Syllabus GPO

UCLouvain
Louvain School of Management

Baccalauréat 3 Ingénieur de Gestion
Gestion de la Production et des Opérations

Daniel DE WOLF
Louvain-La-Neuve, 17 septembre 2023

Table des matières
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
I Les décisions opérationnelles 16

2 Ordonnancement en ateliers spécialisés 17
2.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
2.2 Ordonnancement sur une machine . . . . . . . . . . . . . . . . . 18
2.2.1 Le diagramme de Gantt . . . . . . . . . . . . . . . . . . 18
2.2.2 La règle T.O.M. . . . . . . . . . . . . . . . . . . . . . . . 19
2.3 Ordonnancement avec deux machines . . . . . . . . . . . . . . . 20
2.3.1 Cas où les tâches sont à exécuter sur A puis B . . . . . . 20
2.3.2 Tâches ne s’effectuant pas dans le même ordre . . . . . . 22
2.4 Ordonnancement sur trois machines . . . . . . . . . . . . . . . . 23
2.5 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
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
3.3.2 Les coûts de rupture . . . . . . . . . . . . . . . . . . . . 30

3.3.3 Les coûts de commande . . . . . . . . . . . . . . . . . . 31
3.4 La gestion par point de commande . . . . . . . . . . . . . . . . 31
3.4.1 Calcul du point de commande optimal . . . . . . . . . . 31
3.4.2 Calcul du stock résiduel . . . . . . . . . . . . . . . . . . 32
3.4.3 Détermination de la quantité à commander . . . . . . . . 33
3.5 Conséquences de la politique optimale . . . . . . . . . . . . . . 34
3.6 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
4 Gestion calendaire de stock 37

4.1 Cas de stocks à rotation nulle . . . . . . . . . . . . . . . . . . . 37
4.2 Les conséquences économiques de la solution optimale . . . . . . 39
4.2.1 La rupture de stock . . . . . . . . . . . . . . . . . . . . . 39
4.2.2 Le stock moyen possédé . . . . . . . . . . . . . . . . . . 40
4.2.3 Le coût moyen . . . . . . . . . . . . . . . . . . . . . . . 40
4.2.4 La marge nette moyenne . . . . . . . . . . . . . . . . . . 40
4.3 Cas de stocks à rotation non nulle . . . . . . . . . . . . . . . . . 41
4.3.1 Détermination de la solution optimale . . . . . . . . . . 44
4.3.2 Application à l’exemple . . . . . . . . . . . . . . . . . . . 44
4.4 Conséquences de la solution optimale . . . . . . . . . . . . . . . 45
4.5 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46
II Les décisions tactiques 47

5 La planification de la production 48
5.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48
5.2 La planification des besoins en composants . . . . . . . . . . . . 48
5.3 Détermination des besoins nets d’un composant . . . . . . . . . 53
5.4 Détermination de la couverture des besoins nets . . . . . . . . . 55
5.5 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 58
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
7 Les techniques de juste à temps 76

7.1 Origine et principe du JAT . . . . . . . . . . . . . . . . . . . . . 76
7.2 Les deux approches du JAT . . . . . . . . . . . . . . . . . . . . 77
7.2.1 Augmenter la réactivité du système logistique . . . . . . 78
7.2.2 La rationalisation de la production . . . . . . . . . . . . 78
7.3 Les facteurs clés du JAT . . . . . . . . . . . . . . . . . . . . . . 78
7.3.1 Recherche d’un plus grande réactivité . . . . . . . . . . . 78
7.3.2 Maîtrise des aléas . . . . . . . . . . . . . . . . . . . . . . 79
7.4 La méthode Kanban . . . . . . . . . . . . . . . . . . . . . . . . 79
7.4.1 Système Kanban à une boucle . . . . . . . . . . . . . . . 80
7.4.2 Détermination du nombre d’étiquettes . . . . . . . . . . 81
7.5 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 84
III Les décisions stratégiques 86

8 L’ordonnancement de projets 87
8.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 87
8.2 Formulation du problème . . . . . . . . . . . . . . . . . . . . . . 89
8.3 Représentation graphique du problème . . . . . . . . . . . . . . 90
8.4 Existence d’une solution . . . . . . . . . . . . . . . . . . . . . . 92
8.5 Calcul de l’ordonnancement au plus tôt . . . . . . . . . . . . . . 93
8.6 Ordonnancement au plus tard . . . . . . . . . . . . . . . . . . . 93
8.7 Chemin critique et calcul des marges . . . . . . . . . . . . . . . 94
8.8 Réduction de la durée du projet . . . . . . . . . . . . . . . . . . 96
8.9 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 97
9 Configuration d’un centre de production 99

9.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 99
9.2 Configuration d’un centre de production . . . . . . . . . . . . . 100
9.2.1 Configuration à poste fixe . . . . . . . . . . . . . . . . . 100
9.2.2 Configuration en ligne de production . . . . . . . . . . . 101
9.3 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 107
10 Capacité d’un centre productif 109

10.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 109
10.2 Décisions de capacité . . . . . . . . . . . . . . . . . . . . . . . . 109
10.3 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 113
Table des matières 5
11 Localisation d’un centre de production 115

11.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 115
11.2 Localisation d’un entrepôt . . . . . . . . . . . . . . . . . . . . . 116
11.3 Utilisation de la programmation mathématique . . . . . . . . . 119
11.3.1 Choix des variables. . . . . . . . . . . . . . . . . . . . . . 119
11.3.2 Expression de l’objectif. . . . . . . . . . . . . . . . . . . 119
11.3.3 Expression des contraintes. . . . . . . . . . . . . . . . . . 120
11.4 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 121
IV Résolution avec le solveur d’Excel 123

12 Le solveur d’Excel. 124
12.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 124
12.2 Le solveur d’Excel . . . . . . . . . . . . . . . . . . . . . . . . . . 125
12.3 Les rapports du solveur . . . . . . . . . . . . . . . . . . . . . . . 128
12.3.1 Le rapport des réponses . . . . . . . . . . . . . . . . . . 129
12.3.2 Le rapport de sensibilité . . . . . . . . . . . . . . . . . . 130
12.4 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 131
13 Interprétation de la solution 133

13.1 Interprétation économique . . . . . . . . . . . . . . . . . . . . . 133
13.1.1 Interprétation des coûts réduits . . . . . . . . . . . . . . 134
13.1.2 Interprétation des prix cachés . . . . . . . . . . . . . . . 135
13.2 Analyse de sensibilité . . . . . . . . . . . . . . . . . . . . . . . . 136
13.2.1 Sensibilité aux coefficients objectifs . . . . . . . . . . . . 136
13.2.2 Sensibilité aux coefficients du membre de droite . . . . . 136
13.3 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 137
14 Optimisation du plan directeur de production 139

14.1 Données du problème . . . . . . . . . . . . . . . . . . . . . . . . 139
14.2 Formulation du problème . . . . . . . . . . . . . . . . . . . . . . 141
14.3 Modèle de calcul Excel . . . . . . . . . . . . . . . . . . . . . . . 142
14.4 Solution du problème . . . . . . . . . . . . . . . . . . . . . . . . 142
14.5 Analyse post-optimale . . . . . . . . . . . . . . . . . . . . . . . 143
A Formulaire pour la production 147

A.1 Ordonnancement sur deux machines . . . . . . . . . . . . . . . . 147
A.2 Coûts unitaires en gestion de stocks . . . . . . . . . . . . . . . . 147
A.3 Gestion de stocks par point de commande . . . . . . . . . . . . 148
A.4 Gestion calendaire de stock . . . . . . . . . . . . . . . . . . . . 148
A.5 Les techniques de juste à temps . . . . . . . . . . . . . . . . . . 149
A.6 Équilibrage d’une chaîne de production . . . . . . . . . . . . . . 149
6 Table des matières
A.7 Calcul de la valeur actualisée nette . . . . . . . . . . . . . . . . 149

A.8 Techniques de localisation . . . . . . . . . . . . . . . . . . . . . 150
A.9 Analyse post-optimale . . . . . . . . . . . . . . . . . . . . . . . 150
B Tables pour la gestion de stocks 151

B.1 Table de la loi normale Z ∼ N (0, 1) . . . . . . . . . . . . . . . . 151
B.2 Table pour le calcul de Ir (S) . . . . . . . . . . . . . . . . . . . . 153
Chapitre 1
Introduction
1.1 Objectifs du cours

L’objectif du cours est de donner une formation de base à l’approche
quantitative des problèmes de gestion de l’entreprise tels que :
• la planification de la production ;
• l’ordonnancement de projets ;
• la gestion des stocks ;
• la gestion de la capacité,. . .
Pour cela, on essayer de développer une double compétence :
• La capacité de formuler ces problèmes en des modèles mathématiques :

c’est-à-dire, partant de problèmes énoncés de manière littéraire, de les
traduire sous formes d’équations mathématiques (cfr section 1.5).
• La connaissance d’outils de résolution de ces problèmes : en effet, une

fois le problème formulé, souvent on tombe sur un problème classique
(tel celui de la gestion de stock), pour lequel il existe des méthodes de
résolution adaptées (voir chapitres 4 et 3 pour les méthodes de gestion
de stocks).
Comme références, nous utiliserons les livres de Giard [6] et Baglin et al

[1] pour tous les modèles classiques de gestion de la production. Pour ce qui
est de la formulation en modèles mathématiques, une très bonne référence est
le livre de Williams [19].
7
8 Chapitre 1. Introduction
1.2 Définition de la gestion de production

Comme l’indique Vincent Giard [6] dans son ouvrage, pour pouvoir donner
une définition de la gestion de production, il faut d’abord définir ce que l’on
entend par la production.
Définition 1.1 La production consiste en une transformation de ressources

(humaines ou matérielles) en vue de la création de biens ou services.
La production d’un bien s’effectue par une succession d’opérations consommant

des ressources et transformant les caractéristiques de la matière. Un exemple
classique est la production de voitures.
La production d’un service s’effectue par une succession d’opérations con-
sommant des ressources sans qu’il n’y ait nécessairement transformation de
matière. Des exemples classiques sont la mise à disposition de produits aux
consommateurs (la vente), le traitement de dossier (par un notaire), la main-
tenance d’équipements. On peut alors définir la gestion de production.
Définition 1.2 La gestion de la production consiste en la recherche d’une

organisation efficace de la production des biens et services.
La gestion de production consiste donc à l’obtention d’un produit donné dont

les caractéristiques sont connues en mettant en œuvre un minimum de res-
sources. En gestion de production, on considérera, généralement, comme don-
nées les caractéristiques du produit que sont :
• la définition du produit ;
• le processus de fabrication ;
• la demande à satisfaire.
Ces trois caractéristiques du produit relèvent des sciences de l’ingénieur et

de la gestion commerciale. Nous verrons cependant au chapitre 8 la gestion
de projets qui est souvent utilisée pour optimiser le processus de conception
d’un nouveau produit. Nous verrons aussi au chapitre 10 comment optimiser
le processus de fabrication.
Les outils de la gestion de la production sont un ensemble de tech-
niques d’analyse et de résolution des problèmes de manière à produire au
moindre coût. Nous verrons dans ce cours un certain nombre de problèmes
types rencontrés en gestion de production. Pour situer ces différents problèmes
entre eux, on classifie souvent les décisions de gestion en trois classes.
1.3. Classification des décisions en gestion de production 9
1.3 Classification des décisions en gestion de

production
On distingue trois classes de décisions en gestion de production :
1. Les décisions stratégiques : il s’agit de la formulation de la politique

à long terme pour l’entreprise (c’est-à-dire à un horizon de plus de deux
ans). Entrent dans ces décisions :
• la définition du portefeuille d’activités ;

• la définition des ressources stables : aussi bien humaines (engage-
ments, licenciements, préretraites, . . .) que matérielles (décisions
d’investissement, de cession, de fermeture, . . .).
2. Les décisions tactiques : il s’agit des décisions à moyen terme parmi

lesquelles on trouve la planification de la production à 18 mois. Il s’agit
de produire au moindre coût pour satisfaire la demande prévisible en
s’inscrivant dans le cadre fixé le plan stratégique de l’entreprise (donc à
ressources matérielles et humaines connues).
3. les décisions opérationnelles : il s’agit des décisions de gestion quoti-

dienne pour faire face à la demande au jour le jour, dans le respect des
décisions tactiques. Parmi ces décisions, on trouve :
• la gestion de stocks ;
• la gestion de la main d’œuvre ;
• la gestion des équipements.
Ces trois classes de décisions de gestion de production se différencient par

au moins trois éléments :
1. par l’horizon de temps considéré :
• les décisions opérationnelles se prennent au jour le jour ;

• les décisions tactiques concernent la planification à 18 mois ;
• les décisions stratégiques concernent la planification à long terme.
2. par le niveau d’agrégation :
• les décisions opérationnelles se prennent au niveau d’un atelier ;

• les décisions tactiques se prennent au niveau d’une usine ;
• les décisions stratégiques se prennent au niveau de l’ensemble de
l’entreprise.
3. par le niveau de responsabilité :
• les décisions opérationnelles sont prises par les agents de maîtrise ;

• les décisions tactiques sont prises par les cadres ;
• les décisions stratégiques sont prises par la direction générale.
1.4 Classification des systèmes productifs

On peut classer les modes d’organisation de la production en quatre
grandes classes :
• l’organisation en série unitaire ;
• l’organisation en ateliers spécialisés ;
• l’organisation en ligne de production ;
• l’organisation en industries de process.
Nous examinerons, dans chaque cas, le type de ressources à mettre en œuvre

et le problème principal de leur utilisation.
1.4.1 Organisation de type série unitaire

Définition 1.3 La production de type “série unitaire” est une production
mobilisant sur une période assez longue l’essentiel des ressources d’une entre-
prise pour réaliser un nombre très limité de projets.
Comme exemples, on peut citer la construction de navires de grande taille

(qui se font, le plus souvent, en quelques exemplaires), les grands travaux pu-
blics (tel que le creusement du tunnel sous la manche ou la construction d’un
pont suspendu).
En ce qui concerne les ressources mobilisées, on fait le plus souvent appel
à un personnel hautement qualifié vu le caractère non répétitif des tâches.
En ce qui concerne le problème d’ordonnancement, le problème majeur
est l’arbitrage entre la recherche d’un coût compétitif et le respect des délais. En
effet, d’une part, les commandes seront rapidement honorées si beaucoup de
ressources sont mises en œuvre. Mais, d’autre part, le coût des ressources est
généralement croissant avec leur niveau d’utilisation : la location de machines
supplémentaires et l’engagement d’intérimaires coûtent généralement plus cher
que l’utilisation des ressources propres de l’entreprise.
Nous considérerons au chapitre 8 le problème de l’ordonnancement des
tâches, c’est-à-dire la détermination de l’ordre d’exécution des tâches. En
1.4. Classification des systèmes productifs 11
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.
1.4.2 Organisation en ateliers spécialisés

Définition 1.4 On parle d’organisation en ateliers spécialisés lorsque tous
les équipements assurant une fonction spécialisée sont réunis en un même lieu.
Comme exemple, on peut citer un atelier d’emboutissage des tôles de voitures
ou un atelier de peinture dans une usine d’assemblage automobile.
En ce qui concerne les ressources mobilisées, la main d’œuvre est plutôt
qualifiée et les équipements sont polyvalents.
En ce qui concerne le problème de l’organisation efficace des res-
sources, deux problèmes principaux sont à considérer :
• Lors de la conception de l’atelier, le problème principal est la gestion
des coûts de manutention entre les différents postes de travail. Afin de
diminuer ces coûts on détermine la meilleure localisation des machines les
unes par rapport aux autres dans l’atelier. Ceci fait appel aux méthodes
d’agencement dans l’espace (cfr chapitre 10 consacré à la configuration
d’un centre de production).
• Lors de la gestion quotidienne de l’atelier, le problème principal est de
déterminer l’ordre d’exécution des diverses tâches sur une ou plusieurs
machines (cfr chapitre 2 consacré à l’ordonnancement en ateliers spécia-
lisés).
1.4.3 Organisation en lignes de production

Définition 1.5 L’organisation en lignes de production lorsque qu’un flux
régulier de produits passe d’un poste à l’autre, l’ordre étant fixé.
Comme exemple, on peut citer les lignes d’assemblage d’automobiles.
En ce qui concerne les ressources mises en œuvre, les équipements sont
généralement très spécialisés. En ce qui concerne l’organisation efficace des
ressources, le problème majeur consiste en l’équilibrage de la chaîne : c’est-
à-dire à définir les tâches à réaliser à chaque poste de manière à avoir le même
temps de réalisation à chaque poste (cfr chapitre 10). En effet, un mauvais
équilibrage de la chaîne entraînera une sous-utilisation des ressources puisque
la chaîne tourne à la vitesse de l’élément le plus lent.
Deux autres problèmes sont très importants dans ce mode d’organisation
de la production. Il s’agit de : la fiabilité de la chaîne (un maillon défectueux
et toute la chaîne s’arrête) et de la fiabilité du système d’informations.
1.4.4 Les industries de process

Définition 1.6 On parle d’industries de process lorsque le mode d’organi-
sation est caractérisé par un flux régulier et important de matières premières
destinées à être transformées en matières plus élaborées.
Comme exemples, on peut citer la sidérurgie, la pétrochimie, le secteur de la

chimie lourde, le secteur agro-alimentaire, etc. . .
En ce qui concerne l’organisation efficace des ressources, vues l’im-
portance et la régularité de la demande, le problème d’organisation au coût
minimum est généralement assez simple. Il peut être résolu par la program-
mation linéaire. Terminons ce chapitre en introduisant la notion de modèle
mathématique.
1.5 Un exemple de programmation linéaire

1.5.1 Données du problème
On parle de problèmes linéaires lorsque l’on veut minimiser une fonction
linéaire sous des contraintes linéaires. Nous prenons un exemple tiré de Hillier
et Lieberman [9] de fabrication de deux nouveaux modèles de chassis au moyen
des capacités résiduelles de trois ateliers. Le chassis en aluminium nécessite le
passage dans le premier atelier pour fabriquer le cadre en aluminium et dans
le troisième atelier où le verre est monté sur le chassis. Tandis que le chassis
en bois 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.
Produit 1 Produit 2 Capacité disponible

(heures/produit) (heures/produit) (heures/semaine)
Atelier 1 1 0 4
Atelier 2 0 2 12
Atelier 3 3 2 18
Marge 3$ 5$
Table 1.1 – Marges, temps d’usinage et capacités.
La question qui se pose est la suivante : “Combien faut-il produire de

chassis de chaque type par semaine pour maximiser le profit net ?”
1.5. Un exemple de programmation linéaire 13
1.5.2 Formulation du problème de gestion

La formulation d’un problème d’optimisation comporte toujours les trois
étapes suivantes : le choix des variables du modèle, la formulation de l’objectif
et la formulation des contraintes.
La première étape consiste à choisir les variables du problème.
Définition 1.7 On appelle variable toute quantité utile à la résolution du pro-

blème dont le modèle doit déterminer la valeur.
Ici les quantités que le modèle doit déterminer sont les productions de chassis
par semaine. Notons donc :
x1 = nombre de chassis de type 1 produits par semaine,

x2 = nombre de chassis de type 2 produits par semaine.
La deuxième étape consiste à formuler mathématiquement l’objectif.
Définition 1.8 On appelle fonction objectif d’un problème d’optimisation le

critère de choix entre les diverses solutions possibles.
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 :
max z = 3x1 + 5x2
La troisième étape est la formulation les contraintes du problème.
Définition 1.9 On appelle contraintes du problème toutes les relations limi-

tant le choix des valeurs possibles des variables.
Ces relations peuvent être de simples bornes sur les variables. Par exemple, les
quantité produites ne peuvent être négatives. Mathématiquement :
x1 , x2 ≥ 0.
Elles peuvent être plus complexes comme les contraintes de capacité de

production reprises ci-dessous :
x1 ≤ 4
2x2 ≤ 12
3x1 + 2x2 ≤ 18
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
Section frais fixes frais variables

Administration 50.000=C 0
Usinage 60.000=C 11.600=C
Finition 40.000=C 6.000=C
Table 1.2 – Planification sur coût variables
conditionnement de 8 =C l’unité pour P1 et de 6 =C pour P2 . Les prix de

vente sont de 55 =C et 43 =C respectivement.
(a) Calculer d’abord le coût horaire de la main d’œuvre dans chacun

des deux ateliers.
(b) Calculer également le nombre d’heures nécessaires par produit dans
chacun des deux ateliers en complétant le tableau suivant :
Section Produit 1 Produit 2

Usinage
Finition
(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
1.2. Problème de transport de denrées périssables. Une compagnie

produit 2 denrées périssables, P et Q, qui sont acheminées, chaque soir,
chez le grossiste. Pour le transport, la compagnie dispose d’une camion-
nette dont la capacité permet d’acheminer 2.000 kg par jour. Lorsque la
production quotidienne excède cette quantité, la compagnie fait appel à
un transporteur indépendant. Le coût de transport est de 2 =C par kg
avec la camionnette propre, tandis que le transporteur indépendant de-
mande 3 =C par kg. La marge bénéficiaire, hors coût de transport, est
42 =C par unité de P et 48 =C l’unité de Q. Les produits P et Q sont
fabriqués à partir de 2 composantes M et N selon les proportions présen-
tées à la table 1.3. Considérons une journée où la compagnie dispose de
Produit Poids de M Poids de N Poids total

P 4 3 7
Q 2 1 3
Table 1.3 – Composition des produits
3.200 kg de M et de 2.400 kg de N. Formulez le problème sachant que la

compagnie cherche à maximiser son profit net.
(a) Choix des variables,
(b) Expression de l’objectif,
(c) Expression des contraintes.
1.3. Un problème de gestion de stocks. Un industriel cherche à établir
son plan de production pour les quatre mois à venir, sachant que les
demandes sont déjà connues et se chiffrent à 900, 1100 1700 et 1300
articles, respectivement. En régime normal, la capacité de production est
de 1200 articles par mois. A l’aide d’heures supplémentaires, ce niveau
peut être élevé jusqu’à 400 articles en plus, mais il faut compter, dans
ce cas, un surcoût de 7 =C par article. La situation est telle qu’il peut
se permettre en régime normal de produire moins de 1200 articles par
mois. Cela n’aura aucune incidence sur les coûts de production, ceux-ci
étant fixes en régime normal, mais l’effet sur les coûts de stockage peut
être bénéfique. Les coûts de stockage sont de 3 =C par article en stock
en fin de mois. Comment l’industriel doit-il planifier sa production pour
minimiser les coûts variables, c’est-à-dire les coûts occasionnés par les
heures supplémentaires et le stockage ? Formuler le problème.
(a) Choix des variables,
(b) Expression de l’objectif,
(c) Expression des contraintes.
Première partie
Les décisions opérationnelles
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
• Les modèles statiques pour lesquels on recherche l’ordonnancement

optimal d’un ensemble donné de tâches sur une période donnée : autre-
ment dit, au cours de la période considérée, aucune nouvelle tâche non
prévue ne peut être prise en compte dans l’ordonnancement ;
• Les modèles dynamiques d’ordonnancement qui se caractérisent par

des arrivées successives de tâches, le plus souvent dans un univers aléa-
toire.
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
2.2 Ordonnancement sur une machine

Illustrons le problème sur l’exemple suivant tiré de Giard [6]. On a cinq
tâches à effectuer sur la machine A. Le tableau 2.1 présente les différentes
tâches ainsi que leurs temps opératoires. Il s’agit de déterminer l’ordre dans
Tâche (i) 1 2 3 4 5
Temps opératoire (ti ) 50 150 80 200 30
Table 2.1 – Temps opératoires (en centièmes d’heures).
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
Table 2.2 – Un ordonnancement possible.
2.2.1 Le diagramme de Gantt
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
Figure 2.1 – Diagramme de Gantt.
Illustrons tout d’abord une technique de visualisation d’un ordonnance-

ment. Le diagramme de Gantt (voir figure 2.1) correspondant à l’ordon-
nancement du tableau 2.2 permet de visualiser à la fois :
• l’utilisation des moyens productifs ;
• l’avancement de l’exécution des tâches.

