Académique Documents
Professionnel Documents
Culture Documents
1 Introduction 7
1.1 Objectifs du cours . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.2 Définition de la gestion de production . . . . . . . . . . . . . . . 8
1.3 Classification des décisions en gestion de production . . . . . . . 9
1.4 Classification des systèmes productifs . . . . . . . . . . . . . . . 10
1.4.1 Organisation de type série unitaire . . . . . . . . . . . . 10
1.4.2 Organisation en ateliers spécialisés . . . . . . . . . . . . 11
1.4.3 Organisation en lignes de production . . . . . . . . . . . 11
1.4.4 Les industries de process . . . . . . . . . . . . . . . . . . 12
1.5 Un exemple de programmation linéaire . . . . . . . . . . . . . . 12
1.5.1 Données du problème . . . . . . . . . . . . . . . . . . . . 12
1.5.2 Formulation du problème de gestion . . . . . . . . . . . . 13
1.6 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
3 La gestion de stocks 27
3.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
3.2 Les politiques de gestion de stock . . . . . . . . . . . . . . . . . 28
3.3 Les coûts associés aux stocks . . . . . . . . . . . . . . . . . . . . 29
3.3.1 Les coûts de possession . . . . . . . . . . . . . . . . . . . 29
2
Table des matières 3
6 La programmation dynamique. 63
6.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 63
6.2 Le problème du voyageur . . . . . . . . . . . . . . . . . . . . . . 64
6.3 Formulation en un problème dynamique . . . . . . . . . . . . . 65
6.4 Procédure de résolution . . . . . . . . . . . . . . . . . . . . . . . 66
6.5 Un problème d’affectation de ressources rares . . . . . . . . . . 68
6.5.1 Formulation comme un problème dynamique . . . . . . . 68
6.5.2 Résolution par la programmation dynamique . . . . . . . 69
6.6 Application à la planification de la production. . . . . . . . . . . 70
6.6.1 Formulation en un problème dynamique . . . . . . . . . 71
6.6.2 Résolution par la programmation dynamique . . . . . . . 72
4 Table des matières
6.7 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 75
Introduction
• la planification de la production ;
• l’ordonnancement de projets ;
• la gestion de la capacité,. . .
7
8 Chapitre 1. Introduction
• la définition du produit ;
• le processus de fabrication ;
• la demande à satisfaire.
• la gestion de stocks ;
• la gestion de la main d’œuvre ;
• la gestion des équipements.
effet, non seulement l’ordre d’exécution des tâches détermine la date de livrai-
son, mais, il influence les coûts dans la mesure où une mauvaise coordination
s’accompagne souvent de chômage technique pour certaines ressources et du
paiement de pénalités pour non respect des délais.
Ici les quantités que le modèle doit déterminer sont les productions de chassis
par semaine. Notons donc :
Ici, on désire maximiser son profit net. La marge unitaire étant de 3 pour le
premier type de chassis et de 5 pour le second, l’objectif s’exprime comme :
Ces relations peuvent être de simples bornes sur les variables. Par exemple, les
quantité produites ne peuvent être négatives. Mathématiquement :
x1 , x2 ≥ 0.
x1 ≤ 4
2x2 ≤ 12
3x1 + 2x2 ≤ 18
14 Chapitre 1. Introduction
1.6 Exercices
1.1. Problème de planification de production sur coûts variables.
Une entreprise fabrique deux produits P1 et P2 . Chaque produit doit
passer les deux ateliers d’usinage et de finition. Le mois dernier, 500 uni-
tés de P1 ont été produites grâce à 750 heures d’usinage et 250 heures
de finition. De même, 700 unités de P2 ont été produites, nécessitant 700
heures d’usinage et 350 heures de finition. L’entreprise dispose également
d’une section administration. Une partie du coût de production est in-
dépendante du nombre d’heures passées à la production (les frais fixes),
une partie est directement proportionnelle au nombre d’heures passées
à la production (les frais variables). Le mois passé, on a observé la ré-
partition suivantes entre frais fixes et frais variables : Il y a un coût de
(c) Calculer les marges unitaires sur coûts variables de chacun des pro-
duits.
(d) Les capacités de production sont de 1.200 heures par mois pour
l’usinage et de 500 heures pour la finition. Formuler le programme
linéaire correspondant à la maximisation de la marge sur coûts va-
riables.
1.6. Exercices 15
16
Chapitre 2
Ordonnancement en ateliers
spécialisés
2.1 Introduction
On parle d’ateliers spécialisés lorsque l’ensemble des équipements néces-
saires pour assurer une fonction déterminée sont rassemblés dans un même
atelier. Le problème de gestion quotidienne est de déterminer l’ordre
d’exécution d’un certain nombre de tâches, la réalisation d’une tâche néces-
sitant le passage sur une ou plusieurs machines.
Par exemple, l’emboutissage de plusieurs types de portières de voitures
demande le passage sur une même presse, l’ordre de passage des différents
types de portières sur la presse n’étant pas déterminé à l’avance.
Parmi les modèles d’ordonnancement en ateliers spécialisés, on distingue
Dans ce chapitre, nous allons nous limiter aux modèles statiques et voir
successivement le problème d’ordonnancement sur 1 machine, sur 2 machines.
Enfin, nous verrons la généralisation au problème sur m machines dont la
résolution demande le recours à la programmation en nombres entiers.
17
18 Chapitre 2. Ordonnancement en ateliers spécialisés
Tâche (i) 1 2 3 4 5
Temps opératoire (ti ) 50 150 80 200 30
lequel on va effectuer ces différentes tâches. Il est clair que, quel que soit l’ordre
choisi, le temps opératoire total correspond à la somme des temps opératoires.
Il faudra donc définir un autre critère de choix entre les ordonnancements
possibles. Un ordonnancement possible est illustré à la table 2.2.
Ordre (j) 1 2 3 4 5
Tâche programmée(i) 3 4 1 5 2
Temps d’exécution (Tj ) 80 200 50 30 150
1 2 3 4 5 temps
(heures)
3 4 1 5 2 Z
machine A
0,8 2,8 3,3 3,6 5,1
A4 = T1 + T2 + T3 + T4
Le calcul des différents temps d’achèvement des tâches est repris au tableau
2.3. Le temps d’achèvement moyen vaut alors :
Ordre (j) 1 2 3 4 5
Tj 80 200 50 30 150
Aj 80 280 330 360 510
1X n
1
Ā = Aj = [T1 + (T1 + T2 ) + (T1 + T2 + T3 )
5 j=1 5
+(T1 + T2 + T3 + T4 ) + (T1 + T2 + T3 + T4 + T5 )]
1
= (5T1 + 4T2 + 3T3 + 2T4 + T5 )
5
20 Chapitre 2. Ordonnancement en ateliers spécialisés
Il s’agit donc d’une somme pondérée des temps opératoires, chaque temps opé-
ratoire étant pondéré par un facteur d’autant plus grand qu’il se trouve exécuté
plus tôt dans l’ordonnancement. La règle d’ordonnancement qui minimise le
temps d’achèvement moyen est celle du temps opératoire minimum : il
s’agit d’exécuter les tâches par ordre croissant de durée :
T1 ≤ T2 ≤ . . . ≤ Tj ≤ . . . ≤ Tn
Ā = 218.
Ordre (j) 1 2 3 4 5
Tâches (i) 5 1 3 2 4
Tj 30 50 80 150 200
Aj 30 80 160 310 510
• le cas où toutes les tâches n’ont pas le même ordre de passage sur les
deux machines.
Tâches (i) 1 2 3 4 5
tiA 50 150 80 200 30
tiB 60 50 150 70 200
Z 5 1 3 4 2
machine B
0,3 0,8 1,6 2,3 2,9 3,6 4,4 5,1 5,6
1 2 3 4 5 temps
(heures)
intérêt à mettre en tête la tâche de temps tiA le plus faible. De façon similaire,
lors de l’exécution de la dernière tâche sur B, la machine A dort. On a donc
intérêt à mettre en fin la tâche de durée d’exécution tiB minimum.
En se basant sur ces deux observations, l’algorithme Johnson (1954)
calcule l’ordonnancement minimisant le temps total d’exécution des tâches :
Appliquons ceci à l’exemple. Le temps minimum est t5A = 30 est sur la pre-
mière machine. La tâche 5 est donc mise en première position : 5 .
Ensuite, le temps minimum est t1A = 50 sur la première machine. La tâche 1
est donc mise en deuxième position : 5 1 .
Ensuite, le temps minimum t2B = 50 est sur la deuxième machine. La tâche 2
est donc mise en dernière position disponible : 5 1 2
Puis le temps minimum t4B = 70 est sur la deuxième machine. La tache 4 est
mise en dernière position disponible : 5 1 4 2
Enfin, la tâche 3 est mise à la dernière place disponible : 5 1 3 4 2 .
