Modélisation, simulation,

optimisation des chaines de production

Imane HSSINI
 « L ’ efficacité des décisions du cadre
dépend pour une large part de la qualité de
ses modèles»

Henry Mintzberg
 Introduction
3
 Qu’est ce qu’un modèle
4

✓ « Un modèle est un construit théorique qui simplifie la réalité au moyen d’un

schéma présentant une structure logique. » Kotler et al. (1998).

✓ « Un modèle est une abstraction de la réalité, un ensemble de relations causales

grâce auquel il est possible de prédire les effets d’une situation donnée. » Henry
Mintzberg (2006)

✓ « Le terme de “modèle” renvoie en effet à l’idée d’une représentation simplifiée

d’une réalité complexe. » — Demil et al. (2013)

✓ « Les modèles servent à expliquer comment les choses sont liées entre elles. »
Mikael Krogerus et Roman Tschäppeler (2018)
 Qu’est ce qu’un modèle
5

▪ Selon Mikael Krogerus et Roman Tschäppeler :

▪ Les modèles aident à simplifier. Ils n’appréhendent pas tous les éléments de la
réalité, mais se concentrent sur ceux qui sont importants.
▪ Ils récapitulent. Ce sont des résumés de processus plus complexes.
▪ Ils sont visuels. Ils traduisent en images ce qu’il est difficile d’expliquer avec
des mots.
▪ Ce sont des méthodes. Ils ne donnent pas de réponses, mais posent des
questions.
▪ Ce n’est qu’au moment où l’utilisateur applique le modèle, c’est-à-dire quand
il le remplit et travaille avec celui-ci, que les réponses apparaissent
 Qu’est ce qu’un modèle
6

• La modélisation consiste à définir les points suivants :

Le modèle : structure simplifiée de

Le système : Ensemble de la réalité qui contient
composants reliés entre eux. les caractéristiques estimées
importantes pour l’étude du système

Modélisation

Un critère de rentabilité : un critère

L’objectif : le but pour lequel de
qui justifie l’utilisation
modèle a été élaboré
d’un modèle
 Modélisation en 3D
8
▪ La modélisation 3D est une technique d’infographie consistant à reproduire ou à créer un
objet sous forme d’image 3D à l’aide d’une application spécialisée.
▪ Les modèles 3D sont utilisés dans divers secteurs:
✓ Divertissement et médias : la modélisation 3D est largement employée dans les effets
spéciaux, les jeux vidéo, les films et les programmes télévisés. Certaines productions sont
même entièrement créées à l’aide d’une application 3D.
✓ Architecture et immobilier : les architectes et les designers utilisent la modélisation 3D
pour créer des représentations visuelles détaillées de bâtiments, de décorations d’intérieur et
de paysages. Ces modèles permettent de communiquer efficacement la vision du designer
aux personnes susceptibles d’investir, à la clientèle et au public.
 Modélisation en 3D
9
✓ Design de produits et fabrication : la modélisation 3D offre un moyen efficace et respectueux
de l’environnement de développer des prototypes, de visualiser des idées de produits et de
simuler des fonctionnalités avant la production. Les designers peuvent peaufiner leurs idées et
créer un nombre infini d’itérations avant la finalisation d’un produit.
✓ Secteur médical et de la santé : la modélisation 3D est utilisée dans l’imagerie médicale et pour
la planification chirurgicale. La reproduction précise des organes, des os et des tissus permet de
réaliser des diagnostics, de planifier des traitements et de faire avancer la recherche.
✓ Enseignement et formation : la modélisation 3D est utilisée dans un contexte éducatif pour
enseigner des concepts sur une variété de sujets, comme la biologie, la géographie ou l’histoire.
Elle permet au corps étudiant et aux personnes en formation d’interagir avec des modèles
virtuels et des simulations dans des environnements contrôlés et sécurisés.
 Modélisation en 3D
10