2.2. Ordonnancement sur une machine 19
En effet, une ligne horizontale illustre l’évolution du temps. Ensuite, pour

chaque moyen productif (ici, il y a seulement la machine A), on trace une ligne
horizontale en dessous de la ligne du temps. Chaque tâche à effectuer sur la
machine est représentée par un segment dont la longueur est proportionnelle à
la durée d’exécution de la tâche. On indiquera le numéro de la tâche au dessus
du segment tandis qu’une machine au repos est indiquée par un Z.
Si l’on veille à aligner verticalement l’origine du temps pour chaque ma-
chine, une ligne verticale indique donc à tout moment à quelle tâche est occupée
chacune des machines. Un tableau mural peut être ainsi d’un grand recours
pour les agents de maîtrise responsables de l’affectation des moyens humains
et matériels.
2.2.2 La règle T.O.M.

Comme nous l’avons indiqué plus haut, tous les ordonnancements possibles
conduisent au même temps total d’exécution des tâches. Dans l’exemple, l’exé-
cution des 5 tâches nécessite 510 centièmes d’heure. La question qui se pose
est alors : comment choisir parmi les n ! ordonnancements possibles ?
Notons Aj le temps d’achèvement de la tâche programmée en position j.
Le temps d’achèvement d’une tâche est la somme des temps d’exécution de la
tâche avec ceux des tâches précédentes. Par exemple,
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
Table 2.3 – Temps d’achèvement des tâches.
80 + 280 + 330 + 360 + 510

Ā = = 312
5
En général :
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
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
L’application de cette règle donne l’ordonnancement illustré au tableau 2.4.

Cette application donne le temps d’achèvement moyen minimum :
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
Table 2.4 – Application de la règle TOM.
On peut montrer que la règle TOM revient à minimiser le retard moyen, le

retard d’une tâche étant la différence entre le moment où la tâche est terminée
et celui où elle aurait été terminée si l’on l’avait commencé en premier lieu.
2.3 Ordonnancement avec deux machines

Chaque tâche nécessite pour son exécution le passage sur deux machines :
les machines A et B. Soient tiA et tiB , les temps d’exécution de la tâche i sur
les machines A et B respectivement. On va utiliser comme critère d’ordon-
nancement la minimisation du temps total d’exécution des tâches sur les deux
machines. On va distinguer deux cas :
• le cas où toutes les tâches sont à exécuter sur A puis B ;
• le cas où toutes les tâches n’ont pas le même ordre de passage sur les
deux machines.
2.3.1 Cas où les tâches sont à exécuter sur A puis B

Supposons donc que cinq tâches soient à exécuter sur les machines A puis
B. Les temps opératoires (en centièmes d’heure) sont repris au tableau 2.5.
L’ordonnancement optimal est illustré à la figure 2.2. Remarquez que du-
rant l’exécution de la première tâche sur A, la machine B dort. On a donc
2.3. Ordonnancement avec deux machines 21
Tâches (i) 1 2 3 4 5
tiA 50 150 80 200 30
tiB 60 50 150 70 200
Table 2.5 – Ordonnancement sur deux machines.

5 1 3 4 2 Z
machine A
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)
Figure 2.2 – Ordonnancement optimal.
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 :
1. Rechercher la tâche i de temps d’exécution tim minimum.
2. Si m = A, placer cette tâche à la première place disponible ;

Si m = B, placer cette tâche à la dernière place disponible.
3. Supprimer la tâche i des tâches encore à programmer, retour en 1.
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.
2.3.2 Tâches ne s’effectuant pas dans le même ordre

Dans ce cas, certaines tâches ne nécessitent que le passage sur une machine,
d’autres sur les deux dans un ordre ou l’autre (voir tableau 2.6).
Tâches à effectuer sur A puis B

Tâches (i) 1 2 3 4 5 6
tiA 50 80 10 50 30 70
tiB 30 60 30
Tâches à effectuer sur B puis A
Tâches (i) 7 8 9 10 11
tiB 90 20 10 40 10
tiA 70 30 100
Table 2.6 – Illustration de l’algorithme de Jackson.
L’ordonnancement qui minimise le temps total d’exécution des tâches sur

les deux machines est obtenu par l’algorithme de Jackson (1957) qui consiste
à:
1. Faire une partition de l’ensemble des n tâches en
• l’ensemble A des tâches ne passant que sur A : A = {4, 5, 6}.

• l’ensemble B des tâches ne passant que sur B : B = {10, 11}.
• l’ensemble AB des tâches passant sur A puis B : AB = {1, 2, 3}.
• l’ensemble BA des tâches passant sur B puis A : BA = {7, 8, 9}..
2. Calculer un ordonnancement pour chaque sous-ensemble :
• l’ordonnancement optimal pour AB par Johnson :
i 1 2 3
tiA 50 80 10 ordonnacement : 3 2 1
tiB 30 60 30
• l’ordonnancement optimal pour BA par Johnson :
i 7 8 9
tiB 90 20 10 ordonnacement : 9 8 7
tiA 70 30 100
• un ordonnancement arbitraire pour A (ici par TOM) :
i 4 5 6
ordonnacement : 5 4 6
tiA 50 30 70
2.4. Ordonnancement sur trois machines 23
• un ordonnancement arbitraire pour B (ici par TOM) :
i 10 11
ordonnacement : 11 10
tiB 40 10
3. Recombiner ces ordonnancement de la manière suivante :
• Pour la machine A : la séquence optimale pour AB, puis les tâches

de A, puis la séquence optimale de BA :
3 2 1 5 4 6 9 8 7
• Pour la machine B : la séquence optimale pour BA, puis les tâches

de B, puis la séquence optimale de AB :
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
Figure 2.3 – Algorithme de Jackson.
2.4 Ordonnancement sur trois machines

L’algorithme de Johnson ne s’applique qu’en présence de deux machines.
Cependant, le cas de trois machines peut se ramener au cas de deux machines
si la machine B est complètement dominée par la machine A ou par la machine
C, c’est-à-dire si l’on se trouve dans le cas où
minimum tiA ≥ maximum tiB ,

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
Table 2.7 – Temps opératoires avec trois machines.
soit dans le cas où
minimum tiC ≥ maximum tiB .
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
On applique alors l’algorithme de Johnson à ce problème à deux machines pour

déterminer l’ordonnancement optimal.
Place 1 2 3 4 5 6 7
tâche 5 4 7 3 2 1 6
On peut alors tracer le diagramme de Gantt correspondant au problème

original, c’est-à-dire celui avec trois machines (voir figure 2.4).
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
Figure 2.4 – Ordonnancements avec 3 machines.

C1 C2 C3 C4 C5
Chappe 2 3 10 1 2,5
Séchage 2 2 2 2 2
Carrelage 5 4 12 3 2
Table 2.8 – Pose de chape et carrelage
(a) Le problème est-il réductible à un problème à deux centres de pro-

duction ?
(b) Dans quel ordre doit-elle effectuer ces contrats pour réaliser les 5
chantiers en un minimum de temps ?
(c) Représentez votre solution au moyen d’un diagramme de Gantt.
(d) Combien de jours sont nécessaires pour réaliser les cinq chantiers ?
2.2. Ordonnancement de lots de jouets. Une petite entreprise de la région
Liégeoise est spécialisée dans la production de jouets en bois. Le plan de
fabrication pour le mois de novembre implique la production de 7 types
de jouets : J1, J2, . . ., J7. La fabrication de ces produits implique 2
étapes : la découpe du bois (A) et le montage (B). Selon les produits,
ces opérations ne sont pas toujours toutes effectuées et leur ordre peut
varier. Les données numériques sont reprises au tableau 2.9. On demande
d’utiliser l’algorithme de Jackson pour déterminer l’ordonnancement qui
minimise le temps total d’exécution des tâches.
(a) Déterminez l’ordonnancement optimal des tâches passant à la dé-
coupe puis au montage (A puis B).
(b) Déterminez l’ordonnancement optimal des tâches passant au mon-
tage puis à la découpe (B puis A).
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
Table 2.9 – Ordonnancement de lots de jouets
(c) Déterminez un ordonnancement pour les tâches passant uniquement

par la découpe (A).
(d) Déterminez un ordonnancement pour les tâches passant uniquement
au montage (B).
(e) Déterminez l’ordonnancement optimal pour les deux opérations.
(f) Tracez la solution obtenue sur un diagramme de Gantt.
2.3. Fabrication de lots de pralines. Une chocolaterie doit produire 5

lots de pralines : A, B, C, D et E. La création de chaque lot de praline
nécessite d’exécuter dans l’ordre les trois étapes suivantes :
• préparation du contenu (chocolat, noisettes, liqueurs) par un pré-

parateur,
• nappage de chocolat par une machine automatique,
• décoration effectuées par l’équipe de finition.
Les temps nécessaires aux opérations de préparation, de nappage et de

décoration sont donnés au tableau 2.10 en minutes.
Etape A B C D E
Préparation 30 30 50 40 50
Nappage 20 20 20 20 20
Décoration 10 70 20 50 40
Table 2.10 – Fabrication de lots de pralines
(a) Le problème peut-il être réduit à un problème d’ordonnancement

avec deux machines ? Justifiez brièvement votre réponse.
(b) Récrire le problème comme un problème à deux machines.
(c) Déterminer l’ordonnancement qui minimise le temps total de réa-
lisation des tâches.
(d) Représenter l’ordonnancement obtenu ci-dessus sur un diagramme
de Gantt.
Chapitre 3
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 :
1. non coïncidence dans le temps et l’espace de la production et

de la consommation : le stock est indispensable dans ce cas car il
est impossible de produire là et quand la demande se manifeste. Des
exemples classiques sont les parfums pour la non coïncidence dans le
temps, et les supermarchés pour la non coïncidence dans l’espace.
2. incertitude sur le niveau de demande ou sur le prix : s’il y a

incertitude sur la quantité demandée, on va constituer un stock de sé-
curité qui permet de faire face à une pointe de demande. Par exemple,
le boulanger va constituer un stock de pains en début de journée car
il ne connaît pas exactement le nombre de clients sur sa journée. S’il y
a incertitude sur le prix, on va constituer un stock de spéculation.
Par exemple, les compagnies pétrolières achètent plus que nécessaire en
pétrole brut lorsque le prix de celui-ci est bas.
3. risque de problèmes en chaîne : il s’agit ici d’éviter qu’une panne à

un poste ne se répercute sur toute la chaîne : un retard d’exécution au
poste précédent ou une grève des transports n’arrêtera pas la chaîne de
production s’il y a des stocks tampons.
4. présence de coûts de lancement : dans ce cas, travailler par lots per-

met une économie d’échelle sur les coûts de lancement mais, en revanche,
provoque une augmentation des coûts de possession du stock.
27
28 Chapitre 3. La gestion de stocks
3.2 Les politiques de gestion de stock

Les politiques de gestion de stock visent à répondre aux deux grandes
questions :
1. Quand déclencher l’approvisionnement du stock ? La réponse à cette

question est différente suivant la politique de gestion adoptée :
• En gestion de stock par point de commande, l’approvisionnement

du stock est déclenché lorsque l’on observe que le stock descend en
dessous d’un niveau s, le point de commande. C’est le cas, en grandes
surfaces, de la plupart des biens non périssables (par exemple, les
boîtes à conserves).
• En gestion calendaire, l’approvisionnement du stock est déclenché à
intervalles réguliers T , par exemple, chaque jour ou chaque semaine.
C’est le cas, par exemple, de la vente de journaux.
2. Combien commander ? La réponse à la question "Combien ?" dé-

pend également du type de gestion de stock appliquée :
• En cas de gestion par point de commande, on commande une quan-

tité fixe, notée q et appelée quantité économique de commande.
Comme nous le verrons ci-dessous, sa détermination résulte d’un
calcul d’optimisation.
• En cas de gestion calendaire de stock, la quantité commandée est
égale à la différence entre S, le niveau de recomplètement du stock et
le stock résiduel observé sr , pour autant que le produit puisse rester
en stock (cas de la rotation non nulle). Cette quantité peut égale-
ment être augmentée des quantités non satisfaites lors de la période
précédente, pour autant que le client maintienne sa demande.
Nous allons nous attacher à deux politiques particulières :
• La politique de gestion calendaire des stocks, notée (T, S) avec T

l’intervalle entre deux commandes et S, le niveau de recomplètement du
stock.
• La politique de gestion par point de commande, quantité éco-

nomique de commande, notée (q, s) avec q, la quantité économique
à commander régulièrement et s, le point de commande qui déclenche
l’approvisionnement du stock.
3.3. Les coûts associés aux stocks 29
3.3 Les coûts associés aux stocks

Un stock est constitué pour satisfaire une demande future. En cas de
demande aléatoire, il peut y avoir non coïncidence entre la demande et le
stock. Deux cas sont évidemment possibles :
• une demande supérieure au stock : on parle alors de rupture de stock ;
• une demande inférieure au stock : on aura alors un stock résiduel.
Le critère de gestion généralement retenu en gestion des stocks est celui
de la minimisation des coûts. Nous noterons cette fonction par la lettre
C, suivie, entre parenthèses, de la ou des variables de commande du système.
Par exemple, si la variable est la quantité commandée, nous noterons l’objectif
C(q). Ces variables déterminent trois variables d’état du système :
Ir , la rupture moyenne, c’est-à-dire le nombre moyen de demandes non sa-
tisfaites par période, auquel est associé cr , le coût unitaire de rupture ;
Ip , le stock moyen possédé durant une période, auquel est associé cp , le
coût unitaire de possession ;
Ic , le nombre moyen de commandes passées par période, auquel est as-
socié cc , le coût unitaire de commande.
La fonction de coût s’écrit donc en général comme une fonction de ces trois
variables d’état :
C = cr Ir + cp Ip + cc Ic .
Nous allons examiner un peu plus en détails chacun des trois coûts partiels.
3.3.1 Les coûts de possession

Les coûts de possession comprennent les coûts de détention d’un article
en stock durant une certaine période. Les conséquences de ce stock résiduel
seront bien différentes selon que l’on se trouve dans
• le cas du stock à rotation nulle, c’est-à-dire lorsque le stock de fin
de période ne peut être vendu aux périodes suivantes. Dans ce cas, le
coût unitaire de possession d’un article se calcule comme le coût
d’acquisition de l’article moins la valeur de récupération (solde) :
cp = ca − cr
Par exemple, un quotidien acheté 0,9 =C par le libraire et dont l’invendu

est repris 0,75 =C par le grossiste : le coût de possession est de
cp = 0, 9 − 0, 75 = 0, 15 =C.
• le cas du stock à rotation non nulle, c’est-à-dire lorsque l’invendu

peut être vendu à une période ultérieure. Dans ce cas, le coût de posses-
sion est lié à l’immobilisation du capital. En gelant la somme d’argent
correspondant au coût d’achat de l’article invendu, la société se prive du
revenu d’un placement financier qu’elle aurait pu réaliser. Ce coût est
appelé coût d’opportunité. Le taux d’opportunité est la rentabilité du
meilleur investissement que l’entreprise aurait pu faire.
Par exemple, si le taux d’opportunité est de 6 % l’an, une boîte de
conserves achetée 1,20 =C et restant en rayon un mois entier a coûté
cp = 1, 20 × 6% × 1/12 = 0, 006 =C.
En général :
cp = ca ia T
où ia est le taux d’intérêt annuel et T la période exprimée en année.
3.3.2 Les coûts de rupture

La rupture se présente lorsque la demande excède le stock constitué au
cours de la période. Les conséquences de cette rupture sont différentes selon
que les ventes sont manquées ou reportées (on parle de ventes différées) :
• dans le cas de ventes manquées, le coût de rupture est le manque à
gagner, soit la marge bénéficiaire :
cr = p v − p a
Par exemple, un journal acheté 0,90 =C par le libraire et revendu 1,20 =C

a un coût de rupture de
cr = 1, 20 − 0, 90 = 0, 30 =C.
• En cas de ventes différés, le coût de rupture n’inclut pas la marge car la

vente sera réalisée plus tard. Ce coût de rupture est le coût administratif
d’ouverture d’un dossier et éventuellement un coût commercial (on fait
une ristourne pour ne pas perdre le client).
Par exemple, un garagiste qui n’a plus en stock le véhicule désiré par
son client va lui proposer une voiture de location gratuite durant le délai
d’attente pour ne pas perdre le client. Le coût de rupture correspond ici
à la prise en charge de la location de la voiture.
En cas de demande interne, on ne parle plus de stock de distribution
mais bien de stock de fabrication. Dans ce cas, la rupture entraîne un chômage
technique des postes en aval. Le coût de rupture correspond au coût financier
du chômage technique.
3.4. La gestion par point de commande 31
3.3.3 Les coûts de commande

A nouveau, il faut ici distinguer le cas d’une demande interne et celui d’une
demande externe :
• En cas de stock de fabrication, le coût de commande est le coût

de lancement de la production. Il s’agit du réglage des machines, etc ...
Normalement, ce coût est indépendant de la quantité fabriquée.
• En cas de stock d’approvisionnement, le coût de commande est

le coût administratif de gestion de la commande : établissement d’un
bordereau, contrôle de livraison, liquidation comptable,... Ce coût est
généralement indépendant de la quantité commandée.
3.4 La gestion par point de commande

On examinera uniquement le cas de la gestion par point de commande en
univers certain. Dans ce cas, on détermine s, le point de commande comme le
stock résiduel juste suffisant afin d’éviter toute rupture : il n’y a donc pas de
coût de rupture. La variable de décision q sera déterminée de manière à
minimiser le coût de gestion qui ne comprend plus que deux termes :
C(q) = cc Ic (q) + cp Ip (q)
Nous allons illustrer la détermination de la quantité économique de com-

mande en univers certain sur un exemple tiré de Giard [6]. Il s’agit d’un usten-
sile de cuisine acheté par un supermarché au prix unitaire de 30 =C. La demande
annuelle, que nous noterons D est estimée à 2 400 unités. Cette demande est
considérée comme uniformément répartie sur l’année. Vu le caractère certain
de la demande et du délai d’obtention (ici de 20 jours ouvrables), on peut éviter
toute rupture d’approvisionnement en passant commande à temps. On consi-
dère que l’année comporte 48 semaines de 6 jours ouvrables, soit 288 jours. Le
coût de passation d’une commande de 300 =C et est indépendant de la quantité
commandée. L’article est vendu 40 =C.
3.4.1 Calcul du point de commande optimal

La question qui se pose ici est : “Quand commander ?” Afin d’éviter toute
rupture, le chef de rayon a intérêt à déclencher la commande au plus tard au
moment où il reste exactement en stock de quoi satisfaire la demande de 20
jours (voir figure 3.1). Exprimons le délai d’obtention de 20 jours ouvrables en
année :
20
L= = 0, 069 année.
288
niveau du stock
400
q = 400 q = 400 q = 400
s* = 167
L temps
L
Figure 3.1 – Détermination du point de commande.
La demande durant cette période s’élève à :

20
D × L = 2 400 × = 166, 67 ≈ 167 articles.
288
En général, le point de commande est tel que
s∗ = DL (3.1)
avec D = demande annuelle ;

L = délai d’obtention exprimé en année.
On peut se demander s’il est intéressant d’aller au delà en prenant un s
plus grand. C’est ce que nous allons examiner maintenant.
3.4.2 Calcul du stock résiduel

Dans le cas où l’on déclencherait la commande plus tôt (voir figure 3.2 où
l’on a pris s = 200 et q = 400), on aurait un stock résiduel à la réception de
la commande égal à la différence entre s et la demande durant L :
sr = s − s∗ = 200 − 167 = 33
et le niveau du stock évoluerait entre q + sr et sr , et non plus entre q et 0, d’où

un niveau moyen du stock de :
(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
Figure 3.2 – Stock résiduel à la commande.
3.4.3 Détermination de la quantité à commander

Le coût de possession annuel unitaire peut être calculé en tenant compte
du taux d’opportunité annuel ici supposé de 20 % comme :
cp = 30 × 0, 2 = 6 =C.
La question qui se pose est la suivante : quelle est la quantité q constante
à commander périodiquement pour que le coût annuel moyen soit minimum ?
Avant de déterminer la quantité optimale, raisonnons sur une valeur quel-
conque de q, par exemple, q = 400. Le nombre moyen de commandes par an
vaut dans ce cas :
D 2400
Ic (q) = = = 6.
q 400
Passons maintenant au calcul du stock moyen possédé. Pour minimiser le
coût de possession, on passe commande (voir section précédente) de manière à
ce que le stock soit nul au moment où arrivent les nouveaux articles. Le stock
varie donc entre 400 et 0. Le stock moyen possédé vaut donc :
q 400
Ip =
= .
2 2
Nous pouvons maintenant faire une modélisation du problème pour une
quantité commandée quelconque q. On cherche donc à déterminer la valeur de
la seule variable de décision, c’est-à-dire q, la commande périodique, qui
minimise le coût de gestion qui ne comprend que deux termes :
C(q) = cp Ip (q) + cc Ic (q)
On peut généraliser les calculs de l’exemple ci-dessus. On obtient :
q D
C(q) = cp Ip (q) + cc Ic (q) = cp + cc
2 q
Il est facile de calculer l’optimum d’une telle fonction. Il suffit d’annuler sa

dérivée première :
1 D cp D 2Dcc
C ′ (q ∗ ) = cp − cc ∗2 = 0 ⇔ = cc ∗2 ⇔ q ∗2 =
2 q 2 q cp
D’où le point optimum :
2Dcc
s
q =
∗
(3.2)
cp
Cette quantité est appelée quantité de Wilson. Vérifions qu’il s’agit bien
d’un minimum en calculant la dérivée seconde : C”(q ∗ ) = 2cc qD∗3 > 0
Remarquez qu’au point optimum, on a égalité des coûts de commande
et de possession. En effet :
s s
D D cp c2c D2 Dcc cp
cc Ic (q ∗ ) = cc = cc q 2Dc = =
q c 2Dcc 1 2
cp
q v
2Dcc s
q ∗ u 2Dcc c2p Dcc cp
u
cp
cp Ip (q ) = cp = cp
∗
= t =
2 2 cp 22 2
Appliquons ceci à l’exemple numérique. La quantité économique de commande
vaut donc :
s
2Dcc 2 × 2 400 × 300
s
q =
∗
= = 489, 9 ≈ 490
cp 6
3.5 Conséquences de la politique optimale

Examinons les conséquences de la politique optimale. Le stock moyen
détenu vaudra donc :
q∗ 490
Ip (q ∗ ) = = = 245.
2 2
Le nombre moyen annuel de commandes se calculera donc par la formule :
D 2 400
Ic (q ∗ ) = ∗ = = 4, 898
q 490
Le coût annuel de gestion se calculera donc par la formule suivante :
C(q ∗ ) = cp Ip (q ∗ ) + cc Ic (q ∗ )
490 2.400
= 6 + 300
2 490
= 1470, 00 + 1469, 39 = 2 939, 39 =C.
La marge bénéficiaire nette se calcule quant à elle par la formule :
B(q ∗ ) = mu D − C(q ∗ )
= 10 × 2.400 − 2939, 39 = 21.060, 61 =C.
3.6. Exercices 35
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.
(a) Quelle est l’appellation courante de la politique actuelle de gestion

de stock actuelle ? Donnez la valeur de ses variables de commande.
(b) Calculez le coût de détention en stock durant un an d’un iPod.
(c) Calculez la demande durant le délai d’obtention.
(d) Tracez l’évolution du stock en partant du stock initial de 100.
(e) En déduire le coût annuel de gestion du stock.
(f) En gardant le même principe de gestion de stock, à savoir de com-
mander lorsque le stock passe en dessous d’une quantité donnée, ai-
dez le distributeur à diminuer son coût de gestion annuel du stock.
Que proposez-vous comme quantité à commander ?
(g) Que proposez-vous comme seuil déclenchant la commande ?
(h) Quelle est la diminution du coût avec votre politique ?
3.2. Contrôle du niveau du stock. Une entreprise doit gérer le stock de

pièces détachées d’un composant dont la demande annuelle est estimée à
240 articles. On suppose que cette demande se répartit uniformément sur
l’année. Le délai de réapprovisionnement est d’un demi mois. Le coût du
réassortiment est de 50 =C tandis que le coût de détention en stock d’un
article durant 1 an est de 15 =C. La capacité maximum de stockage de cet
article est de 240 unités. Pour le moment, on commande une quantité Q
= 50 articles dès que le stock passe en dessous du seuil critique s = 30.
Le stock initial est de 30.
(a) Tracez le graphique de l’évolution du stock sur un an.