On obtient le graphique de Gantt de la figure 2.2 où le passage d’une tâche
d’une machine à l’autre est visualisé à l’aide d’une flèche verticale.
22 Chapitre 2. Ordonnancement en ateliers spécialisés
i 1 2 3
tiA 50 80 10 ordonnacement : 3 2 1
tiB 30 60 30
i 7 8 9
tiB 90 20 10 ordonnacement : 9 8 7
tiA 70 30 100
i 4 5 6
ordonnacement : 5 4 6
tiA 50 30 70
2.4. Ordonnancement sur trois machines 23
i 10 11
ordonnacement : 11 10
tiB 40 10
3 2 1 5 4 6 9 8 7
9 8 7 11 10 3 2 1
En effet, on a intérêt à débuter le plus vite possible sur A les tâches qui doivent
ensuite aller sur B et à mettre en dernière place sur A celles qui doivent d’abord
aller sur B. Le diagramme de Gantt est donné à la figure 2.3.
3 2 1 5 4 6 9 8 7
machine A
10 90 140 170 220 290 390 420 490
9 8 7 11 10 3 2 1 Z
machine B
10 30 120 130 170 200 260 290
tâches 1 2 3 4 5 6 7
Assemblage 20 12 19 16 14 12 17
Inspection 4 1 9 12 5 7 8
Expédition 7 11 4 18 18 3 6
Illustrons ceci sur l’exemple du tableau 2.7. où l’on constate que la machine
A domine la B. On est donc bien dans les conditions d’application énoncées
ci-dessus. Remarquez qu’il suffit qu’une des deux conditions soit vérifiée. Ainsi
dans l’exemple, la seconde condition n’est pas vérifiée et l’algorithme s’applique
bien.
Lorsque l’on se trouve dans un des deux cas, on reformule le problème
en un problème à deux machines, la première groupant les machines A et B
(tiAB = tiA + tiB ) et la seconde groupant les machines B et C (tiBC = tiB + tiC ).
tâches 1 2 3 4 5 6 7
Assemblage + Inspection 24 13 28 28 19 19 25
Inspection + Expédition 11 12 13 30 23 10 14
Place 1 2 3 4 5 6 7
tâche 5 4 7 3 2 1 6
2.5 Exercices
2.1. Pose de chape et carrelage. Une entreprise de pose de chape et carre-
lage a enregistré pour le mois prochain les commandes données au tableau
2.8 correspondant à autant de chantiers. Chaque chantier suppose qu’une
équipe soit affectée à la tâche. La durée de la tâche est exprimée en jours
ouvrables. Il doit y avoir 2 jours de séchage entre la fin de la chape et
le début du carrelage. Le séchage est réalisé avec une machine. L’entre-
prise ne dispose que d’une seule machine. L’entreprise dispose d’une seule
équipe de chappistes et d’une seule équipe de carreleurs.
2.5. Exercices 25
5 4 7 3 2 1 6 Z
Assemblage
Z 5 Z 4 Z 7 Z 3 2 Z 1Z 6 Z
Inspection
14 30 47 55 78 98 110 117
Z 5 Z 4 7 Z 3 2 Z 1 Z 6
Exp dition
19 37 42 60 66 75 79 90 102 109 120
Tâche J1 J2 J3 J4 J5 J6 J7
Durée sur A 15 5 9 0 10 11 50
Durée sur B 10 0 12 10 15 18 40
Ordre BA A AB B AB AB BA
Etape A B C D E
Préparation 30 30 50 40 50
Nappage 20 20 20 20 20
Décoration 10 70 20 50 40
La gestion de stocks
3.1 Introduction
Comme le souligne Giard [6], une production sans stock est quasi incon-
cevable vu les nombreuses fonctions que remplissent les stocks. En effet, la
constitution de stocks est nécessaire s’il y a :
27
28 Chapitre 3. La gestion de stocks
cp = ca − cr
cp = 0, 9 − 0, 75 = 0, 15 =C.
30 Chapitre 3. La gestion de stocks
niveau du stock
400
s* = 167
L temps
L
s∗ = DL (3.1)
sr = s − s∗ = 200 − 167 = 33
(q + sr ) + sr q (400 + 33) + 33
Ip (s, q) = = + sr = = 233
2 2 2
Il y aurait ainsi un stock dormant de sr qui est ici sans utilité puisque la
demande est connue exactement.
3.4. La gestion par point de commande 33
niveau du stock
q + sr = 433
q = 400
q = 400 q = 400
s = 200
stock dormant
s = 200 s = 200
sr = 33
L temps
L
3.6 Exercices
3.1. Stock de distribution. Un distributeur Apple a une demande annuelle
de 1000 iPod que l’on suppose, pour la facilité, répartie uniformément sur
l’année qui compte 250 jours d’ouverture du magasin. L’approvisionne-
ment auprès du grossiste se fait en 5 jours ouvrables. Le coût de livraison
d’une commande est de 10 =C. L’appareil est acheté 100 =C pièce auprès
du grossiste. Le taux d’opportunité du distributeur est particulièrement
faible (0,5 % l’an). Pour le moment, le distributeur commande 100 iPod
lorsque son stock en magasin passe en dessous de 100 articles.
q Ic Ip cc Ic cp Ip C(q)
20
40
60
80
37
38 Chapitre 4. Gestion calendaire de stock
C ′ (S ∗ ) = 0
Comme indiqué par Giard [6], on peut ramener ce coût à une fonction du
seul nombre moyen de ruptures, Ir (S). Pour cela, on peut établir la relation
suivante entre Ir (S) et Ip (S) :
Cet optimum est un minimum car la dérivée seconde de C(S) est positive. En
effet, la dérivée de P (X > S) par rapport à S est clairement négative.
4.2. Les conséquences économiques de la solution optimale 39
avec : 2
S−µ e−tS /2
tS = et f (tS ) = √
σ 2π
Appliquons ceci aux données numériques de l’exemple pour lequel
315 − 300
ts = = 0, 75.
20
40 Chapitre 4. Gestion calendaire de stock
• Soit les ventes manquées sont différées, et dans ce cas, la marge béné-
ficiaire sera réalisée sur l’ensemble de la demande exprimée X̄, ce qui
justifie directement la formule (4.4) reprise ci-dessous :
B(S) = mu X̄ − C(S)
= 0, 7 × 300 − 5, 36 = 204, 64 =C.
3 × 0, 2 = 0, 6 =C.
42 Chapitre 4. Gestion calendaire de stock
S + (S − x) (4.5)
Si x < S : stock moyen =
2
2. Cas d’une demande supérieure à S : dans ce cas, on observe une
rupture de stock. C’est le cas, par exemple, d’une demande observée x de
350 (cfr figure 4.2). Nous allons faire l’hypothèse simplificatrice suivante :
la rupture se produit en fin de période. Sous cette hypothèse, le stock
varie entre S et 0 et donc :
S (4.6)
Si x > S : stock moyen =
2
4.3. Cas de stocks à rotation non nulle 43
S = 320
x = 310
sr = S - x = 10
T = 5 jours
S = 320
app
rox
im
ati x = 350
on
s=0
x - S = 30
T = 5 jours
X̄ Ir (S) (4.7)
Ip (S) = S − +
2 2
Elle peut se justifier intuitivement si l’on réécrit cette relation comme suit :
X̄ Ir (S)
C(S) = cp Ip (S) + cr Ir (S) = cp [S − + ] + cr Ir (S)
2 2
D’où finalement :
X̄ cp
C(S) = cp (S − ) + (cr + )Ir (S)
2 2
Dans le cas d’une loi de demande continue, il suffit d’annuler la dérivée
première
cp ′ cp
C ′ (S) = cp + (cr + )Ir (S) = cp + (cr + ) [−P (X > S ∗ )] = 0
2 2
d’où
cp
P (X > S ∗ ) = (4.8)
cr + cp
2
X −µ S ∗ − 300
⇔P > = 2, 28%
σ 20
La lecture dans la table normale réduite nous donne :
S ∗ − 300
=2 ⇒ S ∗ = 340.
20
Ir (S ∗ ) = σg(tS )
= 20 × 0, 0084 = 0, 168
X̄ Ir (S ∗ )
Ip (S ∗ ) = S ∗ − +
2 2
300 0, 168
= 340 − + = 190, 08
2 2
C(S ∗ ) = cp Ip (S ∗ ) + cr Ir (S ∗ )
= 0, 01154 × 190, 08 + 0, 5 × 0, 168 = 2, 28 =C.
B(S ∗ ) = mu X̄ − C(S ∗ )
= 0, 5 × 300 − 2, 28
= 147,72 =C.
46 Chapitre 4. Gestion calendaire de stock
4.5 Exercices
4.1. Ventes d’hebdomadaires. Un libraire commande régulièrement un
hebdomadaire auprès de son grossiste. Son coût d’achat est de 12 =C
et son prix de vente 16 =C. On suppose que les ventes hebdomadaires
suivent une loi normale de moyenne 30 et d’écart type 5.
