Académique Documents
Professionnel Documents
Culture Documents
ISP-UVIRA
1985
- R.J. Vanderbei, Linear programming foundations and extentions, Kluwer 2001
- V.K. Balakristnan, Network optimization, Capman 1985
- CT Kyenda SULIKA, Cours d’Initiation à la Recherche Opérationnelle, G3IG, Inédit, ISP-
BKV, 2014-2015.
- Prof. Joël Mètogbé ZINSALO, Manuel du cours de la Recherche Opérationnelle,
Tome1/EPAC-UAC.
- Prof. KAMIANTAKO Miyamueni, cours de Recherche Opérationnelle, Inédit, UNDT-
Uvira, 2020-2021
- Vidal. C, la recherche opérationnelle, Que sais-je ?, PUF, 1995, 10. Maurras J. F.,
programmation linéaire, compléxité, Springer, 2002. 11. Nobert Y., Ouellet R., Parent R.,
la recherche opérationnelle, Gäetan Morin, 1995. 12. Phélizon J. F., Méthodes et modèles
de la recherche opérationnelle, Economica, 1998.
- Prof. MUANASAKA KABUITA Léonard, Cours de Recherche Opérationnelle et gestion
des exploitations agricoles, cours, Inédit, IFA-YANGMBI, 2016-2017.
- CT. NYONGOLO LUWAWA Martin, Cours de Séminaire informatique : Optimisation
sous Excel, Inédit, ISP-Uvira, 2016-2017.
6
En réalité, cette discipline date de plusieurs siècles avant la seconde guerre mondiale:
dès le 17ème siècle, Blaise Pascal et Pierre de Fermat, suivis de peu par Jacques Bernoulli et
d’autres savants cherchaient à établir des méthodes permettant les meilleurs décisions dans
l’incertain.
Vers 1776, Gaspard Monge attaquait avec succès des problèmes économiques de
nature combinatoire alors qu’Augustin Cournot s’était, vers 1838, frotté sur la théorie
mathématique des richesses devenant, de l’avis de beaucoup, le précurseur de l’économétrie.
Aux environs de 1925, Emile Borel introduisait la théorie mathématique des jeux
sous sa forme moderne tandis que quelques années avant lui, Erlang fondait la célèbre théorie des
files d’attente. Enfin, la veille de la seconde guerre mondiale, KANTOROVITCH concevait et
appliquait la programmation linéaire à la planification avant que KÖNIG ne se soit intéressé aux
graphes vers 1936.
Bien évidemment, il est impossible de dresser une liste exhaustive de tous les cadres
dans lesquels la R.O s’applique. On peut juste résumer que les techniques de la R.O s’appliquent
dans des problèmes combinatoires, les domaines de l’aléatoire ainsi que des situations de
concurrence. Chacune de ces trois catégories englobent une foule de techniques et des champs de
recherche.
Actuellement, la Recherche opérationnelle constitue une discipline très vaste et très
complexes, à cheval sur les Mathématiques, l’Économie, l’Informatique et bien d’autres
domaines.
1.3.Nature de la Recherche Opérationnelle
Quelles sont les qualités requises de la part d’un chercheur opérationnel ? On exige de
lui avant tout un esprit scientifique, c’est-à-dire aussi bien capable de raisonner correctement par
déduction que par induction. On lui demande aussi la faculté de s’adapter pour lui permettre de
passer d’un problème à un autre sans perdre trop de temps. Il faut aussi, et c’est une condition
essentielle, qu’il sache se taire, garder un secret. Ceci est une condition primordiale car, de cette
aptitude dépend la confiance que l’on peut mettre dans sa personne, et des facilités de
renseignement qui lui seront accordées.
1.4.But de la Recherche Opérationnelle
Le but de la Recherche Opérationnelle est d’obtenir une solution optimale (maximale
ou minimale) à un problème donné, en mettant en évidence les aspects critiques sur lesquels les
responsables portent leurs analyses et leurs jugements et en livrant des données réelles qui
permettent aux responsables d’avoir une opinion fondée.
La Recherche Opérationnelle permet donc aux responsables de décider en
connaissance de cause : elle élève le niveau où se manifeste le choix.
8
théorie de la complexité des algorithmes nous apprend que certains problèmes ne peuvent pas être
résolus de manière optimale dans un temps raisonnable, même si l'on considère des ordinateurs un
milliard de fois plus puissants que ceux d'aujourd'hui.
Les domaines d’intervention de la R.O. sont très divers (social, ´économique, militaire
...). En tant que science, la R.O. interagit avec d’autres activités scientifiques comme les
mathématiques ou l’informatique, qu’elle utilise et qu’elle enrichit aussi. Cependant un emploi
sans discernement de la R.O. en tant qu’aide à la décision d’opérateurs, peut conduire dans
certaines situations à des erreurs. Ces erreurs sont souvent conséquentes à un mauvais emploi de
techniques issues de la R.O. ou à l’inadaptation de ces techniques par rapport à la réalité d’un
problème L’idée à retenir est que la Recherche Opérationnelle ne s’occupe pas de problèmes dans
lesquels une solution de bons sens intervient tout naturellement. Elle concerne des situations dans
lesquelles, pour une raison quelconque, le bon sens humain se révèle faible ou impuissant. Ces
problèmes types sont regroupés en trois grandes catégories, à savoir :
Il s’agit de problèmes pour lesquels il existe plusieurs solutions qu’il est impossible
d’énumérer toutes. Dans ce cas, l’utilisation d’un algorithme judicieux permet d’aller très
rapidement à la solution optimale. Les principaux exemples sont :
- Les problèmes d’investissement où il est question de rechercher les investissements
les plus rentables dans un projet déterminé ;
- Les problèmes de production qui consistent à optimiser les niveaux d’activité en
tenant compte des ressources qui sont limitées ;
- Les problèmes d’affectation : sachant qu’un agent ou une machine ne peut être
affectée qu’à une tâche et une tâche à un ouvrier ou une machine, comment répartir les
travaux de façon à rendre minimum le coût d’affectation ?
- Les programmes de transport qui consistent à organiser le transport entre les
points de départ et les points d’arrivée de manière la moins coûteuse possible ;
- Les problèmes de circulation à travers un réseau (problème du voyageur de
11
Ce sont des problèmes dans lesquels le hasard joue un rôle important. Nous mentionnons:
Pour les matériels sujets à des pannes, les problèmes consistent à déterminer les
pièces à remplacer et selon quelle fréquence, de façon à minimiser la somme des
éléments suivants : - coût du matériel considéré ; - coût du remplacement des
pièces ; - coût de la panne.
Ces trois grandes catégories constituent les trois parties principales de notre cours de
R.O.
12
1) Identifier les variables du problème à valeur non connues (variable de décision) et les
représenter sous forme symbolique (exp. x1, y1 ) ;
2) Identifier les restrictions (les contraintes) du problème et les exprimer par un système
d’équations linéaires ;
3) Identifier l’objectif ou le critère de sélection et le représenter sous une forme linéaire en
fonction des variables de décision. Spécifier si le critère de sélection est à maximiser ou à
minimiser.
2.4. Méthodes de résolution
Il existe généralement deux (2) méthodes de résolution d’un Programme Linéaire.
Exemples introductifs
1) Une usine fabrique 2 pièces A et B usinées dans deux ateliers et . Les temps d'usinage
sont pour A: de 3 heures dans l'atelier et de 6 heures dans l'atelier . Pour B: de 4 heures
dans l'atelier et de 3 heures dans l'atelier . Le temps de disponibilité hebdomadaire de
l'atelier est de 160 heures et celui de l'atelier de 180 heures. La marge bénéficiaire est
de 1200 F pour une pièce A et 1000 F pour une pièce B. Quelle production de chaque
type doit-on fabriquer pour maximiser la margehebdomadaire ?
Le problème peut se formaliser de la façon suivante : variables économiques ou
d'activités ce sont les inconnues :
1
Ces hypothèses résument celles qui ont été donné par G. B. Dantzig : La proportionnalité, La non-
négativité, l’additivité et la linéarité de la fonction objectif.
14
2) Un spécialiste en médecine a fabriqué un médicament (des pilules) pour guérir les sujets
atteints d’un rhume. Ces pilules sont fabriquées selon deux formats :
Formulation du problème en un PL :
Les variables de décision qui représentent des valeurs inconnues par le décideur qui est
dans ce cas le spécialiste en médecine sont :
Cette méthode n'est applicable que dans le cas où il n'y a que deux variables. Son
avantage est de pouvoir comprendre ce que fait la méthode générale du Simplexe, sans entrer
dans la technique purement mathématique.
contraintes :{
a) Définition
On peut définir un algorithme comme étant un ensemble de règles ou une
procédure systématique permettant de trouver la solution à un problème donné. Pour ce qui est
de l’algorithme du simplex, il s’agit d’une méthode (ou d’une procédure de calcul)
17
Afin de comparer avec la résolution graphique, nous pouvons considérer que nous
sommes dans un espace à n dimensions (nombre de variables d'activité). Les contraintes
délimitent un polyèdre convexe, région des solutions admissibles; la fonction objectif est un
18
hyperplan que l'on va déplacer le plus loin possible de l'origine, jusqu'à l'extrême limite où il n'y
aura plus qu'un point d'intersection (éventuellement un segment, un plan...) avec la région
des solutions admissibles. La solution se trouvant forcément sur le pourtour du polyèdre
admissible, la méthode du simplexe consiste en itérations qui font passer d'un sommet du
polyèdre à un autre en sélectionnant le sommet adjacent maximisant la fonction objectif. Pour
démarrer l'algorithme, il est nécessaire d'avoir une solution initiale. Dans le cas simple, l'origine
est solution, c.à.d. que la première solution est x1 0 ; x2 0 ; .........; xn 0 ; t1 b1 ; t2 b2 ;
.........; tm bm (ceci suppose que les bi ne soient pas négatifs pour satisfaire les contraintes de signe).
L'algorithme, basé sur la méthode du pivot de Gauss pour la résolution des systèmes
d'équations linéaires, est présenté sous forme de tableau.