• Les modèles en 3D sont si réalistes qu’il est parfois difficile de se rendre compte
au premier regard qu’il s’agit de rendus d’images. Il existe plusieurs techniques de
modélisation en 3D à savoir:

➢Modélisation par courbes NURBS (Non uniform rational basic spline)

➢Modélisation par subdivision de surface : regroupe un peu des deux méthodes
classiques (polygonale et NURBS);
➢Modélisation par surfaces implicites;
➢Modélisation par géométries;
➢Modélisation volumique;
➢Modélisation Paramétrique.
 Modélisation économique
11

▪ En économie, la modélisation économique permet une représentation

simplifiée de la réalité économique ou d'une partie de l'économie. L'utilisation
d’un tel modèle fournit un appui logique et documenté en vue de :
✓ Proposer des politiques économiques ;
✓ Présenter des arguments raisonnables afin de justifier les politiques économiques des
pays,
✓ Planifier et allouer les ressources, dans le cas des économies centralement planifiées,
 Modélisation économique
12

▪ Le modèle économique est également appelé le modèle d’activités économiques ou

le modèle d’affaires ou en anglais le business model (BM).
▪ En entreprise, la modélisation économique ou business model est un instrument et
outil de construction ou de réinvention d’un système concret d’action pour une
activité économique. Elle permet de comprendre comment se génère la valeur.
▪ Le modèle économique correspond à la manière dont l’entreprise va créer de la
valeur pour l’ensemble des parties prenantes (les clients, l’entrepreneur, les associés,
les investisseurs…). Il s’agit de l’élément central de tout projet de création
d’entreprise :
✓qu’est-ce qu’on va vendre ?
✓à qui ?
✓quelle est la valeur apportée ?
✓comment va-t-on générer des revenus ?
 Modélisation économique
13

▪ « Un modèle économique s’apparente à un plan décrivant le fonctionnement

d’une entreprise. » — Clark, Osterwalder et Pigneur (2012)
▪ On distingue deux grandes familles des modèles économiques :

✓ Les modèles théoriques, parmi lesquels on peut faire une distinction entre:
➢ les modèles descriptifs qui cherchent à décrire le monde réel
➢ les modèles idéaux qui visent à représenter des situations idéales.

✓ Les modèles économétriques à finalité plus pratique, parmi lesquels :

➢ les Modèles à court ou long terme
➢ les Modèles microéconomiques ou macroéconomiques
➢ la Technique des scénarios
➢ …..
 Modélisation économique
14

▪ Un modèle économique se compose de plusieurs éléments :

✓ les objectifs
✓ les choix stratégiques
✓ l’offre de produits ou services
✓ les ressources

▪ Toutes les entreprises ont un modèle économique. Une grande majorité d’entre elles
l’ont construit sans s’y pencher sérieusement, simplement en imitant le modèle de
leurs concurrents. Toutefois, il ne s’agit pas d’une stratégie qui permet à l’entreprise
d’être meilleure que ces concurrents et de les surpasser.

▪ Pour élaborer un modèle économique, il faut respecter les principes suivants :

✓ se concentrer sur ce que l’on sait faire de mieux,
✓ s’adresser à un segment de clientèle bien identifié,
✓ avoir une offre avec une réelle valeur pour les clients.
 Modélisation économique
15

▪ L’élaboration d’un modèle économique s’avère utile et importante dans le cadre

d’un projet de création d’entreprise, à plusieurs niveaux :
✓Pour construire une offre qui apporte une réelle valeur aux clients,
✓Pour définir comment les revenus et la rentabilité seront générés,
✓Pour déterminer les compétences indispensables,
✓Pour recenser l’ensemble des moyens nécessaires au projet,
✓Pour travailler les grandes lignes de la future organisation de l’entreprise
(production, logistique, vente…).
▪ Plusieurs éléments sont très importants pour élaborer un modèle économique :
✓la mission de l’entreprise,
✓la vision des créateurs d’entreprises,
✓les objectifs,
✓les ressources et les compétences.
 Modélisation économique
16

