Académique Documents
Professionnel Documents
Culture Documents
MODÉLISATION
ET
OPTIMISATION
avec applications en gestion et en économie
h
{ Gérald Baillargeon
À
Céline,
Steve
et
Christian
DU MÊME AUTEUR
Modèles Mathématiques en Sciences de la Gestion, Montréal, Les Presses de
rUniversité du Québec, 1973, xiv et 338 pages (épuisé).
MODÉLISATION
ET
OPTIMISATION
MÉTHODES QUANTITATIVES DE GESTION
MODÉLISATION
OPTIMISATION
avec applications en gestion et en économie
par
Gérald Baillargeon
Université du Québec à Trois-Rivières
2ième Édition
revue et corrigée
/
Les Éditions SMG
Science - Mathématique - Gestion
Trois-Rivières, P.Q.
ISBN 0-88608-002-9
Modélisation et optimisation
seconde.
★ ★
Gérald Baillargeon
UQTR
TABLE DES MATIÈRES
BIBLIOGRAPHIE. 179
1.1 Introduction
1.2 Représentation fonctionnelle
1.3 Quelques formes de modèles et leur représentation
graphique
1.3.1 Modèle linéaire
1.3.2 Modèle quadratique
t
1.3.3 Modèle polynomial
1.4 Un premier cas d'optimisation: l'entreprise Les Jouets
1.5 Modèles de type exponentiel
1.5.1 Modèle exponentiel
1.5.2 Modèle exponentiel modifié
1.6 Problèmes
MODÈLES DÉTERMINISTES
ET
LEUR REPRÉSENTATION
GRAPHIQUE
CHAPITRE 1 ’
1.1 INTRODUCTION
et d'autre part.
4 modêlisat-lon et optimisation
ler les modèles pour voir comment certaines variables peuvent réa¬
Dans la plupart des cas, les modèles que nous traiterons ne com¬
Remarque. Les modèles que nous traitons dans cet ouvrage sont de
nature déterministe. C’est donc dire que nous ne tien¬
drons pas compte de l’élément Incertitude ou de l’ef¬
fet de hasard dans la formulation des modèles. Lors¬
que le modèle comporte un terme aléatoire permettant
de tenir compte de l’effet du hasard, nous sommes a-
lors en présence d’un modèle prohdbiliste ou statisti¬
que. L’estimation des paramètres du modèle se fait
alors avec des techniques appropriées relevant du do¬
maine de la statistique et particulièrement de la ré¬
gression multiple. Nous ferons toutefois quelques re¬
marques sur certains modèles probabilistes lorsque
nous le jugerons à propos.
où
Y : variable dépendante
X : variable indépendante
modèle.
La représentation graphique de ce modèle est la suivante;
Y Y
Cas particulier: 3^ = 0.
fig. 1.2
TnodeZes deteii^'tnis'tes et Zeup ve’pTêseyita.t'ton gTccphique ?
9 000 $10
8 500 15
8 000 20
7 500 25
7 000 30
Y - Y,
^2 -
= = pente
X - X
1 \
On obtient alors
= 10 000 - lOOX
9 000 = Bg + B^dO)
et le point (30, 7 000),
7 000 = Bg + 3j(30).
On obtient alors un système de deux équations à deux incon¬
nues :
9 000 = Bg + 103j
7 000 = Bg + 303^
Soustrayant les deux équations, on obtient
modèles déterministes et leur représentation graphique 9
2 000 = -206 J
6^ = -100
et alors Bq = 9 000 - lOe^ = 9 000 - (10)(-100) = 10 000.
Y = 10 000 - lOOX
Y = f(X) = 3q + BjX +
où
Y : variable dépendante
X : variable Indépendante
Sans expliciter tous les cas possibles, nous présentons, aux fi¬
fig. 1.4
10 modêtisati-on et optimisation
3
^ 262 ’ " 46^
+ YgCX - X^)(X - xp
(X - X ) (X - X )
3 13 2
46, (4)(-1/200)
1 600 - 900
35 000
-1/50
à l'aide de l'expression
X =
263
X = !i/ioP~ - 1 35^»25
X = ~40 ~ 26,4575 ^ g
et ^ -1/100
Le graphique de ce modèle quadratique est illustré a la fi
12 modêl-Lsation et optimisation
gure 1.6.
ou Bj» Bjj B^, Bg> •••, Bjj sont les paramètres du modèle et n est
Y Y
ou moins efficace.
Pour ce nouveau jouet, l'analyste de l'entreprise envisage
du prix de vente
(unités) ($)
7 500 2,50
6 750 3,25
5 900 4,10
5 250 4,75
4 500 5,50
4 050 5,95
3 750 6,25
2 050 7,95
1 000 9,00
Aménagement
$5 000
de l'équipement
Matières premières
$2/jouet
et main-d'oeuvre
pente de la droite.
Puisque tous les points se situent sur une droite (cet
Y - Y,
X - X, X, - x^
pour déterminer l'équation de la droite.
Y - 7 500
1 000
X - 2,5
Y - 7 500 = -1 000(X - 2,5)
= -1 OOOX + 2 500
Y = 10 000 - 1 OOOX
16 modélisation et optimisation
est
Y = 10 000 - 1 OOOX.
un coût fixe.
D'autre part, le coût de $2/jouet est un coût variable puis¬
C = 5 000 + 2Y
C = 25 000 - 2 OOOX.
Modèle du revenu
le revenu.
On a donc:
R = X(10 000 - 1 OOOX)
= 10 OOOX - 1 OOOX^.
gure 1.10.
10 000
^ ^ “ 237 ^ ~ -2 000 “ ’
et R = 10 000(5) - 1 000(25) = $25 000.
Toutefois, ce n'est pas nécessairement ce prix qui va maxi¬
Modèle du bénéfice
Déterminons la relation qui exprime le bénéfice en fonction
P = R - C, alors
3J 12 000
^ ^ ^ -2 000 •
$ unités $ $ $ $ $
Stratégie optimale
Coûts de fabricatiçn
Y = f (X) = 3^6
3,x
où e = 2,71828..., Y est la variable dépendante, X la variable
fig. 1.13
modèles dêteTm-tntstes et leur vepTêsentatton gvaph-ique 21
Y = 200(1 - e"°’^^).
Y
Ndmbrt; d'iiultéa uaüeiiiblëea par jour
1.6 PROBLEMES
situations suivantes:
prix de vente.
d) Une entreprise a actuellement 300 employés et espère aug¬
tallique est $50 par 100 tiges. Le coût des matières premiè¬
lancée.
a) Déterminer le modèle du coût total de fabrication en fonc¬
0 et 3 000 tiges.
unités/jour.
a) Déterminer le modèle représentant le niveau du stock en
fonction du temps.
b) Quel est le niveau du stock après 30 jours?
c) Après combien de jours, le niveau du stock atteindra-t—il
100 unités?
d) Après combien de jours, le stock sera-t-il complètement
épuisé?