Solution :
1) On transforme les inéquations en équations en ajoutant à chacune des équations
une variable d’écart :
- Une fois le pivot égalé à 1, il faut maintenant annuler tous les autres éléments de la colonne
pivot : Dans ce cas, il faut (naturellement) soustraire 5 fois la première ligne de la
deuxième ligne, 2 fois la première ligne de la troisième ligne et ajouter 5 fois la
première ligne à la quatrième. On obtient alors le deuxième tableau :
Deuxième tableau :
Comme il ne reste plus comme indicateur négatif que qui est dans la deuxième colonne on
introduit dans la base : la deuxième colonne devient la colonne pivot. La division de la
colonne des constantes par la colonne pivot révèle que le plus faible ratio de déplacement
se situe dans la deuxième ligne :
Dans ce cas devient le nouveau pivot. Comme le vecteur unitaire portant 1 sur la deuxième
ligne est situé sous s2 c’est s2 alors qui est exclu de la base.
On peut lire directement sur ce tableau la troisième solution de base accessible : quand et
et .
Comme il n’ y a plus d’indicateurs négatifs sur la dernière ligne, c’est la solution optimale. Le
dernier élément de la dernière ligne indique que, lorsque et , la fonction objectif atteint
un maximum tel que , .
Comme s1 et s2, alors les variables d’écart sont nulles dans les deux premières contraintes et il en
résulte que les deux premiers facteurs de production sont utilisés à plein. Par contre comme
alors six unités du troisième facteur de production restent inutilisés !
La valeur de l’indicateur situé sous chaque variable d’écart dans le tableau final exprime la valeur
marginale, ou prix fictif, du facteur de production associé à la variable, c’est-à-dire qu’il révèle de
combien changerait la valeur de la fonction objectif si le facteur de production augmentait d’une
unité.
Ainsi, on peut dire que les profits s’accroîtraient d’une demi-unité, ou de 50 centimes, si la
constante de la contrainte 1 était augmentée d’une unité, de 2/5 ou de 40 centimes, si la constante
de la contrainte 2 était augmentée d’une unité ; et de 0 si la constante de la contrainte 3 était
majorée d’une unité.
Comme la variable d’écart est positive dans la contrainte 3, le troisième facteur de production
n’est pas totalement utilisé dans la solution optimale et sa valeur marginale est nulle (c’est-à-dire
que l’apport d’une nouvelle unité n’augmenterait en rien la fonction des profits). Remarquons en
passant que la valeur optimale de la fonction objectif sera toujours égale à la somme des produits
22
Sur ce graphique il est évident que les sommets du polygone des solutions admissibles
sont : .
En calculant la fonction objectif : ( ) 3x1+5x2 sur chacun de ces sommets on
obtient :
Il est donc évident que prend sa valeur maximale au point (5,3).
23
Etapes Justification
1. Formuler un programme linéaire pour le Pour obtenir une représentation mathématique du
problème réel. problème
2. Vérifier que le second membre du programme Ceci est nécessaire pour obtenir comme variable de
linéaire est positif base initiale l’origine
3. Ecrire le programme linéaire sous une forme Mettre toutes les contraintes sous forme d’égalité
standard
4. Construire le premier tableau de simplexe Ce tableau correspond à la solution initiale de base
5. Choisir comme variable entrante dans la base La valeur de cj-zj indique la quantité d’augmentation
celle qui admet le plus grand effet net positif cj-zj. de la fonction objectif si on augmente la valeur de xj
d’une unité.
6. Choisir la variable sortante de la base celle qui La plus petite valeur de Qi/aij indique le nombre
admet le plus petit ratio supérieur à zéro. maximal d’unité de xj qu’on peut introduire avant que
la variable de base de l’ième ligne ne soit égale à zéro.
7. Construire le nouveau tableau en utilisant la Cette règle nous permet entre autre de calculer les
règle de pivot 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 faire entrer
(cj-zj) 0 pour toutes les variables (hors base), la dans la base aucune de ces variables. Une telle
solution obtenue est donc optimale. Sinon introduction engendra une diminution de la fonction
retourner à l’étape 5. objectif.
PRIMAL DUAL
m contraintes d'infériorité n contraintes de supériorité
n variables d'activité n variables d'écart
m variables d'écart m variables d'activité
écriture en ligne écriture en colonne
- Les coefficients des colonnes (lignes) du primal sont les coefficients des lignes
24
(colonnes) dudual.
- Si le problème primal possède une solution optimale infinie, alors le dual n’a
pas de solutionréalisable.
- Une contrainte est dite saturée lorsque la variable d'écart qui lui est associée
est nulle à l'optimum.Si pour une solution optimale d'un programme linéaire une
contrainte n'est pas saturée, alors la valeur optimale (duale) correspondante est
nulle. La réciproque n'est pas (nécessairement) vraie.
- Si la valeur optimale d'une variable n'est pas nulle, alors la contrainte duale
correspondante est saturée pour la solution optimale. Le corollaire est très utile
pour résoudre un programme à partir de la solution de son dual.
- Si pour une solution optimale d'un programme linéaire une contrainte n'est pas
saturée, alors la valeur optimale (duale) correspondante est nulle. En terme
économique, par exemple, si un bien est abondant (il n'y en a plus qu'on ne peut
utiliser efficacement), son coût marginal (une heure de location supplémentaire)
considéré comme son prix d'équilibre (la variable duale associée)est nul.
Exemple
PRIMAL DUAL
3 x1 + 4 x2 160 3 y1 + 6 y2
6 x1 + 3 x2 180 4 y1 + 3 y2
Min w = 160 y1 + 80 y2
Max z = 1200 x1 + 1000 x2
y1 0 ; y2 0
x1 0 ; x2 0
25
de programmation linéaire :
Illustration :
Minimiser sous les contraintes
En résolvant, d’après la méthode du simplexe le programme dual on commence par introduire les
variables d’écart pour avoir :
Au vu des coefficients des autres lignes sur la colonne pivot, les opérations naturelles :
s’imposent sur toutes les
lignes et donnent :
Comme tous les indicateurs sont non négatifs, alors il suffit de poser
Pour la solution optimale du dual nous avons trouvé pour ses variables d’écart
les valeurs .
En utilisant les résultats relatifs au dual ci-dessous nous avons les déductions suivantes :
En bref, la résolution complète du dual nous donne les renseignements suivants sur
le primal : la valeur optimale de la première variable de décision du primal (x1) ainsi que
les valeurs optimales respectives de deux premières variables d’écart du primal (s1 et
s2)sont nulles :
.
Par le Chef de Travaux AMANI MAISHA Sulutani. La polycopie de ce document sans permission est
un manquement scientifique.
29
Par le Chef de Travaux AMANI MAISHA Sulutani. La polycopie de ce document sans permission est
un manquement scientifique.
30
Dans la boîte de dialogue qui s’affiche, cliquer sur la commande Compléments de la partie gauche
de cette boîte, sélectionner en suite Complément Solver puis sur le bouton Atteindre comme
l’illustre l’image ci-dessous :
Cette action vous amène une autre boîte de dialogue dans laquelle, vous êtes invité de cocher
Complément Solver puis cliquer sur ok pour que cette commande fait partie intégrante de
l’onglet données.
Etudions alors la préparation des données et la résolution d’un programme linéaire par voie de
tableur à l’aide d’un programme linéaire à maximiser qui se présente ci-dessous :
Soit à maximiser le programme linéaire ci-dessous :
Par le Chef de Travaux AMANI MAISHA Sulutani. La polycopie de ce document sans permission est
un manquement scientifique.
31
Voici la démarche à suivre pour le résoudre à l’aide d’EXCEL Il y a trois principales parties à
fournir au solveur d’Excel.
- La cellule à maximiser/minimiser ,
- La plage de variables de décision (x1, x2),
- Les contraintes.
Pour le faire, il faudra procéder par l’introduction du modèle dans une feuille de calcul. Nous
basant de notre exemple :
1) La première ligne va reprendre les intitulés des variables de base ici, la cellule A1
contiendra l’intitulé, variables, la cellule B1, la première variable de décision (X1) et la
cellule C1 la deuxième variable de décision (X2). La deuxième ligne est celle réservée à
contenir alors les quantités optimales à calculer. Elles doivent pour le moment être laissées
vides car elles seront remplies automatiquement à l’aide du solveur. Dans A1, on pourra
inscrire l’intitulé « valeurs recherchées », B2 et C2 sont alors laissées vides pour attendre
les valeurs que le solveur calculera en fonction des contraintes du modèle.
2) La troisième ligne est dédiée aux contraintes du modèle. Ainsi, la cellule A3 aura
Contraintes comme intitulé, la cellule B3, la variable X1, la cellule C3, la variable X2, la
cellule D3, le calcul de la valeur de la contrainte et la cellule E4, la quantité des ressources
disponibles (le second membre des inégalités).
3) Ensuite, vers la ligne 7, en respectant les colonnes des variables X1 et X2, reprendre les
coefficients de ces variables dans la fonction économique. Ainsi, la cellule A7 contiendra
l’intitulé « fonction économique », la cellule B7, le coefficient de la variable X1 (66) et C7
(84), le coefficient de la variable X2. En dessous, à la huitième ligne, la cellule du calcul
du profit comme c’est un problème de maximisation (elle sera du coût lors d’un problème
à minimisation). Pour ce faire, la cellule A8 contient l’intitulé Profit. La cellule B8 jusque-
là doit être laissée et contiendra la formule pour le calcul automatique du profit.
Voici, ci-dessous, l’image qui illustre cela dans une feuille de calcul :
Par le Chef de Travaux AMANI MAISHA Sulutani. La polycopie de ce document sans permission est
un manquement scientifique.
32
4) Comme vous pouvez le constater sur cette image, la colonne D est restée vide jusque là.