(b) Déterminer le point de commande optimal qui, tout en évitant les
ruptures, assurerait un coût de détention du stock minimum.
(c) En supposant que s = s∗ , calculez en fonction de la quantité com-
mandée q :
• le nombre moyen de commandes par an,
• le niveau moyen du stock,

• le coût annuel de commande,
• le coût annuel de détention en stock ,
• le coût total de gestion du stock.
Utilisez les valeurs suivantes de q : 20, 40, 60, 80. Remplissez le
tableau ci-dessous en précisant les formules utilisées :
q Ic Ip cc Ic cp Ip C(q)
20
40
60
80
(d) Choisir parmi ces valeurs, la quantité q ∗ qui minimise le coût.

(e) Sur base d’une propriété de la quantité optimale, montrez que la
solution obtenue en d) est bien la quantité optimale à commander.
3.3. Gestion du stock chez Carpet Discount. Carpet Discount dispose en

stocks dans son magasin des revêtements de sol qu’il écoule via un show-
room situé en annexe du magasin. Le magasin vend plusieurs types de re-
vêtement dans différents modèles et coloris mais ses meilleures ventes sont
réalisées sur le modèle Super Carpet. Le magasin recommande lorsque
son stock franchit un seul critique. Le magasin voudrait déterminer la
taille optimale de ses lots de réapprovisionnement du stock de manière
à minimiser son coût annuel de gestion du stock. On estime la demande
annuelle pour le produit à 10 000 mètres courants. On suppose un temps
de réapprovisionnement de 10 jours. Le magasin estime son coût de dé-
tention en stock annuel de 0,75 =C par mètre et un coût fixe de réap-
provisionnement de 150 =C. On suppose le magasin ouvert 311 jours par
an.
(a) Quelle la taille optimale du lot à commander périodiquement au

fournisseur de ce modèle ?
(b) Quelle est le nombre de passations de commande par an dans ce
cas ?
(c) Quel est dans ce cas le coût annuel de gestion du stock ?
(d) Prouvez, sans nouveau calcul, que votre solution est optimale.
(e) A quel niveau du stock résiduel faut-il passer commande pour éviter
la rupture ?
Chapitre 4
Gestion calendaire de stock
4.1 Cas de stocks à rotation nulle

Pour rappel, on se trouve dans le cas d’un stock à rotation nulle lorsqu’il
n’y a pas de vente possible des invendus aux périodes suivantes.
On va ici déterminer le niveau initial du stock S, qui est donc ici la variable
de commande. En effet, la période de révision calendaire, c’est-à-dire l’intervalle
entre deux approvisionnements, noté T est généralement fixé par la nature de
l’approvisionnement. Par exemple, un pâtissier met en fabrication des gâteaux
chaque jour. Le libraire commande des journaux chaque jour, des périodiques
chaque semaine ou chaque mois.
Nous allons illustrer ce cas sur un exemple tiré de Giard [6]. Considérons
un marchand de journaux qui vent un quotidien à 3,5 =C l’unité, qui lui-même
l’acquière à 2,8 =C auprès de son grossiste qui lui reprend les invendus au prix
de 2,6 =C l’unité.
Le coût de rupture, cr , est lié à la perte d’une vente et vaut donc la marge
bénéficiaire :
cr = 3, 5 − 2, 8 = 0, 7 =C
tandis que le coût de possession, cp , vaut la perte enregistrée par invendu,
c’est-à-dire
cp = 2, 8 − 2, 6 = 0, 2 =C.
On suppose que la demande quotidienne suit approximativement une loi
normale de moyenne X̄ = 300 et d’écart type σ = 20. La question qui se pose
est la suivante : quel est le nombre d’exemplaires à commander S de manière
à minimiser le coût de gestion :
C(S) = cp Ip (S) + cr Ir (S)
avec :
Ip (S) = stock moyen possédé en fin de journée;
37
38 Chapitre 4. Gestion calendaire de stock
Ir (S) = nombre moyen de refus de vente sur une journée.
La condition d’optimalité s’écrit dans le cas d’une loi continue :
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) :
Ip (S) = S − X̄ + Ir (S) (4.1)
où X̄ note la moyenne de la demande. La relation (4.1) peut être récrite comme

suit :
Ip (S) = S − X̄ − Ir (S)
Elle peut donc s’interpréter en disant que le stock moyen résiduel Ip (S) est égal
au stock de départ (S) diminué de la demande moyenne satisfaite (X̄ − Ir (S)).
La conséquence de la relation (4.1) est que l’on peut exprimer le coût total
C(S) en fonction du seul nombre moyen de ruptures Ir :

C(S) = cr Ir (S) + cp Ip (S) = cr Ir (S) + cp S − X̄ + Ir (S)
Il faut maintenant étudier la dérivée première de Ir (S). Par application

de la formule de Leibnitz (cfr Giard [6]), on démontre le résultat suivant :
Ir′ (S) = −P (X > S). (4.2)
On peut maintenant passer à la détermination de la solution optimale.

On doit donc déterminer le S qui minimise :
C(S) = cp (S − X̄) + (cr + cp )Ir (S)
On calcule la dérivée de C(S) en utilisant la relation (4.2) :
C ′ (S) = cp − (cr + cp )P (X > S)
On annule la dérivée. D’où l’on tire :

cp
S ∗ optimal si P (X > S ∗ ) = (4.3)
cr + cp
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
Appliquons ceci au cas de l’exemple :

cp 0, 2
P (X > S ∗ ) = = = 0, 2222
cr + cp 0, 7 + 0, 2
Comme on ne dispose que de la table de la normale réduite, il faut centrer et
réduire la variable aléatoire X en lui retranchant sa moyenne (µ) et en divisant
le résultat par son écart type (σ). On obtient :
X −µ S ∗ − 300

P > = 0, 2222
σ 20
Dans la table de la normale réduite, on lit :
0, 2236 + 0, 2206
P (Z > 0, 765) = = 0, 2221
2
Par identification, terme à terme, on détermine que :
S ∗ − 300
= 0, 765
20
D’où finalement :
S ∗ = 315, 3 ≈ 315.
L’approvisionnement périodique optimal est donc de S ∗ = 315.
Avant de passer au cas de stocks à rotation non nulle, examinons quelques
indicateurs que l’on peut déduire de la solution optimale.
4.2 Les conséquences économiques de la solu-

tion optimale
4.2.1 La rupture de stock
Dans le cas de la vente de journaux (loi de demande continue), GIARD [6]
montre que le calcul de Ir (S) s’effectue par la formule suivante :
Ir (S) = σ [f (tS ) − tS P (t > tS )] = σg(tS )
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
La table B.2 donne directement :

g(tS = 0, 75) = 0, 1312
L’application de la formule donne donc :
Ir (S) = 20 × 0, 1312 = 2, 624.
4.2.2 Le stock moyen possédé

Le stock moyen possédé, Ip (S), correspond dans le cas de stock à rotation
nulle au stock résiduel moyen. Cet indicateur s’obtient, comme vu ci-dessus, à
partir de la rupture moyenne par la relation (4.1) rappelée ci-dessous :
Ip (S) = S − X̄ + Ir (S)
Pour le marchand de journaux, on aura :
Ip (S ∗ = 315) = 315 − 300 + 2, 624 = 17, 624 journaux.
4.2.3 Le coût moyen

Le coût moyen C(S) peut être calculé par la relation suivante :
C(S) = cr Ir (S) + cp Ip (S)
Pour l’exemple du marchand de journaux, on obtient :
C(S) = cr Ir (S) + cp Ip (S)
= 0, 7 × 2, 624 + 0, 2 × 17, 624 = 5, 36 =C.
4.2.4 La marge nette moyenne

La marge nette moyenne, notée B(S), est égale au produit de la marge
unitaire, mu , par la demande moyenne, diminué du coût de stockage :
B(S) = mu X̄ − C(S) (4.4)
Donnons quelques explications sur cette formule. Deux cas sont possibles quant
aux ventes manquées (aux ruptures de stocks) :
• Soit les ventes manquées sont perdues, et dans ce cas, le coût de rupture
est la marge bénéficiaire. La formule (4.4) devient dans ce cas :
B(S) = mu X̄ − cr Ir (S) − cp Ip (S)
= mu X̄ − mu Ir (S) − cp Ip (S)
= mu (X̄ − Ir (S)) − cp Ip (S)
Le bénéfice net est donc la marge bénéficiaire sur les ventes réalisées
moins le coût des invendus.
4.3. Cas de stocks à rotation non nulle 41
• 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 − cr Ir (S) − cp Ip (S)
L’application de cette relation à l’exemple numérique du marchand de jour-

naux donne :
B(S) = mu X̄ − C(S)
= 0, 7 × 300 − 5, 36 = 204, 64 =C.
4.3 Cas de stocks à rotation non nulle

Pour rappel, on parle de stocks à rotation non nulle lorsque les invendus
d’une période seront vendus aux périodes suivantes. C’est de loin le cas le plus
répandu.
La variable de commande du système est ici S, le niveau de recomplète-
ment, c’est-à-dire le niveau du stock que l’on cherche à retrouver périodique-
ment. Remarquons une différence fondamentale avec le cas de stocks à rotation
nulle. En effet, la commande à passer pour un approvisionnement en début de
période n’est plus fixe. Deux cas sont possibles :
• Il reste un stock résiduel positif : dans ce cas, on commande la différence
entre S et le stock résiduel ;
• Le stock résiduel est nul : dans ce cas, on commande S augmenté des
demandes non satisfaites de la période précédente qui ont pu être repor-
tées.
Pour illustrer le processus de détermination de S ∗ , le niveau optimal de
recomplètement, c’est-à-dire celui qui minimise le coût :
C(S) = cp Ip (S) + cr Ir (S),
nous considérons l’exemple suivant de la ventes d’ampoules d’éclairage tiré de

Giard [6].
On suppose que la demande hebdomadaire d’ampoules de 60 Watt suit
une loi normale de moyenne 300 et d’écart type 20. Le réapprovisionnement
se fait en début de semaine chez le grossiste au prix d’achat de 3 =C l’unité.
Les ampoules sont vendues au prix de 3,5 =C l’unité. On suppose un taux
d’opportunité annuel de 20 %.
D’où un coût de possession annuel par ampoule en stock de :
3 × 0, 2 = 0, 6 =C.
Pour arriver à un coût de possession hebdomadaire, il faut tenir compte du

nombre de semaines sur lesquelles la demande s’exprime. Ici, on suppose le
magasin ouvert 52 semaines par an :
1
cp = 0, 6 = 0, 01154 =C.
52
Remarquons qu’à la différence du cas de stock à rotation nulle, la perte liée à
une ampoule en stock n’est plus son prix d’achat mais la perte financière due
au gel en stock de son prix d’achat.
Calculons maintenant le coût unitaire de rupture : il correspond à la marge
non réalisée par ampoule :
cr = 3, 5 =C − 3 =C = 0, 5 =C.
La question qui se pose est la suivante : quel est le niveau de recomplète-
ment optimal S ∗ ?
Pour le calcul du stock moyen possédé, il faudra distinguer deux cas
de figure : le cas où la demande observée est supérieure au niveau de recomplè-
tement et le cas où la demande observée est inférieure au niveau de recomplè-
tement. Supposons, pour fixer les idées, un niveau de recomplètement S de
320.
1. Cas d’une demande inférieure à S : dans ce cas, il n’y a pas de
rupture de stock. C’est l’exemple d’une demande observée x de 310. Le
stock de fin de période vaut donc :
320 − 310 = S − x = 10 ampoules.
En ce qui concerne l’évolution du stock, on peut supposer que la
demande de 310 ampoules est uniformément répartie sur toute la semaine
et on peut faire une interpolation linéaire comme à la figure 4.1
On en déduit le stock moyen possédé :
320 + 10 S + (S − x)
=
2 2
On en conclut donc que :
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
Figure 4.1 – Évolution du stock.
S = 320
app
rox
im
ati x = 350
on
s=0
x - S = 30
T = 5 jours
Figure 4.2 – Évolution du stock en cas de rupture.

4.3.1 Détermination de la solution optimale

Sous cette hypothèse simplificatrice, nous allons pouvoir déterminer le ni-
veau de recomplètement optimal. Le coût de gestion s’écrit :
C(S) = cp Ip (S) + cr Ir (S)
On peut maintenant tirer l’expression de Ip (S) en fonction de Ir (S). Giard

[6] démontre la relation suivante :
X̄ Ir (S) (4.7)
Ip (S) = S − +
2 2
Elle peut se justifier intuitivement si l’on réécrit cette relation comme suit :
[S] + [S − (X̄ − Ir (S))]

Ip (S) =
2
Comme X̄ − Ir (S) représente la demande moyenne satisfaite, S − (X̄ − Ir (S))
représente le stock résiduel. Le stock moyen est bien la moyenne entre le stock
de départ (S) et le stock résiduel.
On peut donc exprimer C(S) en fonction du seul Ir (S) :
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
4.3.2 Application à l’exemple

Appliquons ceci à notre exemple de vente d’ampoules électriques. Par (4.8) :
0, 01154
P (X > S ∗ ) =
0, 5 + 0, 01154/2
4.4. Conséquences de la solution optimale 45
X −µ S ∗ − 300

⇔P > = 2, 28%
σ 20
La lecture dans la table normale réduite nous donne :
P (Z > 2, 0) = 0, 0228 (4.9)
L’identification terme à terme des deux équations (4.8) et (4.9) donne :
S ∗ − 300
=2 ⇒ S ∗ = 340.
20
4.4 Conséquences de la solution optimale

Tout comme dans le cas de stock à rotation nulle, on peut déduire les
principaux indicateurs de la solution optimale choisie :
• Le nombre moyen de rupture se calcule par la même formule que dans le

cas de la rotation nulle :
Ir (S ∗ ) = σg(tS )
= 20 × 0, 0084 = 0, 168
• Le stock moyen possédé se calcule à partir de la formule (4.7) :
X̄ Ir (S ∗ )
Ip (S ∗ ) = S ∗ − +
2 2
300 0, 168
= 340 − + = 190, 08
2 2
• Le coût moyen de stockage se calcule par la formule
C(S ∗ ) = cp Ip (S ∗ ) + cr Ir (S ∗ )
= 0, 01154 × 190, 08 + 0, 5 × 0, 168 = 2, 28 =C.
• La marge hebdomadaire moyenne nette se calcule comme :
B(S ∗ ) = mu X̄ − C(S ∗ )
= 0, 5 × 300 − 2, 28
= 147,72 =C.
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) Quel est le nombre d’exemplaires à commander auprès de son gros-

siste chaque semaine si le prix de reprise est de 10 =C ?
(b) Quelle est sa marge nette moyenne ?
4.2. Gestion d’une exploitation forestière. Un exploitant forestier doit

décider de la quantité d’arbres résineux à abattre et à mettre sur le
marché. Ses ventes sont destinées au bois de charpente et on estime que
la demande annuelle suit une loi normale de moyenne 10.000 et d’écart
type 100. Le coût de production est de 1.000 =C l’unité et le prix de
vente de 2.200 =C. Le producteur travaille uniquement sur commande
de sorte qu’il ne coupe que les arbres demandés l’année courante. Le
surplus peut être vendu l’année suivante. L’abattage a lieu une fois l’an.
Afin de préserver la forêt, l’exploitant replante la même année la quantité
abattue. Le taux d’opportunité est de 6 % par an.
(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.
(a) Déterminez la politique optimale d’approvisionnement.

(b) En déduire le bénéfice net annuel sur cette référence.
Deuxième partie
Les décisions tactiques
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 :
• la planification des besoins en composants qui vise à établir une pro-

grammation prévisionnelle des composants à partir de la demande des
produits finis et semis-finis ;
• la planification juste-à-temps dont le principe fondamental est de pro-

duire la quantité strictement nécessaire aux besoins immédiats (demande
du client ou demande interne).
La planification des besoins en composants ou M.R.P. (Material Re-

quirement Planning) cherche à établir la programmation de la production sur
base d’un système d’information. Partant des données physiques (stocks dis-
ponibles, livraisons attendues, demandes prévisionnelles, capacités de produc-
tion,...) et des données comptables (coûts de production, d’approvisionnement,
de rupture), on établit un plan de production qui détermine pour chaque pé-
riode les quantités à produire par produit, les quantités fabriquées dans chaque
centre productif, le niveau de stock en produits semi-finis et finis et l’utilisation
des facteurs travail et machines.
5.2 La planification des besoins en composants

Illustrons le principe de la planification des besoins en composants sur un
exemple inspiré de Giard [6] : il s’agit de l’assemblage de trois véhicules à
48
5.2. La planification des besoins en composants 49
moteur. La planification des besoins en composants nécessite l’existence des

éléments suivants :
1. Une nomenclature complète : c’est-à-dire une codification de tous

les composants qui permet d’écrire le schéma arborescent du tableau 5.1.
Dans l’exemple, pour faire un véhicule (T27), il faut une boîte de vitesse
(E1001), elle même constituée d’un système d’engrenages (E2010), lui-
même constitué de divers éléments (E3047 et E3052). Le chiffre entre
parenthèses indique le nombre de composants nécessaires pour faire le
sous-ensemble. Par exemple, il faut deux E3047 et deux E3052 pour faire
un sous-ensemble E2040.
Niveau 0 Niveau 1 Niveau 2

-E1001 (1) -E3047 (1)
 
-E2010 (1)
 ( 
 
T27  -E1010 (1) E1001 E2010  -E3052 (1)
...

... 
...
 -E1001 (1)  -E3047 (2)
 
-E2040 (1)
 ( 
T28 -E1020 (1) E1004 E2040 -E3052 (2)
...
... ...

 

 -E1004 (1)


T29 -E1020 (1) ... ...
...


Table 5.1 – Décomposition en composants.
2. Un plan directeur de production : le plan directeur de production

est le plan de mise à disposition de produits finaux. Il peut également
comporter le plan de mise à disposition de sous-ensembles ou de compo-
sants vendus comme pièces détachées. Le plan directeur de production
est donné, pour cet exemple, au tableau 5.2. Il prévoit, outre la mise
à disposition des produits finaux, les besoins de sous-ensembles et de
composants pour faire des réparations aux véhicules.
3. Un système d’information sur les stocks qui permet de connaître

l’état exact du stock de chaque composant en début de chaque période.
Les stocks de fin de période 15, notés SF15 , sont donnés au tableau 5.3.
4. Un fichier des livraisons attendues donnant le nombre de pièces

résultant de décisions de mise en production du passé qui n’ont pas encore
été livrées. Les livraisons attendues de début de période t, notées LAt ,
sont données au tableau 5.3.
50 Chapitre 5. La planification de la production
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
Table 5.2 – Plan directeur de production.
Élément SF15 LA16 LA17

T27 0 0 0
T28 0 0 0
T29 0 0 0
E1001 17 0 30
E1004 4 0 11
E1010 0 0 0
E1020 0 0 0
E2010 10 20 0
E2040 1 0 17
E3047 15 0 0
E3052 0 15 0
Table 5.3 – Stock initiaux et livraisons attendues.

5.2. La planification des besoins en composants 51
5. Un fichier des délais d’obtention : le délai d’obtention étant la somme

des temps opératoire, de lancement de production et d’attente entre deux
productions. Les délais d’obtention sont donnés au tableau 5.4 où sont
également indiqués les temps opératoires unitaires (c’est-à-dire le temps
d’assemblage ou d’usinage d’une unité du composant).
Élément Délai d’obtention Temps opératoire

T 27 1 semaine 0,5 heure
T 28 1 semaine 1 heure
T 29 1 semaine 2 heures
E1001 1 semaine 0,5 heure
E1004 2 semaines 1 heure
E1010 1 semaine 3 heures
E1020 2 semaines 4 heures
E2010 1 semaine 1 heure
E2040 2 semaines 0,5 heure
Table 5.4 – Délais d’obtention et temps opératoires.
6. Fichier des capacités des centres de production pour chaque pé-

riode de l’horizon de planification. Celui-ci est donné au tableau 5.5 ate-
lier par atelier.
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
Table 5.5 – Capacités de production.
7. Existence de règles de priorité en cas de surcharge. Ici, on va

utiliser comme règle d’avancer les productions constituant le stock de
valeur la plus faible. Pour cela, on a besoin des données de coûts de
fabrication qui se réduisent ici à un coût de matière et un coût de main

d’œuvre. Le coût de la matière première ajoutée à l’étape d’assemblage de
chaque élément est donné dans la colonne “coût de matière” au tableau
5.6. Le coût horaire de la main d’œuvre dépend des ateliers (voir tableau
Élément Coût de Coût des Coût de Coût de

Élément matière composants main d’œuvre revient
T 27 15 318 50 383
T 28 10 393 100 503
T 29 20 441 200 661
E1001 5 53 35 93
E1004 4 67 70 141
E1010 30 0 195 225
E1020 40 0 260 300
E2010 1 24 28 53
E2040 5 48 14 67
E3047 1 1 15 16
E3052 2 2 6 8
Table 5.6 – Coût de la matière et des composants.
5.7). Remarquez que E1001 et E1004 sont assemblés dans le même atelier
tandis que et E1010 et E1020 sont achetés à l’extérieur.
Période coût horaire de l’atelier

Assemblage de T 27, T28 et T29 100 =C
Assemblage de E1001 et E1004 70 =C
Table 5.7 – Coût horaire de l’atelier.
En avant dernière colonne du tableau 5.6, on a calculé la somme du coût de

matière ajoutée à l’étape d’assemblage du produit et du coût des composants.
Par exemple, le composant E2040 nécessite 2 E3047 et 2 E3052. Un E3047
nécessite 1 euro de matière et 0,5 heure à 30 euro :
cE3047 = 1 + 0, 5 × 30 = 16=C.
5.3. Détermination des besoins nets d’un composant 53
Semblablement, un E3052 nécessite 2 euro de matière et 0,2 heure à 30 euro :
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 :
cE2040 = 5 + 2 × cE3047 + 2 × cE3052 + 0, 5 × 28

= 5 + 2 × 16 + 2 × 8 + 0, 5 × 28 = 67=C.
La logique de calcul de la MRP consiste à l’utilisation en cascade
• de la détermination des besoins nets d’un composant ;
• de la manière de couvrir ces besoins.
5.3 Détermination des besoins nets d’un com-

posant
Définition 5.1 Les besoins nets sont ceux qui ne sont couverts ni par
le stock ni par les livraisons attendues.
Autrement dit, ce sont donc ceux qui nécessitent le lancement d’une nou-
velle production. Illustrons ceci sur l’exemple du composant de niveau un
E1001. Pour ce composant, sa demande émane des demandes de T27 et T28
(voir nomenclature 5.1).
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 -
Table 5.8 – Lancements de production de niveau zéro.
Au niveau 0, les lancements programmés sont déterminés conformément au

plan directeur de production du tableau 5.2. Le délai d’assemblage est d’une
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
Table 5.9 – Besoins bruts en composant E1001.
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
Table 5.10 – Besoins nets en composant E1001.
Calculons maintenant les besoins nets pour ce composant. En période 16,

on vide le stock pour satisfaire les 17 de besoins bruts de la période. En période
17, on livre 30 alors que les besoins ne sont que de 21. Il restera donc 9 en
stock. A ces deux périodes, il n’y a donc pas de besoins nets. Par contre à la
période suivante, la période 18, le besoin brut est de 12, on ne livre rien et le
stock disponible est de 9. Il manque 3 unités qui constitue donc les besoins
5.4. Détermination de la couverture des besoins nets 55
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 :
Cas 1 : Le disponible (somme du stock de fin de période précédente et des

livraisons de début de période) est suffisant pour couvrir les besoins bruts.
Dans ce cas, le besoin net, noté BNt , est nul et le stock final de période
t, noté SFt , se calcule comme le stock en fin de période précédente,
accru des livraisons attendues de période t, notées LAt , et diminué de la
demande de la période (les besoins bruts, notés BBt ) :
BNt = 0
(
Si SFt−1 + LAt ≥ BBt , alors
SFt = SFt−1 + LAt − BBt
Ce cas est illustré par les périodes 16 et 17 pour le composant E1001.
Cas 2 : Le disponible (somme du stock de fin de période précédente et des

livraisons de début de période) est insuffisant pour couvrir les besoins
bruts. Dans ce cas, on a des besoins nets à couvrir par de nouveaux ordres
de fabrication. Les besoins nets de la période t, notés BNt , se calculent
comme la différence entre les besoins bruts et le disponible (somme des
livraisons attendues et du niveau initial du stock de la période) :
BNt = BBt − LAt − SFt−1