Y - B, - B,x
3o/6.
b) Déterminer la quantité demandée si le prix de vente est
Coûts de production
variable: . $10/unité
Frais généraux
variable: .. $3/unité
Transport
fixe : . $0
variable: . $2/unité
nager.
b) Tracer sur le même graphique l'expression du revenu et
des coûts en fonction de la quantité. Vérifier graphi¬
Y = 100 - 4X.
Y = 200 - 100e"°’°^^
Prix du Potentiel
$ Unités
1 000 35 000
1 200 32 000
1 500 27 500
2 000 20 000
2 500 12 500
Coûts
%àmXéi»^'h 1-' - ». ^-
.■V
C'"’sC.' lt
- -’pi î> üi. ’-.f.i. ?',*■ . ,Hv'»-:rii
a
'•f* f*.***^ ■ 7i ■•'■V h 't *• * >*'-r,i' -, ' -, • ... . M
'il' '
J 4«-^4» ♦*. .* 1 '* ' .. '' - ' '/«ï'î! ' U', 'Î.5
L. * ij. - • (
ikfc
» l- • V^ ; - 4 ■• U. 'Ih ni
1f» . .'
,■ . • . ^^•^l)' ‘ - -i ;# *‘'+-^1^ ■
- -^44
♦ T, 4 1 , 'f J* •}♦•*.
Sn , '■■-
V'*r
IS.- ^4 r. At.Î J
-
•l' ^ . ÎU *'i* '*t"r
1 •* U
■'Çi
L.
2
sawiRE
et souvent complexes.
La recherche de l'optimum consiste généralement à obtenir le
l'énoncé du problème.
2. A partir d'une bonne connaissance du problème, d'en envisa¬
délisation.
3. Identifier la méthode convenable pour résoudre le problème:
la technique de résolution.
S2 modélisation et optimisation
Y = f (X)
Y = f (X) = 3^ +
tions :
fig. 2.1
Y = f (X) = 50 + 2X + X^
Quantité
On a que
= 85 + 12AX + (AX)^
Alors
, 4x. Ax^o
AX AY/AX AX ay/ax
m__ ^ ^
AX AX
= 12 + AX
AY
^=12 + AX.
re 2.3) c-â-d.
= lim 12 + AX = 12
AX-^0
AX 0:
lim f(X) = L ;
X-^Xj,
ner
a) le taux moyen de variation de Y par rapport a X si X — 3 et
AX = 2.
b) le taux instantané de variation de Y par rapport à X, lorsque
X = 3.
SOLUTIONS
a) AY f(X + AX) - f(X)
AX AX
38 modélisation et optimisation
b) f(X = 3) = 16,
f(X + AX) = f(3 + AX) = -2 + 3(3 + AX) + (3 + AX)^
= 16 + 9AX + (AX)^
= 9 + AX
^== 0
dX
dY
Si la tangente a une pente positive, — > 0.
dX
le?
SOLUTIONS
a) Utilisant le processus de différentiation, on obtient
AY 3iAX + 2X32AX +
ÂX ^ ÂX
= 3, + 2X32 + 32 AX
Alors
= 3i + 232X
^=0 1 + 23 X = 0
dX 1 2
d'où
X = -
23.
qui est la coordonnée du point X pour le sommet de la parabo¬
EXEMPLE 2.5
Déterminer la dérivée première -7^ pour les fonctions
dX
suivantes en appliquant les différentes règles de dérivation
a) Y-4. f-0
d) Y = 3X^ + 2X + 1, = 6X + 2
CIA
e) Y = (X + 4) (X - 2) , ^ = (X + 4) (1) + (X - 2) (1) = 2X + 2
3X
h) Y = e^^ , g = * 6X = 6X e
i) Y = 5^, g = 5X ^ 5
méthodes d'optimisation: utilisation de la dérivée 41
j) Y = sin3X, ^ 3cos3X
Tableau 1
Fonctions Dérivée
HV
1. Y = f (X) = k (constante) = 0
dX
dY
2. Y = kX k
dX
dY , ^n-1
3. Y = kx’^
4. Y = kf (X)
S“
il du ^ dv
5. Y = U ± V où
dX dX " dX
U = f(X) et V = g(X)
f'(X) ± g’(X)
6. Y = uv où dv
dY _ 11— du
dX dX
U = f(X) et V == g(x)
U du dv
7. Y = — ou
dY _ '^dX
V
dX
U = f(X) et V == g(x)
dY n--1 du
8. Y = U ou U = f(x) nu
dX dX
dY dY du
9. Y = f (u) , U = g(x) dX du dX
42 modêlisat-ion et optimisation
Tableau 2
Fonctions Dérlvëe
il X
dX
il
dX
il U du
3. Y = e", U = f (X)
dX ® dX
4. Y = S,nX (base e) il _ 1
dX X
6. Y = slnX il = cosX
dX
8. Y = cosX il = -sinX
dX
10. Y = a^ il — a £n a
dX
11. Y=log^^X il
dX
0,43429
X
£y
Dérivée seconde :
dX^
d^Y
Dérivée troisième:
dX^
Dérivée n lème
df'
§--4X+ 3XS
iÿ=|_(-4x + 3X^)=-4.6X
^ = ±.(.4 . 6X) = 6
AC _ f(X + 1) - f(X)
où AX = 1.
AX 1
C = f (X) = 100 + J X^
marginal:
lim ^ ^ ^ ^
AX->-0 AX dX
C = f(X) = 100 + ^ X^
SOLUTION
Mentionnons que cette fonction est celle de l'exemple précédent.
5 X ; ^
ginal.
Modèles
^ — C
Coût total; C Coût moyen: C = — Coût marginal: C’
X
c=3 +B X — ^0
0 1 c’=3,
(Bg>0,3i>0)
c=3q+3^x+32X^ - 6.
c= — tB.+6,x c’=3i+232X
(3,>0,3,^0,32>0)
SjX
R 3,x
C=3oe
X
(3o>0,3i>0)
B:
— 3,-1
C=3gX
c=3oX c’^B^a^x
(3(,>0.3i>l)
c=3o+ejX+32X^+e3X^ - ^0
c - X +31+32X+33X c’=3,+232X+333X^
(33>0,3i^0,32<0,33>0)
méthodes d’optimisation: utilisation de la dêvivêe 47
R = f (XD .
AR f(X + 1) - f(X)
où AX = 1.
AX 1
comme suit:
lim ^ ^ d^ _ ^,
AX->0 AX dX
ginal .
b) Evaluer le revenu marginal àX = 3; àX=4.
SOLUTION
a) L'expression du revenu total est
= 48X - 4X^.
revenu.
Soient R et C les fonctions de revenu et de coût; le profit
R' = C
dP dR de
c.-â-d. = 0, le profit marginal est nul.
dX dX dX
fig. 2.4
méthodes d'optimisation: utilisation de la dérivée 49
ploitation de l'entreprise.
P le prix unitaire.
X = 10 000 - 1 OOOp.