(a) Quelle quantité doit-il avoir en stock en début de saison pour mini-
miser son coût de gestion ?
(b) Quelle est en moyenne la quantité qu’il ne peut livrer par an faute
d’approvisionnement suffisant ?
4.3. Ventes de visses en gros. Une société spécialisée dans la vente en gros
d’articles de quincaillerie s’approvisionne auprès de sa visserie, avec un
délai d’obtention de 1 semaine. L’année compte 50 semaines. Une analyse
statistique de la demande de la référence V 17 conduit à approximer
cette demande par période de deux semaines par une loi normale de
moyenne 60 (boîtes) et d’écart type 60. Une demande non satisfaite par la
société est différée avec une pénalité est estimée à 10 =C/boîte non fournie
(livraison par porteur spécial). Le coût d’achat d’une boîte de référence
V 17 est de 50 =C et la marge unitaire réalisée sur cet article est de 20
=C/boîte. Le coût de commande est estimé à 50 =C et le taux d’opportunité
utilisé est de 20 % l’an. On passe commande chez le fournisseur toutes
les 2 semaines.
47
Chapitre 5
La planification de la production
5.1 Introduction
La planification de la production consiste en la régulation à moyen terme
de la production. Il s’agit de déterminer à moyen terme le niveau de production
de chacun des moyens productifs.
Il existe deux types d’approches en planification de la production :
48
5.2. La planification des besoins en composants 49
-E1004 (1)
T29 -E1020 (1) ... ...
...
Période 16 17 18 19 20 21 22 23 24
Demande T 27 7 11 6 15 8 11 12 7
Demande T 28 10 9 4 10 7 14 8 8
Demande T 29 4 8 3 5 12 2 8 7
Demande E1001 0 1 2 3 0 2 1 4 0
Demande E1004 0 0 1 4 0 5 2 2 0
Demande E1010 0 0 0 0 0 0 0 0 0
Demande E1020 0 0 0 0 0 0 0 0 0
Demande E2010 0 0 2 1 4 0 1 2 3
Demande E2040 0 2 0 2 1 4 1 2 3
Demande E3047 0 0 1 1 2 0 1 0 2
Demande E3052 0 2 0 2 3 1 1 2 1
Période 16 17 18 19 20 21 22 23
Assemblage de T 27, T28 et T29 50 50 60 65 55 50 50 50
Assemblage de E1001 et E1004 20 12 24 20 25 22 22 20
Assemblage de E1010 et E1020 20 20 20 20 20 20 20 20
Assemblage de E2010 et E2040 28 30 22 21 24 21 22 23
Assemblage de E3047 et E3052 32 30 32 33 31 31 32 31
5.7). Remarquez que E1001 et E1004 sont assemblés dans le même atelier
tandis que et E1010 et E1020 sont achetés à l’extérieur.
cE3047 = 1 + 0, 5 × 30 = 16=C.
5.3. Détermination des besoins nets d’un composant 53
cE3052 = 2 + 0, 2 × 30 = 8=C.
Le coût revient total du sous ensemble E2040 est donc de la somme du coût
de matière, du coût des composants et de main d’œuvre :
T27 16 17 18 19 20 21 22 23 24
Demande 7 11 6 15 8 11 12 7
Lancements 7 11 6 15 8 11 12 7 -
T28 16 17 18 19 20 21 22 23 24
Demande 10 9 4 10 7 14 8 8
Lancements 10 9 4 10 7 14 8 8 -
T29 16 17 18 19 20 21 22 23 24
Demande 4 8 3 5 12 2 8 7
Lancements 4 8 3 5 12 2 8 7 -
semaine pour les trois modèles (voir tableau 5.4). Au niveau zéro, il n’y a pas
de stock initial ni de livraisons attendues (voir tableau 5.3). On fait donc du
juste-à-temps, c’est-à-dire que l’on met en production exactement la demande.
Ceci conduit aux lancements de productions de niveau zéro du tableau 5.8. On
produit exactement la demande de la semaine suivante.
On peut en déduire les besoins bruts du composant E1001 puisqu’il est
utilisé (voir nomenclature 5.1) à raison de un par T27 et de un par T28. A ces
besoins bruts pour assembler du T27 et du T28, il faut ajouter les besoins de
E1001 comme pièces détachés (donnés au plan directeur de production 5.2).
Les besoins bruts totaux du composant E1001 sont donnés au tableau 5.9.
Ces besoins bruts ne correspondent pas à la production qu’il est nécessaire de
E1001 16 17 18 19 20 21 22 23
BBt pour T27 7 11 6 15 8 11 12 7
BBt pour T28 10 9 4 10 7 14 8 8
BBt de E1001 0 1 2 3 0 2 1 4
BBt 17 21 12 28 15 27 21 19
mettre en route, compte tenu du stock initial disponible pour cette référence et
des éventuelles livraisons attendues. Les livraisons attendues (voir tableau 5.3)
sont des quantités résultant de précédents ordres de lancement de production
mais qui n’ont pas encore été livrées. Le stock initial en période 16 est le stock
final de période 15 (voir tableau 5.3). Ces informations sont reprises au tableau
5.10.
E1001 15 16 17 18 19 20 21 22 23
BBt 17 21 12 28 15 27 21 19
LAt 0 30 0 0 0 0 0 0
SFt 17 0 9 0 0 0 0 0 0
BNt 0 0 3 28 15 27 21 19
nets de cette période. A partir de la période 19, comme le stock est vide et
qu’il n’y a plus de livraisons, les besoins nets correspondent aux besoins bruts.
Formalisons mathématiquement la détermination des besoins nets. Deux
cas sont possibles :
BNt = 0
(
Si SFt−1 + LAt ≥ BBt , alors
SFt = SFt−1 + LAt − BBt
Ce cas est illustré par les périodes 18 à 23 pour le composant E1001 (voir
tableau 5.10).
E1001 16 17 18 19 20 21 22 23
LAt 0 30 0 0 0 0 0 0
BNt 0 0 3 28 15 27 21 19
LPt 30 3 28 15 27 21 19 -
Période 17 18 19 20 21 22 23
BNt 0 3 28 15 27 21 19
↙ ↙ ↙ ↙ ↙ ↙
LPt 30 30 0 30 30 0 −
↘ ↘ ↘ ↘ ↘ ↘
SFt 27 29 14 17 26 7
Période 17 18 19 20 21 22 23
BNt 0 3 28 15 27 21 19
↙ ↙ ↙ ↙ ↙ ↙
LPt 10 30 10 30 20 20 −
↘ ↘ ↘ ↘ ↘ ↘
SFt 7 9 4 7 6 7
Période 17 18 19 20 21 22 23
BNt 0 3 28 15 27 21 19
↙ ↙ ↙ ↙ ↙ ↙
LPt 10 21 15 27 21 19 −
↘ ↘ ↘ ↘ ↘ ↘
SFt 7 0 0 0 0 0
Période 17 18 19 20 21 22 23
BNt 0 3 28 15 27 21 19
↙ ↙ ↙ ↙ ↙ ↙
LPt 13 28 15 27 21 19 −
↘ ↘ ↘ ↘ ↘ ↘
SFt 10 10 10 10 10 10
5.5 Exercices
5.1. Planning de production d’un moteur. Un industriel cherche à établir
son planning de production pour les quatre premiers mois de l’année d’un
moteur C intervenant dans l’assemblage des trois types de machines MA,
MB et MC. Le plan directeur de production (voir tableau 5.16) prévoit
la mise à disposition des quantités pour les trois types de machines pour
les six premiers mois de l’année.
(a) Pour les produits finis, il n’y a ni livraison attendue ni stock initial
et on pratique une politique de lot par lot. Les délais d’obtention
sont donnés en dernière colonne du tableau 5.16. Déterminer les
besoins nets et lancements de production pour les trois machines
MA, MB et MC en remplissant le tableau suivant :
Mois 1 2 3 4 5 6 7 8
Besoins 30 45 60 40 35 30 35 50
t 1 2 3 4 5 6 7 8
BNt 30 45 60 40 35 30 35 50
LPt
SFt
Semaine 16 17 18 19 20 21
BBt de A 20 22 22 24 20
LAt de A
SFt de A
BNt de A
LPt de A
Semaine 16 17 18 19 20 21
BBt de B 13 15 17 12 11
LAt de B
SFt de B
BNt de B
LPt de B
Semaine 16 17 18 19 20 21
BBt de F pour A
BBt de F pour B
BBt de F comme pièces détachées
BBt totaux
LAt de F
SFt de F
BNt de F
LPt de F
Chapitre 6
La programmation dynamique.
6.1 Introduction
La programmation dynamique traite les modèles où une séquence optimale
de décisions doit être prise. Elle est utilisée en planification de la production
en cas de coûts fixes de lancement de production.