▪ Le business model canvas est un outil qui propose une démarche visant à
élaborer un modèle économique. Il permet à l’entrepreneur d’obtenir une image
de son modèle économique. Le business model canvas est articulé autour des
neuf éléments suivants :

/
 Modélisation PNL
17

▪ En comportement humain, la modélisation PNL est le fruit de l’observation d’experts en communication

ainsi que des travaux de psychologie. C’est une démarche au sein de la Programmation Neuro-
Linguistique. La PNL répond à deux besoins : la nécessité de communiquer dans les meilleurs conditions
et l’inévitable gestion du changement personnel.
▪ Pour bien communiquer, nous devons analyser notre interlocuteur et comprendre sa manière particulière
de voir le monde. C’est cela qu’offre la PNL : des outils de synchronisation et une grille de lecture pour
adapter notre communication. La PNL, nous permet d’apprendre des techniques efficaces comme la
synchronisation, l’auto-ancrage ou la dissociation pour améliorer notre communication.
 Modélisation des données
18

▪ A notre époque, les entreprises recueillent et utilisent au quotidien une grande

quantité de données issues depuis nombreuses sources. Cependant, les données
brutes ne suffisent pas. Il convient d'analyser les données pour obtenir des
informations exploitables permettant de prendre des décisions rentables. Une
analyse précise des données nécessite l'efficacité de la récolte, du stockage et du
traitement des données. Il existe plusieurs technologies de bases de données et outils
de traitement des données, et différents jeux de données.

La modélisation de données permet de comprendre les données et de

faire les bons choix technologiques de stockage et de gestion de ces
données.
 Modélisation des données
19
▪En informatique, la modélisation de données est le processus de création d'une
représentation visuelle (graphique) ou d'un plan qui définit les systèmes de collecte et de
gestion de l'information de toute organisation (système d’information) . Ce plan ou modèle
de données aide différentes parties prenantes, comme les analystes de données, les
scientifiques et les ingénieurs, à créer une vue unifiée des données de l'organisation.
▪Le modèle décrit les données que l'entreprise recueille, la relation entre les différents jeux
de données et les méthodes qui seront utilisées pour stocker et analyser les données.
 Modélisation des données
20

▪ Les types de modèles de données :

▪ La modélisation de données commence généralement par la représentation
conceptuelle des données, puis par leur représentation dans le contexte des
technologies sélectionnées. Les analystes et les parties prenantes créent différents
types de modèles de données lors de la phase de conception des données. Voici les
trois principaux types de modèles de données :
✓ Modèle conceptuel de données:
▪ Les modèles conceptuels de données également appelés modèles de domaines, sont des
modèles qui permettent une vision large et globale des données. Ils expliquent les éléments
suivants :
➢ Les données contenues par le système
➢ Les attributs et conditions de données ou les contraintes des données
➢ Les règles qui régissent les données
➢ Comment organiser au mieux les données
➢ Les exigences de sécurité et d'intégrité des données
 Modélisation des données
21
▪ Exemple de modèles conceptuels de données :
▪ Le modèle conceptuel de données d'une concession automobile peut afficher les
entités de données comme suit :
✓ Une entité Expositions qui représente les informations relatives aux différents points de
vente de la concession
✓ Une entité Voitures qui représente les différentes voitures actuellement stockées par la
concession
✓ Une entité Clients qui représente tous les clients ayant effectué un achat dans la
concession
✓ Une entité Ventes qui représente les informations relatives à la vente concrète
✓ Une entité Représentant qui représente les informations relatives à tous les
représentants travaillant pour la concession
▪ Ce modèle conceptuel inclurait également des exigences, par exemple :
✓Chaque voiture doit appartenir à une exposition spécifique.
✓Chaque vente doit être associée à au moins un représentant et un client.
✓Chaque voiture doit avoir un nom de marque et un numéro de produit.
✓Chaque client doit fournir son numéro de téléphone et son adresse e-mail.
 Modélisation des données
22