P ~ " 1 000
R - C = lOX - 5 000 - 2X
1 000
2
X"
= -5 000 + 8X -
1 000
marginal.
On obtient,
2
et
—^ =10 ——
1 OOO'^ 500
R' = C
50 modêt'lsat'ion et opti-mtsation
tion de la quantité X.
fig. 2.5
fit.
De même, sur la courbe de demande on obtient la combinaison
dR . dC
dp dp
leur de Y.
maximum ou un minimum.
2.10.2 EXTREMUMS
Une fonction Y = f(X) admet un maximum local à X = X^ si
f(XQ) > f(X) pour toutes les valeurs de X dans le voisinage immé¬
f(X|j) < f(X) pour toutes les valeurs de X dans le voisinage immé¬
diat de Xp. ^
dans l'intervalle a < X < d; on dit alors que f(X = a) est un mi¬
f'®.'-» [<S>x-x.-°]
et si f (X) est positive immédiatement à gauche de X^^ et
négative immédiatement â droite de Xg.
ce point,
f'(X^) = 0
X
54 modélisation et optimisation
ou minimum local.
où X représente la quantité.
méthodes d'optimisation: utilisation de la dérivée 55
SOLUTION
^ = f (X) = 48 - 8X
CIA
f (X) = 0, 48 - 8 X = 0
48
Alors X = — = 6 : la valeur X = 6 est une valeur critique.
O 0
absolu.
SOLUTION
1. La dérivée première de la fonction est
première :
f'(X) = 0, -12 + 3X^ = 0, 3X^ = 12
X^ = 4
correspondante de Y est
Y = 10 - 12(-2) + (-2)^ = 10 + 24 - 8 = 26
max
correspondante de Y est
Y . = 10 - 12(2) + (2)^ = 10 - 24 + 8 = -6
min
de la courbe f'(X).
Examinons le signe de la dérivée seconde. Soit une fonc¬
f*(X^) =0. Alors si, pour une petite variation k > 0, dans le
Alors
f'(X„ + k) - f'(xj
f'(X„ - k) - f’(X„)
>0 et > 0
et
lim f'(Xo - k) - f'(Xo)
0
lc>0 -
-k
= f"(X„)
= (-)
VdX / X =
>
d^y
f"(X„) = > 0.
dX 2 / X = x„
si f’(Xo) = 0
et f'CXg) > 0
si f'(X^) = 0
et f"(Xj,) < 0 .
f'(Xg)=0, f"(X^) = 0,
extremxams. On a
Y = f (X) = 10 - 12X + X^
SOLUTION
vée première :
X" = 4,
X = ± = ± 2. Nous obtenons
critiques. On obtient
où X > 0.
On veut déterminer la valeur de X qui minimise Y.
SOLUTION
Appliquons le test de la dérivée seconde.
400
25 -
400
0, 25
16
X = ± 4
f<x) - ^ (25 - ^
800 800
On obtient f"(4) = 12,5 > 0
(4)3 64
Y . = 10 + (25) (4) +
min 4
= 10 + 100 + 100 = $210.
SOLUTION
12 000 - 2 OOOX = 0
2 OOOX = 12 000
X = 6
valeur X = 6 maximise P.
mum lorsque
dP _ Q (condition nécessaire: condition qui doit être
dX satisfaite dans tous les cas)
et
d^P ^ Q (condition suffisante: condition qui, si elle est
djp" satisfaite, garantit un maximum)
dP _ dR dC Q
dX dX dX
62 modélisation et optimisation
dR dC
dX dX
dition.
2e condition:
d!P_dfR_ d^^ 0
dX^ dX^ dx^
d^R d^C
Donc
dX^ ^ dX^
A X = Xg, le taux de variation du revenu marginal doit être
P - 100 -
C = 45 000 + 60X
maximum réalisable.
SOLUTION
C = 45 000 + 60X.
lëre condition; dR = dÇ
dX dX
Ji!-) X
= 100 -
200 100
dX “ dl ^ ^
X
100 = 60
100
X
40
100
X 4 000 unités
^= (60) 0
dX^ dX
Donc la deuxième condition garantit que le profit est maxi¬
< 0
100
X 4 000
P = 100 - 100 - $80.
200 200
Le revenu est: (80)(4 000) ~ $320 000.
R = p*X.
d'une taxe.
La fonction de profit devient alors:
P = R - = p*X - C - tX
conditions suivantes:
dP dR
— = 0; c.-à-d.
dX ’ dX dX
et
d^P d^R d^C.
—s- < 0: c.-â-d. —— .
dX^ dX^ dX"
dC.
de plus c' + t; le coût marginal après l'imposition
dX
de la taxe est simplement le coût marginal avant l'imposition de
du marché.
Le prix augmente de p ^ à p J.
SOLUTION
De la section 2.9, on a
P ~ " 1 000 ^
et
R = p*X = lOX - 2 000 ^
66 modélisation et optimisation
= C + tX = 5 000 + 2X + X
= 5 000 + 3X
- -5 000 + 7X -
iL= 7 _ 2X
dX ' 1 000
7
1 000
2X = 7 000
X = 3 500 jouets.
dfP _ _ 2X . _ 2
dx^ dX ^ 1 000-^ 1 000 ^
3 500
10 - $6,50
0 — 1 000
= $7 250.
fig. 2.14
C = 45 000 + 60X
déterminer
i) l'expression du profit maximum possible en fonction de
t;
ii) la variation dans le prix de vente en fonction de t;
3^0 revenu perçu par le gouvernement en fonction du ni
68 modélisation et optimisation
veau d'imposition t.
b) Déterminer la taxe à imposer qui assurerait au gouvernement
un revenu maximum.
SOLUTION
a) i) Expression du profit maximum en fonction de t.
est :
= 45 000 + 60X + tX
mum.
dP _ //n _ -L-
dX 100
X = 100(40 - t)
d^P
De plus —^ < 0. Donc le profit est maximisé si
dX^ 100
X = 100(40 - t). Substituant cette valeur dans la fonc¬
X (40 - t)
P = 100 100 = 80 + |-
200 2
T = tX
du gouvernement:
T = 4 OOOt - lOOt^.
Utilisant le test de la dérivée seconde, on obtient:
= 4 000 - 200t
dt
T = (4 000)(20) - (100)(20)
PlclX
Dérivée première;
g - -6X + 6X“
6X(-1 + X) = 0
6X = 0 =» X = 0
(X-1) = 0 ^ X = 1
seconde.
= 0, -6 + 12X = 0
dX^
1
X =
12 2
De plus la dérivée troisième est différente de zéro:
d^Y
= 12.
dX^
Nous avons donc un point d'inflexion à. X = 1/2.
2.16 PROBLEMES
Y = 5 + 2X -
a) Y = 20 + 5X
b) Y = 5 + 2X - X^
c)
x^
d) Y = 10 + 2 VIT
e) Y = e^
n
*
A noter que e 1 + M + • • +
(AX)
i: i\ ^ n!
li) X = 50
iii) X = 60
X^
2 000
méthodes d'optimisation: utilisation de la dèvivêe 7Z
gallons?
bien est
R = 60X
_xi
400
-10?
le gallon.
a) Déterminer la fonction du revenu.
b) Déterminer le revenu marginal et le coût marginal.
c) En appliquant le principe de l'analyse marginale, combien
.