Les modèles dynamiques répondent aux caractéristiques suivantes :
t = 1, 2, ...n
• A chaque étape, une décision doit être prise. On note par xt la décision
prise à la période t.
63
64 Chapitre 6. La programmation dynamique.
7
2 5
1
4
6 4
2 8
3
3
6
4 2 10
1 3 6
3 4
4
3
9
4 1 3
3
4 5 7
2. Le choix des variables d’état. Dans notre exemple, st note l’état de départ
de l’étape t. On peut ici donner les valeurs possibles de st à chaque étape :
s1 = 1
s2 ∈ {2, 3, 4}
s3 ∈ {5, 6, 7}
s4 ∈ {8, 9}
x1 ∈ {2, 3, 4}
x2 ∈ {5, 6, 7}
x3 ∈ {8, 9}
x4 = 10.
4. L’expression des relations entre les variables. Ici, les contraintes expriment
que la destination d’une étape (xt ) est le point de départ de la suivante
(st+1 ) :
s1 = 1
s2 = x1
s3 = x2
s4 = x3
x4 = 10
t=1
t 1 2 3 4
st 1 3 5 8
x∗t 3 5 8 10
68 Chapitre 6. La programmation dynamique.
2. Choix des variables d’état. Comment identifier les états ? Autrement dit,
quelle est l’information nécessaire à une étape pour pouvoir déterminer la
politique optimale ? Il s’agit simplement du nombre d’équipes médicales
qui restent disponibles. Notons st le nombre d’équipes encore disponibles
au début de l’étape t. On peut donner les valeurs possibles de st :
s1 = 5
s2 ∈ {2, 3, 4}
s3 ∈ {1, 2, 3}
x1 , x2 , x3 ∈ {1, 2, 3}
6.5. Un problème d’affectation de ressources rares 69
4. Relations entre les variables. Les relations de récurrence entre les va-
riables s’écrivent ici :
s1 = 5
s2 = s1 − x 1
s3 = s2 − x 2
st+1 = st − xt .
Il faut également ajouter la condition qu’au moins une équipe soit envoyée
dans chaque pays :
xt ≥ 1, ∀t = 1, 2, 3
t=1
A l’étape 2, les états possibles vont de 2 (il faut au moins une équipe pour
le pays 2 et une équipe pour le pays 3) à 4 (on a au moins attribué une équipe
au pays 1). A la deuxième étape, au gain de l’étape, il faut ajouter le gain
70 Chapitre 6. La programmation dynamique.
t 1 2 3
st 5 4 1
x∗t 1 3 1
Période t 1 2 3 4 5
Capacité de production à 200 2 2 3 3 3
Capacité de production à 250 3 3 3 3 3
Demande prévisionnelle fin t 2 1 4 2 4
10 par unité stockée par mois. Une unité fabriquée le mois t peut être utilisée
pour satisfaire la demande de fin de mois. On s’interdit toute rupture de stock.
t=1 t=1
cp
1500
1250
250
1000
750
200
550
350
350
1 2 3 4 5 6 x
t 1 2 3 4 5
dt 2 1 4 2 4
st 0 1 0 0 1
x∗t 3 0 4 3 3
6.7 Exercices
6.1. Ventes de livres. Un éditeur de livres éducatifs doit décider du nombre
de vendeurs qu’il envoie dans chacune des régions du pays pour maximiser
le nombre de ventes. Le tableau 6.10 donne l’augmentation du nombre de
ventes dans chaque région en fonction du nombre de vendeurs envoyés.
Il y a 6 vendeurs mais il est décidé d’en envoyer au mois un dans chaque
• Le délai admissible par les clients est plus court : on ne peut donc plus
produire à la commande, c’est-à-dire lancer une commande spéciale avec
des délais longs.
Production = Demande.
76
7.2. Les deux approches du JAT 77
(a) (b)
POSTE Transport POSTE
AMONT AVAL
entre postes
(d)
(c)
• un nombre pas trop faible : sinon le poste aval risque de tomber en rupture.
Tr = 30 + 10 + 10 + 10 + 35 = 95
Tr Cu = 95 × 4, 1667 = 395, 83
(1 + α)Tr Cu
Ne ≥
k
1, 1 × 395, 83
=
100
= 4, 3541.
Ne = 5
Qe
(1 + α)Cu Tr + Qe (7.1)
Ne ≥
k
(1 + α)Cu Tr + Qe
Ne ≥
k
435 + 600
=
100
= 10, 35
Ne = 11
Il faut encore vérifier que la capacité du poste amont soit suffisante pour ré-
pondre à la demande du poste aval. Sans quoi, ce dernier risque de tomber
en rupture de pièces. Avec une demande de 2 000 pièces par jour du poste
aval et une taille économique de lot de 600 au poste amont, on va produire au
maximum 4 lots par jour au poste amont :
2000
Nl ≥ = 3, 333
600
7.5 Exercices
7.1. Planification juste-à-temps d’une brasserie. Une brasserie produit
une bière spéciale. La fermentation se termine dans des cuves de haute
fermentation. L’équipement d’embouteillage est constitué
86
Chapitre 8
L’ordonnancement de projets
8.1 Introduction
Lors de tout projet de grande envergure (construction d’un bateau, d’un
avion, d’un bâtiment,...), un problème crucial est de déterminer le calendrier
des diverses tâches de manière à minimiser le temps d’exécution du projet.
Prenons un exemple tiré de Giard [6] (voir tableau 8.1). On veut construire
au plus vite un nouveau bâtiment. Certaines tâches ne peuvent s’exécuter
qu’après que d’autres soient terminées. D’autres tâches peuvent s’exécuter si-
multanément.
On doit tenir compte, dans les problèmes d’ordonnancement, de divers
types de contraintes.
87
88 Chapitre 8. L’ordonnancement de projets
tâche i tâche j
d i
i j
”i avant j”
Figure 8.1 – Graphe de la méthode des potentiels.
min z = tf − t0
-40
10 2 2
3 4 5
4 2 3
0 5 10 5
0 1 2 6 10 11 12
5
4
4
3 3
7 8 9
-5
t5 ≤ t0 + 40 ⇔ t5 − 40 ≤ t0 .
t9 ≤ t8 + 5 ⇔ t9 − 5 ≤ t8 .
Cette situation est représentée à la figure 8.4. On voit ici que le graphe contient
2
d1 d2
d3
1 3
un circuit (cycle avec tous les arcs dans le même sens) dont la somme des
longueurs des arcs est positive. Écrivons les contraintes correspondantes :
t1 + d1 ≤ t2
t2 + d2 ≤ t3
t3 + d3 ≤ t1
d1 + d2 + d3 ≤ 0
Lemme 8.1 Les contraintes temporelles sont compatibles entre elles si et seule-
ment si le graphe associé ne comporte aucun circuit de longueur (somme des
longueurs des arcs le constituant) strictement positive.
Remarquez qu’un cycle avec une somme des longueurs négative ne pose pas de
problème.
8.5. Calcul de l’ordonnancement au plus tôt 93
9 11 13
2 2
3 4 5
2
0 5 4 3 20 30 35
0 11 10
0 5 5
0 1 2 6 10 11 12
5
4
9 12 16 4
3 3
7 8 9
Il faut, en effet, que les deux tâches précédentes soient finies avant de pouvoir
débuter la tâche 9. On arrive ainsi à déterminer la durée totale minimum qui
est ici de 35 jours.
9 11 13
3 4 5
2 2
9 15 17 3
0 0 5 4 2 11 20 30 35
0 5 10 5
0 1 2 6 10 11 12
11
0 0 5 4 5 20 30 35
9 12 16 4
3 3
7 8 9
10 13 16
date de fin de chantier jusqu’à un certain point. En effet, t5 = 13, t10 = 20,
et d5 = 3. Autrement dit, la date de début de la tâche 5 peut être retardée
jusqu’à la valeur 20 − 3 = 17 sans retarder la date de début de la tâche 10.
On dit que 17 est la date de début au plus tard de la tâche 5. C’est-à-dire
que la tâche 5 peut être commencée à cette date au plus tard sans allonger la
durée totale minimale des travaux.
On notera une date de début au plus tard par ti . On peut calculer l’ordon-
nancement au plus tard de la manière suivante (voir figure 8.6). Partant
du nœud fin, pour lequel la date de fin au plus tard du projet coïncide avec la
date de fin au plus tôt du projet :
t12 = t12 = 35,
on retranche à la date au plus tard la durée de la dernière tâche. On détermine
ainsi la date de début au plus tard de la tâche 11 :
t11 = t12 − d11 = 35 − 5 = 30.