▪ Les types de modèles de données :

✓ Modèle logique de données:
▪ Les modèles logiques de données associent les classes conceptuelles de données aux
structures techniques de données. Elles donnent plus de détails concernant les
concepts de données et les relations complexes entre les données ayant été identifiés
dans le modèle conceptuel de données tels que :

➢ Les types de données des différents attributs (par exemple, chaîne ou numéro)
➢ Les relations entre les entités de données
➢ Les attributs primaires ou les champs clés des données

▪ Ces modèles sont utiles pour la conception de grandes bases de données, appelées
entrepôts des données, ainsi que pour la conception de systèmes d'informations
automatisés.
 Modélisation des données
23

▪ Exemple de modèles logique de données :

▪ Le modèle logique de données étendrait le modèle conceptuel et analyserait de
manière plus approfondie les classes de données, comme suit :

✓ L'entité Expositions est dotée de champs de nom et d'emplacement sous la forme de

données textuelles, et d'un champ de numéro de téléphone sous la forme de données
numériques.

✓ L'entité Clients est dotée d'un champ d'adresse e-mail au format xxx@exemple.com ou
xxx@exemple.com.yy. Le nom du champ ne peut pas dépasser 100 caractères.

✓ L'entité Ventes est dotée de champs de noms pour le client et le représentant. La date de
la vente est un type de données de date et la quantité un type de données décimal.
 Modélisation des données
24

▪ Les types de modèles de données :

✓ Modèle physique de données:
▪ La modélisation physique des données est la dernière des trois étapes de la
modélisation des données. Les concepteurs de bases de données produisent des
modèles physiques de données à partir des modèles créés lors des étapes de
modélisation conceptuelle et logique des données.
▪ Les modèles physiques de données associent les modèles logiques de données à une
technologie de système de gestion de bases de données (SGBD) spécifique. Par
exemple, ils fournissent des détails relatifs aux éléments suivants :

➢ Les types de champs de données tels que représentés dans le SGBD

➢ Les relations entre les données telles que représentées dans le SGBD
➢ Des détails supplémentaires, comme le réglage des performances
 Modélisation des données
25

▪ Exemple de modèles physique de données :

▪ Imaginons que la concession automobile a décidé de créer une archive de données
dans Amazon S3 Glacier Flexible Retrieval. Son modèle physique de données
indique les spécifications suivantes :

✓ Dans Ventes, le montant de la vente est un type de données flottant, et la date de la

vente est un type de données d'horodatage.

✓ Dans Clients, le nom du client est un type de données de chaîne.

✓ Dans la terminologie S3 Glacier Flexible Retrieval, un coffre-fort est l'emplacement

géographique de vos données.
 Modélisation des données
26

▪ Les types de techniques de modélisation de données :

▪ Les techniques de modélisation de données sont les différentes méthodes que vous
pouvez utiliser afin de créer différents modèles de données. Au fil du temps, les
approches ont évolué en raison des innovations des concepts de base de données.
Voici les principaux types de modélisation de données :

➢ Modélisation hiérarchique des données

➢ Modélisation graphique des données
➢ Modélisation relationnelle des données
➢ Modélisation entité-association des données
➢ Modélisation orientée objet des données
➢ Modélisation dimensionnelle des données
 Modélisation d’entreprise
27
▪ En conseil, la modélisation d'entreprise consiste à modéliser les différentes fonctions de
l’entreprise tout en les associant les unes aux autres pour offrir une vue globale,
multidimensionnelle et cohérente. En d’autre termes, c’est une représentation de
l’organisation et du fonctionnement de l’entreprise selon différents points de vue. Les
concepts de base de la modélisation sont : les ressources (humaines, techniques,
naturelles), les activités et les processus, l’organisation et la structure du système, ainsi
que d’autres aspects comme les aspects dynamiques, économiques, humains et sociaux.
 Modélisation d’entreprise
28

▪ En vue de modéliser les différents processus d’une entreprise, différentes

architectures de références ont été définies à cause du nombre important de
concepts à manipuler et de la diversité des approches disponibles.