L’ordinateur ne pouvant pas comprendre les variables et les contraintes, il est nécessaire de
lui fournir les données numériques pour qu’il agisse. Ainsi, cette colonne recevra le calcul
des valeurs de contraintes à même de vérifier les inéquations. Pour ce faire, au niveau de
D4, première contrainte du programme linéaire à résoudre : 3x1 + 4x2≤4200, B2 devant
contenir la valeur optimale de X1 et C2, la valeur optimale de la variable X2, la cellule D4
sera alors la multiplication du contenu de B2 par B4 lequel produit sera ajouté du produit
C2 et C4. En Excel, il faudra, dans la cellule D4, introduire le signe d’égalité (=) puis
cliquer sur B2 puis saisir le signe de multiplication à l’aide du clavier (*) et puis cliquer
sur B4, mettre le signe d’addition (+) ensuite cliquer sur C2 puis saisir le signe de
multiplication à l’aide du clavier (*) et en fin sur C4 ce qui donnera la formule suivante =
B2*B4 + C2*C4. La valeur sera égale à zéro. Ne vous inquiétez pas. Il faudra alors
reprendre cette opération jusqu’à terminer toutes les contraintes. Pour la deuxième
contrainte, dans la cellule D5, on aura le résultat (formule) suivant : B2*B5+C2*C5, pour
la troisième contrainte, dans la cellule D6, on aura le résultat (formule) suivant :
B2*B6+C2*C6, et pour la quatrième et dernière contrainte, dans la cellule D7, on aura le
résultat (formule) suivant : B2*B7+C2*C7.
5) Ce qui vous reste à faire en termes d’introduction de données est la formule de calcul du
profit total qui s’obtient en multipliant les quantités optimales reprises en B2 et C2 par les
prix unitaires contenues dans les cellules B8 et C8. En faisant cela, on obtient alors la
formule =B8*B2+C8*C2 à inscrire dans la cellule B9. C’est cette cellule qu’on
maximisera car elle correspond à la fonction objectif 66x1 + 84x2. L’image ci-dessous
illustre cela.
Par le Chef de Travaux AMANI MAISHA Sulutani. La polycopie de ce document sans permission est
un manquement scientifique.
33
1) Menu: Outils/Solveur (office 2003) ou sous l’onglet Données (office 2007 à 2016), la
commande Solveur .
2) Entrez les paramètres du solveur comme vous pouvez le voir sur l’image ci-dessous :
La Cellule cible à définir est celle qui doit contenir la cellule du profit total ou du coût
minimal en fonction du problème. Dans le cas de notre exemple, B9.
Égale à permet de préciser le type de problème à résoudre : Minimisation ou maximation.
Pour notre exemple, nous allons cocher Max.
Par le Chef de Travaux AMANI MAISHA Sulutani. La polycopie de ce document sans permission est
un manquement scientifique.
34
Cellules variables: Cette zone reçoit les cellules de valeurs recherchées. Pour notre cas, les
cellules B2 : C2 représentant les variables de décisions qui doivent être déterminées
automatiquement par le solveur.
Contraintes: Cette zone contiendra toutes contraintes du programme linéaire sans oublier
les contraintes de non-négativité x1≥ 0, x2≥ 0.
Pour le faire,
1) Cliquez sur « Ajouter ». Cela vous apporte la boîte de dialogue « ajouter une contrainte »
ci-après :
Par le Chef de Travaux AMANI MAISHA Sulutani. La polycopie de ce document sans permission est
un manquement scientifique.
35
6) Le solveur crée alors une feuille de rapport de manière automatique portant le nom de la
feuille contenant les données du programme auquel il ajoute 1.
2.7. Exercices d’Application
Par le Chef de Travaux AMANI MAISHA Sulutani. La polycopie de ce document sans permission est
un manquement scientifique.
36
de vente lui propose un lot A comprenant 2 draps de bain, 4 serviettes et 8 gants pour 200
francs. Une deuxième entreprise vend pour 400 francs un lot B de 3 draps de bains, 12
serviettes et 6 gants de toilettes. Pour répondre à ses besoins, le gérant achète x lots A et y
lots B.
1. Traduire par un système d'inéquations les contraintes auxquelles satisfont x et y.
2. Par la méthode graphique trouver la fonction objectif.
2) 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 N
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 .
Le produit P1 donne un profit unitaire de 900 dinars et le produit P2 un profit unitaire de 1000
dinars. Dans ces conditions, combien doit-on fabriquer mensuellement de produits P1 et P2 pour
avoir un profit total maximum ?
3) Une entreprise désire effectuer une campagne publicitaire dans la télévision, la radio et
les journaux pour un produit lancé récemment sur le marché. Le but de la campagne est
d’attirer le maximum possible de clients. Les résultats d’une étude de marché sont donnés
par le tableau suivant :
Télévision Radio Journaux
Locale Par satellite
Coût d’une publicité 40 DT 75 DT30 DT 15 DT
Nombre de client potentiel 400 900 500 200
par publicité
Nombre de client potentiel 300 400 200 100
femme par publicité
Pour la campagne, on prévoit de ne pas payer plus que 800DT pour toute la campagne et on
demande que ces objectifs soient atteints :
- Au minimum 2000 femmes regardent, entendent ou lisent la publicité ;
- La campagne publicitaire dans la télévision ne doit pas dépasser
500 DT ;
- Au moins 3 spots publicitaires seront assurés par la télévision locale et au moins de
deux spots par la télévision par satellite.
Par le Chef de Travaux AMANI MAISHA Sulutani. La polycopie de ce document sans permission est
un manquement scientifique.
37
- Le nombre des publicités dans la radio ou dans les journaux sont pour chacun
entre 5 et 10.
4) Minimiser sous les contraintes :
Réponses :
Réponses :
Réponses : ZMax = 230/3 (76,67), x1 =0, x2 =20/3, x3=50/3, s1=0, s2=0 et s3=80/3
Par le Chef de Travaux AMANI MAISHA Sulutani. La polycopie de ce document sans permission est
un manquement scientifique.
38
Par le Chef de Travaux AMANI MAISHA Sulutani. La polycopie de ce document sans permission est
un manquement scientifique.
39
On remarquera que 1 est origine d’arcs ayant pour autre extrémité chacun des autres éléments et
que d’autre part 12 est une extrémité finale d’arcs dont l’autre extrémité est un autre élément
quelconque de X. Un graphe, noté G = (X, U), est généralement défini comme un schéma
constitué de deux ensembles :
1) un ensemble X d’éléments appelés sommets ou nœuds, matérialisés par des points ;
2) un ensemble U de lignes portant ou non une orientation reliant chacune deux sommets
distincts ou non entre eux et deux seulement ; chacune de ces lignes est entièrement définie
par le couple (xi, xj) de sommets qu’elle relie. Les éléments de cet ensemble sont appelés «
arcs » ou « branches » si lignes orientées, sinon « arêtes ».
c) Types des Graphes
- P-Graphe : Un graphe G(X, U) est appelé p-graphe si p est le nombre maximum d’arcs joignant
deux sommets quelconques. Soit G = (X, U) où X = (a, b, c, d, e) et U = {(a,b), (a,d), (b,c), (b,e),
(c,e), (d,b), (d,e)}. On en déduit le graphe 1.1b ci-après :
Si les lignes de U sont orientées, on les appelle alors des arcs et G prend le nom de « graphe
orienté ».
- Graphe non-orienté : Un graphe G(X, U) est appelé non-orienté s’il est relié par des arrêtes.
A tout graphe orienté, on peut associer un graphe non orienté en supprimant l’orientation des arcs.
De même, à tout graphe non orienté, on peut associer un graphe orienté en remplaçant chaque
arête par deux arcs orientés en sens inverse.
Par le Chef de Travaux AMANI MAISHA Sulutani. La polycopie de ce document sans permission est
un manquement scientifique.
40
- Graphe non orienté est dit planaire : s’il est possible de le dessiner dans le plan de telle sorte
que deux arêtes quelconques ne se rencontrent pas en dehors de leurs extrémités.
- Un multi graphe est un graphe pour lequel il peut exister plusieurs arêtes entre deux sommets.
Un graphe G est aussi une correspondance d’un ensemble E dans lui-même.
- Un graphe simple : un graphe est dit simple si : il est sans boucle et il existe une arête au plus
entre 2 sommets.
- Graphe eulérien : graphe qui possède un cycle eulérien.
- Graphe semi-eulérien : graphe qui possède une chaîne eulérienne.
- Graphe hamiltonien : graphe qui possède un cycle hamiltonien.
- Graphe semi-hamiltonien : graphe qui possède une chaîne hamiltonienne.
d) Représentation d’un graphe
On peut représenter un graphe de diverses façons, entre autres par : -
- une représentation sagittale (par flèche) ;
- une énumération de tous les sommets et arcs qui le composent ;
- des dictionnaires ou tableaux à simple entrée ;
Par le Chef de Travaux AMANI MAISHA Sulutani. La polycopie de ce document sans permission est
un manquement scientifique.
41
2) Représentation d’un graphe sous forme de méthode énumérative des sommets et arc
Le graphe 1.22 se traduit par les sommets et arcs suivants : X = {a, b, c, d},
U = {u1, u2, u3, u4, u5, u6} G = (X, U) = {(b, a), (a, b), (b, c), (c, d), (d, a), (c, c)}
3) Représentation d’un graphe à l’aide de dictionnaire
Soit un graphe G = (X, U).
On appelle « dictionnaire des suivants » de ce graphe un tableau à simple entrée dont
chaque ligne concerne un sommet précis et contient tous les suivants dudit sommet.
On appellera « dictionnaire des précédents » du graphe G un tableau à simple entrée
dont chaque ligne relève d’un sommet précis et contient tous les précédents du sommet en
question. Soit le graphe orienté ci-après :
Par le Chef de Travaux AMANI MAISHA Sulutani. La polycopie de ce document sans permission est
un manquement scientifique.
42
d) Niveau de Graphes
Par le Chef de Travaux AMANI MAISHA Sulutani. La polycopie de ce document sans permission est
un manquement scientifique.
43
4 2
d 3 c
- Représentation d’un graphe à l’aide d’une grille
Ainsi, chaque élément mij de la matrice M5 nous permet de connaître le nombre de chemins de
longueur 5 allant du sommet i au sommet j. On peut, par exemple, lire qu’il existe :
- 2 chemins de longueur 5 reliant le sommet a et le sommet b ;
- 1 chemin de longueur 5 reliant le sommet c et le sommet c ;
Par le Chef de Travaux AMANI MAISHA Sulutani. La polycopie de ce document sans permission est
un manquement scientifique.
44
Par le Chef de Travaux AMANI MAISHA Sulutani. La polycopie de ce document sans permission est
un manquement scientifique.
45
Résultat
- a, sommet sans précédent, a pour niveau 0.
- b et e ont pour niveau 1.
- c a pour niveau 2.
- d et g ont pour niveau 3
- et f a pour niveau 4.