On marque ensuite à rebours les nœuds 10, 5, ... Lorsqu’un nœud a plusieurs
successeurs, on ne peut marquer ce sommet que si tous ses successeurs directs
sont marqués. Prenons, à titre d’illustration, le cas du nœud 3. Dans ce cas, il
faut prendre le minimum :
t3 = min{t4 − d3 , t6 − d3 } = min{15 − 2, 11 − 2} = 9,
sans quoi on retarderait la date de fin de chantier.
• Les tâches critiques qui ont une marge nulle. Ce sont donc les tâches à
surveiller en premier si l’on veut respecter le délai minimum de réalisation
du projet. En effet, pour ces tâches, tout retard sur leur date de début se
répercutera sur la date de fin de chantier.
• Les tâches non critiques qui ont une marge strictement positive que
l’on peut déterminer par la formule (8.4). Les marges sont indiquées à la
figure 8.7 entourées d’un carré.
9 0 11 4 13 4
2 2
3 4 5
4 9 15 17 3
0 0 0 5 2 0 30 0 35
0 5 11 10 5
20
0 1 2 0 6 10 11 12
0 5 4 11 0 5 20 30 35
0
9 12 16 4
3 3
7 8 9
10 1 13 1 16 0
Nous allons maintenant voir que si le projet dure 35 jours, c’est à cause
d’une suite de tâches formant ce que l’on appelle le chemin critique.
Définition 8.2 On appelle chemin critique tout chemin liant le nœud début
de projet au nœud fin de projet tel que l’en faisant la somme des durées des
tâches le long de ce chemin critique on obtienne la durée minimale du projet.
9 11 3 13 3
2 2
3 4 5
4 14 3
9 16 19
0 0 5 2 11 29 34
0 5 10 5
0 1 2 6 10 11 12
5 4 11 4
0 0 19 29 34
9 12 15 4
3 3
7 8 9
9 12 15
8.9 Exercices
8.1. Ordonnancement de projets. Un projet est constitué des tâches 1,
2, 3, 4 et 5. La tâche 1 n’a pas de prédécesseur et dure 2 semaines. La
tâche 2 succède directement à la tâche 1 et dure 5 semaines. La tâche 3
succède directement à la tâche 2 mais ne peut pas commencer avant la
10ème semaine. Elle dure 5 semaines. La tâche 4 succède directement à
la tâche 3 et dure 3 semaines. La tâche 5 succède directement aux tâches
3 et 4 mais doit commencer au plus tard 7 semaines après le début de la
tâche 3. Elle dure 2 semaines.
(a) Etablir le tableau des tâches, de leur durée, de leurs préalables, de
leurs éventuelles remarques. Ensuite, dessinez le graphe associant
les tâches aux nœuds.
(b) Ce projet est-il réalisable ? Justifiez brièvement.
(c) Vous avez la possibilité de réduire la durée des tâches 2 ou 3 de une
ou deux semaines, à un coût additionnel de 500 =C la semaine par
tâche. Et aussi de réduire la durée des tâches 4 ou 5 de une ou deux
semaines, à un coût additionnel de 1.000 =C la semaine par tâche.
Quelle solution proposez-vous afin de réaliser le projet à un coût
minimum ?
(d) Quelle est alors la durée totale du projet ?
(e) Quelle(s) tâche(s) n’appartiennent pas au chemin critique ?
8.2. Lancement d’un nouveau produit. On met à l’étude le lancement
d’un nouveau produit. Ce lancement nécessite la réalisation des 9 tâches
suivantes repérées par les lettres A à I. Le tableau suivant donne leur
durée et leurs préalables éventuels :
tâche durée (semaines) préalables
A 5 D
B 2 -
C 5 B
D 4 -
E 2 G,H
F 4 E,I
G 3 -
H 2 D
I 6 A
9.1 Introduction
Les décisions d’implantation d’un centre de production incluent
1. la décision de localisation du centre qui dépend de :
• la localisation des clients ;
• la disponibilité et le coût de la main d’œuvre ;
• la disponibilité des matières premières ;
• les aides nationales et locales à l’investissement ;
• la volonté de pénétrer un marché local difficile ;. . .
A titre d’exemple, on peut citer le cas de la localisation de l’usine Toyota
près de Valenciennes.
2. le choix de la capacité de production qui dépend :
• de la prévision de la demande à long terme ;
• de la volonté de l’entreprise de dominer un marché ;
• de la possibilité de répondre rapidement à des variations de de-
mande.
Vu l’incertitude sur la demande, on implante souvent une nouvelle usine
par phases successives. Ce fut le cas de la nouvelle usine de Toyota près
de Valenciennes.
3. la configuration du centre de production : il s’agit de déterminer comment
les différents postes de travail doivent être disposés. Nous commencerons
le chapitre en examinant ce point.
99
100 Chapitre 9. Configuration d’un centre de production
C,5
Poste 2
Poste 1 E,15
D,2 F,7
J,10
L,8 M,6
K,4
Poste 4
nc − T
RE =
nc
Remarquons qu’ici on n’a pas atteint l’objectif d’un équilibrage parfait qui
impliquerait de construire 3 articles par heure avec un temps de cycle de 20
minutes. Remarquons qu’il n’est pas toujours possible d’atteindre l’équilibre
parfait de la chaîne puisque les tâches ne sont pas divisibles à l’infini. Ici, on
peut voir, en examinant toutes les possibilités de compléter le dernier poste
qui doit contenir la tâche N, qu’aucune de ces possibilités ne permet d’avoir
un poste à 20 minutes.
Voyons maintenant comment résoudre le problème. Trouver l’affecta-
tion qui minimise le retard d’équilibre est un problème en nombres entiers
particulièrement difficile à résoudre. Une heuristique qui permet de trouver
rapidement une solution (sans garantie qu’elle soit optimale) est la suivante.
On se fixe une durée maximum pour chaque poste de travail. Ici fixons nous
une durée maximum de 19 minutes. On va alors remplir ces postes de la
manière suivante :
Pas1. Attribuer un score à chaque tâche et classer les tâches par score dé-
croissant. Ici, on utilise comme score 1 la duré de la tâche. On obtient :
E, N, J, I, L, B, F, G, M, C, H, K, A, D
15, 15, 10, 9, 8, 7, 7, 6, 6, 5, 4, 4, 2, 2
S = {J, G, C, K, A, D}
Pas 3. Affecter la tâche avec le score le plus élevé dans le premier poste où la
capacité et les contraintes de préséance sont respectées :
J au poste 1.
Aller en au Pas 2.
S = {J, G, C, K, A, D} : J en 1 ; S = {B, M, D} : B en 3 ;
S = {G, C, K, A, D} : G en 1 ; S = {M, H, D} : M en 4 ;
S = {C, K, A, D} : C en 2 ; S = {H, D} : H en 4 ;
S = {K, A, D} : K en 2 ; S = {D} : D en 2 ;
S = {L, A, D} : L en 2 ; S = {E} : E en 5 ;
S = {A, D} : A en 1 ; S = {F } : F en 6 ;
S = {I, B, M, D} : I en 3 ; S = {N } : N en 7
9.2. Configuration d’un centre de production 105
nc − T 7 × 19 − 100
RE = = = 24, 81%
nc 7 × 19
On voit que la solution n’est pas d’une très grande qualité. On peut utiliser
plutôt un second score qui consiste à additionner à la durée de la tâche, celles
de toutes les tâches qui la suivent. Ainsi, à la durée de la tâche A, on ajoute
le temps des tâches F, B, I, M, H et N. Le calcul du second score donne les
résultats suivants :
A B C D E F G H I J K L M N
50 26 42 39 37 22 25 19 24 39 33 29 21 15
On se référera à la figure 9.1 pour le calcul du temps des tâches situées der-
rière chaque tache, le temps de la tâche compris. L’application de heuristique
de score 2 à l’exemple est faite au tableau 9.3.
C,5
E,15
D,2 F,7
G,6 I,9
J,10
L,8 M,6
K,4
S = {A, C, D, J, K, G} : A en 1 ;
S = {C, D, J, K, B, G, I} : C en 1 ;
S = {D, J, K, B, G, I} : D en 1 ;
S = {J, E, K, B, G, I} : J en 1 ; ;
S = {E, K, B, G, I} : E en 2 ;
S = {K, B, G, I, F } : K en 2 ;
S = {L, B, G, I, F } : L en 3 ;
S = {B, G, I, F, M } : B en 3 ;
S = {G, I, F, M } : G en 4 ;
S = {I, F, M, H} : I en 4 ;
S = {F, M, H} : F en 5 ;
S = {M, H} : M en 5 ;
S = {H} : H en 4
S = {N } : N en 6.
9.3 Exercices
9.1. Assemblage de magnétoscopes. Un atelier de fabrication de magné-
toscopes doit être organisé en ligne de production. Les opérations néces-
saires à la fabrication d’un magnétoscope ont été divisées en 14 tâches.