(
Si BBt ≥ SFt−1 + LAt , alors
SFt = 0
Ce cas est illustré par les périodes 18 à 23 pour le composant E1001 (voir
tableau 5.10).
5.4 Détermination de la couverture des be-

soins nets
En planification de la production, on suppose que les besoins nets sont
connus suffisamment à l’avance pour éviter toute rupture. La détermination
de la quantité à livrer pour satisfaire les besoins nets repose donc sur un arbi-
trage entre les coûts de lancement de production et les coûts de possession. La
programmation dynamique permet de faire cet arbitrage. A ce niveau-ci, nous
allons faire du lot par lot, ce qui conduit aux lancements de production du
tableau 5.11. Pour déterminer les lancements de production, on a tenu compte
du délai d’obtention de 1 semaine (voir tableau 5.4). Remarquez que le lan-
cement de 30 en période 16 provient non pas d’une livraison programmée de
période 17 mais bien d’une livraison attendue de période 17.
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 -
Table 5.11 – Lancement de production en composant E1001 en lot par lot.
Disons un mot d’autres techniques de détermination des lancements de

production. En effet, il peut y avoir des contraintes techniques ou économi-
ques qui conduisent à adopter des règles de gestion différentes du lot par lot :
• Règle de la quantité fixe. Parfois, pour des raisons techniques, on ne

peut produit qu’une quantité fixe (cuve entière). Dans ce cas, la quantité
mise en œuvre est toujours la même. Supposons à titre d’exemple, une
quantité fixe de 30. Ce cas est illustré au tableau 5.12. On remarquera
que le nombre de mises en route de production est moins élevé mais que
le niveau de possession du stock augmente fortement.
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
Table 5.12 – Lancement de production par quantité fixe.
On peut également utiliser cette règle pour diminuer le nombre de mises

en route de production (raison économique et non technique). On déter-
minera, par exemple (voir exercice 5.2), la quantité économique à mettre
en œuvre par la formule de Wilson.
Remarquez qu’il faut recalculer le stock final après lancement de produc-
tion. Ainsi la production de 30 en période 17 pour satisfaire la demande
de 3 en période 18 va donner un stock en fin de période 18 de 27. De
même, la production de 30 en période 18 pour satisfaire la demande de 28
en période 19 (il faut produire car il n’y a que 27 en stock), va engendrer
un stock de fin de période 19 de 29. Il ne faudra pas lancer de production
en période 19 car le stock fin 19 de 29 unités est suffisant pour faire face
à la demande de 15 unités de période 20.
• Règle de la quantité multiple d’un entier. Ce cas se produit dans

l’industrie automobile pour le coulage des moteurs. On utilise, par exemple,
5.4. Détermination de la couverture des besoins nets 57
des moules de 10 moteurs. On ne peut donc produire que par multiples de

10. Ce cas est illustré au tableau 5.13. Dans ce cas, il faut aussi recalculer
le stock final après lancement de production.
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
Table 5.13 – Lancement de production par multiples de 10.
• Règle de la quantité minimum. Ce cas se produit lorsqu’il y a un

coût fixe de mise en route de la production. Pour amortir ce coût fixe de
lancement, il faut produire, par exemple, au minimum 10. Mais on peut
produire également 11, 12, etc... Ce cas est illustré au tableau 5.14. Dans
ce cas, il faut aussi recalculer le stock final après lancements.
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
Table 5.14 – Lancement de production par minimum de 10.
• Règle du stock de sécurité : on veut conserver un stock minimum

de 10 pour faire face à des demandes inattendues. Ce cas est illustré
au tableau 5.15. Dans ce cas, il faut aussi recalculer le stock final après
lancements.
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
Table 5.15 – Lancement de production par stock de sécurité de 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.
Demande Janvier Février Mars Avril Mai Juin Délai

de MA 3 1 2 1 7 3 2 mois
de MB 1 3 1 5 4 2 2 mois
de MC 2 4 1 5 6 0 1 mois
Table 5.16 – Planification de la production d’un moteur.
(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 :
Niveau 0 Déc. Janv. Février Mars Avril Mai Juin

BNt de MA
LPt de MA
BNt de MB
LPt de MB
BNt de MC
LPt de MC
(b) Pour le moteur, il y a un stock en début de janvier de 2 unités, on

prévoit une livraison de 5 moteurs en janvier tandis que le délai de
fabrication du moteur est d’un mois. Déterminer les besoins nets de
5.5. Exercices 59
moteur C pour janvier à avril en remplissant le tableau suivant :
Niveau 1 Déc. Janv. Février Mars Avril Mai Juin

BBt pour MA
BBt pour MB
BBt pour MC
BBt totaux
LAt
SFt
BNt
(c) Déterminer les lancements de production qui permettent de couvrir

ces besoins nets en utilisant la technique du lot par lot :
Moteur C Décembre Janvier Février Mars Avril

BNt
LPt
5.2. Production d’engrenages. Une entreprise spécialisée dans la fabrica-

tion d’engrenages connaît les besoins en fin de mois pour les huit mois à
venir (voir tableau 5.17). Le coût de lancement d’une production est de
Mois 1 2 3 4 5 6 7 8
Besoins 30 45 60 40 35 30 35 50
Table 5.17 – Production d’engrenages
150 =C, le coût de détention unitaire est de 1 =C par mois. On suppose

que les livraisons et sorties de stock se font en fin de mois. Ce qui signifie
qu’un article fabriqué en période t pour une demande de période t ne
supporte pas de coût de détention pendant cette période. Les ruptures
sont interdites.
(a) En utilisant la formule de Wilson, déterminez la quantité à mettre

en production. Utilisez la demande moyenne mensuelle.
(b) On suppose qu’il n’y a pas de stock initial ni de livraison attendue.

De même, on suppose qu’on peut produire le même mois que le
mois où la demande est satisfaite en fin de mois. En déduire, le
plan de production et de stockage de manière à éviter les ruptures.
Remplissez le tableau suivant :
t 1 2 3 4 5 6 7 8
BNt 30 45 60 40 35 30 35 50
LPt
SFt
(c) En déduire le coût de mise en route et de stockage.

(d) Comparez avec le coût d’une politique de lot par lot.
5.3. Planification de la production de boîtes de vitesse. Une société

d’assemblage d’engins de chantier doit planifier la production de boîtes
de vitesse pour les 4 prochaines semaines. Ces boîtes de vitesse (sous
ensemble F) sont utilisées dans la production des engins A et B comme
l’indique la nomenclature du tableau 5.18.

 1F  
1F 1G


  
A utilise 1G B utilise C utilise
  1H  1H
1H



Table 5.18 – Nomenclature.
Le plan directeur de production prévoit la mise à disposition auprès

des clients des commandes fermes données au tableaux 5.19 auxquelles
viennent s’ajouter les commandes de sous-ensembles pour des réparations
d’engins données au tableau 5.20. La colonne “Délai” donne le délai d’as-
Commandes 17 18 19 20 21 Délai SF16 LA17

A 20 22 22 24 20 1 sem. 15 7
B 13 15 17 12 11 1 sem. 10 3
C 5 3 7 2 1 2 sem. 5 0
Table 5.19 – Plan directeur, délai, stocks et livraisons attendues.
semblage des produits A, B et C et de fabrication des sous-ensembles F,

G et H. Les stocks de fin de période 16 ainsi que les livraisons attendues
5.5. Exercices 61
Commandes 17 18 19 20 21 Délai SF16 LA17

F 3 2 2 5 1 1 sem. 40 8
G 2 1 3 4 5 1 sem. 30 0
H 5 2 7 3 4 2 sem. 10 0
Table 5.20 – Plan directeur, délai, stocks et livraisons attendues.
de période 17 sont également donnés au tableau ci-dessus. On pratique

le lot par lot.
(a) Déterminer les besoins nets et les lancements de production de A :
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
(b) Déterminer les besoins nets et les lancements de production de B :
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
(c) Déterminer les besoins nets et les lancements de production de F à

partir de la semaine 17 en remplissant le tableau suivant :
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 :
• Ils comportent une certain nombre de période de temps notées :
t = 1, 2, ...n
• A chaque étape, une décision doit être prise. On note par xt la décision
prise à la période t.
• Chaque étape est caractérisée par un certain nombre d’états initiaux

possibles. On note par st l’état initial de la période t.
Par exemple, en planification de la production :
• les étapes sont les différentes périodes de planification,
• la décision xt de période t est le niveau de production de la période,
• la variable d’état st indique le niveau initial du stock de la période t.
L’idée générale des procédures de résolution en programmation dy-

namique est la suivante. On part d’un sous problème, celui de dernière étape,
dont la résolution est triviale. Ensuite, et en procédant à rebours, on étend
progressivement le problème en incluant les étapes précédentes et en calculant
la politique optimale à chaque étape en se basant sur la politique optimale de
l’étape suivante.
63
64 Chapitre 6. La programmation dynamique.
6.2 Le problème du voyageur

Un exemple purement fictif, tiré de Hillier et Lieberman [9], va nous per-
mettre d’introduire la terminologie employée en programmation dynamique.
Il s’agit du problème du voyageur devant traverser l’ouest américain il y a
plus d’un siècle. Son point de départ et sa destination sont connus. Il effectue
son voyage en quatre étapes. A chaque étape, il a le choix de se diriger vers
plusieurs états. A la figure 6.1, on a représenté chaque état par un cercle. Son
état de départ est l’état 1 et son état d’arrivée est l’état 10.
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
Etape 1 Etape 2 Etape 3 Etape 4
Figure 6.1 – Problème du voyageur.
Le voyageur souscrit à chaque étape une police d’assurance dont le coût

reflète le degré d’insécurité du voyage. Ceux-ci sont indiqués au dessus des
arcs à la figure 6.1. Il va donc déterminer son itinéraire de manière à choisir
la route la plus sûre en minimisant la somme des polices d’assurance pour le
passage d’état en état.
Remarquez d’abord que l’approche très simple qui consiste à choisir à
chaque étape la police la moins chère ne conduit pas à une solution globalement
la moins chère. En effet, en suivant cette stratégie, on choisirait le chemin
1 → 2 → 6 → 9 → 10 avec un coût total d’assurance de 13. Cependant en
sacrifiant un peu à la première étape, on peut gagner aux étapes ultérieures.
En effet, par exemple la route 1 → 4 → 6 → 9 → 10 permet un coût total de
11.
6.3. Formulation en un problème dynamique 65
6.3 Formulation en un problème dynamique

La formulation d’un problème dynamique comporte cinq étapes :
1. La définition des étapes. Ici les étapes sont les quatre étapes du voyage.
Elles sont notées :
t = 1, 2, ...4
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}
3. Le choix des variables de décision. Dans notre exemple, xt note la desti-

nation de l’étape t. On peut donner les valeurs possibles de xt à chaque
étape :
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
5. L’expression de l’objectif. L’objectif est ici de minimiser le coût total du

voyage. Il peut s’écrire :
4
min z = ct (st , xt )
X
t=1
où ct (st , xt ) est le coût à l’étape t d’aller de st vers xt .

6.4 Procédure de résolution

Fixons-nous deux notations utiles pour la procédure de résolution.
Définition 6.1 On note par x∗t (st ) la meilleure stratégie à l’étape t, si on est
dans l’état st à l’étape t.
Définition 6.2 On note par ft∗ (st ) le coût de la meilleure stratégie à l’étape
t, si on est dans l’état st à l’étape t.
La programmation dynamique va déterminer f4∗ (s4 ), f3∗ (s3 ), f2∗ (s2 ) et enfin
f1∗ (s1 ) pour chaque état possible st à l’étape t et utiliser par exemple f2∗ (s2 )
pour calculer f1∗ (s1 ).
Pour t = 4, c’est-à-dire lorsque le voyageur n’a plus qu’une étape à effectuer,
sa destination finale est connue : x4 = 10. Le tableau 6.1 reprend les coûts
minimaux de la dernière étape ainsi que la décision optimale en fonction de
s4 ,l’état de départ.
s4 x∗4 f4∗ (s4 )

8 10 3
9 10 4
Table 6.1 – Coûts minimaux de la dernière étape
Considérons le cas t = 3, c’est-à-dire lorsque le voyageur a encore deux

étapes à effectuer. Si le voyageur est dans l’état 5 (s3 = 5), il peut aller vers
8 ou 9 à des coûts respectifs de c5,8 = 1 ou c5,9 = 4 auxquels il faut ajouter le
coût additionnel de l’étape 4 donné dans la table 6.1. Il s’agit de f4∗ (8) = 3 s’il
va vers 8 et de f4∗ (9) = 4 s’il va vers 9. Le coût total minimum de 1 + 3 = 4
est obtenu s’il va vers 8, donc x∗3 = 8 et f3∗ (5) = 4. On procède de même pour
s3 = 6 et s3 = 7 et on obtient les valeurs données dans la table 6.2.
s3 x3 = 8 x3 = 9 x∗3 f3∗ (s3 )

5 1+3= 4 4+4=8 8 4
6 6+3=9 3+4= 7 9 7
7 3+3= 6 3+4=7 8 6
Table 6.2 – Coûts minimaux de la troisième étape.
La solution pour le problème où il reste trois étapes (t = 2) est obtenue

de manière similaire. Elle est illustrée à la table 6.3. Les états destination sont
6.4. Procédure de résolution 67
cette fois au nombre de trois : il s’agit de x2 = 5, x2 = 6 ou x2 = 7 tandis

que les états de départ possibles sont s2 = 2, s2 = 3 ou s2 = 4. Pour les états
de départ 2 ou 4, la destination optimale peut être au choix 5 ou 6 puisque le
coût total est le même.
s2 x2 = 5 x2 = 6 x2 = 7 x∗2 f2∗ (s2 )

2 7 + 4 = 11 4 + 7 = 11 6 + 6 = 12 5 ou 6 11
3 3+ 4 =7 2+ 7 =9 4 + 6 = 10 5 7
4 4+ 4 =8 1+ 7 =8 5 + 6 = 11 5 ou 6 8
Table 6.3 – Coût minimaux de la deuxième étape.
Enfin, pour le problème de première étape (t = 1), le coût minimum de

la police optimale est à nouveau donné en fonction de l’état destination de
l’étape comme la somme du coût de première étape plus le coût minimum des
étapes ultérieures. On obtient les résultats de la table 6.4.
s1 x1 = 2 x1 = 3 x1 = 4 x∗1 f1∗ (s1 )

1 2 + 11 = 13 4 + 7 = 11 3 + 8 = 11 3 ou 4 11
Table 6.4 – Coût minimaux de la première étape.
Il faut maintenant identifier une politique optimale. Pour t = 1, le voyageur

doit donc se diriger initialement vers l’état 3 ou 4. Supposons qu’il choisisse
x∗1 = 3. Pour t = 2, la stratégie optimale pour s2 = 3 est x∗2 = 5 (voir tableau
6.3), ce qui dans l’étape t = 3 conduit à l’état s3 = 5. La stratégie optimale
pour s3 = 5 consiste à choisir x∗3 = 8 (voir tableau 6.2). On se retrouve en
s4 = 8 et on choisit x∗4 = 10 à l’étape 4 (voir tableau 6.1). Une des routes
optimales est donc le parcours suivant : 1 → 3 → 5 → 8 → 10 et donnant un
coût total de : f1∗ (1) = 11. Cette solution est illustrée au tableau ci-dessous.
t 1 2 3 4
st 1 3 5 8
x∗t 3 5 8 10
6.5 Un problème d’affectation de ressources

rares
Nous illustrons le fait que le champs d’application de la méthode de ré-
solution est très large sur un deuxième exemple également tiré de Hillier et
Lieberman [9] : il s’agit du problème de l’organisation mondiale de la santé
qui dispose de 5 équipes médicales à affecter à 3 pays pour mener à bien une
campagne de vaccination. L’OMS doit déterminer combien d’équipes envoyer
dans chacun des trois pays de manière à maximiser l’efficacité générale de l’af-
fectation. La mesure de l’efficacité est donnée en terme d’années-homme de
vie supplémentaire. Ces données sont reprises au tableau 6.5. On suppose que
chaque pays doit bénéficier d’au moins une équipe.
Nombre d’équipes Pays 1 Pays 2 Pays 3

1 45 20 50
2 70 45 70
3 90 75 80
Table 6.5 – Milliers d’années-homme supplémentaires.
6.5.1 Formulation comme un problème dynamique

1. Définition des étapes. Les trois étapes consistent en l’affectation succes-
sive aux trois pays.
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}
3. Choix des variables de décision. Notons xt le nombre d’équipes médicales

affectées au pays t. On peut donner les valeurs possibles de xt :
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
En général, on peut écrire la relation suivante :
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
5. L’expression de l’objectif. L’objectif est ici de maximiser l’efficacité de

l’allocation. Il peut s’écrire :
3
max z = Bt (xt )
X
t=1
où Bt (xt ) mesure le bénéfice de l’allocation de xt équipes médicales au

pays t.
6.5.2 Résolution par la programmation dynamique

A l’étape t = 3, les états possibles vont de 1 (il faut au moins une équipe
pour le pays 3) jusqu’à 3 (on a au moins affecté une équipe au pays 1 et une
équipe au pays 2). A la dernière étape, on a intérêt à affecter toutes les équipes
encore disponibles (voir tableau 6.6).
s3 x∗3 f3∗ (s3 )

1 1 50
2 2 70
3 3 80
Table 6.6 – Calculs de l’étape 3.
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
s2 x2 = 1 x2 = 2 x2 = 3 x∗2 f2∗ (s2 )

2 20 + 50 = 70 − − 1 70
3 20 + 70 = 90 45 + 50 = 95 − 2 95
4 20 + 80 = 100 45 + 70 = 115 = 75 + 50 = 125 3 125
s1 x1 = 1 x1 = 2 x1 = 3 x∗1 f1∗ (s1 )

5 45 + 125 = 170 70 + 95 = 165 90 + 70 = 160 1 170
résultant pour l’étape 3 avec s3 = s2 − x2 . Le détail des calculs est donné au

tableau 6.7.
De même à l’étape 1, au gain de l’étape, il faut ajouter ceux des étapes
suivantes avec s2 = s1 − x1 . Le détail des calculs est donné au tableau 6.8.
La solution optimale est calculée ci-dessous.
t 1 2 3
st 5 4 1
x∗t 1 3 1
Elle donne un gain de 170 000 hommes-années.
6.6 Application à la planification de la produc-

tion.
Nous allons maintenant voir comment la programmation dynamique per-
met de résoudre des problèmes de planification de la production en présence
de coûts de production non convexes. Illustrons ceci sur un exemple.
La demande prévisionnelle de fin de mois d’un composant est donnée au
tableau 6.9. La fabrication de ce composant nécessite un certain nombre de
réglages indépendants du nombre d’unités fabriquées. Le coût de lancement
est de 150. Le coût direct dépend de la main d’œuvre disponible. Le coût est
de 200 en heures normales, de 250 en heures supplémentaires. Le tableau 6.9
donne la production maximale en heures normales et heures supplémentaires.
6.6. Application à la planification de la production. 71
On une capacité de stockage limitée à 2 unités. Le coût de stockage est de
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
Table 6.9 – Demande prévisionnelle et capacité de production.
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.
6.6.1 Formulation en un problème dynamique

Nous allons tout d’abord formuler le problème en un problème de pro-
grammation dynamique. Pour cela, définissons la variable d’état de la période
t suivante :
st = stock au début de la période t.
Définissons aussi la variable de décision de la période t suivante :
xt = production à la période t.
On veut minimiser la somme du coût de production et du coût de stockage :
5 5
min z = cpt (xt ) + 10st
X X
t=1 t=1
La fonction cpt (xt ) dénote le coût de production à l’étape t. Ce dernier est la

somme d’un coût fixe de lancement de 150, à payer pour autant qu’il y ait pro-
duction, et d’un coût direct de main d’œuvre qui est de 200 par unité produite
en heures normales, de 250 par unité produite en heures supplémentaires. Re-
marquez qu’en présence de coût de lancement le coût de production n’est
pas convexe. Ceci peut être vérifié à la figure 6.2 qui illustre la fonction de
coût pour t = 5.
La capacité de stockage est limitée à 2 unités :
st ≤ 2, ∀t.
Ce qui limitera à trois les états du monde possibles à chaque étape. La relation
liant les variables d’état et de décision est la suivante :
st+1 = st + xt − dt
On s’interdit toute rupture. Ce qui se traduit par un stock final non négatif :
xt ≥ 0, ∀t.
cp 
1500
1250
250
1000
750
200
550
350
350
1 2 3 4 5 6 x
Figure 6.2 – Coût non convexe.
6.6.2 Résolution par la programmation dynamique

Nous allons maintenant résoudre le problème par la programmation dyna-
mique. A l’étape 5, on a d5 = 4. Ce qui explique qu’il faut au moins produire
4 unités si s5 = 0 mais pas plus de 6 sinon le stock final sera supérieur à deux
unités. On doit aussi respecter la capacité de production de 6 unités. Si le stock
initial s5 = 1, on peut se contenter de produire 3. On peut également produire
4 ou 5 mais pas plus vu la capacité de stockage limitée à 2 unités. On obtient
les coûts suivants :
s5 x5 = 2 x5 = 3 x5 = 4 x5 = 5 x5 = 6 x∗5 f5∗ (s5 )

0 − − 1.000 1.250 1.500 4 1.000
1 − 760 1.010 1.260 − 3 760
2 570 770 1.020 − − 2 570
Par exemple le coût de 1.000 si s5 = 0 et x5 = 4 résulte du seul coût de

production qui se calcule comme suit :
150 + 3 × 200 + 250 = 1000.

6.6. Application à la planification de la production. 73
Le coût de 760 si s5 = 1 et x5 = 3 résulte de la somme du coût de stockage

d’une unité pendant un mois et du coût de production des trois unités :
1 × 10 + 150 + 3 × 200 = 760.
A l’étape 4, on a d4 = 2. On ajoute au coût de production de l’étape, le
coût des étapes ultérieures. Ainsi, dans le cas où s4 = 0 et x4 = 2, le coût
correspond à l’application de la formule :
f4 (s4 , x4 ) = cp4 (x4 ) + f5∗ (s4 + x4 − d4 )
= (150 + 400) + 1.000
= 1.550
On obtient le tableau de coûts suivant :
s4 x4 = 0 x4 = 1 x4 = 2 x4 = 3 x4 = 4 x∗4 f4∗ (s4 )

0 − − 1.550 1.510 1.570 3 1.510
1 − 1.360 1.320 1.330 − 2 1.320
2 1.020 1.130 1.140 − − 0 1.020
A l’étape 3, on a d3 = 4. On détermine semblablement le tableau de coûts

suivant :
s3 x3 = 2 x3 = 3 x3 = 4 x3 = 5 x3 = 6 x∗3 f3∗ (s3 )

0 − − 2.510 2.570 2.520 4 2.510
1 − 2.270 2.330 2.280 − 3 2.270
2 2.080 2.090 2.040 − − 4 2.040
A l’étape 2, on a d2 = 1. On a une capacité de production à 200 limitée à

deux unités. On obtient le tableau de coûts suivant :
s2 x2 = 0 x2 = 1 x2 = 2 x2 = 3 x∗2 f2∗ (s2 )

0 − 2.860 2.820 2.840 2 2.820
1 2.520 2.630 2.600 − 0 2.520
2 2.290 2.410 − − 0 2.290
A l’étape 1, la demande est de 2 et on a le tableau de coûts suivant :
s1 x1 = 2 x1 = 3 x1 = 4 x∗1 f1∗ (s1 )

0 3.370 3.320 3.340 3 3.320
On détermine ensuite la politique optimale. Partant de s1 = 0, il est optimal

de produire 3. La demande étant de 2, on se retrouve avec s2 = 1. La stratégie
optimale pour la deuxième période est de ne produire rien du tout. On se
retrouve avec un stock s3 = 0. La stratégie optimale est de produire x3 = 4.
On se retrouve avec un stock s4 = 0. La stratégie optimale est de produire
x4 = 3, soit une unité de plus que la demande. On se retrouve avec un stock
s5 = 1 et on produit x5 = 3 :
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
Terminons par remarques suivantes :
1. Remarquez qu’en période 2, on a préféré ne pas produire la seule unité

demandée car une unité en première étape même en heures supplémen-
taires et avec un coût de stockage revient mois cher (260) qu’une seule
unité en heure normale à la période 2 (350).
2. Remarquez aussi qu’en période 4, on produit une unité de plus que la

demande pour éviter de produire à 250 en période 5 la quatrième unité
demandée cette période. Il y a, en effet, une unité disponible à 200 (+
10 de coût de stockage) au mois précédent.
6.7. Exercices 75
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
Nombre de vendeurs Région 1 Région 2 Région 3

1 4 3 5
2 6 6 7
3 9 8 12
4 11 10 12
Table 6.10 – Ventes de livres
région. On vous demande de formuler le problème comme un problème

dynamique et de le résoudre par la programmation dynamique.
6.2. Répartition du budget publicitaire. Une compagnie planifie sa stra-

tégie publicitaire pour le lancement de trois nouveaux produits. Elle a
un total de 6 millions de dollars à sa disposition pour l’année prochaine
pour lancer les trois nouveaux produits. On suppose que la société inves-
tit par million entier sur chaque produit en publicité avec au minimum un
million sur chaque produit. Le tableau 6.11 donne les estimations d’aug-
mentation de ventes pour les produits en fonction du budget publicitaire
investi.
Budget Produit 1 Produit 2 Produit 3

1 million +7 +4 +6
2 millions +10 +8 +9
3 millions +14 +11 +13
4 millions +17 +14 +15
Table 6.11 – Augmentation des ventes
(a) Formulez comme un problème de programmation dynamique.

