure des techniques plus
avancées telles que la programmation linéaire en nombres entiers (PLNE) qui permet de
résoudre des problèmes avec des contraintes entières, la programmation linéaire en nombres
mixtes (PLNM) qui combine des variables entières et continues, et la programmation
non-linéaire qui permet de résoudre des problèmes plus complexes avec des contraintes
non-linéaires.
 Solver d’Excel:
Le Solver d'Excel est un outil d'optimisation de modèles mathématiques et de programmation linéaire.
Il est disponible en tant qu'extension pour Excel et peut être utilisé pour résoudre des problèmes
d'optimisation complexes tels que la maximisation des profits, la minimisation des coûts ou
l'allocation des ressources.

Le Solver utilise des algorithmes pour trouver la meilleure solution possible à un problème
d'optimisation en ajustant les valeurs des variables de décision. Il peut également être utilisé pour
résoudre des problèmes non linéaires, des problèmes de contraintes et des problèmes d'optimisation
avec des variables discrètes.

L'histoire du Solver remonte aux années 1970, lorsque la recherche opérationnelle était en plein essor.
À l'époque, les ordinateurs étaient encore très coûteux et peu accessibles, mais des programmes tels
que le Simplex étaient déjà utilisés pour résoudre des problèmes d'optimisation. Le Solver d'Excel a
été développé pour la première fois en 1990 par Frontline Systems, une entreprise spécialisée dans les
outils d'optimisation pour les feuilles de calcul. Depuis lors, le Solver est devenu une fonctionnalité
intégrée dans Excel et est devenu l'un des outils les plus populaires pour l'optimisation des modèles
mathématiques.

Les applications du Solver sont nombreuses et diverses. Les entreprises peuvent l'utiliser pour
résoudre des problèmes de planification de la production, d'optimisation des coûts de transport, de
planification de la chaîne d'approvisionnement, de gestion de portefeuille et de décision
d'investissement. Les chercheurs peuvent également utiliser le Solver pour résoudre des problèmes de
recherche opérationnelle, d'économie, de finance et de science des données.

La modélisation de problématique :
Dans notre cas ,nous nous intéressons au problème de transport de gravier de deux
fournisseurs vers trois sites de construction différents. Nous cherchons à déterminer le
nombre optimal de tonnes de gravier à transporter entre chaque fournisseur et chaque site,
ainsi que le nombre de camions à utiliser pour minimiser les coûts de transport, tout en
respectant les offres des fournisseurs et les demandes des sites.

Dans ce cadre, nous allons formuler ce problème sous forme d'un modèle de programmation
linéaire, en utilisant des variables de décision et des contraintes pour représenter les différents
aspects du problème.

L'objectif de la compagnie est de minimiser les coûts de transport tout en satisfaisant les
demandes des différents sites de construction et en respectant les offres de chaque
fournisseur.
Telle que :

xij : le nombre de tonnes de gravier transportées entre le fournisseur Fi et le site Sj.

yij : le nombre de camions utilisés pour transporter du gravier entre les fournisseurs Fi et le
site Sj.
La fonction objectif peut être formulée comme suit :
Minimiser Z= 50 (y11 + y12 + y13 + y21 + y22 + y23) + (130 x11 + 160 x12 + 150 x13 +
180 x21 + 150 x22 + 160 x23)

Sous réserve des contraintes suivantes :

Contraintes de demande :
x11 + x21 ≥ 10
x12 + x22 ≥ 5
x13 + x23 ≥ 10

Contraintes d'offre :
x11 + x12 + x13 ≤ 18
x21 + x22 + x23 ≤ 14

Contraintes de capacité des camions :

x11 ≤ 5y11
x12 ≤ 5y12
x13 ≤ 5y13
x21 ≤ 5y21
x22 ≤ 5y22
x23 ≤ 5y23

Contraintes de non-négativité :
xij ≥ 0, yij ≥ 0 pour tous i, j

Les contraintes de demande garantissent que la quantité de gravier livrée à chaque site de
construction répond à la demande, tandis que les contraintes d'offre limitent la quantité de
gravier qui peut être livrée à chaque site en fonction de l'offre de chaque fournisseur. Les
contraintes de capacité des camions garantissent que le nombre de camions utilisés pour
chaque livraison est suffisant pour transporter la quantité de gravier demandée.