Les temps opératoires (en minutes) ainsi que les relations d’antériorité
sont décrites ci-dessous. On désire produire 30 magnétoscopes par jour
Tâche A B C D E F G H I J K L M N Somme
Durée 2 4 10 5 5 4 5 6 8 10 12 9 6 4 90
Préalables - A A E B C H J J D,F I K L G,M
10.1 Introduction
Nous allons maintenant voir comment une entreprise peut choisir la capa-
cité de son nouveau centre de production. A titre d’exemple, on peut citer le
cas de la localisation de l’usine Toyota près de Valenciennes. Le choix de la
capacité de production est une décision dans l’incertain puisque généralement
on construit la nouvelle usine pour mettre sur le marché un nouveau produit.
Ce choix dépend de la prévision de la demande à long terme. Vu l’incer-
titude sur la demande, on implante souvent une nouvelle usine par phases
successives. Ce fut le cas de la nouvelle usine de Toyota près de Valenciennes.
109
110 Chapitre 10. Capacité d’un centre productif
Les différents choix possibles peuvent être utilement illustrés sur un arbre
de décision tel que celui de la figure 10.1. Un carré représente une décision.
I0 Bt
haute demande
1 1 500 2 000
0
00
e5
t ruir faible demande
1 500 800
s 2
con
co faible demande
nstr 3 800 800
uir
e2
00
0
ha rester 2 000
ut 3 800 800
de e
ma
nd
e
+ 3 000 800 800
4 +1 000 (1) +1 200 (2,3,..,20)
Il est à remarquer que si le bénéfice est constant (Bt = B), ce bénéfice peut
sortir de la sommation et la formule ci-dessus se simplifie en :
n
1
V AN = B ×
X
− I0
t=1 (1 + i)
t
t=1 (1 + i)
t i
F Nt
2.000
0 1 2 3 .. . 20 t
-1.500
t=1 1, 25
t
20
1
= 2 000 − 1 500
X
t=1 1, 25
t
t=1 1, 25
t
t=1 1, 25
t
F Nt
2.000
+1.200
800
0 1 2 3 .. . 20 t
-800
-1.000
comme suit :
19
1
V AN1 = 1 200 − 1 000.
X
t=1 1, 25
t
t=1 1, 25 0, 25
t
10.3. Exercices 113
alors calculer les espérances de VAN dans chacun des deux cas d’investis-
sement initial :
EV AN (5.000) = 0, 2 × 6 407, 766 + 0, 8 × 1 663, 107 = 2 612k$
EV AN (2.000) = 0, 2 × 5 347, 766 + 0, 8 × 2 363, 107 = 2 960k$
En conclusion, il vaut mieux construire une petite capacité et étendre après
un an si nécessaire. Remarquons que le résultat dépend crucialement de la
probabilité de succès du produit.
10.3 Exercices
10.1. Ouverture d’un restaurant. Un indépendant envisage d’ouvrir un
restaurant. Il doit décider s’il ouvre un restaurant
• de 250 personnes (coût de l’investissement : 500 k=C),
• de 500 personnes (coût de l’investissement : 1 000 k=C).
En cas de demande forte, le restaurant de 500 couverts est pleinement
utilisé et rapporte un bénéfice annuel de 200 k=C. En cas de demande
faible, une capacité de 250 couverts est suffisante et rapporte un bénéfice
annuel de 100 k =C. Le succès est connu au bout de la première année. Les
bénéfices sont comptabilisés en fin d’année. La probabilité de demande
forte est estimée à 55%.
114 Chapitre 10. Capacité d’un centre productif
11.1 Introduction
La décision de localisation d’un centre de production doit être analysée
en tenant compte de plusieurs critères :
115
116 Chapitre 11. Localisation d’un centre de production
Cl1 MP2
(x!1 , y!1 )
(x2 , y2 )
MP1
(x1 , y1 ) Cln
(x ,y )
CG CG
(x!n , y!n )
(x m , ym ) x
0 1 2 3 4 5 6 7 8 9 x
5
5
Cl 2= 2
4
d2 (5,4)
( x C G ,y C G )
3
d1 d3
Cl1 = 1 Cl 3= 1
2
(0,2) (6,2)
0
0 1 2 3 4 5 6 7 8 x
j=1
118 Chapitre 11. Localisation d’un centre de production
avec dj notant la distance à vol d’oiseau entre Pj et PCG qui se calcule (voir
figure 11.1) : q
dj = (xCG − x′j )2 + (yCG − yj′ )2
Alors que le point (x, y) qui minimise cette somme des tonnes kilomètres trans-
portées est obtenu en résolvant le problème suivant :
q q
min z = 1· (x − x′1 )2 + (y − y1′ )2 + 2 · (x − x′2 )2 + (y − y2′ )2
q
+1 · (x − x′3 )2 + (y − y3′ )2
j=1 j=1
Cl2 = 1, 2
0,5
xA 1
1,8 yA xA
A
0,8
xA 2
4 yB
B
0,5
3
1,6 yC xij .!
C .!
.
0,7
10
avec cij , le coût de fourniture d’un million d’unité de l’usine i vers le client j
et Kj , le coût fixe d’ouverture de l’entrepôt i.
j=1
i=A
11.4 Exercices
11.1. Stratégies de localisation. Une société de distribution doit détermi-
ner la localisation de son centre de distribution pour minimiser les coûts
de distribution. Elle veut tenir compte à la fois de la localisation de ses
marchés et des volumes transportés pour déterminer la localisation de
son centre de distribution. Le tableau 11.2 reprend les coordonnées des
quatre clients principaux de la firmes (xi , yi ) ainsi qu’une estimation du
nombre de containers à transporter par an vers le client (Di ).
i Client situé à xi yi Di
1 Chicago 30 120 2 000
2 Pittsburgh 90 110 1 000
3 New York 130 130 1 000
4 Atlanta 60 40 2 000
Table 11.4 – Frais fixes, capacités des centres et demandes des pays
123
Chapitre 12
Le solveur d’Excel.
12.1 Introduction
Pour illustrer la résolution d’un problème linéaire au moyen d’Excel, nous
prenons un exemple de fabrication de chassis tiré de Hillier et Lieberman [9].
L’entreprise envisage la production de deux nouveaux modèles au moyen des
capacités résiduelles de ses trois ateliers. Il s’agit respectivement d’un chassis
en aluminium et d’un chassis en bois. Le premier produit nécessite le passage
dans le premier atelier pour fabriquer le cadre en aluminium et dans le troi-
sième atelier où le verre est monté sur le chassis. Tandis que le second produit
nécessite le passage dans le deuxième atelier pour fabriquer le cadre en bois
et dans le troisième atelier où le verre est monté sur le chassis. Les marges
unitaires, les temps de fabrication de chacun des produits dans chacun des
ateliers ainsi que les capacités hebdomadaires résiduelles de ces ateliers sont
donnés au tableau 12.1.
124
12.2. Le solveur d’Excel 125
max z = 3 x1 + 5 x2
≤ 4
x1
2x2 ≤ 12 (12.1)
s.c.q.
3x1 + 2x2 ≤ 18
≥ 0
x1 , x2
A B C D E
1 en alu en bois b
2 Production de chassis
3 Marge 3 5 =B3*$B$2+C3*$C$2
4 Capacité de l’atelier 1 1 0 =B4*$B$2+C4*$C$2 4
5 Capacité de l’Atelier 2 0 2 =B5*$B$2+C5*$C$2 12
6 Capacité de l’atelier 3 3 2 =B6*$B$2+C6*$C$2 18
de calcul ont été rangés dans une même ligne qui contient comme commentaire
le nom de l’équation (Capacité de l’Atelier 1, Capacité de l’Atelier 2, . . .). De
même, les coefficients se rapportant à une même variable ont été rangé en
colonne sous le nom de la variable (x1 , x2 ). Remarquez ici, pour comprendre
126 Chapitre 12. Le solveur d’Excel.
les formules, que l’on a choisi de placer la valeur de x1 en cellule $B$2$, tandis
que celle de x2 est placée en cellule $C$2.
Il reste maintenant à indiquer à Excel, où se trouvent les variables, la
fonction objectif, le membre de gauche, de droite et le sens des contraintes.
Ceci peut être mis en œuvre en Excel (voir la copie d’écran 12.1) de la
manière suivante :
4. Dans la zone “Cellules variables”, mettre les références des cellules conte-
nant les variables (ici $B$2:$C$2) .
12.2. Le solveur d’Excel 127
apparaît (ici avec le message de sortie que l’on attendait, à savoir l’optimalité
de solution).
Elle laisse le choix entre conserver dans les cellules variables la solution
obtenue par le solveur soit rétablir la solution initiale (généralement zéro par-
tout). Cette boîte permet également de générer à la demande trois types
de rapports : le rapport des réponses, le rapport de sensibilité et le rapport
des limites.