Ce graphe est plus lisible et plus facile à exploiter car ordonnancé par niveaux de génération.
3.2. Chemins dans un Graphes
a) Définition et 1er exemple
Il s’agit de chercher le ou les chemins de longueur extrémale (minimum ou maximum)
partant du sommet n°1 et aboutissant à un sommet donné.
Par le Chef de Travaux AMANI MAISHA Sulutani. La polycopie de ce document sans permission est
un manquement scientifique.
46
Soit G = (X, U) un graphe orienté donné que nous supposons sans circuit. Les arcs du graphe
sont de plus valués. Un chemin µ permettant d’aller d’un sommet x du graphe à un autre sommet
xh est optimal si la somme des valeurs l(xi, xj) valuant chaque arc xixj = µh est soit minimale, soit
maximale. Dans le premier cas, l’optimum est un minimum, dans le second, un maximum, la
valeur extrémale étant :
Exemple
Par le Chef de Travaux AMANI MAISHA Sulutani. La polycopie de ce document sans permission est
un manquement scientifique.
47
A chaque arc (x,y) est associé un nombre positif V(x,y) appelé la valeur de l'arc.
L'algorithme de Ford va nous permettre de déterminer le chemin de valeur maximale entre
un sommet D (Départ) et un sommet F (Fin).
- On ordonne le graphe par niveaux
- On fait la représentation du graphe par niveaux.
Par le Chef de Travaux AMANI MAISHA Sulutani. La polycopie de ce document sans permission est
un manquement scientifique.
48
A partir de cette représentation, on supprime les sommets et les arcs par lesquels on ne peut
pas passer pour aller de D à F.
- En partant du sommet D de niveau le plus faible (le plus à gauche) jusqu'au sommet
F de niveau le plus fort (le plus à droite), on associe à chaque sommet x une marque
m(x) correspondant à la valeur du chemin de valeur maximale aboutissant à x.
m(D) = 0
m(x) = max [m(y) + V(y,x)] , le max étant pris sur tous les précédents
y de x
La marque de F donnera donc la valeur du chemin le valeur maximale entre D et F. Le chemin de
valeur maximale est le chemin qui a permis d'aboutir à la marque de F. Il est obtenu en partant de
F et en regardant quel est le sommet précédent qui a permis d'obtenir m(F), et ainsi de suite jusqu'à
revenir en D.
m(4) = 0
m(3) = m(4) + V(4,3) = 0 + 5 = 5
m(5) = m(4) + V(4,5) = 0 + 2 = 2
Par le Chef de Travaux AMANI MAISHA Sulutani. La polycopie de ce document sans permission est
un manquement scientifique.
49
Exemple :
Par le Chef de Travaux AMANI MAISHA Sulutani. La polycopie de ce document sans permission est
un manquement scientifique.
50
Il est utile de rappeler que quand plusieurs trajets convergent vers un nœud ou sommet,
c’est le plus court qui a la primauté.
Remarques
Rappelons encore que la recherche du chemin le plus court revient, en d’autres termes, à
remplacer le maximum par le minimum chaque fois que plusieurs arcs aboutissent au même
sommet.
Enfin, l’utilité de la recherche d’un chemin de valeur minimale réside dans la
détermination de l’itinéraire le plus court permettant de se rendre d’un point x0 à un point xb, les
arcs représentant les routes et les valeurs portées sur les arcs les distances kilométriques. On
peut avoir l’itinéraire le plus rapide si la valuation concerne le temps de parcours, ou encore le
moins coûteux si l’on fait état de la consommation de carburant.
La recherche d’un chemin de valeur maximale a une importance capitale dans les modèles
d’ordonnancement.
3.2. Les Problèmes d’Ordonnancement et Gestion de Projet
a) Notions préliminaires
- préciser les contraintes qui s’opposent à ce que les tâches soient exécutées arbitrairement.
Une telle méthode doit donc permettre :
- d’analyser le projet en profondeur, c’est-à-dire le décomposer en tâches ;
- de mettre sur pied un plan d’action contribuant à réaliser ledit projet tout en respectant
les contraintes, c’est-à-dire de déterminer le meilleur temps nécessaire à la réalisation de
l’ensemble de l’ouvrage entrepris ;
- et enfin, de contrôler le bon déroulement du projet, c’est-à-dire de localiser les tâches ou
les étapes-critiques ou celles qui ne peuvent être ni retardées, ni ralenties, sans que la fin
des travaux soit décalée du temps correspondant.
d) Construction du Graphes
Exemple : Les opérations mises en jeu dans la construction d'un ensemble hydro-électrique
sont lessuivantes :
a) Construction des voies d'accès
b) Travaux de terrassement
c) Construction des bâtiments administratifs
d) Commande du matériel électrique
e) Construction de la centrale
f) Construction du barrage
g) Installation des galeries et conduites forcées
h) Montage des machines
i) Essais de fonctionnement
Les contraintes d'antériorité sont les suivantes :
Opérations durée (mois) opérations prérequises
A 4 -
B 6 A
C 4 -
D 12 -
E 10 b,c,d
F 24 b,c
G 7 A
H 10 e,g
I 3 f,h
Deux méthodes sont classiquement utilisées : la Méthode des Potentiels Metra
(MPM), et la méthode PERT (Programm Evaluation and Research Task). Toutes les deux
utilisent des graphes pour résoudre le problème.
Par le Chef de Travaux AMANI MAISHA Sulutani. La polycopie de ce document sans permission est
un manquement scientifique.
52
- Construction du graphe
- un sommet correspond à une tâche
- un arc définit une relation d'antériorité
- la valeur de l'arc définit le temps minimum séparant deux tâches successives.
- Chaque sommet de la représentation graphique est figuré par un rectangle :
Tx T*x
X
où :
- x = nom de la tâche,
- Tx = date de début au plus tôt de la tâche
- T*x = date de début au plus tard de la tâche.
- Un sommet terminal permettant de dater la fin des travaux est rajouté au graphe.
- La représentation graphique est ordonnée par niveaux des sommets, c.à.d. des tâches.
Par le Chef de Travaux AMANI MAISHA Sulutani. La polycopie de ce document sans permission est
un manquement scientifique.
53
Exemple:
Ta = Tc = Td = 0Tb = Ta + 4 = 4
Tg = Ta + 4 = 4
Tf = Max (Tb + 6 ; Tc + 4) = Max (10 ; 4) = 10
Te = Max (Tb + 6 ; Tc + 4 ; Td + 12 ) = Max (10 ;
4 ; 12) = 12Th = Max (Te + 10 ; Tg + 7) = Max
(22 ; 11) = 22
Ti = Max (Tf + 24 ; Th + 10) = Max
(34 ; 32) = 34Tz = Ti + 3 = 37
Ces résultats peuvent être reportés sur le graphe
Par le Chef de Travaux AMANI MAISHA Sulutani. La polycopie de ce document sans permission est
un manquement scientifique.
54
niveau les plus élevés jusqu'aux sommets de niveau les plus faibles.
T*z = Tz pour le sommet terminal
T*x = min [T*y - V(x,y)] , le min étant pris sur les suivants y de x.
Exemple :
T*i = T*z - V(i,z) = 37 - 3 = 34 T*h = T*i - V(h,i) = 34 - 10 = 24T*f = T*i - V(f,i) = 34 - 24
= 10
mt(x) = T*x - Tx
Par le Chef de Travaux AMANI MAISHA Sulutani. La polycopie de ce document sans permission est
un manquement scientifique.
55
Exemple :
mt(a) = T*a - Ta = 0 - 0 = 0
mt(b) = T*b - Tb = 4 - 4 = 0
mt(c) = T*c - Tc = 6 - 0 = 6
mt(d) = T*d - Td = 2 - 0 = 2
mt(e) = T*e - Te = 14 - 12 = 2
mt(f) = T*f - Tf = 10 - 10 = 0
mt(g) = T*g - Tg = 17 - 4 = 13
mt(h) = T*h - Th = 24 - 22 = 2
mt(i) = T*i - Ti = 34 - 34 = 0
- Marges libres
C'est le retard maximum que l'on peut prendre dans la mise en route d'une tâche sans
remettre encause les dates au plus tôt des tâches suivantes (donc sans retarder la fin des
travaux).
mL(x) = min [Ty - Tx - V(x,y)] , le min étant pris sur les suivants y de x.
Exemple :
mL(a) = Min [Tb - Ta - V(a,b) ; Tg - Ta -
V(a,b)] = Min (0 ; 0) = 0
mL(b) = Min [Tf - Tb - V(b,f) ; Te - Tb -
V(b,e)] = Min (0 ; 2) = 0
mL(c) = Min [Tf - Tc - V(c,f) ; Te - Tc -
V(c,e)] = Min (6 ; 8) = 6
mL(d) = Te - Td - V(d,e) = 0
mL(e) = Th - Te - V(e,h) = 0
mL(f) = Ti - Tf - V(f,i) = 0
mL(g) = Th - Tg - V(g,h) = 11
mL(h) = Ti - Th - V(h,i) = 2
mL(i) = Tz - Ti - V(i,z) = 0
Par le Chef de Travaux AMANI MAISHA Sulutani. La polycopie de ce document sans permission est
un manquement scientifique.
56
Le PERT permet de représenter l'ensemble des tâches sur un graphe orienté, à partir duquel
il sera possible d'identifier leurs dates au plus tôt et au plus tard et de calculer leurs marges.
Un graphe orienté est un réseau composé d'une entrée et d'une sortie, ainsi que de points
(appelés "sommets") reliés entre eux par des flèches (appelées "arcs").
Par le Chef de Travaux AMANI MAISHA Sulutani. La polycopie de ce document sans permission est
un manquement scientifique.
57
On appelle tâche le déroulement dans le temps d’une opération symbolisé par sur laquelle
seront indiqués l’action à effectuer et le temps de réalisation de cette tache. Pour alléger le
réseau PERT on attribut à chaque définition une lettre alphabétique.
Les tâches suivant leur disposition dans un réseau peuvent être :
- successives
- simultanées
- convergentes
- Chaque sommet de la représentation graphique est figuré par un cercle
Par le Chef de Travaux AMANI MAISHA Sulutani. La polycopie de ce document sans permission est
un manquement scientifique.
58
Par le Chef de Travaux AMANI MAISHA Sulutani. La polycopie de ce document sans permission est
un manquement scientifique.