(b) Utilisez la programmation dynamique pour résoudre ce problème.
Chapitre 7
Les techniques de juste à temps
7.1 Origine et principe du JAT

Comme le souligne Baglin et al [1], les techniques de juste à temps trouvent
leur origine dans les nouvelles exigences du marché :
• La variabilité de la demande : l’augmentation du nombre de modèles et

la diminution de la durée de vie des produits nécessitent une adaptation
plus rapide des produits.
• 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.
• La concurrence internationale impose de produire une bonne qualité à

un prix très bas.
En conclusions, il faut produire à la demande du client, sans délai et en com-

primant au maximum le coût de fabrication. Il y a donc conflit entre la gestion
en grande série (qui permet de réduire les coûts de fabrication) et la gestion à
la carte (qui est beaucoup plus souple).
L’idée du JAT est de chercher à concilier les avantages de la grande série
(flux rapides et importants) avec ceux de la petite série (grande adaptabilité).
La logique fondamentale du JAT est la suivante :
Production = Demande.
Autrement dit, on produit la quantité strictement nécessaire aux besoins im-

médiats du client. Le principe est appliqué de proche en proche jusqu’aux
fournisseurs. Ceci entraîne la suppression des stocks intermédiaires : on parle
de gestion en flux tendus. La suppression des stocks apparaît donc comme
une conséquence de la logique du JAT.
76
7.2. Les deux approches du JAT 77
Ceci va à l’encontre des politiques traditionnelles d’organisation de la pro-

duction. Le mode d’organisation traditionnel a pour objectif essentiel la
recherche de la plus grande productivité du système. Ses conséquences sont :
1. Pour raison d’économie d’échelle, on a des unités de fabrication de grande
taille organisées en ateliers spécialisés. On a donc des flux importants et
discontinus entre ces unités nécessitant des stock intermédiaires.
2. Pour raison de coût, on met en place des capacités de production cor-
respondant à la demande moyenne qui sont saturées en permanence : la
variabilité de la demande nécessite donc des stocks de produits finis.
3. On lance de grandes séries pour amortir le coût de lancement. Ce qui
entraîne aussi des stocks importants.
4. Pour diminuer le coût de manutention, on transporte en grande quantité
(camions, containers complets). Ce qui occasionne également des stocks
élevés de matières qui ne sont pas immédiatement consommées.
5. Pour découpler les problèmes, on constitue des stocks intermédiaires.
6. A chaque stade du produit, on ajoute un délai d’obtention pour tenir
compte des arrêts fréquents (contrôle, maintenance,. . .).
On en conclut que chacun à tendance à gonfler les stocks. Le JAT devant ce
constat, plutôt que d’essayer de gérer l’ingérable propose de supprimer les
stocks.
Le fonctionnement en JAT appelle cependant les remarques suivantes :
1. Souvent, les usines ne fonctionnent que partiellement en flux tendus : en
flux tendus au moment où l’on personnalise le produit, avec des stocks
d’approvisionnement pour les pièces standards.
2. Les flux de production peuvent être tirés non par des commandes clients
mais par le plan directeur de production.
3. Le JAT nécessite tout de même l’établissement d’un plan directeur de
production et le calcul des besoins.
7.2 Les deux approches du JAT

Le JAT a donc un double objectif :
• augmenter la réactivité du système logistique : diminuer le délai, diversi-
fier la production,. . .
• diminuer le coût global de production : en éliminant les gaspillages.
78 Chapitre 7. Les techniques de juste à temps
7.2.1 Augmenter la réactivité du système logistique

Le but est ici de pouvoir répondre rapidement aux variations quantitative
et qualitative de la demande. Le moyen utilisé est le suivant : pour raccourcir
le cycle de fabrication, on réduit les stocks.
• Pour réduire les stocks de matières premières, les fournisseurs doivent
livrer plus souvent.
• Pour réduire les stocks d’en-cours de production, on doit réduire le temps
entre ateliers.
• Pour réduire les stocks de produits finis, on doit pouvoir changer souvent
de fabrication.
Remarquez que, pour réduire les stocks, il faut s’attaquer à leur cause : les
pannes machines, les temps de réglage longs, etc. . .
7.2.2 La rationalisation de la production

Le but est ici d’améliorer la performance globale en éliminant les gas-
pillages. Le principe fondamental est que les seuls temps utiles sont ceux
pendant lesquels le produit voit sa valeur s’accroître. Ainsi, les opérations sui-
vantes sont non productives : déplacer, stocker, grouper, contrôler,. . . Pour
pouvoir diminuer ces opérations improductives, il faut s’attaquer à leurs
causes : les défauts de fabrication, les retards, les pannes, les lenteurs admi-
nistratives,. . .
On peut ici citer l’image de Taichi Ohno (de Toyota) qui dit que,
pour traverser une rivière sans encombre, dans l’approche traditionnelle : on
augmente le niveau de l’eau et on passe au dessus des épaves, dans l’approche
JAT : on drague le fleuve, ce qui permet un niveau d’eau plus faible. En
conclusions, en s’attaquant aux causes de dysfonctionnement, on améliore la
productivité globale du système et on améliore la qualité des produits.
7.3 Les facteurs clés du JAT

Le passage d’une organisation classique à une organisation JAT nécessite
des méthodes de gestion très réactives ainsi que la maîtrise des aléas.
7.3.1 Recherche d’un plus grande réactivité

On atteindra une plus grande réactivité en augmentant la flexibilité de
la production. On peut définir la flexibilité comme la capacité du système de
production à s’adapter en permanence à la demande. On distingue deux types
de flexibilité :
7.4. La méthode Kanban 79
• La flexibilité quantitative est la capacité de faire face à des pointes

de demande :
– il faut surdimensionner la capacité, par exemple, en gardant les

anciennes machines lors d’un renouvellement,
– il faut faire appel à la flexibilité de la main d’œuvre : appel aux
temporaires, à la sous-traitance, aux heures supplémentaires,. . .
• La flexibilité qualitative est la capacité de traiter une grande variété

de produits :
– il faut pouvoir passer rapidement d’un produit à l’autre : on utilisera

des machines à commandes numériques,
– la polyvalence du personnel est également souhaitable.
7.3.2 Maîtrise des aléas

Il faut ici se prémunir contre les causes des stocks : pièces reçues
défectueuses, pannes machine, retards de livraison, etc... On visera ici le zéro
défaut pour les pièces fabriquées. En effet, en l’absence de stock, le défaut
d’une pièce livrée interrompt la chaîne de montage. Le zéro défaut sera re-
cherché par la prévention plutôt que par le contrôle à posteriori.
Il faut également assurer la fiabilité des équipements. L’arrêt d’une
machine entraîne l’arrêt des machines en aval faute d’approvisionnement. De
même pour les machines en amont qui, autrement, constitueront des stocks.
La fiabilité est obtenue par des procédures de maintenance préventive.
Enfin, il existe relation plus étroite entre le client et le fournis-
seur car le fournisseur d’une usine JAT est généralement plus conscient des
conséquences de l’envoi d’une pièce défectueuse pour le client.
7.4 La méthode Kanban

L’idée de la méthode est que la production soit tirée par l’aval : chaque
poste ne travaille que pour satisfaire une demande du poste aval. L’infor-
mation sur la demande du poste aval est transmise par un document appelé
Kanban (étiquette) donnant :
• description de la pièce et de l’opération à effectuer ;
• le lieu d’origine et de destination de la pièce ;
• la quantité par conteneur.

Cette technique utilise en effet des conteneurs standards pour la circulation

entre postes. L’étiquette est donc un ordre de fabrication des pièces qui
• descend le flux de pièces (lors de la fabrication) ;
• remonte ce flux une fois les pièces consommées.
Le rythme de fabrication est donc égal à la vitesse de circulation des éti-

quettes qui est, elle-même, déterminée par le rythme de consommation des
pièces par le poste aval. Par exemple, si la consommation vient à se tarir, les
étiquettes ne remontent plus et la fabrication s’arrête.
7.4.1 Système Kanban à une boucle
(a) (b)
POSTE Transport POSTE
AMONT AVAL
entre postes
(d)
(c)
Conteneur avec tiquette Etiquette libre
Figure 7.1 – Système Kanban à une boucle.
Le fonctionnement du système Kanban à une boucle est le suivant (cfr

figure 7.1) :
• L’étiquette est apposée sur le conteneur de pièces qui viennent d’être

fabriquées en amont (a) ;
• Elle accompagne le conteneur au poste suivant et reste sur le conteneur

en attente (b) ;
• Au moment où le conteneur est mis en fabrication sur le poste aval, le

Kanban est libéré et retourne au poste amont (c) ;
• Il entre dans le planning du poste amont (d) d’où il sort au moment

d’une nouvelle fabrication.
On peut faire les remarques suivantes sur le fonctionnement du système

kanban à une boucle :
1. Tout conteneur rempli possède obligatoirement une étiquette (c’est-à-dire

son ordre de fabrication).
2. Une étiquette non attachée à un conteneur représente un ordre de fabri-

cation pour une quantité fixe de pièces.
3. Le nombre d’étiquettes en circulation entre deux postes fixe les stocks

d’en cours de fabrication : en effet, le nombre de conteneurs entre les
postes, est inférieur ou égal au nombre d’étiquettes en circulation.
7.4.2 Détermination du nombre d’étiquettes

Un problème fondamental est la détermination du nombre d’étiquettes
à mettre en circulation. Ce nombre doit résulter d’un compromis entre :
• un nombre pas trop élevé : sinon on génère des stocks intermédiaires ;
• un nombre pas trop faible : sinon le poste aval risque de tomber en rupture.
Les données du problème sont les suivantes :
• Cu , la consommation du poste aval en unités par minute ;
• Qe , la taille économique des lots fabriqués en amont ;
• k, la capacité d’un conteneur ;
• Tr , le délai de réaction du système lorsque le stock au poste aval atteint

le seuil de lancement d’une production. Ce délai comprend
– le temps de retour moyen du ticket d’alerte vers l’amont,

– l’attente moyenne au planning amont,
– le réglage de la machine amont,
– la production du premier conteneur,
– le transport du conteneur jusqu’au poste aval.
Le principe utilisé pour déterminer le nombre d’étiquettes est le suivant :

le nombre de conteneurs dans la boucle correspond au strict minimum pour
que le système fonctionne sans rupture pour le poste aval.
Illustrons ceci sur un exemple tiré de Baglin et al [1]. Soit D = 2000 pièces,
la demande moyenne du poste aval par journée de 8 heures de travail. On en
déduit une consommation en unités par minute de :
2000
Cu = = 4, 1667
8 × 60
Soit k = 100 pièces, la capacité d’un conteneur. Soit Tr , temps de réaction

qui résulte de l’addition d’un temps de retour moyen du ticket de 30 minutes
(le ramassage des tickets s’effectue toutes les heures, donc un temps moyen
d’attente d’une demi heure), d’une attente moyenne de 10 minutes au planning
du poste amont, d’un réglage de la machine de 10 minutes, d’un temps de
production de 0,1 minute par pièce (donc 10 minutes pour 100 pièces) et d’un
temps de transport de l’amont vers l’aval de 35 minutes :
Tr = 30 + 10 + 10 + 10 + 35 = 95
Pendant le temps de réaction, la consommation du poste aval est de :
Tr Cu = 95 × 4, 1667 = 395, 83
Il en résultera qu’il faut au moins 4 étiquettes en permanence dans le système :

Tr Cu
Ne ≥ = 3, 96
k
Si l’on veut prendre une marge de sécurité de α = 10 % :
(1 + α)Tr Cu
Ne ≥
k
1, 1 × 395, 83
=
100
= 4, 3541.
Il faudra donc au moins 5 étiquettes en permanence dans le système.
Ne = 5
Supposons maintenant qu’au poste amont, l’arbitrage entre le coût de lance-

ment et le coût de possession justifie une production par lots de taille écono-
mique optimale :
Qe = 600 pièces,
c’est-à-dire à 6 étiquettes (Qe /k). Il faudra donc attendre d’avoir six étiquettes
accrochées au planning du poste amont avant de pouvoir lancer en fabrication
de quoi remplir le premier conteneur. Il faudra donc ajouter ces 6 étiquettes
aux 5 précédentes.
+Ne = Qe /k = 6
En effet, les cinq précédentes étiquettes sont celles en circulation dans la boucle
tandis que les 6 étiquettes présentes sont celles qui doivent être accrochées au
planning amont pour lancer une commande.
Le nombre d’étiquettes dans la boucle correspond donc à la somme :
• du stock correspondant au seuil d’alerte, c’est-à-dire au stock permettant

de faire fonctionner le poste aval durant Tr , augmenté d’une marge de
sécurité α :
(1 + α)Cu Tr
• du lot économique Qe produit par le poste amont :
Qe
le tout divisé par k, la capacité d’un conteneur :
(1 + α)Cu Tr + Qe (7.1)
Ne ≥
k
Le résultat est arrondi à l’entier supérieur. Ce qui donne ici :
(1 + α)Cu Tr + Qe
Ne ≥
k
435 + 600
=
100
= 10, 35
Ce qui correspond à 11 étiquettes.
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
La fabrication d’un lot demande 10 minutes de réglage et 60 minutes de fabri-

cation des 600 pièces du lot, ce qui représente 70 minutes par lot. Pour produire
quatre lots, il faut donc : 4 × 70 minutes = 4 heures 40 minutes.. Comme la
capacité du poste amont est de 8 heures par jour, il n’y a pas de problème tant
que ce poste amont n’est pas occupé plus de 3 heures 20 minutes par jour à
d’autres productions.
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
• d’une ligne d’embouteillage affectée aux bouteilles de 25 cl, qui rem-

plit 1600 bouteilles par heure,
• d’une ligne d’embouteillage affectée aux bouteilles de 75 cl, qui rem-
plit 800 bouteilles par heure.
La société aimerait utiliser un système de kanban afin de coordonner la

production entre le système amont (les cuves) et le système aval (l’em-
bouteillage). Les containers ont une capacité de 300 litres. Le délai de
réaction du système est de 3 heures.
(a) Calculez le nombre d’étiquettes nécessaires pour assurer le fonction-

nement en continu de l’embouteillage sans tenir compte d’une taille
économique minimale à l’amont. Le gestionnaire désire appliquer
un coefficient de sécurité de 10 %.
(b) Sachant que les cuves de fermentation ont une capacité de 10.000
litres et sont vidées avant d’être à re-remplies, on peut considérer
que la quantité économique du poste amont est de 10.000 litres.
Quel est alors le nombre d’étiquettes à ajouter dans le système ?
7.2. Production de hamburgers en restauration rapide. Considérons

la gestion de la cuisson d’un type de hamburger d’un point de restau-
ration rapide. La commande auprès du préposé à la cuisson se fait par
lot de 6 hamburgers. Lorsqu’un lot de 6 hamburgers est fourni au comp-
toir de vente, il est précédé d’une plaque indiquant "6 hamburgers". Dès
que le préposé à la vente entame le lot de 6 hamburgers, il retourne la
plaque au manager qui toutes les dix minutes remonte en cuisine avec
les plaques. Considérons une soirée de semaine (hors mercredi où la de-
mande est plus forte). On suppose que la demande de 500 hamburgers
est répartie uniformément sur la tranche 18 h - 22 h. Le préposé à la cuis-
son fabrique, outre les hamburgers, trois autres produits, occassionnant
un temps d’attente moyen de 12 minutes avant qu’il ne puisse entamer
la cuisson des hamburgers. La cuisson d’un lot de 6 hamburgers dure 6
minutes (3 minutes pour une face, 3 minutes pour l’autre). Ensuite, l’em-
ballage et le garnissage prend 0,5 minute par hamburger. L’envoi du lot
de 6 hamburgers vers le comptoir est instantané (par bande porteuse).
(a) Calculer la consommation moyenne en unités par minute faite par

les clients du drive-in pour ce hamburger.
7.5. Exercices 85
(b) Calculer le temps de réaction du système. Donner le détail du calcul.

(c) Calculer la consommation moyenne de hamburgers des clients pen-
dant le temps de réaction du système.
(d) En tenant compte du fait que la production de hamburgers n’est
lancée que s’il y a une commande de 12 pièces, calculez le nombre
minimum de plaques à mettre dans le système pour éviter la rupture
d’approvisionnement du comptoir vente.
(e) Comment faire pour tenir compte dans votre calcul des hamburgers
jetés car ayant dépassé leur durée de conservation ? Ceci représente
environ 10 % de la demande.
7.3. Transport de brames. La ligne à chaud de Chertal produit des bobines

d’acier appelées coils. L’amont de la ligne à chaud est composé des hauts
fourneaux produisant de la fonte en fusion, d’un convertisseur suivi de la
coulée continue. Lors des diverses opérations amont, le métal liquide est
transformé en plaques, appelées brames. Chacune de ces pièces pèse 500
kg. Elles sont alors transportées par lots vers l’aval constitué du laminoir
du site. Ce trajet, chargement et déchargement inclus, dure 6 heures. Les
transporteurs de brames (des trains privés) ont une capacité maximale
utile de 50 tonnes. Le laminoir aval doit fonctionner en permanence à un
rythme de 110 kg à la minute. Le gestionnaire du site de Chertal désire
utiliser un système Kanban afin de minimiser les lots de brames en cours
entre la production amont (les hauts fourneaux, le convertisseur et la
coulée) et le système aval (le laminoir). Le temps de retour des transpor-
teurs, munis des étiquettes, est estimé à 120 minutes. On considère que
l’on fait partir un train uniquement s’il est chargé au maximum. Le train
tourne en boucle entre la ligne à chaud (amont) et le laminoir (aval).
Dès que le train est déchargé, il retourne dans délai vers l’amont où il
est chargé sans délai d’une nouvelle cargaison
(a) Calculez le temps de réaction du système.

(b) En considérant un temps nul d’attente au planning amont et un
temps de production à l’amont négligeable, calculez le nombre d’éti-
quettes pour assurer le fonctionnement continu de l’aval.
(c) Quel est dans ce cas le coefficient de sécurité atteint dû à l’arrondi ?
(d) On considère maintenant que les hauts- fourneaux délivrent des
lots de 120 tonnes. Quel est alors le nombre d’étiquettes à mettre
en service sans coefficient de sécurité ?
(e) Quel est dans ce cas le coefficient de sécurité atteint dû à l’arrondi ?
Troisième partie
Les décisions stratégiques
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.
No tâche durée (jours) préalables

1 terrassement 5 -
2 fondations 4 1
3 colonnes porteuses 2 2
4 charpente toiture 2 3
5 couverture 3 4
6 maçonnerie 5 3
7 plomberie, électricité 3 2
8 coulage dalle béton 3 7
9 chauffage 4 8 et 6
10 plâtre 10 9 et 5
11 finitions 5 10
Table 8.1 – Construction d’un bâtiment.
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
• Les contraintes de localisation temporelle expriment la localisation

d’une tâche dans le temps : une tâche ne peut commencer avant une telle
date, ou après une telle date.
• Les contraintes de succession temporelle expriment les relations

d’antériorité entre les tâches : une tâche ne peut commencer avant la fin
d’une autre.
• Les contraintes disjonctives expriment le fait que deux tâches ne

peuvent avoir lieu en même temps sans que l’on sache laquelle doit être
effectuée avant l’autre (une même grue est utilisée sur deux chantiers).
• Les contraintes cumulatives expriment le fait qu’une ressource divi-

sible doit être partagée entre plusieurs tâches.
Le problème avec des contraintes de localisation temporelle et de succession

temporelle seulement est appelé problème central d’ordonnancement. Il
s’agit de déterminer le calendrier de début des tâches de manière à terminer
le chantier au plus vite en respectant les contraintes temporelles.
Nous allons voir que ce problème utilise la notion de graphe, aussi bien
pour sa formulation que pour sa résolution. Il existe deux méthodes de résolu-
tion pour ce problème, à savoir :
• la méthode du potentiel développée en France en 1957 pour la cons-

truction du paquebot France et qui associe chaque tâche à un nœud du
réseau, tandis que les relations d’antériorité sont représentées par des
arcs entre les tâches (voir figure 8.1) ;
tâche i tâche j
d i
i j
”i avant j”
Figure 8.1 – Graphe de la méthode des potentiels.
• La méthode PERT (pour Program Evaluation Review Technique) s’est

développée, parallèlement à la méthode du potentiel, aux États-Unis en
1958 pour la planification de la construction des sous-marins Polaris.
Les tâches sont associées aux arcs du réseau tandis que les relations
d’antériorité sont associées aux noeuds du réseau. Nous ne verrons pas
cette méthode dans le cadre de ce cours.
8.2. Formulation du problème 89
8.2 Formulation du problème

Fixons-nous les notations suivantes. Nous avons n tâches à exécuter, in-
dicées i = 1, ...n. Utilisons également la notation di pour désigner la durée
d’exécution de la tâche i (qui est ici une donnée).
1. Les variables du problème sont les suivantes :

ti note le temps de début d’exécution de la tâche i, et
tf note le temps de fin de chantier.
2. L’objectif est de minimiser le temps de réalisation du chantier :
min z = tf − t0
où t0 note la date de début de chantier que l’on fixe généralement à

t0 = 0.
3. Les contraintes du problème sont de trois types :
• Les contraintes de localisation temporelle expriment que la tâche

i ne peut commencer avant le début de chantier :
ti ≥ t0 , ∀i sans prédécesseur (8.1)
• Les contraintes de succession temporelle expriment que la tâche

j ne peut débuter avant que toute tâche i préalable à j ne soit finie :
ti + di ≤ tj , ∀ tâche i antérieure à la tâche j (8.2)
• Les contraintes de fin de chantier expriment que toute tâche i doit

être finie avant la fin de chantier :
ti + di ≤ tf , ∀i sans successeur (8.3)
Remarquez que vu la présence des contraintes de succession temporelle (8.2), il

suffit d’écrire (8.1) pour toute tâche n’ayant pas de prédécesseur et (8.3) pout
toute tâche n’ayant pas de successeur.
8.3 Représentation graphique du problème

On associe donc au problème central d’ordonnancement un graphe dont les
sommets représentent les diverses tâches du problème. On ajoute un nœud
0 qui correspond à la date de début de chantier et un nœud f = n + 1 qui
correspond à la fin de chantier. Les arcs du réseau représentent les diverses
contraintes d’antériorité. Reprenons l’exemple. On peut construire systémati-
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
Figure 8.2 – graphe associé.
quement le graphe associé au problème d’ordonnancement de la manière sui-

vante (voir figure 8.2) :
1. On trace le nœud 0 début de projet et on relie ce nœud à toute tâche sans
préalable par un arc de longueur nulle. Dans l’exemple, seule la tâche 1
est dans ce cas.
2. Ensuite, on prend une tâche déjà dans le graphe et on examine si elle
précède d’autres. Par exemple, la tâche 1 doit précéder la tâche 2. On
doit donc avoir
t1 + d1 ≤ t2 .
On trace le nœud 2 et on relie le nœud 1 au nœud 2 par un arc de
longueur d1 . On fait de même pour représenter toutes les contraintes
d’antériorité.
3. Enfin, pour les tâches sans successeur, on les relie au nœud n + 1, fin de
chantier, avec un arc de longueur égale à la durée de la tâche. Ici, seule
la tâche finition est dans ce cas, et il faut que cette tâche soit finie pour
la fin du chantier.
Disons un mot de la représentation des trois autres types de contraintes que
l’on peut rencontrer dans les problèmes d’ordonnancement de projets :
1. Contraintes de localisation temporelle du type min. Supposons
que la tâche 3 ne puisse commencer avant 10ème jour du projet :
t3 ≥ t0 + 10 ⇔ t0 + 10 ≤ t3 .
8.3. Représentation graphique du problème 91
-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
Figure 8.3 – Trois autres types de contraintes.
Ceci se représente en joignant les nœuds 0 et 3 par un arc de longueur