12.4 Exercices
12.1. Recyclage du papier. Une société de recyclage de papier se fournit
en déchets auprès de deux villes. Son rôle consiste à séparer les listes
d’ordinateur et les journaux. Le pourcentage de listes d’ordinateur et de
journaux dans les déchets ainsi que la quantité maximum de déchets que
peuvent fournir ces deux villes par an sont repris ci-dessous :
La société offre aux villes un prix de 35 =C par tonne de déchet. Elle doit
décider du montant optimal de déchets à acheter à chaque ville pour
minimiser son coût d’achat. Pour couvrir ses frais fixes, la société doit au
moins collecter 1.500 tonnes de listing d’ordinateur par an. Au delà de
6.000 tonnes de journaux mis sur le marché par an, le prix que la société
reçoit pour la vente de journaux chute et donc la compagnie ne désire
pas vendre plus que cette quantité. Combien la société doit-elle acheter
de déchets par an à chacune des villes ?
Interprétation de la solution
133
134 Chapitre 13. Interprétation de la solution
13.3 Exercices
13.1. Recyclage du papier : interprétation de la solution. Pour l’exercice
12.1 formulé au chapitre 12 :
Quel est alors le coût total d’achat dans les deux villes ?
(c) On voit que les achats ne sont pas intéressants à la ville 1 au prix
d’achat proposé. Quel devrait être au maximum ce prix d’achat à
la ville 1 pour qu’il devienne intéressant d’y acheter des déchets ?
(d) Si l’entreprise parvient à réduire ses frais fixes pour ne plus devoir
collecter que 1.400 tonnes de listing par an, quel serait l’effet sur le
coût total d’achat ? Dire si l’effet est bénéfique ou non et calculer
son montant exact. Justifier votre raisonnement.
(e) Si le nombre maximum de tonnes de journaux qui peut être mis sur
le marché passait de 6.000 à 5.000 tonnes, quel serait l’effet sur le
coût total d’achat ? Dire si l’effet est bénéfique ou non et calculer
son montant exact. Justifier votre raisonnement.
pour maximiser son bénéfice net. L’argile est disponible à raison de 120
livres par jour tandis que 40 heures de travail sont disponibles chaque
jour. Les quantités de ressource par produit ainsi que les marges unitaires
sont données dans le tableau ci-dessous.
Ressources nécessaires Marge
Produit Travail Argile Profit
(heures/unité) (livres/unité) ($/unité)
Bol 1 4 40
Chope 2 3 50
Disponible 40 120
/jour
On suppose qu’un ouvrier peut produire 150 unités par jour ouvrable. Le
nombre de jours ouvrables est repris au tableau 14.1. On suppose, en début
d’année qu’il y a un effectif de 32 ouvriers et pas de stock initial.
De plus, pour des raisons commerciales, on souhaite avoir un niveau mini-
mum de stock en fin de chaque trimestre. Ceci afin de faire face aux demandes
du début du trimestre suivant. Ce niveau minimum est donné au tableau 14.1.
Il y a un coût unitaire d’engagement, de licenciement et de stockage. Le
tableau 14.2 donne les coûts d’engagement et de licenciement ainsi que le coût
unitaire de stockage durant un trimestreé.
139
140 Chapitre 14. Optimisation du plan directeur de production
t=1
3. Les contraintes :
• Bilan des effectifs : l’effectif ouvrier est augmenté par rapport à la
période précédente du nombre d’embauche au début de la période
et est diminué du nombre de licenciements en début de période :
EFt = EFt−1 + Et − Lt , t = 1, ...4 (14.1)
A B C D E F G
1 Trimestre 0 1 2 3 4 coût
2 embauches 20.000
3 licenc. 50.000
4 ouvriers 32 =B4+C2-C3 ... ... ...
5 production =150*C9*C4 ... ... ...
6 stock final 0 =B6+C5-C7 ... ... ... 10
7 demande 180 000 400 000 190 000 390 000
8 stock min 55 000 85 000 50 000 100 000
9 jours 62 64 55 59
10 (1)
z ∗ = 5 145 806
Période 1 2 3 4
Et 0 6,27 0 0
Lt 0 0 3,48 0
EF Ft 32 38,27 34,80 34,90
Pt 297 600 367 400 287 061,40 307 938,60
St 117 600 85 000 182 061,40 100 000
[6] GIARD Vincent, Gestion de la production et des flux, 3ème Edition, Eco-
nomica, Paris, 2003.
145
146 Bibliographie
[14] J.O. MAC CLAIN, L.J. THOMAS et J.B. MAZZOLA, Operations Ma-
nagement : Production of Goods and Services, Prentice Hall, 1992.
Machine B : BA B AB
147
148 Annexe A. Formulaire pour la production
(1 + α)Cu Tr + Qe
Ne ≥
k
nc − T
RE =
nc
t=1 (1 + i)
t i
xi + j x′j yi + j yj′
P P P P
i i
xM = yM =
m+n m+n
P zj
zi 0,00 0,01 0,02 0,03 0,04 0,05 0,06 0,07 0,08 0,09
0,0 0,5000 0,4960 0,4920 0,4880 0,4840 0,4801 0,4761 0,4721 0,4681 0,4641
0,1 0,4602 0,4562 0,4522 0,4483 0,4443 0,4404 0,4364 0,4325 0,4286 0,4247
0,2 0,4207 0,4168 0,4129 0,4090 0,4052 0,4013 0,3974 0,3936 0,3897 0,3859
0,3 0,3821 0,3783 0,3745 0,3707 0,3669 0,3632 0,3594 0,3557 0,3520 0,3483
0,4 0,3446 0,3409 0,3372 0,3336 0,3300 0,3264 0,3228 0,3192 0,3156 0,3121
0,5 0,3085 0,3050 0,3015 0,2981 0,2946 0,2912 0,2877 0,2843 0,2810 0,2776
0,6 0,2743 0,2709 0,2676 0,2643 0,2611 0,2578 0,2546 0,2514 0,2483 0,2451
0,7 0,2420 0,2389 0,2358 0,2327 0,2296 0,2266 0,2236 0,2206 0,2177 0,2148
0,8 0,2119 0,2090 0,2061 0,2033 0,2005 0,1977 0,1949 0,1922 0,1894 0,1867
0,9 0,1841 0,1814 0,1788 0,1762 0,1736 0,1711 0,1685 0,1660 0,1635 0,1611
1,0 0,1587 0,1562 0,1539 0,1515 0,1492 0,1469 0,1446 0,1423 0,1401 0,1379
1,1 0,1357 0,1335 0,1314 0,1292 0,1271 0,1251 0,1230 0,1210 0,1190 0,1170
1,2 0,1151 0,1131 0,1112 0,1093 0,1075 0,1056 0,1038 0,1020 0,1003 0,0985
1,3 0,0968 0,0951 0,0934 0,0918 0,0901 0,0885 0,0869 0,0853 0,0838 0,0823
1,4 0,0808 0,0793 0,0778 0,0764 0,0749 0,0735 0,0721 0,0708 0,0694 0,0681
151
152 Annexe B. Tables pour la gestion de stocks
P zj
zi 0,00 0,01 0,02 0,03 0,04 0,05 0,06 0,07 0,08 0,09
1,5 0,0668 0,0655 0,0643 0,0630 0,0618 0,0606 0,0594 0,0582 0,0571 0,0559
1,6 0,0548 0,0537 0,0526 0,0516 0,0505 0,0495 0,0485 0,0475 0,0465 0,0455
1,7 0,0446 0,0436 0,0427 0,0418 0,0409 0,0401 0,0392 0,0384 0,0375 0,0367