11 La fonction revenu d'une entreprise est
R = 20X - ^ QQo
8,
a) Déterminer l'expression du bénéfice.
X = 20 000 - 1 OOOp
suivant:
C = 40 + 5X
C = - zX + z„X^
0 1 2
l'édifice coûte $20 000. Le coût pour l'édifice même est re¬
Déterminer
b) le bénéfice maximum;
C = 500 + 5Y.
bénéfices?
b) Déterminer le prix de vente qui maximise le chiffre d'af¬
faires.
c) Déterminer le niveau de la demande pour le prix de vente
obtenu en a).
modélisation et optimisation
teur?
à l'entreprise, déterminer
i) l'expression du profit maximum en fonction de t;
niveau d'imposition t.
b) Si le gouvernement impose une taxe de $5 par unité fabri¬
tiendrait l'entreprise.
a) Y = 8 - 3X^ + X^
b) Y = 15 + 5X - 8X^ + X^
c) Y = 12 - 4X^ + X"*
X = 20 000 - 40p
quantité.
reil?
de vente.
f) Quel doit être le prix de vente optimum de ce nouveau
téléviseur?
maximum.
t = $20, t = $30.
j) Si le gouvernement impose une taxe de $25 par téléviseur,
Il I ’ # >
\
<.-v
3
S(DMmiRE
mandée d'un bien peut être à la fois fonction de son prix, des dé¬
cherchons à
maximiser ou minimiser la fonction
Y = f(X^,X2)
modèle de la forme
Y = f(X^,Xp
Définition
Soit une fonction de deux variables indépendantes
3x7 ~ ^ ÂjT ’
X^ ne variant pas.
3x7 ~ ^ ^AX^^O i
méthodes d'opti-m'ùsat'ion: ut-iZisatton des dêvivées pa^tietZes 83
Xj ne variant pas.
3Y y . ^
Remarque. En plus de et différentes notations sont uti¬
5X + 6X .
1 2
SOLUTION
lim 5AXj^
“ AXj^O AXj ^ ^
3X7 ^ '^2
lim 6AX2
“ AX^-^O “ÂjÇ ^
3Y
On veut déterminer les dérivées partielles et point
= 1, X2 = -2.
SOLUTION
Appliquant les règles de dérivation, on obtient:
Alors
( 9Y
= 4 + (2)(l)(-2) =4-4 = 0
9X
1 / X, = 1
X2 =-2
= -2 + (1)2 = -2 + 1 = -1.
('0 X,
X2 =-2
SOLUTION
If- - 2X,X^ +
H-- 2x'x^ + 2X,e^^
2
pendantes .
9X2 9Xj
9^Y 9 /9Y \
9Xj9X2 9Xj \^9xJ
9^Y _ 9^Y
9X2 9X^ sx^gx^
9Y
3jç-2 + 4X, - 4X,
^ = — (3 + 2X - 4X,) = 2
9X^ 9Xi
3 ^v 3
—2 = — (2 + 4X - 4X.) = 4
92x 9X " '
2 2
Déterminer
9^Y g^Y
2
et —— au point X^ = 1, X = 2.
9X, 9X„
SOLUTION
5_ 9!y_ 10
_
9X^ Xl ’ ^1 » + X33
1
9Y _ 1 9^Y
9X2 X2 9X2
2
Au point X^ = 1, X2 = 2, on obtient
10
= 8 + = 18
(1)'
X2 = 2
88 modêtisation et crptim-isat-lon
facteur Xj
fig. 3.3
Maximum local
9Y 9Y
1. = 0, 0
9X^
9^Y 92y
2. D = 2
axf 9X, 9X2 9X
9^Y < 0.
3. 2 < 0, 2
9X^ 9X,
Minimum local
9Y 9Y
1. = 0, 0
9X, 3X,
2. D > 0
3^Y 9^Y ^
3. > 0. 2 0.
3XJ 9X^
i!x
3Xj 3Xj3X2
D =
3^Y 3^Y
3X,3X, 3X2
2 1 2
Col
1.
2. D < 0.
Aucune conclusion
2. D = 0
On doit alors examiner la fonction dans le voisinage du point cri¬
3Y 3Y
= 0, ■= 0, D > 0.
3X^ 3X2
3Y
= 4 -
X
+ 4X^ = 0 4X,
II
I
3Xi
N)
3Y
= 2 - + 2X = 0 +2X2 = -2
8X2 2 -
X, = - 12. X = - -
— =4, 1^=2 —= _1
’ 3X^ ’ 3X2 3îr^ 9Xj3X^
La valeur de la fonction à X, = _ Il 12
est
Y 10'
5 + 4(- ■^) + 2(-
12 . . 10. ,12. + 2(-
10 .^ 12.
+ (-±±)
= 21
9Y
= 6 - 2X2 - 4Xj = 0
3X„
tient
= -10 ± 14
6
^ -10 + 14 _ 2 ^ -10 - 14
6 3 ’ 1 6
X2 = -2Xj + 3 = -2 (|) + 3 = J
92 modêtisation et optimisation
= -2(-4) + 3 = 11
3
(4 + 2Xj - 4X2 + 3Xj) = 2 + 6Xj
9xf 3X.
3
(6 - 2X2 - 4Xj) = -2
3X. 3X
2
3^Y 3^Y
-4
3X 3X, 3Xj3X2
2 1
2 5
Pour le point (X^ = -j , X^ = j) ,
-^ = 2 + 6Xj = 2 + 6(|) = 6;
3X
„ 3^Y 3^Y d^Y ^^Y
Alors D = —- • —r -- = (6)(-2) - (-4)(-4)
3X^ 3X 3X 21
3X 3X,3X,
12
-12 16 = -28
2 5
Puisque D < 0, le point critique (—, —) est un col.
3^Y
2 + 6X^ = 2 + 6(-4) = -22 et
9X.
De plus ^=-2<0.
3X, 3X.
Y = ^ 26,185
Y = 77
méthodes d’optimisation: utilisation des dérivées partielles 93
tre sur le marché deux nouveaux jouets dont les fonctions de de¬
mande sont les suivantes:
Xj = 8 000 - 500pj
= 6 000 - 400p2
C = 4 000 + 3X + 2X .
1 2
+ 1 500p^ + 8OOP2
= -40 000 + 9 500p^ + 6 800p^ - 500p^ - 400p^.
3P
1 ^ = 0, U
9P1 9P2
9^P 9^P
2 < 0, 2 < 0.
9p,1 3p
‘ 2
- = 6 800 - 800p 2
9p
2
sont:
9 500 - 1 OOOp^ =0, Pj = $9,50
Maximiser ou minimiser
Y = f(X^,xp
avec la contrainte
Xj, X2 et A:
SF 9f(X^,xp A 9g(Xj,X2)
9F 9f(Xj,X2). A 9g(Xj,X2)
9x7"" ^2 ^2 ^ °
|^= -[gCXj.X^) - b] = 0.