59
Par le Chef de Travaux AMANI MAISHA Sulutani. La polycopie de ce document sans permission est
un manquement scientifique.
60
En utilisant la méthode MPM, déterminez la durée totale du projet, ainsi que, pour
chaque tâche, la date de début au plus tôt, la date de début au plus tard, la marge libre,
la marge totale. Quelles sont les tâches critiques pour la réalisation du projet ?
La tâche D est retardée de 3 jours. Cela implique-t-il un retard sur le délai d’exécution
du programme ?
Par le Chef de Travaux AMANI MAISHA Sulutani. La polycopie de ce document sans permission est
un manquement scientifique.
61
5) Lors d’un stage, votre responsable en entreprise vous demande d’exécuter un travail.
Après avoir recensé les différentes tâches que vous aurez à réaliser, vous estimez leur
duréed’exécution et disposez du tableau suivant :
A H 4
B A,G,J 8
C E 14
D - 12
E - 8
F E 6
G D,K,J 6
H - 8
I J,K 10
J H 6
K E,D,F 8
A partir de la représentation MPM ou PERT, définir le calendrier au plus tôt, au plus tard,
lesmarges totales et libres, ainsi que les tâches critiques.
En fait vous ne disposez que de 30 jours effectifs de stage. Vous informez votre responsable
que letravail ne pourra être achevé pendant le stage.
Il examine votre planning et estime que la durée de certaines tâches peut être réduite (vos
estimations étaient trop larges et on vous aidera dans la réalisation de certaines opérations).
Voici les réductions possibles :
Tâches A B C D E F G H I J K
Réduction 0 2 0 0 4 0 2 0 1 2 0
Quelles sont les tâches que vous réduirez pour que le projet ne dure que 30 jours ?
Dressez la liste des tâches critiques. (On s’attachera à réduire les tâches critiques en
commençant par les tâches finales.
Par le Chef de Travaux AMANI MAISHA Sulutani. La polycopie de ce document sans permission est
un manquement scientifique.
62
Tout arc 𝑢 est valué par un entier positif 𝑐(𝑢) nommé « capacité » de l’arc 𝑢, qui
représente une capacité de transport associée à la liaison figurée par cet arc : ces capacités de
transport peuvent être des tonnages disponibles sur des bateaux, des camions, des wagons, ou
encore des débits dans des canalisations,oléoducs, voies de transmission, etc.
Etant donné un réseau de transport. Le problème à résoudre consiste à acheminer une quantité
maximale de 1 à 𝑝 en tenant compte des capacités de transport. La quantité 𝜑(𝑢) transportée sur
chaque arc 𝑢 est nommée flux sur l’arc. Elle vérifie donc 0 ≤ 𝜑(𝑢) ≤ 𝑐(𝑢).
En tout sommet différent de la source 1 et du puits 𝑝, on a une loi de conservation :
La somme des flux arrivant sur le sommet x est égale à la somme des flux
partant du sommet x.
Un flot Φ est déterminé par la donnée du flux pour tout arc du réseau de transport. La valeur 𝑉(Φ)
d’un flot est, par définition, la somme des flux partant de la source 1 ou bien elle égale à la
somme des flux des arcs arrivant sur le puits 𝑝.
Exercice
On considère trois châteaux d’eau A, B et C gérés par un syndicat intercommunal,
alimentant quatre villages D, E, F et G. Le château d’eau A bénéficie d’une alimentation
et d’une réserve capables de débiter 45 l/s ; le château B peut seulement débiter 25 l/s
et le château d’eau C, 20 l/s. Plusieurs canalisations existent et leur débit en l/s, est
Par le Chef de Travaux AMANI MAISHA Sulutani. La polycopie de ce document sans permission est
un manquement scientifique.
63
Solution
Constatons d’abord que, si nous ajoutons au graphe représentant les canalisations avec leur
débit, une entrée (source) O et une sortie (puits) P, toutes deux fictives, on obtient un réseau
de transport. On value les arcs (𝑂, 𝐴), (𝑂, 𝐵) et (𝑂, 𝐶) leur attribuant comme capacités les
disponibilités respectives en A, B et C. De même, on value les arcs (𝐷, 𝑃), (𝐸, 𝑃) et (𝐹, 𝑃) et
(𝐺, 𝑃) par les besoins respectifs en D, E, F et G.
𝐷
[10]
𝐴 [20]
[15]
[45] [30]
𝑂 [5] 𝐸
𝐵 [10]
[25] 𝑃
[15] [20]
[20]
𝐶 [10] 𝐹
[20] [30]
[10]
Par le Chef de Travaux AMANI MAISHA Sulutani. La polycopie de ce document sans permission est
un manquement scientifique.
64
Le problème se ramène alors à passer un flot de valeur maximale de O vers P (ou si l’on
veut, sur un arc imaginaire, dit de »retour », qui reviendrait de P vers O. Voici un flot Φ sur
ce réseau de transport :
𝐷
[10]
𝐴
[15] [20]
[30]
[45] 𝐸
𝑂 [10]
𝐵 [5]
[25] 𝑃
[20]
[20] [15]
𝐶 𝐹
[10] [30]
[10] [20]
Par le Chef de Travaux AMANI MAISHA Sulutani. La polycopie de ce document sans permission est
un manquement scientifique.
65
- Principe : On considère à chaque étape, le Nord-Ouest de la grille. On part donc de la route (i1,
j1) ; on sature soit la ligne i 1 soit la colonne j1. Puis on recommence sur la sous-grille formée
des lignes et des colonnes non saturées.
Cette procédure aboutit en général à une solution de base. Si à chaque choix d’une
relation, on a épuisé une demande ou une disponibilité mais non les deux, (sauf pour la dernière),
donc on a sélectionné (m + n – 1) liaisons et obtenu (m -1)(n – 1) zéros.
- Application de la méthode du coin nord-ouest
Exemple 1 :
Par le Chef de Travaux AMANI MAISHA Sulutani. La polycopie de ce document sans permission est
un manquement scientifique.
66
Exemple Initialement
Soit la matrice du transport ci-après :
Coûts / Besoins / Stocks
Sources/Destinataires 1 2 3 4 5 Stocks
1 10 6 3 5 25 49
2 5 2 6 12 5 30
Demandes 15 20 5 25 14
Transports
Sources/Destinataires 1 2 3 4 5
1
2
Étape 1 :
Transports
Sources/Destinataires 1 2 3 4 5
1 15
2 0
Etape 2
Par le Chef de Travaux AMANI MAISHA Sulutani. La polycopie de ce document sans permission est
un manquement scientifique.
67
Transports
Sources/Destinataires 1 2 3 4 5
1 15 20
2 0 0
Étape 3
Transports
Sources/Destinataires 1 2 3 4 5
1 15 20 5
2 0 0 0
Étape 4
Transports
Sources/Destinataires 1 2 3 4 5
1 15 20 5 9
2 0 0 0 16
Par le Chef de Travaux AMANI MAISHA Sulutani. La polycopie de ce document sans permission est
un manquement scientifique.
68
Etape 5
Transports
Sources/Destinataires 1 2 3 4 5
1 15 20 5 9 0
2 0 0 0 16 14
Coût de la solution
La solution trouvée avec cette méthode n'est pas optimale en termes de coût.On trouve
ici : 15*10 + 20*6 + 5*3 + 9*5 + 0*25 + 0*5 + 0*2 + 0*6 + 16*12 + 14*5 = 592.
Exemple2 :
Soit, la société Alpha possédant quatre dépôts A1, A2, A3 et A4 dans lesquels existent
des quantités respectives de 896, 782, 943, 928 unités d’une matière première, et cinq usines D1,
D2, D3 , D4 et D5 demandant respectivement 800, 439, 50, 790 et 1470 unités de celles-ci. Les
coûts de transport, C ij, sont donnés par le tableau ci-dessous. Comment organiser le transport au
moindre coût total?
Première étape :
A1-D1 est le coin Nord-Ouest, on lui affecte min (800;896) soit 800 unités demandées par D1et
fournies en A1.
Par le Chef de Travaux AMANI MAISHA Sulutani. La polycopie de ce document sans permission est
un manquement scientifique.
69
Deuxième étape : A1-D2 est le coin N-O, on lui affecte 96 unités demandées par D2 et fournies
en A1.
On sature ainsi l’offre en A1, qui disparaît. On obtient le tableau 3 pour lequel le coin
N-O est A2-D2.
Par le Chef de Travaux AMANI MAISHA Sulutani. La polycopie de ce document sans permission est
un manquement scientifique.
70
Troisième étape :
A2-D2 est le coin N-O, on lui affecte 343 unités demandées par D2 et offert par A2.
On satisfait ainsi la demande D2, qui disparaît. On obtient le tableau 4 pour lequel le
coin N-O est A2-D3.
Quatrième étape : A2-D3 est le coin N-O, on lui affecte 50 unités fournies par A2 et demandée
en D3.
Par le Chef de Travaux AMANI MAISHA Sulutani. La polycopie de ce document sans permission est
un manquement scientifique.
71
On sature la demande D3, qui disparaît. On obtient le tableau 5 pour lequel le coin N-
O est A2-D4.
Cinquième étape : A2-D4 est le coin N-O, on lui affecte 389 unités fournies par A2 et demandée
par D4.
Par le Chef de Travaux AMANI MAISHA Sulutani. La polycopie de ce document sans permission est
un manquement scientifique.
72
On sature l’offre A2, qui disparaît. On obtient le tableau 5 pour lequel le coin N-O est A3-D4.
Sixième étape : A3-D4 est le coin N-O, on lui affecte 401 unités fournies par A3 et demandée par
D4.
On sature la demande D4, qui disparaît. On obtient le tableau 5 pour lequel le coin N-O est A3-
D5.
Dernière étape : Il ne reste qu'une colonne D5 on affecte aux liaisons existantes le transport de
façon évidente
Nous avons ainsi obtenu une solution de base réalisable puisque la condition d’avoir (n -1)(m -1)
variables nulles dans la solution est satisfaite (12 cases vides dans le dernier tableau).
Par le Chef de Travaux AMANI MAISHA Sulutani. La polycopie de ce document sans permission est
un manquement scientifique.