1,8 0,0359 0,0351 0,0344 0,0336 0,0329 0,0322 0,0314 0,0307 0,0301 0,0294
1,9 0,0287 0,0281 0,0274 0,0268 0,0262 0,0256 0,0250 0,0244 0,0239 0,0233
2,0 0,0228 0,0222 0,0217 0,0212 0,0207 0,0202 0,0197 0,0192 0,0188 0,0183
2,1 0,0179 0,0174 0,0170 0,0166 0,0162 0,0158 0,0154 0,0150 0,0146 0,0143
2,2 0,0139 0,0136 0,0132 0,0129 0,0125 0,0122 0,0119 0,0116 0,0113 0,0110
2,3 0,0107 0,0104 0,0102 0,0099 0,0096 0,0094 0,0091 0,0089 0,0087 0,0084
2,4 0,0082 0,0080 0,0078 0,0075 0,0073 0,0071 0,0069 0,0068 0,0066 0,0064
2,5 0,0062 0,0060 0,0059 0,0057 0,0055 0,0054 0,0052 0,0051 0,0049 0,0048
2,6 0,0047 0,0045 0,0044 0,0043 0,0041 0,0040 0,0039 0,0038 0,0037 0,0036
2,7 0,0035 0,0034 0,0033 0,0032 0,0031 0,0030 0,0029 0,0028 0,0027 0,0026
2,8 0,0026 0,0025 0,0024 0,0023 0,0023 0,0022 0,0021 0,0021 0,0020 0,0019
2,9 0,0019 0,0018 0,0018 0,0017 0,0016 0,0016 0,0015 0,0015 0,0014 0,0014
3,0 0,0013 0,0013 0,0013 0,0012 0,0012 0,0011 0,0011 0,0011 0,0010 0,0010
-3 3,0005 3,0104 3,0202 3,0304 3,0403 3,0505 3,0603 3,0702 3,0804 3,0903
-2,9 2,9004 2,9105 2,9204 2,9305 2,9406 2,9504 2,9606 2,9704 2,9805 2,9904
-2,8 2,8006 2,8107 2,8207 2,8308 2,8405 2,8506 2,8607 2,8705 2,8805 2,8906
-2,7 2,7010 2,7109 2,7209 2,7309 2,7409 2,7508 2,7608 2,7708 2,7809 2,7909
-2,6 2,6014 2,6115 2,6214 2,6312 2,6414 2,6513 2,6612 2,6711 2,6811 2,6910
-2,5 2,5020 2,5120 2,5218 2,5318 2,5419 2,5517 2,5617 2,5716 2,5817 2,5915
-2,4 2,4027 2,4126 2,4225 2,4326 2,4425 2,4524 2,4624 2,4721 2,4821 2,4920
-2,3 2,3037 2,3137 2,3234 2,3334 2,3434 2,3531 2,3632 2,3730 2,3828 2,3929
-2,2 2,2049 2,2146 2,2246 2,2344 2,2445 2,2543 2,2641 2,2740 2,2839 2,2938
-2,1 2,1064 2,1164 2,1261 2,1359 2,1457 2,1556 2,1654 2,1753 2,1852 2,1949
-2 2,0084 2,0183 2,0280 2,0378 2,0476 2,0574 2,0672 2,0771 2,0868 2,0967
-1,9 1,9111 1,9207 1,9305 1,9402 1,9499 1,9597 1,9694 1,9792 1,9889 1,9987
-1,8 1,8143 1,8240 1,8335 1,8433 1,8529 1,8625 1,8723 1,8820 1,8916 1,9013
-1,7 1,7182 1,7279 1,7374 1,7470 1,7566 1,7661 1,7758 1,7853 1,7951 1,8047
-1,6 1,6232 1,6327 1,6422 1,6516 1,6611 1,6706 1,6801 1,6896 1,6992 1,7088
-1,5 1,5293 1,5387 1,5479 1,5574 1,5667 1,5761 1,5855 1,5949 1,6043 1,6138
-1,4 1,4366 1,4458 1,4551 1,4643 1,4736 1,4829 1,4922 1,5013 1,5107 1,5200
-1,3 1,3455 1,3546 1,3636 1,3726 1,3818 1,3909 1,4000 1,4092 1,4183 1,4274
-1,2 1,2561 1,2650 1,2739 1,2828 1,2916 1,3006 1,3096 1,3186 1,3275 1,3365
-1,1 1,1686 1,1773 1,1859 1,1947 1,2034 1,2121 1,2209 1,2296 1,2384 1,2473
-1 1,0833 1,0918 1,1002 1,1087 1,1171 1,1256 1,1342 1,1428 1,1513 1,1599
-0,9 1,0004 1,0086 1,0168 1,0250 1,0333 1,0415 1,0499 1,0582 1,0666 1,0749
-0,8 0,9202 0,9281 0,9360 0,9440 0,9519 0,9599 0,9680 0,9760 0,9842 0,9923
-0,7 0,8429 0,8504 0,8581 0,8658 0,8735 0,8812 0,8889 0,8967 0,9045 0,9123
-0,6 0,7686 0,7760 0,7833 0,7906 0,7980 0,8054 0,8128 0,8203 0,8277 0,8353
-0,5 0,6978 0,7047 0,7117 0,7187 0,7257 0,7328 0,7399 0,7471 0,7542 0,7614
-0,4 0,6304 0,6370 0,6436 0,6503 0,6569 0,6636 0,6704 0,6772 0,6840 0,6909
-0,3 0,5668 0,5730 0,5792 0,5855 0,5918 0,5981 0,6045 0,6109 0,6174 0,6239
-0,2 0,5069 0,5127 0,5186 0,5245 0,5304 0,5363 0,5424 0,5484 0,5545 0,5606
-0,1 0,4509 0,4564 0,4618 0,4673 0,4728 0,4784 0,4840 0,4897 0,4954 0,5011
0 0,3989 0,4040 0,4090 0,4141 0,4193 0,4244 0,4297 0,4349 0,4402 0,4456
154 Annexe B. Tables pour la gestion de stocks
g(tS ) tj
ti 0,00 0,01 0,02 0,03 0,04 0,05 0,06 0,07 0,08 0,09
0 0,3989 0,3940 0,3890 0,3841 0,3793 0,3744 0,3697 0,3649 0,3602 0,3556
0,1 0,3509 0,3464 0,3418 0,3373 0,3328 0,3284 0,3240 0,3197 0,3154 0,3111
0,2 0,3069 0,3027 0,2986 0,2945 0,2904 0,2863 0,2824 0,2784 0,2745 0,2706
0,3 0,2668 0,2630 0,2592 0,2555 0,2518 0,2481 0,2445 0,2409 0,2374 0,2339
0,4 0,2304 0,2270 0,2236 0,2203 0,2169 0,2136 0,2104 0,2072 0,2040 0,2009
0,5 0,1978 0,1947 0,1917 0,1887 0,1857 0,1828 0,1799 0,1771 0,1742 0,1714
0,6 0,1686 0,1660 0,1633 0,1606 0,1580 0,1554 0,1528 0,1503 0,1477 0,1453
0,7 0,1429 0,1404 0,1381 0,1358 0,1335 0,1312 0,1289 0,1267 0,1245 0,1223
0,8 0,1202 0,1181 0,1160 0,1140 0,1119 0,1099 0,1080 0,1060 0,1042 0,1023
0,9 0,1004 0,0986 0,0968 0,0950 0,0933 0,0915 0,0899 0,0882 0,0866 0,0849
1 0,0833 0,0818 0,0802 0,0787 0,0771 0,0756 0,0742 0,0728 0,0713 0,0699
1,1 0,0686 0,0673 0,0659 0,0647 0,0634 0,0621 0,0609 0,0596 0,0584 0,0573
1,2 0,0561 0,0550 0,0539 0,0528 0,0516 0,0506 0,0496 0,0486 0,0475 0,0465
1,3 0,0455 0,0446 0,0436 0,0426 0,0418 0,0409 0,0400 0,0392 0,0383 0,0374
1,4 0,0366 0,0358 0,0351 0,0343 0,0336 0,0329 0,0322 0,0313 0,0307 0,0300
1,5 0,0293 0,0287 0,0279 0,0274 0,0267 0,0261 0,0255 0,0249 0,0243 0,0238
1,6 0,0232 0,0227 0,0222 0,0216 0,0211 0,0206 0,0201 0,0196 0,0192 0,0188
1,7 0,0182 0,0179 0,0174 0,0170 0,0166 0,0161 0,0158 0,0153 0,0151 0,0147
1,8 0,0143 0,0140 0,0135 0,0133 0,0129 0,0125 0,0123 0,0120 0,0116 0,0113
1,9 0,0111 0,0107 0,0105 0,0102 0,0099 0,0097 0,0094 0,0092 0,0089 0,0087
2 0,0084 0,0083 0,0080 0,0078 0,0076 0,0074 0,0072 0,0071 0,0068 0,0067
2,1 0,0064 0,0064 0,0061 0,0059 0,0057 0,0056 0,0054 0,0053 0,0052 0,0049
2,2 0,0049 0,0046 0,0046 0,0044 0,0045 0,0043 0,0041 0,0040 0,0039 0,0038
2,3 0,0037 0,0037 0,0034 0,0034 0,0034 0,0031 0,0032 0,0030 0,0028 0,0029
2,4 0,0027 0,0026 0,0025 0,0026 0,0025 0,0024 0,0024 0,0021 0,0021 0,0020
2,5 0,0020 0,0020 0,0018 0,0018 0,0019 0,0017 0,0017 0,0016 0,0017 0,0015
2,6 0,0014 0,0015 0,0014 0,0012 0,0014 0,0013 0,0012 0,0011 0,0011 0,0010
2,7 0,0010 0,0009 0,0009 0,0009 0,0009 0,0008 0,0008 0,0008 0,0009 0,0009
2,8 0,0006 0,0007 0,0007 0,0008 0,0005 0,0006 0,0007 0,0005 0,0005 0,0006
2,9 0,0004 0,0005 0,0004 0,0005 0,0006 0,0004 0,0006 0,0004 0,0005 0,0004
3 0,0005 0,0004 0,0002 0,0004 0,0003 0,0005 0,0003 0,0002 0,0004 0,0003