* * *
En résolvant ce système, on obtient les valeurs X , X , X .
Y = = SX^X^
soumise â la contrainte
X, + 2X = 20
1 2
SOLUTION
II--5X, -A-O
■jjÇ-SX. - 2A-0
méthodes d’optimisation: utilisation des dêvivêes partielles 97
4X = 100, X = 25
obtient
Y = (5) (10) (5) = 250.
fig. 3.4
*2
1
0 1
98 modéZ-isation et optimisation
Xj = 20 - 2X2-
= 0 si 20X2 = 100
SOLUTION
3F
9X ^ ^ 0
9F _ O
9X ~^^2 ^ 16Xj - À = 0
méthodes d'optimisation: utilisation des dêvivêes partielles 99
- 2Xj + lôX^ = X
16X, - 8X = X
1 2
1, 3,
21, 7A = 840
X = 120
120 _ ^(120) _
Alors Xj = = 12 et X„ = -7^
10 ^2 40 ^
On obtient, avec X^ = 12 et X^ = 9,
(12 + h) + (9 + k) = 21,
h + k = 0
Donc h = -k
Examinons maintenant
= 1 260 - 21k^
En général,
si f(X* + h, X* + k) < f(X^, X^), nous avons un maximum
et
si f(X* + h, X* + k) > f(X*, X*), le point (X^, X^) est un minimum.
100 modélisation et optimisation
et
8^F 3^F
D =
8X, 9X. aXjBX^ 8X^9X^
8^F 3^F
< 0 et < 0
9X^ 3X
2
et
3^F
un minimum si > 0 et > 0.
3X, 3X,
1 2
3. Si D < 0, nous devons examiner la fonction dans le
voisinage du point critique comme Indiqué à l'exem¬
ple 3.9.
2X, + X 21
1 2
SOLUTION
Le Lagrangien est
En résolvant, on trouve X, X, X = —
1 10 2 10
Substituant dans 2X + X 21, on obtient
1 2
Alors X2 = 7.
méthodes d'optimisation: utilisation des dérivées partielles 101
8X 9X dX 8X
12 2 1
(fonction économique).
Le multiplicateur de Lagrange s'interprète d'une façon simi¬
ainsi que les niveaux de production des deux jouets que l'entre¬
prise veut mettre sur le marché. Supposons cette fois que le nom¬
= 4 950, [g(X^,xp = b]
De la section 3.6, on a
X^ = 8 000 - 500p^
X^ = 6 000 - 4OOP2
et
C = 4 000 + 3X, + 2X
1 2
4OOP2 = 6 000 -
et
P2
15
400
X, X,
R-P.X. ) X, + (15--^;
400'^ ^2
méthodes d'optimisation: utilisation des dérivées pa:rtielles 103
^ - 3ô * -m
D'oü la fonction de profit est
P = R - C
Xï
+ 15X - 5_ - 4 000 - 3X - 2X
“ “ 500 400
X xj
= -4 000 + 13X^ + 13X^ - 3QQ
400
Le Lagrangien est:
Xf
F = -4 000 + 13X, + 13X -
1 2 500 m - "^2 - ^ 950).
9F 2Xi
= 13 - TTrrr - X = 0,
9X 500
9F = 2X2
13 - X = 0,
9X, 400
If = -(X + X - 4 950) = 0.
9X 1 2
Des deux premières équations, on obtient
on obtient
(3 250 - 250X) t (2 600 - 200X) = 4 950
X = 2
Donc
Xj = 3 250 - (250)(2) = 2 750 unités
Xj = 2 750
et
X = 2 200
2
p^ = 16 - 16 - 5,5 = $10,50
et
2 200
p^ = 15 - 16 - 5,5 = $ 9,50
450X = 0
X = 0
La valeur b = 5 850 est optimale.
Xj = 250(13 - X) et X^ = 200(13 - X)
X = _ 11= _ i
^ 45 3
Dans ce cas, le multiplicateur de Lagrange (valeur margina¬
on obtient:
= 250(13 + j) ~ 3 333
^2 = 200(13 + j) - 2 667
3 333
= 16 - = $9,33
Pi 500
2 667
= 15 - = $8,33
P2 400
sujette à la contrainte
X + X
1 2
SOLUTION
^1 10 ^2 40 ^
X-^b
_1
D’où X. — K
^ b -
-y b
^ K
10
et
— b -yb
Y ■ 16 . 2 36 .2 , 192 2 _ 140 ,2 ■. 20 ;
Y .— b bH" .^b /û^
max 49 49 49 49 7
il 280b 40b
X, le multiplicateur de Lagrange.
db 49 7
b = 0 b = 7 b = 21 b = 35 b = 42
0
X = 20 Xj== 24
Xî
X^= 12
Il
X, = 0 1
1
X 15 X 18
><:
X2= 3 X = 9 = =
II
2
to
2 2
de Y par rapport à b.
108 modélisation et optimisation
soumise à la contrainte
X + X = b.
1 2
SOLUTION
5 850 - 450A = b
A = 13 - —
450
Exprimant X^ et X^ en fonction de b, on obtient
X^ = 3 250 - 250(13 - ^) = | b
117b 2,25b^
P = -4 000 +
2 025
Pour obtenir la valeur de b qui maximise P, il s'agit simplement
il = 112. 4,5b b
db 9 " 2 025 ~ 450
Annulant la dérivée première, on obtient
117 _ 4,5b
9 2 025
_ (2 025)(117)
5 850 et qui annule
(9)(4,5)
par conséquent le multiplicateur de Lagrange.
La dérivée seconde est
4^5
< 0 qui nous assure un maximum.
2 025
méthodes d'optimisation: utilisation des dérivées partielles 209
inconnues que l'on doit résoudre pour déterminer les points criti¬
g(Xj,X2) ^ b.
llO modêl-tsation et optimisation
mum de la fonction.
b) Si X < 0, la contrainte est restrictive; on a
= b.
Pluralité de contraintes
S'il existe plusieurs contraintes sous forme d'inéquations,
3.12 PROBLEMES
tion de X^?
b) Y = 2x^X2 - SJinXjX^
c) Y = (X^ +
12
d) Y = ^2
e) Y = 3X^ - 6X + 2X^X^
1 12 12
= 20X + X X - X^
1 12 2
a) Déterminer la productivité marginale du facteur X^.
a) Y = 2X + 8X + X^ + 4X^ + 2X X
1 2 1 2 1 2
Y = 8 -
b) 1 - X^2
c) Y = 100 + 2X - 3X + 4X^X^ + xJ
1 2
d) Y = 12 -- 6X X +■ X^ + X^
1 2 1 2
'y = 12 + 4X + X^ + XX + 2X^.