73
Le coût de cette solution est : 800* 21+ 96*11+ 343* 52 + 50* 43 + 389* 29 + 401* 80 + 542*93
+ 928*54 = 181 721 UM
6. Méthode de BALAS – HAMMER
- Présentation :
Cette méthode est basée sur le calcul des regrets. Le regret associé à une ligne ou à une colonne
est la différence entre le coût minimum et le coût immédiatement supérieur dans cette ligne ou
dans cette colonne. C’est une mesure de la priorité à accorder aux transports de cette ligne ou de
cette colonne, car un regret important correspond à une pénalisation importante si on n’utilise pas
la route de coût minimum. La méthode de Balas-Hammer fournit, en général, une solution très
proche de l’optimum; le nombre de changements de base nécessaires pour arriver à une solution
optimale est peu élevé (il arrive même assez fréquemment que la solution donnée par cette règle
soit optimale).
- Principe :
D’abord, on calcule pour chaque rangée, ligne ou colonne, la différence entre le coût le plus petit
avec celui qui lui est immédiatement supérieur. Ensuite on affecte à la relation de coût le plus
petit correspondant à la rangée présentant la différence maximale la quantité la plus élevée
possible. Ce qui sature une ligne ou une colonne. Et on reprendre le processus jusqu'à ce que
toutes les rangées soient saturées.
Par le Chef de Travaux AMANI MAISHA Sulutani. La polycopie de ce document sans permission est
un manquement scientifique.
74
- Le regret le plus important est celui de la colonne 5 : 20. Dans cette rangée, on
repère le coût minimal : C(2,5) = 5.
Par le Chef de Travaux AMANI MAISHA Sulutani. La polycopie de ce document sans permission est
un manquement scientifique.
75
- Réitération du principe
- ETC...
- Résultat
- On en arrive à établir le tableau des transports :
-
Transports
Sources/Destinataires 1 2 3 4 5
1 0 19 5 25 0
2 15 1 0 0 14
- Le coût total se calcule par un produit scalaire entre les matrices des coûts et des
transports.
- Ici, le coût optimal est donc : 0*10 + 19*6 + 5*3 + 25*5 + 0*25 + 15*5 + 1*2 + 0*6
+ 0*12 + 14*5 = 401
Exemple 2 : Reprenons l’exemple précédant, et cherchons une solution de base par l’algorithme
de Balas-Hammer.
Par le Chef de Travaux AMANI MAISHA Sulutani. La polycopie de ce document sans permission est
un manquement scientifique.
76
Première étape :
Deuxième étape :
Par le Chef de Travaux AMANI MAISHA Sulutani. La polycopie de ce document sans permission est
un manquement scientifique.
77
Troisième étape :
Quatrième étape :
Cinquième étape :
Par le Chef de Travaux AMANI MAISHA Sulutani. La polycopie de ce document sans permission est
un manquement scientifique.
78
Sixième étape :
Septième étape :
Dernière étape :
Il nous reste qu’une source non épuisée A3, on l’affecte à D5 qui demande exactement 85 unités.
Enfin, la solution de base est :
Par le Chef de Travaux AMANI MAISHA Sulutani. La polycopie de ce document sans permission est
un manquement scientifique.
79
Par le Chef de Travaux AMANI MAISHA Sulutani. La polycopie de ce document sans permission est
un manquement scientifique.
80
Première étape :
Réduction des lignes : on crée une nouvelle matrice des coûts en choisissant le coût
minimal sur chaque ligne et en le soustrayant de chaque coût sur la ligne.
Par le Chef de Travaux AMANI MAISHA Sulutani. La polycopie de ce document sans permission est
un manquement scientifique.
81
Dans ce cas, le nombre minimal de lignes est de 3 qui est inférieur au nombre de ligne ou colonne
(4), alors on passe à l’étape 4.
Quatrième étape :
Premièrement, il faut trouver la cellule de valeur minimum non couverte par une ligne, puis,
soustraire cette valeur de toutes les cellules non couvertes. Ensuite, ajouter cette valeur aux
cellules situées à l’intersection de deux lignes. Et enfin, retourner à l’étape 3.
Par le Chef de Travaux AMANI MAISHA Sulutani. La polycopie de ce document sans permission est
un manquement scientifique.
82
La valeur minimum des cellules non couvertes est 20. On soustrait 20 des cellules non couvertes
et on l’ajoute aux cellules qui se trouvent à l’intersection des lignes, ceci nous donne le tableau
suivant :
Par le Chef de Travaux AMANI MAISHA Sulutani. La polycopie de ce document sans permission est
un manquement scientifique.
83
EXERCICES
Une fabrique M a 4 machines et 4 tâches à compléter. Chaque machine doit lui voir assigner
une tâche. Le temps de mise en œuvre est donné par la table suivante :
T1 T2 T3 T4 T5
Machine 1 14 5 8 7 4
Machine 2 2 12 6 5 8
Machine 3 7 8 3 9 13
Machine 4 2 4 6 10 11
Machine 5 3 6 7 11 16
Par le Chef de Travaux AMANI MAISHA Sulutani. La polycopie de ce document sans permission est
un manquement scientifique.
84
Par le Chef de Travaux AMANI MAISHA Sulutani. La polycopie de ce document sans permission est
un manquement scientifique.
85
Par le Chef de Travaux AMANI MAISHA Sulutani. La polycopie de ce document sans permission est
un manquement scientifique.
86
Q
Q/2-------------------------------------------------------------------stock moyen
0
t1 t2 t3 t4 t5 t
NB : la distance séparant t1 et t2 c’est T
Le stock atteint la quantité Q au moment des réapprovisionnements puis diminue
progressivement e de façon constante suivant la demande D. quand il atteint le niveau nul, on
lance une nouvelle commande ou fabrication qui entre en stock aussitôt.
Soit :
C(Q) = coût total de gestion de stock ou coût total par unité de temps ;
a = coût unitaire de l’article ;
t = taux de possession des stocks en pourcentage par an de la valeur
stockée ;
Par le Chef de Travaux AMANI MAISHA Sulutani. La polycopie de ce document sans permission est
un manquement scientifique.
87
On a donc : ou encore
On sait que C(Q) = + , ainsi, pour trouver la quantité optimale (Q*), on aura alors :
Par le Chef de Travaux AMANI MAISHA Sulutani. La polycopie de ce document sans permission est
un manquement scientifique.
88
√
C (Q*)= + , après démonstration C(Q*)=√ ou √
√
Exemple
Mr NYONGOLO est responsable des approvionnement chez un commerçant
détaillant d’articles de sport. La demande annuelle d’une référence des ballons de football est
2000U, t est 20%. Le coût de commande est de 300FF, le coût unitaire (a) est de 150FF, la
quantité (Q) actuelle d’approvisionnement actuel est Q. Déterminer la quantité optimale à
demander ainsi que les coûts inhérents à la gestion de stock.
Solution
Dou r = 2000unités, a = 150FF, Cr =300FF, Q*=? C (Q*) =? , coût annuel de Possession =?, coût
de lancement ?
Q*=200unités, (Q*)= 6000FF, CAP= 3000FF, CAL=300FF
Nbre de la demande ( ) 10 commandes
On aura alors :C ( ) +
( )
, or à l’optimum : et puis remplaçons
( )
( )
Après démonstration C(Q’) =1/2 ( ) C(Q*) ou alors 1/2 ( )
( )
Par le Chef de Travaux AMANI MAISHA Sulutani. La polycopie de ce document sans permission est
un manquement scientifique.
89
Q --------------------------------C------------------------------
Q/2 --------------------------------------------------------------
P r
E B t
L
T
𝐷𝐸 𝑃 ( )
Donc DE = Q(1-rL/PL) 𝐷𝐸 ( ).
Le stock minimum du stock moyen sera donné par la relation ci-dessous : DE/2=
Q/2(1-r/p)
Le nombre de commande à passer sera donnée par la relation ci-après : r/Q ou D/Q
Remplaçons Q/2 par sa valeur dans la fonction du coût total par unité de temps ; on
C(Q) = ( )𝐶 𝐶
( )
=0 ( )𝐶 𝐶 =0, après avoir minimisé, on aboutira au résultat :Q*=
( )
Par le Chef de Travaux AMANI MAISHA Sulutani. La polycopie de ce document sans permission est
un manquement scientifique.
90
C(K) 𝐶( ) 𝐷 𝐷 𝐶 𝐶 𝐷 ( ) 𝐶 ( ) 𝐶
C1 : Da(1- )+ 𝐶 ( ) 𝐶 = réduction =
C2 : Da(1- )+ 𝐶 ( ) 𝐶 = réduction =
Ck : Da(1- )+ 𝐶 ( ) 𝐶 = réduction =
Par le Chef de Travaux AMANI MAISHA Sulutani. La polycopie de ce document sans permission est
un manquement scientifique.
91
Après démonstration
C0-C1=Cs( ) 𝐷𝐶 ( ) (𝐷 𝐶 )
Exemple graphique :
Exemple
On utilise régulièrement 480 tonnes par mois d’une certaines matières premières. On
évalue à 200FF le frais direct relatif à une commande tandis que le coût de possession est estimé
pour cette matière est estimé à 20%. On reçoit une offre pour 200FF la tonne avec proposition de
rabais de 1% la livraison de 500tonnes ou plus.
Quelle est doit être la politique d’approvisionnement pour cette matière.
Solution
D ou r = 480T/mois, Cr=200FF, a=200FF, t=20%, q= 500T q1 =500T, rabais 1%
Tous les coûts : Sans réduction C(Q)= 1161600FF et Avec rabais C(Q)= 1197748,84FF.
La politique d’approvisionnement doit être faite avec rabais pour essayer de
minimiser les coûts car si on s’approvisionne les 500T sans réduction on aura un coût supérieur.
Soit le coût de 1161600 FF pour 480Tonnes par mois, le coût total pour 500 tonnes
sans réduction sera alors égal : 1161600/480 = 2420 la tonne. Le coût des 500 tonnes vaut :
500*2420= 1210000FF.
1197748,84FF 1210000FF. La bonne politique est celle de s’approvionner avec
la réduction (remise).
Par le Chef de Travaux AMANI MAISHA Sulutani. La polycopie de ce document sans permission est
un manquement scientifique.