▪ Les architectures fournissent un cadre général et des points de repère aux

utilisateurs en leur indiquant quels aspects de l’entreprise doivent être pris en
compte, les relations qui existent entre eux et la terminologie communément admise
dans le domaine.

▪ Les architectures les plus connues : CIMOSA, GIM, ARIS, l’ENV 40003, PERA et
GERAM.

▪ Ces architectures empruntent des notions à :

✓ l’approche systémique (physique, information, décision)
✓ méthodes du génie logiciel (décomposition fonctionnelle, concept de cycle de vie,
techniques structurées d’analyse, modélisation et traitement des données, etc)
 Modélisation d’entreprise
29

▪ CIMOSA
▪ CIMOSA (CIM Open System Architecture) est une architecture pour construire
des systèmes intégrés de production.
▪ La méthode comprend :
✓ un cadre de modélisation
✓ une plate-forme d’intégration
✓ une méthodologie d’intervention
▪ Le cadre de modélisation est basé sur trois principes fondamentaux et
orthogonaux pour la modélisation.
▪ Ceci donne une structure en trois axes communément appelée cube CIMOSA.
Les trois axes sont :
✓ L’axe de générécité
✓ L’axe de dérivation (relatif au cycle de développement)
✓ L’axe de génération (instanciation)
 Modélisation d’entreprise
30

▪ CIMOSA
 Modélisation d’entreprise
31

▪ GRAI-GIM
▪ GRAI (Graphe de Résultats et d’activités Interreliées) est une méthodologie de modélisation
et d’analyse des systèmes de décision des entreprises de production de bien ou de service.
▪ La méthode a été étendue pour s’adapter aux systèmes intégrés de production :
Méthodologies GIM (GRAI Integrated Methodology)
▪ GIM considère quatre vues:
✓ Information (données/connaissances)
✓ Décision (chaînes d’activité et centres de décision)
✓ Physique (ressources)
✓ Fonction (décomposition fonctionnelle)
▪ GIM définit trois niveaux de travail:
✓ Conceptuel (définition des besoins tels vus par les utilisateurs)
✓ Structurel (définition d’une solution technologique validée par les utilisateurs)
✓ Réalisationnel : décrit l’implantation en tenant compte :
➢des aspects organisationnels
➢des technologies de l’information
➢des technologies industrielles et manufacturières
 Modélisation d’entreprise
32

▪ GRAI-GIM
▪ GIM ne fournit pas un langage de modélisation propre, il s’appuie sur des
formalismes existants (Merise, réseaux GRAI, IDEF0, IDEF3, modèle
relationnel)
 Modélisation d’entreprise
33

▪ Modélisation de processus
▪ La modélisation des processus d'entreprise est une technique puissante qui
consiste à créer des représentations graphiques ou des modèles qui illustrent les
étapes, les activités et les interactions impliquées dans un processus.
▪ La modélisation des processus d'entreprise permet de capturer visuellement le
flux de travail, d'informations et de ressources au sein d'un processus, ce qui
facilite l'identification des inefficacités, des goulets d'étranglement et des
domaines à améliorer. Les modèles utilisent généralement une notation
standardisée, afin de garantir la clarté et la cohérence de la communication.
 Modélisation d’entreprise
34

▪ Modélisation de processus
▪ Il existe de nombreux outils de modélisation des processus qui peuvent être
utilisés pour améliorer les flux de travail, les rendant plus efficaces et plus
rentables:
✓ Diagramme SIROP
✓ BPMN: Business Process Model and Notation (modèle de procédé d'affaire
et notation),
✓ UML : en particulier les cas d'utilisation et les diagrammes d'activité.
✓ Cartographie des chaines de valeur (VSM).
✓ Merise : le modèle organisationnel de traitement (MOT).
✓ IDEF0 et IDEF3.
✓ Logigrammes.
✓ ….
 Modélisation d’entreprise
35

▪ Modélisation de processus
▪ Les diagrammes SIPOC sont un outil utilisé dans la méthodologie Six Sigma.