1 1 12 2
te :
Y = 60 - 12X - 27X + X^ + X^
1 2 12
Y= Bo + 3^x
à l'aide d'une série de points (X^,Y^), (X^,Y^),...,(X^,Y^)
Y X
15 -2
22 -1
30 0
38 1
46 2
rieure; les ventes mensuelles des dix derniers mois sont re¬
présentées par les données suivantes:
Mois 123456789 10
Quantité 1 500 2 200 2 500 3 400 4 000 5 100 4 800 6 000 6 400 7 000
est :
ï - B, + S,x^ + + BjX.x^ + BX + SX
OÙ 3j, 62» 3i^ et 3^ sont les paramètres du modèle.
\ T^- . -I * *
a; Déterminer les expressions de et en fonction des
X2
= 320
P2 100
ou et p^ sont les prix de vente unitaires et X^, X , les
fl a^Y
et ainsi de suite.
in ax, ax
1 n
f" f"
H 12
Posant D. f" ^2 =
11
f" f"
2 1 22
If
11
f"
12
f"
13
f"
11
f" » • Xf"
12 in
II
D f" f" D = f" f" .. f"
21 22 23 n 2 1 22 * ' 2n
fl
f" f"
31 32 33
f" J.f" •i
> • Xf"
ni n2 nn
* * *
Le point critique X = (X .X ,... ,x ) es t un :
12 n
116 modêVisation et optimisation
a) Y = 8X X sujet â 2X + X = 40
b) Y = Xf - XX + 2X^ sujet â X, + X = 16
contrainte budgétaire I.
16 000 unités.
l'entreprise?
production X^ + X^ = 21 000.
a) Déterminer les quantités X^ et X^ à fabriquer de chaque
prise?
e) Si la contrainte de production est plutôt
X + X <21 000,
1 2
est-ce que ceci modifie le programme optimal de fabrica¬
tion? Expliquer.
11£ modêl'tsat'lon et optimisation
\
\
b = 4? b = 8? b = 12? b = 24?
P = -88 - X^ - X^ + 18 Ÿ^i + 12
avec la contrainte X + X = b.
1 2
a) Déterminer les expressions de X^ et X^ en fonction de b.
4.1 Introduction
4.1 INTRODUCTION
fîiX)dX = F(X) + K.
/c(-X + 3)dX = ?
fi-yi + 3)dX = ^ + 3X + K.
—X^
La dérivée de F(X) = —^—+ 3X + K est bien égale â
oatoul -intégral 122
dF(X)
-X + 3.
dX
Tableau 4.1
a aX + K
a f(X) a F(X) + K
n+1
X^ ntl - K, n / -1
1
£nX t K
X
X
e e t K
aX aX
e K
a
1 ^n(aXtb) ^
aX+b a
X X
a
-T—
x-n a + K
sinX - cosX t K
cosX sinX t K
Un X X£n X - X t K
= F(X) + G(X) + K
EXEMPLE 4.2
b)
fi
/ — dX = - + K = 20fx’ + K
-è+1
c) dX = ^— + K
f
d)
f-à
lj^dX = Ünd+X) + K
e)
f/ (2X-H1) Mx = + K
fi
SOLUTION.
dY
Déterminons d'abord . En intégrant, on obtient
dX
il =
dX
f-2X dX = X^
J '
+ .
dY
Au point (1,4), ■55^ ~ 3.
(1)2 + = 3, Kj =
X'
/<(X^ + 2) dX = ^ + 2X + K2.
Puisque à X = 1, Y = 4, alors
Cl") 2
4 =-3^ + (2)(1) + K^, d'où = 5/3
Y = f . 2Xtf
a) /x e^ dX
Appliquant la formule
JK e^dX = X - J'c^
(l)e ^dX
X e^ - e^ + K
b) /x£nXdX
Par conséquent:
fxinXdX = JlnX - JI • ^ dX
oalcul -intégral 127
C = 1 - 2X + 6X^.
Donc
= X - X^ + 2X^ + K.
C = X - X^ + 2X^ + 100.
une courbe.
née
X. = a + i •
X n
b-a
Par la suite, nous construisons n rectangles de base et
n
de hauteur f(X.), i = 1, ..., n; la surface de chaque rectangle
h- ^
est donc —— f(X.).
n 1
fig. 4.3
calcul -intégral 129
b-a
S
n n
SOLUTION.
On obtient donc
(b-a) _ ^ _
et
n 4
Xi = 3, X^ = 4, X3 = 5 X^ = 6 avec
Alors
b-a
S f(x.) n .
f(X.)
1
n n
= 1/2(155) = 77,5.
•b
f(X) dX = limite — Zf(X.)
n 1
a n-^^
•4
2XdX
i 0
SOLUTION
b-a 4-0 4
On a
n n n
n n
Alors — Z f(X.) = - E f(X.) oÙ
n ' n . T ^
1=1 1=1
4
X. — a + i • = i • — et f (X. ) = 2i
1 n n 1 n
arithmétique est
(n)(n+1)
1+2+3+ ... +n — , alors
- Z f(X.) = 2 • - •
n . , 1 n n 2 n
1=1
= 16 + ü
n
Donc
suit:
Soit une fonction f(X) continue sur l’intervalle [a,b] de
Alors
b
f(X)dX = F(X) = F(b) - F(a)
a a
A= \ f(X)dX
a
A = - \ f(X)dX
a
SOLUTION
Î 20
(6X^ - 3X + 4)dX =
6X^ 3X^
+ 4X
1 20
0
= F(20) - F(0)
F(0) = 0
Donc
Propriétés
^ i;
"a
f (X)dX = 0
(h P
2. j f(X)dX=- l f(X)dX
S b
f(X)dX +
rc
j f(X)dX=
Çc
j f(X)dX, a < b < c
rb P
4. \ k f(X)dX = k 1 f(X)dX
SOLUTION
X^dX = f
C = Üll_ (2)^ 208 _ 69,33
X = a et X = b.
1Z4 modélisation et optimisation
A = f(X)dX
A = - \ f(X)dX
Cas 3. Si f(X) <0, a < X < m et f(X) > 0, m < X < b, alors
rm Ch
A = - l f(X)dX + \ f(X)dX
J a Jm
SOLUTION
Nous remarquons que f(X) < 0, pour 0 < X < 2 et f(X) > 0,
10
A =
-r "
20 + 12X - X^)dX +
i
\ (-20 + 12X - X^)dX
10
12X^ _ ^ 20X+
(-20X +
2 3 ^
J 2
56. 256 312
+ ^-3-- 104
3
Y = g(X) = X^ et Y = f(X) = 2X t 3.
SOLUTION
Traçons d'abord les courbes de ces deux fonctions, voir fig. 4.7
X = 3, Y = 9
/
C(2X + 3) - (X^)]dX
126 modêl-isat-ion et optimisation
il
y3 13
(-X^ + 2X + 3)dX - + X^ + 3X
. J -1
/ 27 „ ,1 ^ „ / 3,. 32
= (-J + 9 + 9) - (- + 1 - 3) = 9 - (- j) = “3
pargne des frais (cost savings) que l'on obtiendrait de cette ma¬
^ _ 9 000
(t + 2)"
dt > 4 000.