10.
2. Contrainte de localisation temporelle du type max. Supposons

que la tâche 5 doit être commencée avant le 40ème jour du projet :
t5 ≤ t0 + 40 ⇔ t5 − 40 ≤ t0 .
Ceci se représente en joignant les nœuds 5 et 0 par un arc de “longueur”

-40.
3. Contrainte du type écart maximum. Enfin, supposons que la tâche

9 doit commencer au plus tard 5 jours après le début de 8 :
t9 ≤ t8 + 5 ⇔ t9 − 5 ≤ t8 .
Ceci se représente en joignant les nœuds 9 et 8 par une arc de “longueur”

-5.
Remarquez donc la différence d’interprétation d’un arc de longueur positive

ou négative :
• un arc de longueur positive entre les nœuds i et j signifie un nombre

minimum de jours entre le début de i et le début de j ;
• un arc de longueur négative entre les nœuds j et i signifie un nombre

maximum de jours entre le début de i et le début de j.
8.4 Existence d’une solution

Avant de résoudre le problème, il faut voir si les contraintes temporelles sont
incompatibles entres elles. Supposons que nous ayons la situation suivante.
Tâche Durée préalable

1 d1 3
2 d2 1
3 d3 2
Cette situation est représentée à la figure 8.4. On voit ici que le graphe contient
2
d1 d2
d3
1 3
Figure 8.4 – Circuit de longueur positive.
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
En sommant et en simplifiant, on obtient la condition suivante :
d1 + d2 + d3 ≤ 0
On peut alors montrer le résultat suivant.
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
8.5 Calcul de l’ordonnancement au plus tôt

Nous allons maintenant voir un algorithme de calcul de l’ordonnancement
au plus tôt. L’ordonnancement au plus tôt détermine les dates de début au
plus tôt des différentes tâches, notées ti , en partant du nœud de début de
chantier. La tâche 1 peut commencer au plus tôt en 0 puisqu’elle est reliée au
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
Figure 8.5 – Ordonnancement au plus tôt.
au nœud 0, début de chantier, par un arc de longueur nulle. La tâche 2 peut

commencer dès la fin de la tâche 1, c’est-à-dire t2 = t1 + d1 = 5 et ainsi de
suite, on marque t3 = 9, t4 = 11, t5 = 13, ... Lorsqu’un sommet (comme le
sommet 9) a plus d’un prédécesseur (8 et 6), on détermine la date au plus tôt
par un maximum :
t9 = max {t6 + d6 , t8 + d8 } = 16.
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.
8.6 Ordonnancement au plus tard

Certaines tâches sont telles que si on retarde leur date de début, cela aura
des répercussions sur la date de fin de chantier. Par exemple, si on retarde la
date de début de la tâche 11 (finition), cela va directement retarder la date de
fin de chantier. De même, si on retarde la tâche 10 (plâtre), cela va retarder la
date de début de la tâche 11 (finition) qui elle-même retarde la date de fin de
chantier.
Par contre, si on retarde le début de la tâche 5 (couverture) de quelques
jours, cela n’aura pas de répercussion, car ce n’est pas à partir de ce nœud que
son successeur (10) a été marqué mais bien à partir du nœud 9. On voit donc
que l’on peut retarder la date de début de la tâche 5 sans conséquence sur la
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
Figure 8.6 – Ordonnancement au plus tard.
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.
8.7 Chemin critique et calcul des marges

Définition 8.1 On définit la marge d’une tâche comme la différence entre son
temps de début au plus tard et au plus tôt :
mi = ti − ti (8.4)
8.7. Chemin critique et calcul des marges 95
On peut interpréter la marge comme le nombre maximum de jours de retard

dans l’exécution de la tâche sans conséquence sur la date de fin de projet.
On voit directement que l’on a deux sortes de tâches.
• 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
Figure 8.7 – Calcul des marges.
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.
Le chemin critique peut être déterminé à rebours, partant du nœud n + 1,

en retenant les sommets qui ont permis de déterminer les dates au plus tôt à
partir du nœud 1. Il s’agit, dans l’exemple, des nœuds 12, 11, 10, 9, 6, 3, 2, 1
et 0. On dit que le chemin critique est constitué des tâches 1, 2, 3, 6, 9, 10 et
11.
8.8 Réduction de la durée du projet

Si l’on veut réduire la durée du projet, deux principes sont d’application :
Principe 1. Il ne sert à rien de réduire la durée de tâches non critiques.
Principe 2. Il faut réduire simultanément tous les chemins critiques.
On peut réduire la durée de certaines tâches moyennant un surcoût par

jour de réduction (voir tableau 8.2). On se demande comment réduire la durée
du projet de deux jours à coût total de réduction minimum ?
No tâche réduction max (jours) surcoût par jour

5 couverture 1 120 =C
6 maçonnerie 3 150 =C
8 coulage dalle béton 1 180 =C
9 chauffage 1 200 =C
Table 8.2 – Réduction de la durée du projet
Examinons l’ordonnancement de la figure 8.7. Par application du principe

1, on en déduit que seules les tâches 6 et 9 sont intéressantes car critiques. On
réduit 6 de 1 jour car cela coûte moins cher.
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
Figure 8.8 – Réduction d’un jour de la durée du projet
On voit à la figure 8.8 qu’il y a maintenant 2 chemins critiques : P1 =

(1,2,3,6,9,10,11) et P2 = (1,2,7,8,9,10,11). Par application du principe 2, il
faut maintenant réduire simultanément les deux chemins critiques. On a le
choix entre les deux stratégies suivantes : soit réduire 9 de 1 jour au coût de
200 =C, soit réduire 8 et 6 chacune de 1 jour au coût total 150 =C + 180 =C =
330 =C. On décide donc de réduire 9 d’un jour.
8.9. Exercices 97
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
(a) Établissez le graphe de la méthode des potentiels, déterminer les

dates de début au plus tôt, au plus tard. Utilisez des couleurs diffé-
rentes et donnez la signification des couleurs utilisées.
(b) Donnez le(s) chemin(s) critique(s).

(c) On doit maintenant tenir compte en plus du fait que la tâche G
ne peut commencer avant la semaine 10. Cela modifie-t-il le temps
de réalisation du projet ? Si oui, de combien ? Cela modifie-t-il les
marges et le chemin critique ?
(d) On apprend maintenant que, en plus du c), la tâche D nécessitera
deux semaines supplémentaires. Cela modifie-t-il le temps de réali-
sation du projet ? Si oui, de combien ?
8.3. Construction d’une piscine. Une société a reçu la maîtrise de la
construction d’une piscine olympique sur un campus universitaire. Les
durées des différentes tâches, évaluées en jours sont reprises au tableau
8.3. Les travaux débutent le premier avril. On suppose que les moins
d’avril et mai comportent chacun 20 jours ouvrables et que le 14 juin est
le 10ème jour ouvrable de juin.
Code tâche préalables durée

A Excavation - 5
B Fondations A 2
C Pose canalisations B 4
D Essai en pression C,G 8
E Étanchéité D 9
F Mise en place de la station d’épuration A 6
G Mise en place du chauffage F 5
H Raccordement électricité G 4
I Sonorisation sous-marine H 5
J Dallage E,I 6
K Construction vestiaires J 8
L Construction du solarium J 2
M Mise en eau K, L 3
Table 8.3 – Construction d’une piscine.
(a) L’inauguration peut-elle avoir lieu comme prévu le 15 juin ?

(b) Au cours de la pose des canalisations, on apprend que par suite d’in-
cidents techniques, cette opération durera 6 jours de plus que prévu.
Sans recommencer le diagramme, déterminez si cela influencera le
délai final.
(c) La direction du campus, inquiète quant au respect des délais, pro-
pose de se passer de la sonorisation sous-marine. Qu’en pensez-
vous ?
Chapitre 9
Configuration d’un centre de

production
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
9.2 Configuration d’un centre de production

Il s’agit donc ici de déterminer la manière de disposer les équipements et
les postes de travail les uns par rapport aux autres . Il existe au moins trois
types de configurations possibles :
1. La configuration en ateliers spécialisés est utilisée lorsqu’il y a une grande

variété d’articles différents à produire. On peut alors regrouper dans
un atelier l’ensemble des machines assurant une fonction donnée. Par
exemple, dans un garage, l’atelier de peinture, l’atelier carrosserie.
Une question cruciale est la configuration relative des différentes ma-
chines dans l’atelier pour éviter les pertes de temps. Il s’agit d’un pro-
blème très compliqué à formuler et résoudre que nous ne verrons pas
dans le cadre de ce cours.
2. La configuration en terme de produit est utilisée lorsqu’il y a une demande

importante et continue de quelques produits. On organise la production
soit en ligne (c’est le cas des lignes d’assemblage d’automobiles) soit en
industrie de process (c’est le cas des raffineries de pétrole). Un problème
crucial est celui de l’équilibrage de la chaîne (voir section 9.2.2).
3. On parle de configuration à poste fixe lorsque l’opérateur doit se dépla-

cer entre deux opérations. On peut citer comme exemple un magasinier
qui se déplace entre les différents rayonnages d’un magasin d’usine (par
exemple de stockage de carrelages).
Un problème crucial est celui de la localisation des produits de manière
à minimiser le temps total de déplacement de l’opérateur.
9.2.1 Configuration à poste fixe

Illustrons le problème de la localisation des produits dans le magasin de
manière à minimiser le temps total de l’opérateur qui collecte la commande
par l’exemple de la société Sommer qui produit en grandes séries ses dif-
férentes références de tapis pleins qui sont vendues en quelques unités par jour
à ses clients qui sont les centres de bricolage et les surfaces spécialisées en
revêtement de sol.
Vu l’important coût de mise en route de la production (cinq heures de net-
toyage de la machine pour 5 minutes à produire un rouleau), on approvisionne
le stock en grandes quantités : de l’ordre de 200 rouleaux d’un même type. On
déstocke, à la demande, en petites quantités : un ou deux rouleaux par jour.
Le stockage est rendu nécessaire par la différence entre la taille économique
d’un lot à la production (q ∗ = 200) et la taille moyenne d’un lot demandé (D
= 1,5 rouleaux par jour).
9.2. Configuration d’un centre de production 101
On peut imaginer deux types de localisation :
• La localisation dédiée où chaque rouleau a un emplacement fixe dans

l’entreprpôt. Dans ce cas, on a intérêt à mettre aux endroits les plus
accessibles les produits ayant le taux de rotation le plus élevé.
• La localisation aléatoire pour laquelle on met le produit à la première

place disponible et donc généralement en remplissant plusieurs casiers
différents pour une même référence.
Chacun des deux systèmes a ses avantages et ses inconvénients :
• Pour la localisation dédiée, on minimise le temps d’accès aux produits en

mettant aux places les plus accessibles les produits les plus vendus.
• Pour la localisation aléatoire, on minimise place nécessaire. En effet,

chaque casier peut être remplis à ras bord au contraire de la localisa-
tion dédiée où le taux moyen de remplissage d’un casier est de 50 %
(stock évoluant de 200 à 0 rouleaux).
La solution adoptée chez Sommer Allibert est celle d’un emplacement

aléatoire dans des zones dédiées en fonction du taux de rotation du produit. Ce
qui combine les avantages des deux systèmes.
9.2.2 Configuration en ligne de production

Lorsqu’un produit est fabriqué en grande quantité, on peut gagner en ef-
ficacité en organisant la production en ligne. A titre d’exemple, on peut citer
les usines d’assemblage automobiles ou les tunnels de lavage de voitures (car-
wash).
Le problème principal réside dans l’équilibrage de la chaîne : il faut
que les différentes opérations prennent le même temps car la chaîne tourne
à la vitesse de l’opérateur le plus lent. Une ligne d’assemblage est dite
parfaitement équilibrée si chaque poste de travail est occupé à 100 %.
Illustrons ceci sur l’exemple suivant également tiré de Mac Clain [14]. Un
appareil électroménager est constitué de 11 composants, notés B1 à B11, de 3
sous-ensembles notés SA1 à SA3. Le tableau 9.1 fournit les tâches, leurs durées
et leurs préalables.
Remarquez que la somme des temps des différentes tâches est de 100 mi-
nutes. On peut tracer un graphe de préséance qui n’est rien d’autre que le
graphe de la méthode du potentiel (sans le nœud de départ et sans le nœud
d’arrivé). On a représenté ce graphe à la figure 9.1 où chaque tâche est repré-
sentée par son label et sa durée.
C,5
Poste 2
Poste 1 E,15
D,2 F,7
A,2 B,7 H,4

N,15
Poste 3
G,6 I,9
Poste 5
J,10
L,8 M,6
K,4
Poste 4
op rateur 1 op rateur 2 op rateur 3 op rateur 4 op rateur 5
A,B,C,D E,F G,H,I J,K,L M,N

16 min 22 min 19 min 22 min 21 min
Figure 9.1 – Une affectation possible.

Label Temps Objet Prédécesseurs

A 2 placer le chassis sur la chaîne -
B 7 attacher B4 sur chassis A
C 5 attacher B2 sur B1 -
D 2 attacher B3 sur B1 -
E 15 tester SA1 C,D
F 7 attacher SA1 sur chassis A,E
G 6 attacher B6 à B5 -
H 4 attacher SA2 au chassis B,G
I 9 attacher B7 au chassis A
J 10 attacher B9 à B8 -
K 4 attacher B10 à B8 -
L 8 attacher B11 à B8 J,K
M 6 attacher SA3 au chassis A,L
N 15 tester l’appareil tous
Total 100
Table 9.1 – Équilibrage d’une chaîne.
La figure 9.1 présente également une affectation possible des tâches à

cinq postes. Le temps total payé pour le montage d’un article est donc de :
5 opérateurs × 22 minutes par cycle = 110 homme-minutes.
Or, le temps réellement utile est de 100 minutes, soit la somme des temps des
différentes tâches. Il y a donc un temps mort de 10 minutes, ce qui correspond
à un pourcentage de temps mort de :
110 − 100 10
= = 9, 1%
110 110
Une mesure de la qualité de la solution est précisément ce rapport du
temps mort sur le temps total de montage.
Définition 9.1 On appelle retard d’équilibre le pourcentage de temps mort.
Il se calcule par la formule suivante :
nc − T
RE =
nc
avec n = nombre de postes de travail,

c = temps d’un cycle,
T = somme des temps individuels.
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
Pas 2. Mettre à jour S, l’ensemble des tâches disponibles, c’est-à-dire les

tâches dont tous les prédécesseurs immédiats sont affectés. Au début,
ce sont celles sans prédécesseur :
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.
On remplit alors progressivement le tableau 9.2. Le détail des itérations est

repris ci-dessous :
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
Poste 1 Poste 2 Poste 3 Poste 4 Poste 5 Poste 6 Poste 7

J,10 10 C,5 5 I,9 9 M,6 6 E,15 15 F,7 7 N ,15 15
G,6 16 K,4 9 B,7 16 H,4 10
A,2 18 L,8 17
D,2 19
18 19 16 10 15 7 15
Table 9.2 – Application de l’heuristique de score 1 à l’exemple.
On peut alors calculer le retard d’équilibre de cette solution :
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.
Poste 1 Poste 2 Poste 3 Poste 4 Poste 5 Poste 6

A,2 2 E,15 15 L,8 8 G,6 6 F,7 7 N,15 15
C,5 7 K,4 19 B,7 15 I,9 15 M,6 13
D,2 9 H,4 19
J,10 19
19 19 15 19 13 15
Table 9.3 – Application de l’heuristique de score 2 à l’exemple.

C,5
E,15
D,2 F,7
A,2 B,7 H,4

N,15
G,6 I,9
J,10
L,8 M,6
K,4
Figure 9.2 – Calcul du score 2.
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.
Le retard d’équilibre de cette solution vaut :

19 × 6 − 100
RE = = 12, 3%
19 × 6
9.3. Exercices 107
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
Table 9.4 – Assemblage de magnétoscope
de travail. Un jour comporte 15 heures de travail (deux opérateurs se

succèdent sur le poste par jour).
(a) Est-il possible de réaliser la production de 30 magnétoscopes par

jour si la chaîne de production ne comporte qu’un seul poste ? Com-
mencez votre raisonnement en calculant le temps total pour faire
un magnétoscope.
(b) Un magnétoscope doit sortir toute les c minutes : que vaut c ? Com-
mencez votre raisonnement en comptant le nombre total de minutes
disponibles par jour.
(c) Représentez les relations d’antériorité sur un graphique de réseau.
(d) Déterminez au moyen de l’heuristique de score 1 une affectation des
opérations aux postes de travail.
(e) Calculez le retard d’équilibre de votre solution.
9.2. Montage en chaîne d’une armoire. La production d’une armoire

nécessite la réalisation de 11 tâches (A à K). Le tableau ci-dessous donne
les temps d’exécution de ces tâches ainsi que leurs éventuels antécédants.
Vous souhaitez atteindre un taux de production de 10 armoires par mois.
Un mois est constitué de 150 heures de travail disponible.
(a) Déterminez le temps maximum de cycle c de la chaîne pour respecter

votre objectif de 10 armoires par mois (une armoire doit donc sortir
de la chaîne tous les c heures pour respecter cet objectif).
(b) Représenter sur un graphe de réseau les relations de préalables.
(c) Calculer le SCORE 2 pour chacune des tâches .
Tâche Libellé Temps Antécédants

(heures)
A Découpe de petits panneaux en bois 3 -
B Usinage des petits panneaux en bois 2 A
C Découpe des grands panneaux en bois 4 -
D Usinage des grands panneaux en bois 2 C
E Découpe des lintaux en bois 6 -
F Insertion des taquets 9 E
G Assemblage final 13 BDF
H Vernissage de l’armoire 9 G
I Contrôle de l’armoire 4 H
J Réalisation de l’emballage 2 -
K Emballage de l’armoire 4 J,I
(d) En utilisant l’heuristique de SCORE 2, déterminez une affectation

des différentes tâches entre plusieurs postes de travail de façon à
atteindre l’objectif de production (10 armoires par mois).
Poste 1 Poste 2 Poste 3 Poste 4 Poste 5
(e) Calculez le retard d’équilibre de votre solution.

Chapitre 10
Capacité d’un centre productif
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.
10.2 Décisions de capacité

Nous allons illustrer les décisions de choix d’une capacité sur l’exemple tiré
de Mac Clain [14] d’une boulangerie industrielle qui fournit les supermarchés
de sa région. Les données numériques sont les suivantes :
1. Modélisation de la demande : il y a incertitude sur la demande future

du produit. Si le succès du produit est important, une capacité supplé-
mentaire de 5 000 unités par semaine sera nécessaire pour un profit de
40 000 $ par semaine hors frais d’amortissement du capital, la marge
unitaire étant de 8 $. Si le succès du produit est mitigé, une capacité de
2 000 unités par semaine sera suffisante et la compagnie fera un profit
de 16 000 $ par semaine. La demande est connue au bout d’un an. On
suppose que les bénéfices sont comptabilisés en fin d’année. Une année
comporte 50 semaines d’ouverture du magasin. On aura donc un bénéfice
annuel de 50 × 40 000 $ = 2 000 k$ en cas de succès fort et un bénéfice
annuel de 50 × 16 000 $ = 800 k$ en cas de succès faible.
109
110 Chapitre 10. Capacité d’un centre productif
2. Données de coût d’investissement. Une capacité de 2 000 unités par se-

maine peut être construite pour 800 000 $. Une capacité de 5 000 unités
par semaine peut être construite pour 1,5 millions de $. Une capacité de
2 000 peut être étendue à une capacité de 5 000 pour 1 million de $. Les
surcapacités sont sans valeur.
3. La durée de vie des équipements est de 20 ans pour les investissements

initiaux et de 19 ans pour le renforcement de capacité.
4. Le facteur d’actualisation, nécessaire car les profits sont répartis dans le

futur, est de 25 % l’an.
5. La probabilité de succès du lancement du produit est estimée à 20 % sur

base d’expériences d’introduction d’autres produits.
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)
Figure 10.1 – Arbre de décision
Un cercle représente un état du monde. Pour le choix d’une capacité, on

va sélectionner la capacité d’espérance de valeur actualisée nette la plus élevée.
Définition 10.1 On appelle valeur actualisée nette, la somme actualisée des

profits futurs moins l’investissement initial.
n
Bt
V AN =
X
− I0
t=1 (1 + i)
t
10.2. Décisions de capacité 111
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
Nous aurons donc besoin, dans le calcul de la VAN, de la formule suivante

pour le calcul d’annuités :
n
1 1 − (1 + i)−n
" #
= (10.1)
X
t=1 (1 + i)
t i
Appliquons la formule (10.1) à notre exemple :

20
1 1 − (1, 25)−20
" #
= = 3, 953883
X
t=1 (1, 25)

t
0, 25
Considérons le cas 1 : la construction initiale de 5 000 en cas de demande

forte. Les flux nets de trésorerie, notés F Nt pour l’année t, sont illustrés pour
F Nt
2.000
0 1 2 3 .. . 20 t
-1.500
Figure 10.2 – Construction de 5 000 en cas de demande forte.
ce cas à la figure 10.2. La VAN se calcule donc comme suit :

20
2 000
V AN0 = − 1 500
X
t=1 1, 25
t
20
1
= 2 000 − 1 500
X
t=1 1, 25
t
= 2 000 × 3, 953883 − 1 500 = 6 407,766 k$

Considérons maintenant le cas 2 : la construction initiale de 5 000 en cas

de demande faible. La VAN se calcule comme suit :
20
1
V AN0 = 800 − 1 500
X
t=1 1, 25
t
= 800 × 3, 953883 − 1 500 = 1 663, 107 k$
Considérons maintenant le cas 3 : la construction de 2000 en cas de de-

mande faible. La VAN se calcule comme suit :
20
1
V AN0 = 800 − 800
X
t=1 1, 25
t
= 800 × 3, 953883 − 800 = 2 363,107 k$
Considérons maintenant le cas 4 : la construction initiale de 2 000 aug-

mentée de 3 000 au bout d’un an, en cas de demande forte. L’investissement
initial de 2 000 rapporte 800 k$ durant 20 ans et l’investissement de début de
2ème année rapporte un supplément de profit de 1 200 k$ durant 19 ans (voir
figure 10.3). La VAN au temps 1 de l’investissement supplémentaire se calcule
F Nt
2.000
+1.200
800
0 1 2 3 .. . 20 t
-800
-1.000
Figure 10.3 – Construction de 2 000 (+3000) en cas de demande forte.
comme suit :
19
1
V AN1 = 1 200 − 1 000.
X
t=1 1, 25
t
Appliquons la formule (10.1) à la somme des facteurs d’actualisation :

19
1 1 − (1, 25)−19
" #
= = 3, 942 354
X
t=1 1, 25 0, 25
t
10.3. Exercices 113
On obtient une VAN au bout d’un an de l’investissement supplémentaire :

V AN1 = 1 200 × 3, 942 354 − 1 000 = 3 730, 825.
On en conclut que l’on a intérêt à faire l’investissement puisque la VAN est
positive. Pour obtenir la VAN de ce cas, il faut ajouter la VAN de l’investis-
sement initial de 2 000 qui rapporte 800 durant 20 ans :
1
V AN0 = 2 363, 107 + 3 730, 825 = 5 347,766 k$
1, 25
Les résultats dans les différents cas sont résumés au tableau 10.1. On peut
Décision demande VAN

construire 5 000 forte 6 407,766
construire 5 000 faible 1 663,107
construire 2 000 + 3 000 forte 5 347,766
construire 2 000 faible 2 363,107
Table 10.1 – Calcul de la VAN
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%.
• Au bout d’un an, si l’installation initiale comporte 500 couverts,

l’indépendant peut réduire la capacité en revendant une partie des
installations pour 200 k=C.
• Au bout d’un an, si l’installation initiale comporte 250 couverts,
l’indépendant peut agrandir son restaurant à 500 couverts avec un
coût additionnel de 700 k=C.
La durée de vie est de 20 ans. On néglige la valeur résiduelle des instal-

lations. Le facteur d’actualisation est de 10% l’an.
(a) Dessiner l’arbre de décision relatif à ce problème.