▪ SIPOC est un acronyme qui aide les parties prenantes à identifier les éléments
clés d'un processus dès le départ.
✓ Le "s" de SIPOC désigne les fournisseurs.
✓ Le "i" pour les intrants.
✓ Le "p" pour le processus que vous souhaitez améliorer.
✓ Le "o" pour les résultats.
✓ Le "c" désigne les clients auxquels les résultats sont destinés.
▪ Lors de la réalisation d'un diagramme SIPOC, chaque lettre de l'acronyme est
généralement inscrite en haut d'une colonne sous la forme d'un tableau. Les
parties prenantes énumèrent ensuite les éléments clés de chaque catégorie.
 Modélisation d’entreprise
36

• Modélisation de processus
• Exemple diagramme SIPOC
 Modélisation d’entreprise
37

▪ Modélisation de processus
▪ Les diagrammes UML, abréviation de Unified Modeling Language, ont été
développés par des ingénieurs en informatique, mais sont devenus l'un des outils
de modélisation des processus d'entreprise les plus populaires.
▪ L’UML est un langage de modélisation du développement qui est utilisé pour
fournir une manière standardisée de représenter visuellement un système. Les
diagrammes comprennent les acteurs, les actions, les rôles et les classes d'un
système et aident à mieux comprendre ou à documenter un système.
▪ Il existe environ 14 types différents de diagrammes UML, dont plusieurs sont
utiles en tant qu'outils de modélisation des processus d'entreprise. Ces
diagrammes se répartissent en deux grandes catégories :

✓ Les diagrammes structurels: analysent la structure d'un processus,

✓ Les diagrammes comportementaux se concentrent sur ses acteurs et ses
différents composants.
 Modélisation d’entreprise
38

• Modélisation de processus
• Les diagrammes UML,
 Modélisation d’entreprise
39

▪ Modélisation de processus
▪ Les diagrammes BPMN sont des outils de modélisation des processus d'entreprise qui ont été
développés par la Business Process Management Initiative (BPMI). La technique est
similaire aux diagrammes UML et constitue une méthode standardisée pour créer des
organigrammes - un diagramme étape par étape d'un processus.
▪ les diagrammes BPMN peuvent être utilisés pour fournir aux parties prenantes une vue
d'ensemble d'un processus. Ils peuvent également être utilisés pour créer des diagrammes
très détaillés qui fournissent des conseils pratiques aux parties prenantes responsables de
l'exécution des tâches. Les quatre éléments communs des diagrammes de processus
opérationnels sont les suivants :

✓ Objets de flux : Il s'agit notamment des événements, des activités et des passerelles.
✓ Relier les objets : Les lignes pleines indiquent le transfert de tâches, tandis que les lignes
en pointillé représentent des messages.
✓ Couloirs de nage : Ces couloirs détaillent les responsabilités des sous-tâches et les
personnes ou services chargés de les accomplir.
✓ Les artefacts : Ils sont utilisés pour ajouter des informations à un diagramme qui ne sont
pas des flux de séquences ou de messages.
 Modélisation d’entreprise
40

• Modélisation de processus
• Les diagrammes BPMN
 Modélisation d’entreprise
41

▪ Modélisation de processus
▪ La cartographie de la chaîne de valeur est utilisée pour illustrer les étapes d'un processus
commercial. L'objectif premier de cette méthodologie est d'identifier les endroits où un
processus peut être amélioré par l'élimination des déchets. Il existe plusieurs types de
déchets différents que les parties prenantes cherchent à identifier. Il s'agit notamment de:

✓ L'attente : Il s'agit d'un retard de production causé par un goulot d'étranglement dans un
processus antérieur.
✓ Mouvement : Les étapes inutiles qui font qu'une tâche prend plus de temps et coûte plus
cher.
✓ Transport : Réduire les étapes impliquant le transport de fournitures ou d'informations.
✓ La surproduction : Produire plus que la demande entraîne des déchets ou des coûts de
stockage.
✓ Traitement excessif : Prendre trop de temps à essayer d'être parfait au lieu de passer à la
phase suivante.
✓ Défauts : Nécessité de refaire ou de produire un article qui doit être mis au rebut..
 Modélisation d’entreprise
42

• Modélisation de processus
• La cartographie de la chaîne de valeur
 Modélisation d’entreprise
43

▪ Modélisation de processus
▪ SADT (en anglais Structured Analysis and Design Technique), connue aussi sous le label
IDEF0 (en anglais Integration DEfinition for Function Modeling), est l’un des standards de
description graphique d'un système complexe par analyse fonctionnelle descendante, c'est-à-
dire que l'analyse chemine du général (dit « niveau A-0 ») vers le particulier et le détaillé (dits
« niveaux Aijk »).
✓ Le produit, c'est ce qui est (ou sera) fourni à un utilisateur pour répondre à son besoin,
✓ La fonction d'usage, c'est la fonction réalisée par le produit pour répondre au besoin d'un
utilisateur donné.
✓ La matière d'œuvre, c'est ce sur quoi agit le produit;
✓ Le produit agit sur la matière d'œuvre pour la faire évoluer d'un état initial à un état final
✓ Les données de contrôle sont les éléments dont a besoin le produit pour démarrer ou modifier
son processus d'élaboration de la valeur ajoutée;
 Modélisation d’entreprise
44

• Modélisation de processus
• Diagramme SADT/IDEF0
 Modélisation d’entreprise
45

▪ Modélisation de processus
▪ IDEF3 ou "Integrated DEFinition for Process Description Capture Method", c'est-à-dire
"Méthode de définition intégrée pour la capture des descriptions de processus", est une
méthode de modélisation de processus qui pour but de représenter graphiquement une
séquence de comportements (tâches) et d'états en résultant. Elle appartient à la famille des
méthodes de modélisation IDEF, qui avaient été développées à l'origine pour l'armée
américaine. Elle est à ce titre un complément à la méthode IDEF0 d'analyse fonctionnelle
descendante.
 Modélisation d’entreprise
46

• Modélisation de processus
• Diagramme IDEF3
 Modélisation mathématique
47

▪ Modélisation mathématique
▪ Les problèmes d'organisation rencontrés dans une entreprise ne sont pas
mathématiques dans leur nature. Mais les mathématiques peuvent permettre de
résoudre ces problèmes.
▪ La modélisation mathématique ou l’élaboration d’un modèle mathématique revient
à traduire le problème dans un cadre mathématique, cadre dans lequel les
techniques de la recherche opérationnelle pourront s'appliquer.
▪ Le modèle mathématique permet d'analyser des phénomènes réels et de prévoir des
résultats à partir de l'application d'une ou plusieurs théories à un niveau
d'approximation donné.
 Modélisation mathématique
48

▪ Modélisation mathématique
▪ En modélisation mathématique, nous ne devons pas modéliser la totalité des
éléments d'un problème. En effet, une des vrais difficultés de départ est de savoir
quels éléments doivent être modélisés et quels sont ceux qui n'ont pas besoin de
l'être.
▪ Par exemple, lorsqu'on souhaite planifier une tournée, la couleur du véhicule n'a pas
d'intérêt. Le statut du conducteur, la nature du véhicule ou du produit transporté
peuvent, eux, en avoir, et seule une compréhension de l'objectif de l'optimisation de
la tournée peut permettre de trancher.