9 000 . _
dt = 9 000 j ^ (t+2) dt
_ 9 000
[
calcul 'Lntêgval 1S7
9 000 9 000
- 1 800 + 4 500
3+2 0+2
$2 700
f f (X)dX
b-a
Y = 0, X > 1
VMO = \ f (X)dX
b-a
fl |1
\ 4XdX = 2X^|q =2
1-0
SOLUTION
Y=8, 0<X<2
Y = 12 - 2X
Y=8, 0<X<2
VMO
4.7 PROBLEMES
(2X + l)dX
b)
c)
d)
I (5X^ + 3X - 2)dX
(3X + 2)^dX
/•4X ^dX
e)
f (e^ + X^ + 2)dX
f) (e^^ + 2)dX
/<
g)
/<(6X + 3) dX
h) (5X + 1) ^dX
i) X iln X dX
X^sinX dX
140 modêUsation et optimisation
k) X cosX dX
l)
/■
X^e ^^dX
_ 8
2. Déterminer l'équation de la courbe pour laquelle , 3
dX
qui est tangente a la droite 4X + Y = 6 au point (1, 2) .
lorsque X = 9.
d^Y
Soit —TT = 20 - 2X. Déterminer l'équation de la fonction
dX
Y = f(X) sachant que ^ 36 lorsque X = 2 et que Y = 189
lorsque X = 3.
quer pourquoi.
R = lOX - X^
odlcul -intégral 141
après l'achat.
rentable?
née .
142 modêtisat-ton et optimisation
calaul -intégral 14S
e)
5
SOMMAIRE
5.1 Introduction
5.2 Différentes catégories de coûts dans un modèle de gestion
des stocks
5.3 Modèle 1: modèle sans rupture de stock et délai de
livraison nul
5.1 INTRODUCTION
et par suite, - optimiser ces modèles avec les techniques que nous
très élevés.
146 modélisation et optimisation
frais, nous allons, pour les modèles que nous traiterons, les re¬
Coût d ’ccpprovisionnement
Ce coût peut comprendre deux composantes:
coûts de fabrication.
Coût de stockage
en stock),...
de quelques cas simples et, avec les modèles que nous aurons for¬
SON NUL
Westinghouse (1915).
Ce modèle repose sur les hypothèses suivantes :
de stock.
La courbe suivante, en forme de dents de scie, représente
y(t) = Q - Bt
Les deux seuls coûts que nous devons considérer pour cette
Coût d'approvisionnement
0 , si Q = 0
CA(Q) =
Cg + C^Q, si Q > 0
Coût de stockage
temps. Alors
CS(Q) = Cg-
s: y(t)dt
Donc
Q/3 Q/3
CS (Q)
10
(Q - 6t)dt = n [,-¥]
2
CS(Q)=c r^-Mi1=ÇsQ^
^ L B 23 J 23
CT = CA(Q) + CS(Q)
CsQ^
- Co + CjQ + 2g
ple) est
» = t
rant un cycle.
CTS = N* CT
^ N^S^' 3
= NCg + NC^Q + -2g— • Mais N = - . alors
3
CTS = - C^ + 3Cf + 2
Alors
Q/6
Niveau moyen du stock = y(t)dt
0
Q/3
(Q - 3t)dt
Q/3
qV23
= Q/2
Q/3
+ 6C^ + C
S 2
a
modales de gestion des stocks 151
dCTS _ « d^CTS
0, ^^2 > 0.
dQ
Ainsi
dCTS _ d ^ 0.
dQ dQ ^0 + + CgS.)
Cg
2
ec. Cg
- +-0. Résolvant pour Q,
Q^ 2
on trouve
2BC
Q" =^r-
VÇ
La deuxième condition qui assure un minimum est vérifiée
puisque
d^CTS d Bc c
___^ _s_^
dQ^ dQ
di Q^ 2
2BC
> 0.
Quantité o-ptimale
*
Q =
teint le niveau 0.
* 6C Q*
CTS = 3C. + —^ + C- —
' Q ® 2
duire cet article. Les coûts de réglage des machines pour chaque
« _ B_ _ 5 000 _
*
Q 1 000
* 1 1
t = — = — =0,2 an soit toutes les 10 semaines.
* Q*
CTS = 3C. + —^ + c_ -
^ Q ^2
0* 1 000
^— = 500 xmites
fig. 5.2
Niveau du stock
154 modélisation et optimisation
3C^
Q NCo Cg Q/2 CTS
(6=5 000)
R = X 6
re 5.4.
jours chaque fois que nous plaçons une commande. A quel moment
doit-on se réapprovisionner?
SOLUTION
Les règles de décision sont les mêmes, soient
Q* = 1 000 unités, N = 5, toutefois le point de réapprovi¬
6 = ^250^ = 20 unités/jour
fig. 5.5
Niveau du stock
y(t)
(a - 3)
|
la représentation graphique, le niveau du stock en tout temps t
s'écrit
Coût de stockage
Notons par CS(Q) le coût de stockage pour un cycle et Cg, le
TT rtJ rT
CS(Q) = C J y(t)dt = Cg j (a - 6)t dt + Cg \ (( l-3t)dt
fatj 3T^ 1
= Cg . QT - — - QtJ
at^ 3T
f- + Q(T - t^) -
t =-^ t =-^ T = t + t.
1 a-3 *2 3 ’ 1 ^ "2 3
1^ = a
SM a Q
(a-3)3 3 •
SM
Q(a-3)
a
SM
, on trouve
a-3
t = Qfa~B) _ ^
1 a(a-3) a
Donc t =û et = 2.
a 3
2a 6 a
ai
23
= C, ai _ ai
_23 2a
2 r
1 1
_ 3 a
C Q" 1 1
CT - C. . CjQ + - -)
CTS = (^)CT
- - Co + C^3 + Cg - -)
ser la fonction
CTS -1 C. t Cj6 + Cg I (1 - |)
160 modélisation et optimisation
Donc il faut
dCTS „ d^CTS . „
=0 et , ^ > 0.
dQ dQ^
dCTS BC
dQ
Bc, c 6
TTô- + (1 - -) = 0
Q2 2 a
D'où
2BC„
q2 =
S <1 -
et
20c,
Q = +
S » -
Vérifions la deuxième condition. La dérivée seconde est
d^CTS 2BC„ „ . „ „ _
——= Q3^ > 0 puisque B, et Q sont > 0.
Politique optimale
La taille optimale d'un lot, lorsque le taux de production
est fini est
SM* - -6)
a
* Q* 3 3Co SM*
CTS = — + C.3 + C_ - (1 - -) = -r- + C-3 + -
Q ^^2 aQ ^^2
R = A 3,
au lieu de 0.
lement .
stockage.
SOLUTION
250 unités
Q 1 250
* 1 1
T = -T = — = 0,25 an
N 4
= 800 unités.