92
Q---------------------------D-----------------------------------------------------------
l L r q
r E
0 A
S-------------------------------B--------------------------------------------------------------
T
Q= B*D
S=r*L
D=L*r
T=l+L
( )
L=C*D/r = or r=
Par le Chef de Travaux AMANI MAISHA Sulutani. La polycopie de ce document sans permission est
un manquement scientifique.
93
C’est la fonction du coût à rendre minimal or au minimum les dérivées partielles de Kt par
rapport à Q et S sont nulles.
( )
=0 après dérivée et démonstration S=
( )
Si nous posons que on aura alors S= Q avec égal risque de rupture des
( )
si Q2= ( )
= en fin nous avons Q*=√
( )
On a donc S*=√( )
Par le Chef de Travaux AMANI MAISHA Sulutani. La polycopie de ce document sans permission est
un manquement scientifique.
94
Q --------------------------------------------------------
r
Stock
t
1er cas : Cr+(Q-r)Cs
- On arrive en fin de période avec un surplus.
Q-----------------------------------------------
t
2ème cas : Cr+(r+Q)Crup
La fonction économique à rendre minimum est ici l’espérance mathématique du coût
d’approvionnement par cycle. Comme l’intervalle entre réapprovionnement est fixe, le coût de
lancement ou de réapprovionnement n’a pas d’importance dans le modèle.
E ( ) =∫ ( ) ( ) dr +∫ ( ) ( ) dr.
Par le Chef de Travaux AMANI MAISHA Sulutani. La polycopie de ce document sans permission est
un manquement scientifique.
95
demande.
5.1.3. Les Stocks de Sécurité
Dans toutes les entreprises, les stocks de sécurité sont d’une grande importance car
ils interviennent aux éventualités futures. Pour mettre en pratique la formulation de la quantité
économique de la commande (de la demande) basée sur les hypothèses de la demande certaine, il
faut toujours tenir des facteurs aléatoires.
Comme nous avons défini le stock de sécurité est une protection face aux variations
aléatoires de la demande et du délai de livraison.
En effet, si le fournisseur livre avec retard ou si la demande augmente entre la
demande d’approvisionnement et de réception en stock, les gestionnaires des stocks en situation
de rupture des stocks.
Cette situation de pénurie ne se présente que lorsque la demande et/ou le délai de
réapprovisionnement sont supérieurs aux valeurs moyennes utilisées dans les paramètres de
gestion du système de réapprovisionnement. Dans le cas contraire, c’est une situation de sur
stockage à laquelle les gestionnaires seront confrontés. La détermination du stock de sécurité
s’appuie traditionnellement sur un objectif de minimisation de risques de rupture de stocks.
La loi de la demande la plus fréquemment utilisée est la loi normale ou la répartition de
GAUSS. Cette loi de distribution est caractérisée par une variable symétrique de la demande
et/ou le délai autours d’une valeur moyenne mesurée par l’écart type. C’est cette dernière
possibilité que nous allons examiner.
On peut présenter graphiquement la loi de Gauss :
Par le Chef de Travaux AMANI MAISHA Sulutani. La polycopie de ce document sans permission est
un manquement scientifique.
96
Avec :
- Z= variation aléatoire de la distribution normale et fonction du risque de pénurie
acceptable et
- = écart-type de la demande ou de la consommation durant les délais
d’approvisionnement.
Les variations seront appropriées de la formule de base de la sécurité en fonction
de la situation particulière suivante :
a) Le cas où seul le taux de commande est entré de varié
Ss=Z*√ * avec :
- = écart-type de taux de commande
- d= délais d’approvisionnement
b) Le cas où seul le délai de livraison est entré de varié
Ss=Z* .
Avec :
- taux de consommation ou de la demande
- 𝑐 𝑝 𝑢
c) Le cas où le délai d’approvisionnement et le taux de la demande sont entrés
de varié
Ss=Z*√
Avec :
- = distribution da la demande
- d et = moyenne et écart-type de la distribution de délai d’approvisionnement.
Exemple :
Considérons un article de consommation suivant une loi de Gauss de moyenne hebdomadaire x =
50 et d’écart type σ x = 5. Le délai moyen de livraison est de 4 semaines (20 jours) avec une
variation d’écart type de 2 jours.
Par le Chef de Travaux AMANI MAISHA Sulutani. La polycopie de ce document sans permission est
un manquement scientifique.
97
Par le Chef de Travaux AMANI MAISHA Sulutani. La polycopie de ce document sans permission est
un manquement scientifique.
98
Par le Chef de Travaux AMANI MAISHA Sulutani. La polycopie de ce document sans permission est
un manquement scientifique.
99
b) Le coût de Fonctionnement
C’est l’ensemble de frais dus à l’utilisateur de l’équipement à savoir : la
consommation de l’énergie, l’entretien, l’amortissement,… Pour les matériels d’usure, ces frais
croissent généralement en fonction d’utilisation et donc de l’âge.
Ainsi, on aura ce cas :
Coût d’acquisition Coût de fonctionnement
t1 t2 t3 Durée de vie
Coût de fonctionnement
Coût d’acquisition
t(durée de vie)
Notons qu’il ne faut pas l’équipement dure longtemps dans l’entreprise on risque de
voir les coûts de fonctionnement devenir supérieurs aux coûts d’acquisition.
5.2.1. modèle de remplacement
Dans ce modèle on désigne par :
A : Coût d’acquisition,
Ct : Coût de fonctionnement de l’année t ;
Rt : La valeur de revente en fin d’année t
Par le Chef de Travaux AMANI MAISHA Sulutani. La polycopie de ce document sans permission est
un manquement scientifique.
100
Par le Chef de Travaux AMANI MAISHA Sulutani. La polycopie de ce document sans permission est
un manquement scientifique.
101
Si i est le taux d’intérêt, on a les facteurs d’escompte qui est égal à : Vt=( )
ou
Vt= (1+i)-t
Dans le modèle avec actualisation, chaque dépense doit être escomptée pour
trouver son équivalent à un moment fixe, le plus souvent au moment d’investissement. Si l’on
désigne par K(r), la valeur actuelle du coût total avec un remplacement au bout de r années et
en supposant que toutes les dépenses de fonctionnement sont effectuées au début de la période,
on a maintenant l’expression suivante :
K(r) = A+C1Vo +C2V1+C3V2+…+CrVr-1-krVr, comme tout nombre exposant 0
donne 1, l’expression deviendra alors :
K(r) = A+C1 +C2V1+C3V2+…+CrVr-1-krVr
La fonction économique qu’il faudra rendre minimum doit correspondre à un coût
moyen. Puis que l’on tient compte ici de l’échelonnement des dépenses dans le temps, on ne
peut pas se contenter d’une simple moyenne.
La fonction économique que l’on voit considérer est l’annuité d’une rente de r
années dont la valeur actuelle correspond à la valeur actuelle des dépenses totales relatives à
l’équipement.
On sait que, la valeur actuelle d’une rente d’annuité X payable d’avance pendant r
année s’exprime par la relation suivante :
On doit donc trouver la valeur X(r) tel que le coût total actuel K(r) =V*X(r).
Exemple
En prenant l’exemple précédant (matériel A) on vous demande de déterminer
l’année de remplacement optimal de ce matériel sachant que le taux d’intérêt annuel est 10%.
Par le Chef de Travaux AMANI MAISHA Sulutani. La polycopie de ce document sans permission est
un manquement scientifique.
102
Par le Chef de Travaux AMANI MAISHA Sulutani. La polycopie de ce document sans permission est
un manquement scientifique.
103
b) Le point de commande
6) Mr KAKA utilise 1440Kgs par trimestre de semoule. Il évalue à 400FF les frais qui
entrent en jeux pour une commande. Il évalue en suite le coût de possession de stock
pour 25% sur la valeur de semoule. On suppose une offre avec réduction de 1,5% pour
une livraison de 1600Kgs minimum.
Déterminer la vraie politique d’approvisionnement.
7) On considère un appareil électroménager dont le coût d’achat est de 925060 FF. Sa
valeur de revente se présente comme suit :
Année Valeur
1 450000
2 360000
3 227650
4 109005
5 75950
6 60800
7 55550
Le coût de fonctionnement est 150000FF la 1ère année et s’accroit de 20% par an.
Les dépendances doivent être actualisées au taux d’intérêt annuel de 12%.
TD : Déterminer à combien de temps faut-il remplacer cet appareil (par le modèle
sans actualisation et le modèle avec actualisation)?
8) Un bus Hiace-Toyota coute 12106,4 USD. Le coût de fonctionnement est estimé de
5565 pour la 1ère année et s’accroit de 11% par an. Les dépenses doivent être actualisé
au taux de 15%.
La valeur de revente se présente comme suit :
Année Revente
1 8474,48$
2 5932,13$
3 4152,5$
4 2906,7$
5 2034,7$
6 1424,31$
7 1139,45$
TD : Déterminer le temps optimal de remplace de l’engin.
Par le Chef de Travaux AMANI MAISHA Sulutani. La polycopie de ce document sans permission est
un manquement scientifique.
104
Par le Chef de Travaux AMANI MAISHA Sulutani. La polycopie de ce document sans permission est
un manquement scientifique.
105
Les files d'attente sont des phénomènes qui nous sont familiers parce que observables très
fréquemment dans notre activité personnelle ; mais on les rencontre aussi dans de nombreux
problèmes économiques, militaires, sociaux, etc.
On peut considérer deux régimes possibles dans l'étude des phénomènes d'attente. Le régime
stationnaire ou permanent et le régime transitoire. On parlera du régime permanent lorsque le
processus doit se dérouler pendant un temps suffisamment long pour que l'état du système ne soit
plus influencé par les conditions de départ du processus. Le régime est transitoire quand l'état du
système dépend des conditions initiales.
6.2. Structure d'un phénomène d'attente
Pour qu'une file d'attente apparaisse, il suffit que les entrées et/ou les services se produisent à des
intervalles irréguliers ou réguliers. Sous sa forme la moins complexe, un phénomène d’attente
(figure 8.1) comporte trois phases principales, à savoir :
- une arrivée d’unités ,
- une file d’attente ,
- un service
Ce schéma reproduit les principaux aspects que l’on rencontre dans un problème d’attente. On
peut y voir comment les clients, venant de la source, entrent dans le système d’attente en
commençant par former une file d’attente dans le centre d’attente ensuite ils se font servir et enfin
sortent. Ceci est bien entendu la forme plus simple. Les modèles d’attente ne sont pas toujours les
Par le Chef de Travaux AMANI MAISHA Sulutani. La polycopie de ce document sans permission est
un manquement scientifique.