(b) Calculer la VAN dans chaque cas possible.
(c) Calculer l’espérance de VAN des deux investissements initiaux.
(d) Quelle décision initiale d’investissement prendra l’investisseur ?
10.2. Développement de complexes cinématographiques. Un groupe de

distribution cinématographique envisage d’accroître sa capacité de dis-
tribution en région Liégeoise. Deux projets sont à l’étude :
• la rénovation d’un ancien complexe de 4 salles de cinéma au centre

ville d’une capacité totale après rénovation de 2.000 sièges.
• la construction d’un nouveau complexe de 15 salles de cinéma en
périphérie d’une capacité totale 10.000 sièges.
Le coût des travaux est de 3 millions d’=C pour la rénovation et de 15 mil-

lions d’=C pour le projet de construction. La durée de vie des installations
est de 20 ans. Le profit annuel moyen par siège est estimé
• à 2000 =C au centre et à 1000 =C en périphérie en cas de forte fré-

quentation,
• à 1500 =C au centre et à 300 =C en périphérie en cas de fréquentation
faible.
Le facteur d’actualisation est de 20 % l’an.
(a) On demande de dessiner l’arbre de décision complet, mentionnant

les montants des investissements et des profits.
(b) Pour chacun des cas, calculez la valeur nette actualisée au début du
projet, sur toute sa durée de vie.
(c) On estime la probabilité de fréquentation forte à 45 %. Quelle serait
la décision d’investissement la plus rentable dans ce cas ?
Chapitre 11
Localisation d’un centre de

production
11.1 Introduction
La décision de localisation d’un centre de production doit être analysée
en tenant compte de plusieurs critères :
1. la facilité d’accès, les coûts de transport ;
2. la disponibilité, qualification et le coût de la main d’œuvre ;
3. le coût de construction, les taxes locales ;
4. l’attraction des clients ;
5. la disponibilité des matières premières ;
6. les attitudes des autorités locales et nationales.
L’importance relative de ces critères dépend du type d’activité à lo-

caliser :
• localiser un super-marché : les coûts de transport et l’attraction des

clients sont prépondérants ;
• localiser une usine : le coût de la main d’œuvre et la disponibilité des

matières premières sont prépondérants.
Les modèles de localisation optimale considèrent généralement un seul critère.
115
116 Chapitre 11. Localisation d’un centre de production
11.2 Localisation d’un entrepôt

Si l’on veut minimiser le nombre total de tonnes-kilomètres de produit trans-
porté, une solution facile à calculer est le centre de gravité des clients et
fournisseurs. Fixons-nous la notation suivante :
M Pi = tonnes de matière première venant de i ;
(xi , yi ) = coordonnées du fournisseur i ;
Clj = tonnes vers le client j ;
(x′j , yj′ ) = coordonnées du client j ;
Cl1 MP2
(x!1 , y!1 )
(x2 , y2 )
MP1
(x1 , y1 ) Cln
(x ,y )
CG CG
(x!n , y!n )
Cl2 (x!2 , y!2 ) MPm
(x m , ym ) x
Figure 11.1 – Centre de gravité
Le centre de gravité se calcule ainsi :

xi M Pi + j x′j Clj yi M Pi + j yj′ Clj
P P P P
i i
xCG = yCG =
i M Pi + i M Pi +
P P P P
j Clj j Clj
Illustrons la méthode sur un exemple simple illustré à la figure 11.2 où deux

villes sont situées à 9 kilomètres de distance l’une de l’autre. A la première, la
demande est de 1 000 kg et à la seconde, la demande est de 2 000 kg.
La formule du centre de gravité nous donne ici (avec xj la coordonnée de
la ville j et Clj , sa demande) :
x′j Clj 0 × 1.000 + 9 × 2.000 yj′ Clj
P P
j j
xCG = P = =6 yCG = P =0
j Clj 3.000 j Clj
Illustrons le centre de gravité sur un second exemple donné à la figure 11.3 où

l’on suppose qu’au point P1 se trouve un client de demande unitaire, au point
11.2. Localisation d’un entrepôt 117
Cl1 = 1.000 xM xC G Cl2 = 2.000
0 1 2 3 4 5 6 7 8 9 x
Figure 11.2 – Calcul du centre de gravité
P2 , un client de demande double du premier et enfin au point P3 un autre

client de demande unitaire. On suppose un coût de transport égal à un euro
au kilomètre.
y
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
Figure 11.3 – Calcul du centre de gravité
Les coordonnées des localisations des clients sont donc :

(x′1 , y1′ ) = (0, 2), (x′2 , y2′ ) = (5, 4), (x′3 , y3′ ) = (6, 2).
Calculons les coordonnées du centre de gravité, noté (xCG , yCG ) :
0×1+5×2+6×1 2×1+4×2+2×1
xCG = =4 yCG = =3
1+2+1 1+2+1
Contrairement à ce qu’affirme Mac Clain [14], le centre de gravité (point
PCG à la figure 11.3) ne correspond pas à la minimisation des tonnes
kilomètres de produits transportés. Ce point correspond à une somme
des tonnes kilomètres transportées de :
3
z = Clj dj = 1d1 + 2d2 + 1d3 = 9, 1876.
X
j=1
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
Il s’agit du point (x∗ , y ∗ ) = (5, 4) qui correspond à la valeur minimum de la

somme des tonnes kilomètres transportées de z ∗ = 7, 6212.
En fait, on peut montrer que le centre de gravité correspond à la minimi-
sation de la somme pondérée des carrés des distances :
n n h i
min f (x) = dj Clj = (x − x′j )2 + (y − yj′ )2 Clj
X X
j=1 j=1
Nous allons maintenant illustrer le fait souvent observé dans la pratique,

qu’une entreprise à intérêt à se situer au plus prêt de son client principal.
En effet, nous avons vu ici que la solution optimale pour la minimisation des
coûts de transport vers ses clients est de choisir le point (x∗ , y ∗ ) = (5, 4), soit
précisément la localisation du plus gros client de l’entreprise. Ce phénomène
est assez facile à comprendre : si un client est dominant (en volume transporté)
toute solution qui s’éloignerait d’un kilomètre de ce client se rapprocherait de
moins d’un kilomètre de chacun des deux autres clients. En multipliant par
le volume transporté, le gain pour les deux autres clients ne compense pas la
perte pour le client dominant.
Remarquons cependant 1 que la localisation optimale ne sera pas toujours
située chez le client le plus important. En effet, si on met une demande
Cl2 = 1, 2
au point P2 , on aura, dans ce cas, comme solution optimale :
x∗ = 4, 875 y ∗ = 3, 625 z ∗ = 7, 5895
alors que le point correspondant à la localisation du client 2, soit (5,4) reste à

une valeur supérieure des tonnes kilomètres (z = 7,6212). On voit donc dans
cet exemple qu’il y a une taille minimum du plus gros client en dessous de
laquelle il n’attire pas à lui la localisation optimale.
1. Et ceci est observé par exemple sur la carte des dépôts de carburants en France où
toutes les localisations ne sont pas dans des grandes villes mais parfois au milieu de nulle
part.
11.3. Utilisation de la programmation mathématique 119
11.3 Utilisation de la programmation mathé-

matique
Pour terminer ce chapitre, nous allons illustrer l’utilité de la programmation
mathématique dans les décisions de localisation et de choix de capacités sur un
exemple également tiré de tiré de Mac Clain [14]. Les coûts de transport entre
les différentes usines et les différents clients sont donnés au tableau 11.1 en $
par kg de même que les demandes des clients (en millions de kg par jour) ainsi
que les coûts fixes de construction et les capacités de production (en millions
de kg par an) .
Coût de l’usine au client (cij ) A B C Demande (dj )

1 0,021 0,039 0,035 0,5
2 0,024 0,029 0,034 0,8
3 0,019 0,040 0,029 0,5
4 0,048 0,027 0,026 0,9
5 0,037 0,024 0,032 0,9
6 0,029 0,023 0,041 0,8
7 0,020 0,041 0,032 0,6
8 0,041 0,034 0,019 0,6
9 0,050 0,034 0,018 0,8
10 0,047 0,035 0,018 0,7
Coût de construction (Ki ) 0,347 0,326 0,351
Capacité de production (Oi ) 1,8 4 1,6
Table 11.1 – Coûts de transport et demandes.
On veut déterminer le plan de distribution qui minimise la somme des coûts

de construction et des coûts de transport (voir figure 11.4).
11.3.1 Choix des variables.

Notons xij , le nombre de millions de kg produits à l’usine i et livrés au
client j et yi une indicatrice du fait de construire l’entrepôt numéro i :
1 si on construit l’entrepôt i
(
yi =
0 sinon
11.3.2 Expression de l’objectif.

Il s’exprime simplement par :
C X
10 C
min z = cij xij +
X X
Ki y i
i=A j=1 i=A
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
Figure 11.4 – localisation d’une nouvelle usine
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.
11.3.3 Expression des contraintes.

Elles sont de quatre types :
• Il faut d’abord respecter la capacité de l’usine i :
10
xij ≤ Oi yi , ∀i = A, B, C
X
j=1
où Oi note la capacité de l’usine i. Notez que le fait de multiplier la

capacité de l’usine Oi par la variable yi a pour effet de faire disparaître
la capacité si on ne construit pas l’usine.
• Il faut ensuite satisfaire la demande du client j :
C
xij = dj , ∀j = 1, 2, ...10
X
i=A
où dj note la demande du client j.

• Il y a les contraintes de positivité sur les quantités transportées :
xij ≥ 0, ∀i = A, B, C, ∀j = 1, 2, ...10
• Il y a enfin le caractère binaire des indicatrices :

yi ∈ {0, 1}, ∀i = A, B, C.
11.4. Exercices 121
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 11.2 – Problème de localisation d’un centre de distribution
(a) Représenter les différents clients dans un système de coordonnées.

(b) En première approximation, la société se propose de considérer le
centre de gravité de ses clients comme localisation de son centre
de distribution. Calculer ses coordonnées et représenter sur le gra-
phique ci-dessous votre centre de gravité.
(c) Cette localisation est-elle celle qui va minimiser le coût de transport
des containers par an vers les différents clients ? Sinon à quel objectif
correspond-t-elle ?
(d) Formulez le problème de la localisation optimale du centre de
distribution en considérant des distances parcourues à vol d’oiseau
et un coût unitaire de transport par kilomètre et par container. Pour
rappel, la distance àqvol d’oiseau entre (x, y) et (xi , yi ) se calcule
par la formule : d = (x − xi )2 + (y − yi )2 .
11.2. Problème d’ouverture de dépôts. Supposons que la capacité du dé-

pôt D1 est de 450 contenairs par jour, celle du du dépôt D2 est de 650
containers par jour. Ce jour les magasins A, B et C ont commandé cha-
cun 200 containers. Les coûts de transport par container ainsi que les
coûts fixes d’ouverture des dépôts sont donnés au tableau 11.3 en milliers
d’euros. On veut déterminer les dépôts ouverts et le plan de transport de
manière à minimiser le coût total de transport et d’ouverture des dépots.
(a) Représentez le problème par un graphique de réseau.

coût de transport vers A vers B vers C Coût ouverture

(103 =C) (103 =C) (103 =C) (103 =C)
du dépot D1 3,4 2,2 2,9 150
du dépot D2 3,4 2,4 2,5 350
Table 11.3 – Coût unitaire de transport
(b) Formulez le problème.

11.3. Problème de localisation de centre de distribution de pneus.
Un important groupe de fabrication de pneus envisage de restructurer
son réseau européen. Pour le moment, il dispose d’un centre de produc-
tion par pays qui lui coûte, sur base annuelle, les frais fixes repris au
tableau 11.4. On envisage de desservir les mêmes marchés qu’actuelle-
Pays Frais fixes Capacité Demande
(106 euros) (millions) (millions)
Belgique 1,2 0,5 0,4
Espagne 4 3 2
France 6 10 6
Portugal 2 1,5 1
Table 11.4 – Frais fixes, capacités des centres et demandes des pays
ment avec un nombre moins important de centres de production ouverts.

La demande domestique sur base annuelle est donnée ci dessus. On peut
alimenter n’importe quel pays à partir de n’importe quel centre de pro-
duction. Les frais de transport du pays i au pays j sont proportionnels
aux distances entre les pays données au tableau 11.5.
Pays Belgique Espagne France Portugal
Belgique 0 1.314 265 1.711
Espagne 1.314 0 1.049 499
France 265 1.049 0 1.450
Portugal 1.711 499 1.450 0
Table 11.5 – Distances entre les pays
(a) Représentez le problème par un graphique de réseau. Indiquez sur

celui-ci les données du problème.
(b) Formuler mathématiquement le problème du choix des usines à
conserver ouvertes à l’avenir dans le groupe en supposant que la
demande reste stable. On veut minimiser la somme des coûts fixes
et des coûts de transport des pneus.
Quatrième partie
Résolution avec le solveur

d’Excel
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.
Chassis alu Chassis bois Capacité disponible

(heures/produit) (heures/produit) (heures/semaine)
Marge 3$ 5$
Atelier 1 1 0 4
Atelier 2 0 2 12
Atelier 3 3 2 18
Table 12.1 – Marges, temps d’usinage et capacités.
La question qui se pose est la suivante : “Combien faut-il produire de

chassis de chaque type par semaine pour maximiser le profit net ?”
124
12.2. Le solveur d’Excel 125
Si on choisit comme variables x1 et x2 les quantités de chaque bien à pro-

duire par semaine, le problème se formule comme suit :
max z = 3 x1 + 5 x2
≤ 4

 x1


2x2 ≤ 12 (12.1)



s.c.q. 



3x1 + 2x2 ≤ 18
≥ 0


x1 , x2
12.2 Le solveur d’Excel

Le solveur d’EXCEL est un résolveur d’équations ainsi qu’un optimiseur
exploitant les techniques de la programmation linéaire, de la programmation
en nombres entiers et de la programmation non linéaire et même de la pro-
grammation non linéaire en nombres entiers.
Illustrons ceci sur l’exemple de l’entreprise de fabrication de chassis
tiré de Hillier et Lieberman. Afin de résoudre le problème au moyen du solveur
d’Excel, la première chose à faire est de rentrer les données numériques du
problème et les formules de calcul de la fonction objectif ainsi que du membre
de gauche des contraintes. Pour la clarté du modèle, il est indispensable de
mettre également des commentaires. Comme le problème est linéaire, on peut
rentrer les coefficients numériques sous forme d’une matrice. On remarquera
au tableau 12.2 que les coefficients d’une même équation ainsi que sa formule
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
Table 12.2 – Exemple de problème linéaire.
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
Figure 12.1 – Paramètres du solveur.
manière suivante :
1. Dans le menu “Outils”, choisir le sous-menu “Solveur”.
2. Dans la zone “Objectif à définir”, mettre la référence de la cellule de

calcul de l’objectif (ici $D$3).
3. Dans la zone “A :”, choisir Max ou Min (ici Max).
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
5. Dans la zone “Contraintes”, choisir “ajouter une contrainte”. Le menu

suivant apparaît :
Pour chaque contrainte :
• Dans la zone “Référence de cellule”, mettre les références des cel-

lules contenant les formules de calcul des membres de gauche (pour
les ateliers 1,2 et 3 : $D$4:$D$6). Il faut donc préalablement avoir
calculé ces membres de gauche.
• Dans la zone “Relation”, mettre le sens des contraintes (par exemple,
pour les ateliers : <=).
• Dans la zone “Contrainte”, mettre les références des cellules conte-
nant les membres de droite (pour les ateliers 1, 2 et 3 : $E$4:$E$6).
On peut également directement entrer une valeur.
6. Sélectionner l’option "Rendre les variables sans contrainte non négatives",
7. Sélectionner la méthode de résolution : "Simplex PL" pour un modèle

linéaire.
8. Lancer la commande “Résoudre”.
Figure 12.2 – Solution du solveur.
La figure 12.2 présente la solution du solveur. Il est à remarquer qu’il

indique directement dans les cases des variables la valeur de ces variables.
Plusieurs remarques sur les particularités du solveur d’Excel s’im-

posent ici :
1. On a rentré les trois contraintes en un bloc. On peut rentrer par groupe
les contraintes ayant même sens. Ainsi, dans l’exemple, on a rentré les
trois contraintes de capacités en bloc par la commande suivante :
$D$4:$D$6 <= $E$4:$E$6
2. Excel détermine le nom d’une variable ou le nom d’une contrainte en

prenant le premier commentaire situé à gauche de la cellule et le premier
commentaire situé au dessus de la cellule de calcul de la variable ou de
la contrainte. Ainsi les noms des variables x1 et x2 seront respectivement
“production de chassis en alu” et “production de chassis en bois”.
3. Les contraintes de positivité des variables doivent être entrées explici-

tement, ceci contrairement à la convention de certains optimiseurs qui
considèrent par défaut des variables non négatives. On a rentré ces con-
traintes, comme indiqué plus haut, en sélectionnant l’option "Rendre les
variables sans contrainte non négatives".
4. Seules les variables non calculées (les variables indépendantes du modè-

le) doivent être rentrées dans la section variables. Ainsi, la valeur de z
qui est calculée par une formule de calcul en cellule D3 est une variable
(au sens mathématique du terme) mais ne doit pas être rentrée dans les
cellules variables pour Excel, sans quoi Excel considérerait qu’il s’agit
d’une variable indépendante et effacerait sa formule de calcul pour y
mettre une valeur numérique.
5. Si le modèle est linéaire (contraintes linéaires et fonction objectif linéai-

re), on a tout intérêt à sélectionner la méthode de résolution “Simplex
PL”, ce qui déclenchera l’algorithme du Simplexe plutôt qu’un algorithme
général de programmation non linéaire.
6. Remarquez enfin que pour modifier le modèle on peut utiliser :
• la commande “supprimer la contrainte” ;

• la commande “modifier la contrainte”.
12.3 Les rapports du solveur

Lorsque le solveur a terminé, soit qu’il ait trouvé la solution optimale, soit
qu’il ne parvienne pas à en trouver (problème non réalisable ou non convergence
de l’algorithme de résolution), la boîte de dialogue illustrée à la figure 12.3
12.3. Les rapports du solveur 129
Figure 12.3 – Rapports possibles du solveur.
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.
12.3.1 Le rapport des réponses

Le rapport des réponses (voir figure 12.4) fournit :
• les informations sur l’objectif : la référence de la cellule, le nom, la valeur

originale et finale de la “cellule cible (à Maximiser)” ;
• les informations sur les variables : la référence de la cellule, le nom, la

valeur originale et finale des “cellules variables” ;
• les informations sur les contraintes : la référence de la cellule, le nom, la

valeur finale du membre de gauche, la formule, son status (active ou non
à la solution finale), ainsi que la marge (valeur de l’écart entre les deux
membres de l’inégalité).
Pour déterminer le nom, Excel fait la concaténation du premier com-

mentaire rencontré dans la même ligne et du premier commentaire rencontré
dans la même colonne. Ceci est particulièrement utile si l’on a des variables
à deux indices comme dans un problème de transport. En effet, les variables
seront stockées dans un tableau où les lignes correspondront aux origines et
les colonnes aux destinations. Il suffira de mettre “de i” à gauche de la ligne
et “vers j” en haut de la colonne pour que le nom de la variable soit “de i vers
j” .
Figure 12.4 – Rapports des réponses.
12.3.2 Le rapport de sensibilité

Le rapport de sensibilité (voir figure 12.5) fournit :
Figure 12.5 – Rapport de sensibilité.
• les informations sur les variables : la référence de la cellule, le nom et la

valeur finale de la variable, le coût réduit, le coefficient objectif, l’accrois-
sement et la diminution maximale de ce coefficient avant qu’une variable
ne change de valeur.
• les informations sur les contraintes : la référence de la cellule, le nom et
la valeur finale du membre de gauche de la contrainte, le prix caché, la
valeur du membre de droite, l’augmentation et la diminution maximum
de ce membre de droite telle que le prix caché reste le même.
12.4. Exercices 131
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 :
Ville Listes Journaux Offre

% % tonnes par an
Ville 1 5 20 10.000
Ville 2 15 30 20.000
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 ?
(a) Formuler mathématiquement le problème.

(b) Résoudre au moyen du solveur d’Excel.
(c) Donner la solution optimale d’Excel.
(d) De combien faudrait-il réduire le coût d’achat des déchets dans la
ville 1 pour qu’il devienne intéressant d’en acheter dans cette ville ?
(e) Quel serait l’effet sur les coûts d’achat de pouvoir diminuer de 100
unités le minimum d’achat de listing d’ordinateur par an ?
12.2. Organisation de la distribution d’eau. Une agence pour l’eau est

chargée du captage de l’eau et de la fourniture des quatre agglomérations
situées dans son district. Le captage est possible auprès de 3 sources
d’offre donnée. Le tableau ci-dessous donne en dernière colonne l’offre de
chaque source. Le problème est la répartition de l’eau disponible entre
ces quatre villes durant la saison sèche. Chaque ville, a des besoins vitaux
en eau à satisfaire ainsi qu’une demande maximum. Chacune des villes
peut être alimentée par n’importe quelle source, sauf la ville 4 qui ne
peut être alimentée à partir de la source 3.
On se demande comment organiser le transport de toute l’eau dispo-
nible de sorte à assurer à toutes les villes leurs besoins minimaux en ne
Coût de Destination Offre

fourniture Ville Ville Ville Ville de la
venant de 1 2 3 4 source
Source 1 16 13 22 17 50
Source 2 14 13 19 15 60
Source 3 19 20 23 - 50
Besoin minimum 30 70 0 10
Demande maximum 50 70 30 60
dépassant pas la demande maximum tout en minimisant les coûts totaux

de fourniture de l’eau pour le district.
(a) Représenter le problème par un graphe de réseau.