(1)(800)
CTS* (100) + (5) (5 000) +
aussi plus économique ($25 800 < $26 000), les frais de réglage
et de stockage étant moins élevés.
Niveau du stock
Temps-an
modèles de gestion des stocks 163
té/unlté de temps.
Les différents coûts associés à ce modèle sont
10 ,
Co +
si Q = 0
si Q > 0
_ si _ S\
^B 2B 2B'^
S/B < t < Q/B, nous devons multiplier par -1, le résultat obtenu
précédemment (cas 2, page 134).
Cp
= ^ (Q^ - 2SQ + s")
-2F « -
Le coût total pour un cycle est donc
c^
= C0 + + + -^ (Q - S)2
2B
Le nombre de cycles pour une période quelconque étant N = ■^,
alors le coût total pour une période avec ce modèle de gestion des
stocks est
NC S2 nCL(Q - S) 2
CTS = NCo + NC^Q + -
.2 . .. S) 2
3c CS' Cp(Q
CTS = + BC^ + ^ +
2Q
par rapport à Q et à S.
Nous devons donc faire appel aux dérivées partielles que
3CTS _ 9CTS _
9Q 9S
“9^"" ~2q“ ^ 2Q
CcS C^(Q - S)
Développant, on obtient
-23C. - C-’S""
“ + --px
2C„Q'' - --px
2C„Q*S
- - -p' - 2QS + S^) = 0
.2 , .^2
-23Cq - Cg’S*' + 2Cp-Q‘' - 2CpQ*S - Cp-+ 2CpQS - = 0
-23C - C *8^ + C - C = 0
V ^ i Ir
2
23C- - C^*S‘' + C_*Q'' - C_*S
D'autre part,
Cp • Q
S =
"7^
alors,
23C c Q . ^
q2 =
•(—r )
'T '^S * S S
s " «VS»' ’ ~s
. 2BC. c Q
<vs>
modèles de gestion des stocks 167
23 c,
(Cg + Cj,)
23 c,
q'(i
c + c - c 23c
Q^( ^ ^ =
s " s
23C^
2. s
Q"(- ■) =
s " s -7
23c,
a.
Q"(- ■) =
"s " S
23c„ (C, + c^)
,2 _
P s
23c„ c + c
=
^ S
» P
* S * s " s
^ *^P ^ ^P
V 'V (^s ^ 7
m
Le temps optimal entre chaque commande est
"s " s
* —
3
168 modélisation et optimisation
■•-Æ'V S " S
* 6 C -S C (Q - S )
CTS C(j + + --— + ---
Q 2Q 2Q
g
Niveau moyen du stock = —r-
2Q*
2) Lorsqu'aucune pénurie de stock n'est permise
(C ■> 0°), l'expression Q* devient celle du modè-
^ Cp
le 1; de même -1, alors S* Q*(0*- S*-> 0)
Lg+Cp
/ 0,80
1 000
1 + 0,80 = (1 000)(0,6666)
=
S"S
667 unités
t* = -S!. = 1 500
3 5 000 0,3 an ou a tous les 75 jours pour une pê—
* (= »»»)») . lîMolgpl
= 333,33 + 25 000 + 148,30 + 185,04
= $25 666,67.
5.11 PROBLEMES
$50?
e) Quel est le coût optimum du système de stockage, si les
du stock.
lement pour $90 000 de cette pièce durant l'année (coût des
Achat Fabrication
cation.
en fabrication?
cycle?
c) Quel est le taux de consommation annuelle du stock?
en fabrication?
f) Quel est le niveau moyen du stock pour ce système de
stockage?
y(t) = 0 - Bt^.
a) Déterminer l'expression du niveau moyen du stock.
quelconque.
e) Déterminer la quantité Q qui minimise la fonction du
coût total.
= -2 000t.
dt
177
BIBLIOGRAPHIE
de France, 1969.
Addlson-Wesley, 1964.
Gauthier-Villars, 1964.
1971.
1972.
H
RÉPONSES AUX PROBLÈMES
Chapitre 1
b) Y = 20X b) $25
3. b) $1 600 e) $380
t—1
O
4. b) 700 unités c) 26 ou 95
c) - 54%
5^0
5. a)
66, 13. c) R = -15X^ + 50 OOOX
d) $2 166,67
B.
b) e) 17 500
2
c)
d)
6. c) 12 000
d) C = 4 500 + 3X
f) 1 500
184 modeZ-isat-Con et opt'Cm'Csati.on
Chapitre 2
1. a) 10 16. a) $7
b) -2 - AX b) $2
2. a) 5 c) 600
b) 2 - 2X 17. a) 6 250
b) $13,75
c)
d) 50%
d) 18. a)
MT i) max
.50oA22^
10
X X
e
ii) 0
b) X = 179
iii) -40
Po= $105
4. f (X = 4) = 37
19. a) maximum local (0,8)
f"(X = 4) = 20
minimum local (2,4)
f" (X = 4) = 6
point d'inflexion (1,6)
5. a) $5
c) minimum (3,-15)
d) 1 100 gallons
point d'inflexion (0,12)
7. a) $11 900
point d'inflexion (2,-4)
b) $59
20. d) $300
c) 14 000
f) $400
8. b) 180
g) 4 000 unités
9. c) 1 600 gallons
j) = $412,50
10. minimum local à X '
X = 3 500 unités
maximum local à X = 5
P = $156 250
max
point d'inflexion à X =
11. 10 000
12. b) 180
b) $56 210
Z +
1 0
14. c)
^ 2(z^+e^)
15. a) 50
réponses aux problèmes 185
chapitre 3
4. 21. a) X^ = 10, X2 = 20
- 44; - 8
3X^
b) X^ = 10, X^ = 6
3''Y
= 80
3X 3X c) X X =-^
1 2 ^ 39 ’ ^2 39
5. 100
= 1+2X +4X t-8t 22. b) ii) X, 20
dt 2 1 — =
min
-36
b) X, - f b, - |b
X = ü X
10. 1 7 ^ ^2 7
Y = — h^
11.
16
(X, 2, X, = 3);
y _ 81
2, X2 = --3) 26. a)
117
(X, -2, X = 3);
’ 2 c) b = 117
-2, X = -3)
’ 2 d) A = 0 et -2
12. X = 72,8, X, = 711
c) 7 680
16. C = 115
Xi = 2 000
c) $180; $260
186 modélisation et optimisation
Chapitre 4
b) 5,5 ans
3. Y = -800
c) 7 ans
f) VMO = A/2
Chapitre 5
1. a) 120 9. a) 600
c) 60 d) 184
b) 30 12. t 0
c)
1 000
7. b) Q* = 1 350
d) 500
f) $250
8. a) 30 000
d) 3 750
e) $177 750
Imprimé
sur les presses
de l’Imprimerie Saint-Patrice Inc.
de Trois-Rivières
pour les
Éditions SMG.
tb
lut ‘ K.
COLLECTION “MÉTHODES QUANTITATIVES DE GESTION”
COOPHEC
954
5M6