106
mêmes. Ils varient en fonction des différents aspects qui caractérisent soit les arrivées des clients,
soit la manière dont le service est rendu. Dans l’optique de la manière dont le service est rendu,
donnons certaines autres formes des files. Ceci étant, rappelons que :
- la source : le loge des clients potentiels. Elle peut-être à capacité infinie c'est-à-dire,
comprenant les clients potentiels en nombre infini. Dans ce cas, les unités servies dans le
système ne sont pas nécessairement celles qui y étaient antérieurement. Exemples : des
individus se présentant à un guichet d’un service public ou d’un grand magasin ; des
véhicules à une station d’essence. On a dans ce cas un modèle de type ouvert ou linéaire.
- La source est aussi à capacité finie, c'est-à-dire comprenant un nombre fini des clients
potentiels. Le client, une fois servi et satisfait, revient à la source et est susceptible de se
représenter plus tard dans le système (exemple, les véhicules ou les machines d’une
entreprise réparés dans le garage ou l’atelier de réparation de cette entreprise). On dit que
le modèle est à type fermé ou cyclique.
- Le centre de service est l’endroit exact où est rendu le service. Le fonctionnement du
centre de service est caractérisé par le temps qui lui est nécessaire pour "traiter" une
arrivée. Il est le plus souvent décrit par la loi de probabilité des temps de service. Le taux
moyen de service représente la capacité du centre de service en nombre d'unités traitées
par unité de temps. Le centre de service peut comprendre un ou plusieurs guichets dans
lesquels on trouve des serveurs. Il peut être de différents modèles, classés en fonction du
nombre des serveurs. Nous distinguons :
- Le modèle à serveur unique : c’est le modèle le plus simple, il n’y a qu’un seul
guichet qui rend service.
- Le modèle à S serveurs, où S > 1 : ici nous trouvons plusieurs guichets qui peuvent
être organisés de différentes manières :
1) Guichets en parallèle
Il y a plusieurs guichets qui rendent indifféremment le même service. Les clients n’ont besoin
d’être servis que par un seul des guichets, bien qu’il y en ait plusieurs. Ils se présentent au guichet
qu’ils trouvent ouvert pour être servis (exemple : les pompes à essence dans une station service).
Par le Chef de Travaux AMANI MAISHA Sulutani. La polycopie de ce document sans permission est
un manquement scientifique.
107
2) Guichets en série
Ici, ne peut être considéré comme servi que le client passé par tous les guichets.
3) Guichets en réseaux
- Les guichets en séries parallèles
Quelle que soit la série choisie, à la fin tous les clients passent par le même guichet
Tous les clients commencent par le même centre de service, mais après se répartissent en séries.
Les clients entrent dans le système par des porte-tambours. Ils se dirigent vers les files d'attente et
Par le Chef de Travaux AMANI MAISHA Sulutani. La polycopie de ce document sans permission est
un manquement scientifique.
108
y prennent la dernière place. Les entrées peuvent être, soit séparées par des intervalles de temps
égaux, soit séparées par des intervalles de temps inégaux mais déterminés, soit séparées par des
intervalles de temps inégaux connus en probabilité (on dit que les intervalles sont aléatoires).
Dès qu'un client a obtenu le service désiré auprès d'une station (voie, guichet, vendeur,
etc.), il sort du système et il est remplacé par l'un des premiers clients attendant dans les files.
- Une file d'attente ou queue qui précède éventuellement le centre de service. Nous
appellerons "file d'attente" l'ensemble des clients (unités arrivées) qui attendent d'être
servis, à l'exclusion de celui qui est en train de se faire servir dans le centre de service.
La longueur de la file d’attente est déterminée par la capacité du centre d’attente qui peut
être infinie (lorsque le nombre d’unités dans la file est indénombrable, tels les avions
attentant l’atterrissage dans le ciel) ou finie (lorsque le nombre d’unités dans la file est fini,
exemple, les malades attendant la consultation dans une salle d’attente d’un centre
médical). Ici, toute unité devant attendre au-delà de la capacité du centre d’attente est
considérée comme perdue.
- Le système d'attente qui est l'ensemble des clients qui font la queue, y compris celui qui
se fait servir.
- La discipline du service qui précise quel individu parmi ceux actuellement en attente
sera traité le premier. Les règles de priorité sont très variées. On en distingue généralement
cinq.
La règle FIFO (First in, First out ou First come, First served) ou en Français
PEPS (Premier Entré, Premier Sorti) qui est normalement d'application dans
tous les phénomènes de files d'attente. D'après cette règle, le premier arrivant est le
premier servi.
La règle LIFO (Last in, First out ou Last come, First served), en Français
DEPS (Dernier Entré, Premier Sorti) qui veut que le dernier venu soit le premier
servi. Par exemple lorsqu'un ascenseur descend au rez-de-chaussée, la personne se
trouvant au deuxième niveau d'un immeuble de 20 étages sera servi avant une autre
se trouvant au 19ème.
La règle NIFO (Next in, First out) qui veut que le prochain arrivant soit le
premier servi. Cette règle est pratiquée dans la comptabilité des compagnies
pétrolières.
La règle avec priorité qui veut qu'on puisse accorder une certaine priorité à
certains clients se trouvant dans la file.
La méthode quelconque ou « au hasard » qui veut qu'on puisse servir les clients
Par le Chef de Travaux AMANI MAISHA Sulutani. La polycopie de ce document sans permission est
un manquement scientifique.
109
Par le Chef de Travaux AMANI MAISHA Sulutani. La polycopie de ce document sans permission est
un manquement scientifique.
110
Dans le cas d'une seule file d'attente et d'un nombre S de stations qui assurent le service, le nombre
moyen d'unités dans la file sera :
Cette formule s'explique par le fait qu'il y a des unités en attente dès que n dépasse S, c'est-à-dire
pour n = S + i, avec i = 1 à m - S et que les probabilités correspondantes sont pS + 1, pS + 2, ...
On pourrait encore exprimer le nombre moyen d'unités en cours de service, mais on préfère
souvent s'intéresser au nombre moyen ̅ de stations inoccupées. Ce qui donne :
Il est évident qu'il y a S stations inoccupées quand il n'y a pas de client dans le système, (S-1) pour
un client, etc.
Il existe entre ces moyennes ̅, ̅ , et ̅, une relation importante :
̅= ̅ +S - ̅,
En effet,
Les lois des arrivées et des durées de service permettent de caractériser le système et de calculer
des résultats intéressants tels que le temps moyen d'attente des clients et le temps moyen
Par le Chef de Travaux AMANI MAISHA Sulutani. La polycopie de ce document sans permission est
un manquement scientifique.
111
d'inactivité des stations. Considérons le cas très simple où il n'existe qu'une file d'attente et une
seule station.
File d'attente à une station
Par le Chef de Travaux AMANI MAISHA Sulutani. La polycopie de ce document sans permission est
un manquement scientifique.
112
Les conditions initiales étant P0(0) = 1 et Pn(0) = 0, l'équation différentielle (4) s'écrit :
Soit
Par le Chef de Travaux AMANI MAISHA Sulutani. La polycopie de ce document sans permission est
un manquement scientifique.
113
Ainsi, si le système étudié a une capacité de traitement de 4 unités à l'heure, ce qui est suffisant
pour absorber en moyenne les flux de demandes ; il fera cependant apparaître une file d'attente
(11)
Par le Chef de Travaux AMANI MAISHA Sulutani. La polycopie de ce document sans permission est
un manquement scientifique.
114
Par le Chef de Travaux AMANI MAISHA Sulutani. La polycopie de ce document sans permission est
un manquement scientifique.
115
Le temps de service est une variable aléatoire suivant une loi exponentielle avec fonction de
densité f(t)= ( )=Me-Mt, t> .
Ainsi la probabilité qu’il y ait n entités dans le système est Pn. Il s’en suit que pour Pn 0 la
probabilité de taux t:
L=λW
Lq=λWq
Dans ce cas, les arrivées suivent une loi de Poisson avec paramètre λ et lorsque le temps de service
pour chaque unité suit une loi exponentielle avec une moyenne . Par conséquent quel que soit
Par le Chef de Travaux AMANI MAISHA Sulutani. La polycopie de ce document sans permission est
un manquement scientifique.
116
Exemple
Une compagnie maritime possède un quai dans un port où ses bateaux déchargent leurs
cargaisons. L’arrivée des bateaux dans le port suit une loi de poisson avec un temps moyen de
10h entre chaque arrivée. Le temps requis pour le déchargement suit une loi exponentielle avec
une moyenne de 3h. Calculez :
i) le facteur d’utilisation des facilités de service
ii) la probabilité qu’un bateau ait à attendre
iii) le nombre moyen des bateaux dans le port (longueur ligne d’attente)
Par le Chef de Travaux AMANI MAISHA Sulutani. La polycopie de ce document sans permission est
un manquement scientifique.
117
iv) le nombre moyen des bateaux qui attendent pour être déchargés (longueur de la file
d’attente).
v) le temps moyen qu’un bateau passe dans le système
vi) le temps moyen d’attente pour un bateau
vii) la probabilité qu’un bateau passe plus que t=10h dans le système.
Solution
2) Supposons un râtelier dans une usine où les mécaniciens viennent retirer des outils
spéciaux nécessaires pour l’accomplissement d’une tâche particulière leur assignée. Une
étude a été faite sur le temps entre les arrivées et les temps requis de service. Toutes ces
distributions sont adéquatement décrites de façon inversement exponentielle. Le temps
moyen entre arrivées est de 60 secondes et le temps moyen de service est de 50 secondes.
Calculer :
i) la longueur de file d’attente
ii) la longueur de la ligne d’attente
iii) le temps d’attente
iv) le % de temps inoccupé du surveillant
v) le temps qu’un mécanicien passe dans le système
Par le Chef de Travaux AMANI MAISHA Sulutani. La polycopie de ce document sans permission est
un manquement scientifique.
118
Solution
Par le Chef de Travaux AMANI MAISHA Sulutani. La polycopie de ce document sans permission est
un manquement scientifique.