(b) Formuler le problème de transport comme un problème linéaire.
(c) Résoudre au moyen du solveur d’EXCEL.
(d) On constate que la source 1 n’alimente pas la ville 3. Quelle devrait
être la diminution de coût pour que la solution change ? Autrement
dit, à partir de quel coût de transport deviendra-t-il intéressant
d’utiliser la source 1 pour alimenter la ville 3 ?
(e) Si l’offre de la source 2 augmente de 10 unités, quel est l’effet sur
les coûts de transports ?
Chapitre 13
Interprétation de la solution
13.1 Interprétation économique

Nous allons illustrer différents aspects de l’interprétation économique de la
solution sur l’exemple suivant de planification de la production. Il s’agit d’un
exemple de production où 5 produits pouvaient être fabriqués en trois étapes :
maxz = 550x1 + 600x2 + 350x3 + 400x4 + 200x5





 12x1 +20x2 +0x3 +25x4 +15x5 ≤ 288


10x1 +8x2 +16x3 +0x4 +0x5 ≤ 192



s.c.q.
20x1 +20x2 +20x3 +20x4 +20x5 ≤ 384






0

x1 , x2 , x3 , x4 , x5 ≥


La solution optimale de ce problème linéaire est fournie par Excel (voir le

rapport des réponses d’Excel présenté à la figure 13.1).
Elle la suivante :
x∗1 = 12; x∗2 = 7, 2; x∗3 = x∗4 = x∗5 = 0.
Tandis que la valeur optimale de l’objectif est :
z ∗ = 10 920
Les contraintes actives à l’optimum sont la première (capacité de pro-
duction à l’étape 1 épuisée) et la troisième (capacité également épuisée). Ceci
est confirmé par les valeurs des variables d’écart à l’optimum fournies par le
rapport des contraintes d’Excel présenté à la figure 13.1. En notant si la valeur
de la variable d’écart de la ième contrainte, on a que :
s∗1 = 0
s∗2 = 14, 4
s∗3 = 0
133
134 Chapitre 13. Interprétation de la solution
Figure 13.1 – Rapport des réponses d’Excel
Voici quelques exemples de questions économiques que l’on peut se po-

ser :
1. Les produits 3, 4 et 5 sont vendus à des marges trop faibles par rapport
aux deux autres. De combien augmenter leur marge (par exemple, en
réduisant leur coût de prodution) pour les rendre attractifs ?
2. Combien rapporterait en supplément de profit une heure supplémentaire
pour l’étape 1, pour l’étape 2, ou en main d’œuvre ?
Les réponses à ces deux types de questions sont fournies par l’interpréta-
tion économique de la solution optimale. La figure 13.2 reprend le rapport de
sensibilité d’Excel.
13.1.1 Interprétation des coûts réduits

Pour la première question, l’opposé des coûts réduits fournit l’augmen-
tation de prix nécessaire. En effet, les coûts réduits des variables hors base
s’interprètent, en général, comme indiqué ci-dessous.
Le coût réduit d’une variable à zéro s’interprète comme l’effet sur
l’objectif de forcer à un la valeur de la variable hors base.
Ici, à l’optimum, ces coûts réduits, notés respectivement d3 , d4 et d5 , sont
négatifs, traduisant le fait que si la production de ces biens était positive, elle
13.1. Interprétation économique 135
Figure 13.2 – Rapport de sensibilité d’Excel
diminuerait le profit d’autant. Le rapport de sensibilité (voir figure 13.2) donne

les valeurs suivantes :
d3 = −125, 00 d4 = −231, 25 d5 = −368, 75.
Pour qu’il devienne intéressant de les produire, il faut donc augmenter leur
prix d’au moins l’opposé de cette quantité. Ici donc, l’opposé des coûts ré-
duits s’interprète comme l’augmentation minimale de prix pour que la
production devienne intéressante.
13.1.2 Interprétation des prix cachés

Le rapport de sensibilité d’Excel fournit également les prix cachés sous la
colonne "ombre coût". Ceux-ci s’interprêtent de la manière suivante.
Le prix caché d’une contrainte s’interprète comme l’effet sur l’objectif
d’augmenter de un le membre de droite de la contrainte.
Ainsi dans l’exemple ci-dessus, la valeur des prix cachés, notées yi∗ , i
=1,2,3, donnés dans le rapport de sensibilité d’Excel (voir figure 13.2), valent :
y1∗ = 6, 25; y2∗ = 0; y3∗ = 23, 75.
Ils fournissent l’effet marginal d’une augmentation de capacité des trois ate-
liers. En effet, en général, le prix caché associé à une contrainte fournit direc-
tement l’augmentation de la fonction objectif pour une augmentation unitaire
du membre de droite de la contrainte. Ici justement, le membre de droite est
le nombre d’heures de travail disponibles à chaque étape de production.
Cependant, il faut prendre garde dans l’utilisation de cette interprétation.
Elle a une limite de validité. Nous discutons ceci plus en détails à la section
suivante.
13.2 Analyse de sensibilité

Dans cette section, nous allons voir comment déterminer les intervalles de
variation maximum d’un coefficient (du membre de droite ou de l’objectif) tels
que l’interprétation des coûts réduits ou des prix cachés restent valables. C’est
l’objet de ce que l’on appelle l’analyse de sensibilité.
13.2.1 Sensibilité aux coefficients objectifs

La question qui se pose ici est la suivante : Dans quelles limites peut varier
un coefficient objectif sans que la solution optimale ne change ?
Le rapport de sensibilité dans sa partie "Cellules variables" (voir figure
13.2), fournit l’augmentation et la diminution admissible du coefficient
objectif telles que la solution optimale du problème reste la même.
Ainsi, si on note ci , le coefficient objectif de la variable xi , on peut lire les
intervalles de variations maximum des marges unitaires des produits :
c1 ∈ [550 − 50; 550 + 50]

c2 ∈ [600 − 50; 600 + 833]
c3 ∈ [350 − ∞; 350 + 125]
c4 ∈ [400 − ∞; 400 + 231, 25]
c5 ∈ [200 − ∞; 200 + 368, 75]
La solution optimale du problème reste constante tant que l’aug-

mentation ou la diminution du coefficient objectif de la variable
reste dans le domaine admissible.
Seul le profit changera.
13.2.2 Sensibilité aux coefficients du membre de droite

Pour rappel, l’effet sur l’objectif d’une variation unitaire du membre de
droite d’une contrainte est donné par le prix caché yi de la contrainte.
Le prix caché d’une contrainte reste constant tant que l’augmentation
ou la diminution du membre de droite de la contrainte reste
dans le domaine admissible.
On observe dans le rapport de sensibilité que les variations maximum
des membres de droites telles que les prix cachés restent les mêmes
sont les suivantes :
b1 ∈ [288 − 57, 6; 288 + 96]

b2 ∈ [192 − 14, 4; 192 + ∞]
b3 ∈ [384 − 96; 384 + 221, 358]
13.3. Exercices 137
13.3 Exercices
13.1. Recyclage du papier : interprétation de la solution. Pour l’exercice
12.1 formulé au chapitre 12 :
(a) Rappeler la formulation de ce problème linéaire à deux variables.

(b) On a procède à la résolution au moyen du solveur d’Excel qui fournit
le rapport de sensibilité donné à la figure 13.3.
Figure 13.3 – Rapport de sensibilité
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.
13.2. Production de poterie. Une petite entreprise spécialisée en poterie a

concentré sa production sur deux produits : le bol et la chope. Les deux
ressources de base utilisées pour produire ces deux articles sont la main
d’œuvre et l’argile. Disposant de ces deux ressources en quantité limitées,
l’entreprise désire savoir combien de bols et de chopes elle doit produire
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 veut déterminer le plan de production optimal.
(a) Formulez d’abord le problème.

(b) La résolution avec le solveur d’Excel conduit au rapport de sensibi-
lité de la figure 13.4. Donnez la solution optimale d’Excel.
Figure 13.4 – Production de poteries
(c) Analyse de sensibilité au coefficient objectif. En notant c1 le coeffi-

cient objectif de la variable x1 , déterminez les valeurs minimum et
maximum de c1 telles que la solution optimale reste la même.
(d) Analyse de sensibilité au coefficient du membre de droite. En notant
b2 la quantité d’argile, déterminez les valeurs minimum et maximum
de b2 telles que le prix caché de la contrainte reste le même.
(e) Quel profit obtiendrait-on d’une heure de plus par jour ?
Chapitre 14
Optimisation du plan directeur

de production
Une société voudrait établir son plan directeur de production, c’est-à-dire

les quantités à produire chaque trimestre ainsi que les ressources à mobili-
ser chaque trimestre pour pouvoir satisfaire la demande à coût total annuel
minimum.
14.1 Données du problème

Le tableau 14.1 donne la demande du produit en fonction du trimestre pour
l’année prochaine ainsi que le stock minimum en fin de trimestre.
Demande Printemps Été Automne Hiver

2024 180 000 400 000 190 000 390 000
Stock minimum 55 000 85 000 50 000 100 000
Jours 62 64 55 59
Table 14.1 – Demande et stock minimum par trimestre
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
Coût d’engagement de licenciement de stockage

unitaire 20 000 =C 50 000 =C 10 =C
Table 14.2 – Données concernant les coûts d’engagement/licenciement
On suppose que les licenciements et les embauches de personnel ne peuvent

se réaliser qu’en début de chaque trimestre. Les temps partiels sont permis.
On demande de déterminer les engagements et licenciements début de
chaque trimestre, de manière à ce que l’effectif du mois soit suffisant pour
satisfaire la demande (aucune rupture de stock n’est permise) à coût total
minimum (somme du coût d’embauche, de licenciement et de stockage).
On demande d’aider le nouvel ingénieur de production à déterminer le plan
optimal de production. Pour cela, on vous demande :
1. de formuler analytiquement le problème : choix des variables, ex-

pression de l’objectif et expression des contraintes de manière indépen-
dante des données particulières ;
2. de traduire le modèle en un modèle de calcul EXCEL ;
3. de pésenter les résultats principaux : le coût total minimum, les enga-

gements et licenciements en début de trimestre, les effectifs nécessaires
par trimestre, la production et les stocks de fin de semestre. Utiliser le
séparateur de milliers et donner les effectifs avec 2 décimales ;
4. sur base du rapport fourni par EXCEL, de répondre aux questions

suivantes (en justifiant brièvement les réponses à partir du rapport de
sensibilité d’EXCEL) :
(a) Si on embauchait une personne supplémentaire au début du tri-

mestre 1, cela serait-il favorable à l’entreprise ?
(b) Si on licencie une personne au début du trimestre 2, cela serait-il
favorable à l’entreprise ?
(c) Si on augmente les exigences concernant le stock final de période 1
au delà des 55.000 unités actuellement demandées, cela va-t-il avoir
un effet sur les coûts totaux ?
(d) La réponse est-elle valable quelle que soit l’augmentation de stock
minimum ?
(e) Si on augmente les exigences concernant le stock final de période 2
au delà des 85.000 unités actuellement demandées, cela va-t-il avoir
un effet sur les coûts totaux ? Lequel ? Quelle est sa portée ?
14.2. Formulation du problème 141
14.2 Formulation du problème

1. Choix des variables : on va distinguer ici les variables indépen-
dantes qui seront les variables pour Excel, des variables dépendantes
dont les valeurs seront calculées par des formules de calcul Excel.
Variables indépendantes :
• Et = les embauche au début de période t ;
• Lt = les licenciements au début de t.
Variables dépendantes :
• EFt = les effectifs au début de la période t ;
• Pt = la production de période t ;
• St = le stock en fin de période t.
2. Objectif : on minimise la somme des coûts d’engagement, de licencie-
ment et de stockage :
4
min z = 20 000 · Et + 50 000 · Lt + 10 · St
X
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)
• Calcul de la production : chaque ouvrier de l’effectif produit 150

unité par jour ouvrable dans la période :
Pt = nt 150EFt , t = 1, ...4 (14.2)
• Bilan des stocks : le stock de fin de période augmente par rapport à

la période précédente de la production et diminue de la demande :
St−1 + Pt = Dt + St , t = 1, ...4 (14.3)
• Contrainte de stock minimum et positivité :

SM INt ≤ St , t = 1, ...4 (14.4)
Lt , Et , EFt , St ≥ 0, t = 1, ...4
On notera qu’avec les temps partiels, ces variables ne doivent pas
être entières.
14.3 Modèle de calcul Excel

Le modèle de calcul Excel est présenté au tableau 14.3.
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)
Table 14.3 – Optimisation du plan de production
(1) G10 =G2*SOMME(C2:F2)+G3*SOMME(C3:F3)+G6*SOMME(C6:F6)

Cellule à définir : $G$10
Minimiser ou maximiser : min.
Cellules variables : $C$2:$F$3
Contraintes : $C$6:$F$6 >= $C$8:$F$8.
14.4 Solution du problème

La solution optimale de ce problème linéaire est fournie par Excel (voir
tableau 14.4).
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
Table 14.4 – Solution d’Excel

14.5. Analyse post-optimale 143
14.5 Analyse post-optimale

Le rapport de sensibilité d’Excel présenté à la figure 14.1.
Figure 14.1 – Rapport de sensibilité d’Excel
1. Si on embauchait une personne supplémentaire au début du trimestre 1,

cela serait-il favorable à l’entreprise ?
Si on force E1 = 1, les coûts augmentent du coût réduit de 25 187,5 =C .
C’est donc défavorable .
2. Si on licencie une personne au début du trimestre 2, cela serait-il favo-

rable à l’entreprise ?
Si on force L2 = 1, les coûts augmentent du coût réduit de 70 000 =C .
C’est donc défavorable .
3. Si on augmente les exigences concernant le stock final de période 1 au

delà des 55.000 unités actuellement demandées, cela va-t-il avoir un effet
sur les coûts totaux ?
Comme le prix caché de la contrainte vaut 0 , on peut en conclure que
cela n’a aucune importance sur les coûts.
4. Réponse valable quel que soit l’augmentation de stock minimum ?

Tant que le membre de droite n’augmente pas plus de 62.600 , le prix ca-
ché reste le même. Au delà, cela va avoir une influence sur les coûts.
5. Si on augmente les exigences concernant le stock final de période 2 au

delà des 85.000 unités actuellement demandées, cela va-t-il avoir un effet
sur les coûts totaux ?
Comme le prix caché de la contrainte vaut 25,39 , on peut en conclure
que cela va augmenter les coûts de 25,39 =C par unité exigée en plus. Et
ceci quelle que soit la quantité exigée en plus car l’augmentation admis-
sible est de + l’infini.
Bibliographie
[1] BAGLIN Gérard, Olivier BRUEL, Laoucine KERBACHE, Joseph

NEHME et Christian VAN DELFT, Management Industriel et Logistique,
6ème Edition, Economica, Paris, 2013.
[2] BROOKE Anthony, David KENDRICK et Alexander MEERAUS, GAMS

User’s guide Release 2.25, The Scientific Press, San Francisco, 1992.
[3] CHOPRA Sunil, Peter MEINDL, Supply Chain Management, Pearson

Higher Education, 2008.
[4] Alain COURTOIS, Maurice PILLET, Chantal MARTIN BONNEFOUS

et Pascal BONNEFOUS, Gestion de production, 5ème édition, Eyrolles,
Paris, 2011.
[5] Vincent GIARD, Gestion de Projets, Economica, Paris, 1991.
[6] GIARD Vincent, Gestion de la production et des flux, 3ème Edition, Eco-
nomica, Paris, 2003.
[7] GUERET Christelle, Christian PRINS et Marc SEVAUX, Applications of

optimization with XPRESS-MP, Eyrolles, Paris, 2000.
[8] HEIZEZ Jay, Barry RENDER, Operations Management, 8ème édition,

Pearson Education, Upper Saddle River, 2006.
[9] F.S. HILLIER et G.S. LIEBERMAN, Introduction to Operations Re-

search, 10ème édition, McGraw-Hill Higher Education, New-York, 2014.
[10] F.S. HILLIER, M.S. HILLIER et G.S. LIEBERMAN, Introduction to Ma-

nagement Sciences, 6èmr édition, McGraw-Hill Higher Education, New-
York, 2018
[11] G. JAVEL, Organisation et gestion de la production, 4ème édition, Dunod,

Paris, 2010.
[12] Lee KRAJEWSKI, Manoj MALHOTRA et Larry RITZMAN, Operations

Management, 8ème édition, Pearson Education, Upper Saddle River, 2007.
145
146 Bibliographie
[13] LACAZE Dominique, Optimisation appliquée à la gestion et à l’économie,

Economica, 1990.
[14] J.O. MAC CLAIN, L.J. THOMAS et J.B. MAZZOLA, Operations Ma-
nagement : Production of Goods and Services, Prentice Hall, 1992.
[15] J.R. MEREDITH, et S.J. MANTEL, Project Management, John Wiley,

2003.
[16] Y. NORBERT, R. OUELLET et R. PARENT, La recherche opération-

nelle, 3ème édition, Gaëtan Morin Editeur, Montréal-Paris, 2002.
[17] Jeffrey K PINTO, Project Management : Achieving Competitive Advan-

tage, Pearson International Edition, 2008.
[18] Bernard W. TAYLOR III, Introduction to Management Science, 10ème

édition, Pearson, Upper Saddle River, 2010.
[19] H.P. WILLIAMS, Model building in Mathematical Programming, 5ème

édition, John Wiley, 2013.
[20] H.P. WILLIAMS, Model solving in Mathematical Programming, John Wi-

ley, 1993.
Annexe A
Formulaire pour la production
A.1 Ordonnancement sur deux machines

• Cas où l’ordre de passage des tâches peut varier :
Machine A : AB A BA
Machine B : BA B AB
A.2 Coûts unitaires en gestion de stocks

• Coût unitaire de possession en rotation nulle de stocks :
cp = p a − p r
avec pa = prix d’achat et pr = prix de reprise.
• Coût unitaire de possession en rotation non nulle de stocks :


 ca ia T (cas de la gestion calendaire)
cp = 
ca ia (cas de la gestion par point de commande)
avec ca = coût unitaire d’acquisition ;

ia = taux d’intérêt annuel ;
T = période entre deux réapprovisionnements du stock en fraction d’année.
• Coût de rupture en cas de ventes perdues :
cr = p v − p a
avec pa = prix d’achat et pv =prix de vente.
• Coût de rupture en cas de ventes différées :

cr = coût administratif de prise de la commande.
147
148 Annexe A. Formulaire pour la production
A.3 Gestion de stocks par point de commande

• Niveau optimal de commande s
:
2Dcc
q∗ =
cp
avec cp = coût unitaire de possession durant un an en stock ;
D = demande annuelle ;
cc = coût unitaire de commande.
• Point de commande optimal :
s∗ = DL
avec D = demande annuelle ;
L = délai d’approvisionnement, exprimé en année.
• Stock moyen possédé :
si s = s∗
(
q/2
Ip (q) =
q/2 + sr sinon
avec sr , stock résiduel à la réception de la commande : sr = s − DL.
D
• Nombre moyen de commandes : Ic (q) = .
q
• Coût de gestion en univers certain : C(q) = cc Ic (q) + cp Ip (q).
A.4 Gestion calendaire de stock

• Politique optimale :
cp
S ∗ tel que P (X > S ∗ ) = (cas de rotation nulle)
cr + cp
cp
S ∗ tel que P (X > S ∗ ) = (cas de rotation non nulle)
cr + c2p
• Nombre moyen de demandes non satisfaites :

S − X̄
Ir (s) = σg(tS ) avec tS = si X ∼ N (µ, σ)
σ
• Stock moyen possédé :
Ip (S) = S − X̄ + Ir (S) (cas de stock à rotation nulle)
X̄ Ir (S)
Ip (S) = S − + (cas de stock à rotation non nulle)
2 2
• Coût de gestion : C(S) = cp Ip (S) + cr Ir (S) + cc 1 1 .
• Marge nette moyenne : B(S) = mu X̄ − C(S).
1. On négligera ce dernier terme si cc est inconnu
A.5. Les techniques de juste à temps 149
A.5 Les techniques de juste à temps

• Détermination du nombre d’étiquettes :
(1 + α)Cu Tr + Qe
Ne ≥
k
avec Cu = consommation du poste aval en unités par minute ;

Qe = taille économique des lots fabriqués en amont ;
k = la capacité d’un conteneur ;
Tr = temps de réaction du système ;
α = marge de sécurité.
A.6 Équilibrage d’une chaîne de production

• Calcul du retard d’équilibre :
nc − T
RE =
nc
avec n = nombre de postes de travail,

c = temps d’un cycle,
T = temps total requis par un article.
A.7 Calcul de la valeur actualisée nette

• Formule pour la valeur actualisée nette :
n
Bt
V AN =
X
− I0
t=1 (1 + i)
t
avec Bt = futurs profits de l’année t,

I0 = l’investissement initial,
i = le taux d’actualisation.
• Formule du calcul d’annuités :

n
1 1 − (1 + i)−n
" #
=
X
t=1 (1 + i)
t i
avec n = le nombre d’années,

i = le taux d’actualisation annuel.
150 Annexe A. Formulaire pour la production
A.8 Techniques de localisation

• Le centre de gravité est calculé par :
xi M Pi + j x′j Clj yi M Pi + j yj′ Clj

P P P P
i i
xCG = yCG =
i M Pi + i M Pi +
P P P P
j Clj j Clj
avec M Pi = tonnes de matière première venant de i ;

(xi , yi ) = coordonnées du fournisseur i ;
Clj = tonnes vers le client j ;
(x′j , yj′ ) = coordonnées du client j ;
• Le point milieu est calculé par :
xi + j x′j yi + j yj′
P P P P
i i
xM = yM =
m+n m+n
A.9 Analyse post-optimale

• Interprétation des coûts réduits : le coût réduit d’une variable à
zéro s’interprète comme l’augmentation de l’objectif pour une augmen-
tation unitaire de la valeur de la variable.
• Interprétation des prix cachés : le prix caché d’une contrainte s’in-

terprète comme l’augmentation de l’objectif pour une augmentation uni-
taire du coefficient du membre de droite de la contrainte.
• Sensibilité aux coefficients objectifs : la solution optimale du

problème reste constante tant que l’augmentation ou la diminution du
coefficient objectif de la variable reste dans le domaine admissible.
• Sensibilité aux membres de droite des contraintes : le prix caché

d’une contrainte reste constant tant que l’augmentation ou la diminution
du membre de droite de la contrainte reste dans le domaine admissible.
Annexe B
Tables pour la gestion de stocks
B.1 Table de la loi normale Z ∼ N (0, 1)
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
Donne la probabilité P (Z > zi + zj )
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
Donne la probabilité P (Z > zi + zj )

B.2. Table pour le calcul de Ir (S) 153
B.2 Table pour le calcul de Ir (S)

g(tS ) tj
ti 0,00 0,01 0,02 0,03 0,04 0,05 0,06 0,07 0,08 0,09
-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
Donne g(tS ) = [f (tS ) − tS P (t > tS )]

Syllabus GPO

Transféré par

Informations du document

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Syllabus GPO

Transféré par

Droits d'auteur :

Formats disponibles

UCLouvain

Louvain School of Management

Gestion de la Production et des Opérations

Louvain-La-Neuve, 17 septembre 2023

I Les décisions opérationnelles 16

3.3.2 Les coûts de rupture . . . . . . . . . . . . . . . . . . . . 30

4 Gestion calendaire de stock 37

II Les décisions tactiques 47

7 Les techniques de juste à temps 76

III Les décisions stratégiques 86

9 Configuration d’un centre de production 99

10 Capacité d’un centre productif 109

11 Localisation d’un centre de production 115

IV Résolution avec le solveur d’Excel 123

13 Interprétation de la solution 133

14 Optimisation du plan directeur de production 139

A Formulaire pour la production 147

A.7 Calcul de la valeur actualisée nette . . . . . . . . . . . . . . . . 149

B Tables pour la gestion de stocks 151

1.1 Objectifs du cours

• la gestion des stocks ;

Pour cela, on essayer de développer une double compétence :

• La capacité de formuler ces problèmes en des modèles mathématiques :

• La connaissance d’outils de résolution de ces problèmes : en effet, une

Comme références, nous utiliserons les livres de Giard [6] et Baglin et al

1.2 Définition de la gestion de production

Définition 1.1 La production consiste en une transformation de ressources

La production d’un bien s’effectue par une succession d’opérations consommant

Définition 1.2 La gestion de la production consiste en la recherche d’une

La gestion de production consiste donc à l’obtention d’un produit donné dont

Ces trois caractéristiques du produit relèvent des sciences de l’ingénieur et

1.3 Classification des décisions en gestion de

1. Les décisions stratégiques : il s’agit de la formulation de la politique

• la définition du portefeuille d’activités ;

2. Les décisions tactiques : il s’agit des décisions à moyen terme parmi

3. les décisions opérationnelles : il s’agit des décisions de gestion quoti-

Ces trois classes de décisions de gestion de production se différencient par

1. par l’horizon de temps considéré :

• les décisions opérationnelles se prennent au jour le jour ;

2. par le niveau d’agrégation :

• les décisions opérationnelles se prennent au niveau d’un atelier ;

3. par le niveau de responsabilité :

• les décisions opérationnelles sont prises par les agents de maîtrise ;

1.4 Classification des systèmes productifs

• l’organisation en série unitaire ;

• l’organisation en ateliers spécialisés ;

• l’organisation en ligne de production ;

• l’organisation en industries de process.

Nous examinerons, dans chaque cas, le type de ressources à mettre en œuvre

1.4.1 Organisation de type série unitaire

Comme exemples, on peut citer la construction de navires de grande taille

1.4.2 Organisation en ateliers spécialisés

1.4.3 Organisation en lignes de production

1.4.4 Les industries de process

Comme exemples, on peut citer la sidérurgie, la pétrochimie, le secteur de la

1.5 Un exemple de programmation linéaire

Produit 1 Produit 2 Capacité disponible

Table 1.1 – Marges, temps d’usinage et capacités.

La question qui se pose est la suivante : “Combien faut-il produire de

1.5.2 Formulation du problème de gestion

Définition 1.7 On appelle variable toute quantité utile à la résolution du pro-

x1 = nombre de chassis de type 1 produits par semaine,

La deuxième étape consiste à formuler mathématiquement l’objectif.

Définition 1.8 On appelle fonction objectif d’un problème d’optimisation le