La résolution du problématique (solveur excel) :

Après la formulation modèle de programmation linéaire par l’utilisation les variables de

décision et les contraintes appropriées, nous pouvons également utiliser le solveur Excel pour
obtenir la solution optimale.

Pour utiliser le solveur Excel, nous devons d'abord activer l'onglet "Solver" dans Excel, qui
se trouve généralement dans le menu "Option".
comme suit:

Ensuite, nous pouvons entrer les données de notre modèle dans une feuille de calcul, définir
les variables de décision et les contraintes, ainsi que la fonction objectif à maximiser ou
minimiser:
Nous pouvons maintenant utiliser l’outil Solver en cliquant sur l’option “DATA/DONNÉES”
dans le ruban:

Dans la boîte de dialogue Solver, définissez la cellule d'objectif (cellule contenant la formule
de l'objectif à maximiser ou minimiser), choisissez l'option appropriée pour le type de
problème (maximiser ou minimiser), et spécifiez les cellules contenant les contraintes. Si
nécessaire, spécifiez également des contraintes supplémentaires telles que des limites
supérieures et inférieures pour les variables de décision.

Sous l'onglet "Options", spécifiez les options de résolution telles que le type de méthode de
résolution simplexe PL, le nombre d'itérations maximum, et la précision souhaitée.

Cliquez sur le bouton "Résoudre/Solve" pour résoudre le problème. La solution est trouvée,
elle sera affichée dans les cellules de variables de décision correspondantes. Si aucune
solution n'est trouvée, cela peut être dû à un conflit de contraintes ou à des limites non
réalisables pour les variables de décision.
En résolvant ce problème, nous obtenons la solution suivante :

● Le coût minimum de transport est de 3850€.

● 2 camions doivent être utilisés pour transporter du gravier depuis le fournisseur F1
vers le site S1, 1 camion depuis F1 vers S3, 1 camion depuis F2 vers S2, et 1 camion
depuis F2 vers S3.
● La quantité de gravier transportée depuis F1 vers S1 est de 10 tonnes,depuis F1 vers
S3 est de 5 tonnes, depuis F2 vers S2 est de 5 tonnes, et depuis F2 vers S3 est de 5
tonnes.
En résumé, la compagnie doit utiliser un total de 5 camions pour transporter 25 tonnes de
gravier, pour un coût total de 3850 €.
 Conclusion:
En conclusion, la programmation linéaire est une méthode mathématique puissante utilisée
pour résoudre des problèmes d'optimisation linéaires. Elle permet de modéliser des situations
réelles en des termes mathématiques, et d'obtenir des solutions optimales qui respectent des
contraintes spécifiques.

Dans ce rapport, nous avons présenté une solution pour un problème de transport de gravier
en utilisant la programmation linéaire et l'outil Solver d'Excel. Nous avons montré comment
formuler le problème et le résoudre pour déterminer la quantité optimale de gravier à
transporter et le nombre de camions nécessaires pour le faire.

Le Solver d'Excel est un outil d'optimisation de modèles mathématiques et de programmation

linéaire qui peut être utilisé pour résoudre des problèmes d'optimisation complexes tels que la
maximisation des profits, la minimisation des coûts ou l'allocation des ressources.

En utilisant la programmation linéaire et le Solver d'Excel, les entreprises peuvent réduire les
coûts, améliorer l'efficacité et maximiser les bénéfices en prenant des décisions éclairées
basées sur des données et des modèles mathématiques.