Souvent, la phase de modélisation est accompagnée ou précédée de nombreuses

discussions avec le commanditaire
 Modélisation mathématique
49

▪ Modélisation mathématique
▪ Pour un même problème, différentes modélisations sont possibles il n'est pas rare
que le problème semble insolvable dans une modélisation et trivial dans une autre..
▪ Avant d’entamer l’élaboration d’un modèle mathématique, il faut poser les bonnes
questions permettant de décrire en plus juste le problème étudié. Ces questions
s’articulent autour de trois axes : les variables de décision, les contraintes et
l’objectif.

✓ Quelles sont les variables de décision ? C'est-à-dire quels sont les éléments de mon
modèle que j'ai le droit de faire varier pour proposer d'autres solutions ?
✓ Quelles sont les contraintes ? Une fois identifiées les variables de décision, quelles sont
les valeurs autorisées pour ces variables ?
✓ Quel est l'objectif ou le critère ? Quelle est la quantité que l'on veut maximiser ou
minimiser ?
 Modélisation mathématique
50

▪ Modélisation mathématique
Plusieurs étapes sont nécessaires pour élaborer un modèle mathématique :
1. description des phénomènes physiques : c’est le domaine des experts de la
discipline concernée par les phénomènes que l’on souhaite étudier (chimistes,
physiciens, biologistes, etc.)
2. modélisation : il s’agit, à partir de la description qualitative des experts, d’établir un
modèle mathématique décrivant le comportement du phénomène physique.
On s’attache à déterminer les inconnues (variables) du problème, par exemple la vitesse
d’écoulement d’un fluide, la température, etc., ainsi que les données du problème (les
paramètres physiques par exemple) ou encore les contraintes, avant d’écrire les
équations.
Deux remarques à propos de ce modèle :
• lorsque le modèle est trop complexe, on peut chercher à le simplifier (comportements
négligeables à certaines échelles, etc.);
• dans la plupart des cas, on ne sait pas calculer une solution analytique explicite, il faudra alors
se résoudre à calculer une solution approchée par des techniques numériques.
 Modélisation mathématique
51

▪ Modélisation mathématique
Plusieurs étapes sont nécessaires pour élaborer un modèle mathématique :
3. analyse mathématique : bien qu’aucune solution théorique ne puisse être trouvée, il
est intéressant de construire un cadre théorique propice à l’analyse mathématique du
modèle. On sera amené à considérer des questions relatives à l’existence, à l’unicité des
solutions, à leur stabilité ou à d’autres propriétés. Il est en particulier intéressant de
savoir si les solutions du problème satisfont les propriétés physiques du modèle
(positivité d’une concentration, ...) on introduit la notion de problème bien posé.
4. résolution numérique : l’étude mathématique va servir à construire les bases de la
résolution numérique du problème. Comme les ordinateurs ne peuvent traiter qu’un
nombre fini d’inconnues, avec une précision donnée, on se ramène à un problème en
dimension finie, en discrétisant l’espace et le temps. Ceci aboutit à la résolution d’un
système, linéaire ou non.
C’est ici que les classes de méthodes de résolution constructives apparaissent
(différences finies, éléments finis, volumes finis, méthodes spectrales, etc.).
 Modélisation mathématique
52

▪ Modélisation mathématique
Plusieurs étapes sont nécessaires pour élaborer un modèle mathématique :
5. analyse numérique : une fois que le problème discret est obtenu, se pose la question
légitime de savoir si la solution discrète est proche de la solution continue, et en quel
sens. Ceci revient à savoir si cette solution discrète converge vers la solution du modèle
continu lorsque le nombre d’inconnues augmente et si il est possible de connaître la
vitesse de convergence de la méthode.
6. mise en œuvre : il s’agit d’implémenter la méthode numérique au moyen d’un
ordinateur. Pour cela, il est important de sélectionner soigneusement les structures de
données et les algorithmes qui constituent le programme de résolution. Il faudra prendre
en compte les contraintes de temps de calcul et de ressources mémoire pour obtenir la
solution la plus précise possible.