Reco 050
Reco 050
Reco 050
RECHERCHE OPERATIONNELLE
IIIème LMD EN ECONOMIE, GESTION
ET INGENIERIE
2023-2024
1
0. Introduction
01. Définition
Exemples :
Ordonnancement
Routage
Optimisation industrielle
Aide à la décision
C’est une discipline des mathématiques appliquées qui traite des questions
d'utilisation optimale des ressources dans l'industrie et dans le secteur public. Depuis
une dizaine d'années, le champ d'application de la RO s'est élargi à des domaines
comme l'économie, la finance, le marketing et la planification d'entreprise. Plus
récemment, la RO a été utilisée pour la gestion des systèmes de santé et d'éducation,
pour la résolution de problèmes environnementaux et dans d'autres domaines d'intérêt
public.
Planifier la tournée d'un véhicule de livraison qui doit passer par des points
fixés à l'avance puis revenir à son point de départ en cherchant à minimiser la
distance parcourue est un problème typique de recherche opérationnelle. On
appelle ce problème le problème du voyageur de commerce.
Remplir un conteneur avec des objets de tailles et de valeurs variables. Si le
conteneur a une capacité finie, on va chercher à maximiser la valeur placée
dans le conteneur. On appelle ce problème le problème du sac-à-dos.
2
La recherche opérationnelle est née pendant la Seconde Guerre mondiale des efforts
conjugués d'éminents mathématiciens (dont von Neumann, Dantzig, Blackett) à qui il
avait été demandé de fournir des techniques d'optimisation des ressources militaires.
Le premier succès de cette approche a été obtenu en 1940 par le Prix Nobel de
physique Patrick Blackett qui résolut un problème d'implantation optimale de radars
de surveillance. Le qualificatif opérationnelle vient du fait que les premières
applications de cette discipline avait trait aux opérations militaires. La dénomination
est restée par la suite, même si le domaine militaire n'est plus le principal champ
d'application de cette discipline, le mot Opérationnelle prenant alors plutôt le sens
d'effectif. Ce sont donc ces mathématiciens qui ont créé une nouvelle méthodologie
caractérisée par les mots-clés modélisation et optimisation.
A partir des années 50, la recherche opérationnelle fait son entrée dans les
entreprises. En France, des entreprises comme EDF, Air France, la SNCF créent à
cette époque des services de recherche opérationnelle (qui existent toujours). La
discipline commence à être enseignée dans les universités et les grandes écoles.
Puis, au milieu des années 70, sans doute à cause d'un excès d'enthousiasme au départ
et à l'inadéquation des moyens informatiques à l'application des méthodes de la RO,
la discipline s'essouffle.
3
A partir du milieu des années 90, on assiste à un retour en force la RO, les outils
informatiques étant maintenant à la hauteur des méthodes proposées par la recherche
opérationnelle. On assiste depuis à une explosion du nombre de logiciels
commerciaux et l'apparition de nombreuses boîtes de conseil. Pour la France, notons
Ilog (65 millions d'euros de CA), Eurodécision (2,8 millions d'euros de CA), Artelys
(1,6 millions d'euros de CA) à l'étranger Dash-Optimization (racheté début 2008 pour
32 millions de dollars par Fair Isaac), IBM Optimization et beaucoup d'autres (le site
de INFORMS Institute of Operations Research and Management Science en liste près
de 240).
03. Racines de la RO
Alcuin est le moine irlandais chargé par Charlemagne de construire l'école palatine et
qui inventa le problème du loup, de la chèvre et du chou devant traverser une rivière
dans une barque où au plus un élément peut prendre place.
Euler trouva la solution en 1736 car un tel parcours était impossible en procédant à
une modélisation subtile par des mots. La solution actuelle, beaucoup plus simple,
utilise une modélisation par un graphe (voir Chapitre 2). On voit sur cet exemple
qu'une bonne modélisation peut simplifier de manière drastique la résolution d'un
problème.
4
La solution correcte pour trouver l'optimum est connue depuis les années 40 et utilise
la programmation linéaire (que nous verrons au Chapitre 4), ou mieux, la théorie des
flots (que nous verrons au Chapitre 5).
Un modèle mathématique est une traduction de la réalité pour pouvoir lui appliquer
les outils, les techniques et les théories mathématiques, puis généralement, en sens
inverse, la traduction des résultats mathématiques obtenus en prédictions ou
opérations dans le monde réel.
Cela dit, pour commencer, un modèle simple est toujours préférable et permet
souvent de capturer l'essence du problème (2), de se construire une intuition et de
proposer des solutions faciles à implémenter. Ce qui est demandé au chercheur
opérationnel, c'est de proposer une meilleure utilisation des ressources, voire une
5
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 ?
1.1. Introduction
La gestion de stocks aide le responsable de stocks à bien le maintenir pour qu’il n’y
ait pas rupture. Il doit en effet, déterminer la quantité optimale à commander et
l’instant de commande.
Le stock est défini comme un réserve des articles quelconques qui doivent satisfaire
une demande future. On distingue plusieurs types de stocks :
Stocks des matières premières
Stocks des produits finis
Etc.
Graphique 1
T= Cycle
Le cout de stockage sur une période infinitésimale ‘’dt’’ est : dKs = ks*q*dt
avec ks = le cout de stockage par unité d’article et par unité de temps.
dKp = kp*q*dt
kp = Cout de pénurie par unité d’article et par unité de temps.
Le prix d’achat : les moyens mis en jeu pour acheter les articles.
Pour élaborer un modèle de gestion de stocks, il faut avoir les variables et les
hypothèses associées :
a. Hypothèses de la demande : la demande peut être déterministe c’est-à-dire
connue avec certitude ou aléatoire si les paramètres sont déterminés sur base
10
Graphique 4
Le cycle est unique : ce modèle a une période unique. Il faut donc déterminer
la quantité à commander pour ce type de modèle pour toute la période
considérée.
Il faudra tenir compte aussi du comportement des clients, ceux-ci peuvent être
patients ou impatients.
13
Graphique 6 et 7
f. Hypothèse sur le prix d’achat unitaire : ce prix peut être constant ou variable en
fonction de la qualité commandée (allègement si on commande une grande
quantité par exemple).
Au-delà des facteurs cités ci haut, le gestionnaire de stocks doit tenir compte de
certaines contraintes avant de considérer la solution à appliquer. Il s’agit entre autre
de :
- L’interaction ou l’incompatibilité entre différents produits lorsqu’ils doivent
etre stockés ensembles
- Limite des moyens ou des ressources disponibles : volumes, surfaces, poids,
temps opératoires, disponibilités financières.
14
Ce modèle est illustré par le modèle classique et simple de Wilson dont les
hypothèses sont :
- La demande est connue avec certitude
- La demande est considérée comme une variable continue
- La demande est importante au cours du cycle
- La livraison est immédiate
- Le délai de livraison est connu avec certitude
- Le prix d’achat unitaire est constant
- Aucune rupture de stock n’est tolérée
- Le cycle n’est pas imposé.
Le gestionnaire doit choisir une des alternatives suivantes :
- Commander en une fois : le cout d’approvisionnement est bas et le cout de
stockage est élevé
- Commander en plusieurs fois : le cout d’approvisionnement est élevé et le cout
de stockage est bas.
Graphique 8
15
On peut écrire
1. Le cout d’approvisionnement
2. Le cout de Stockage
( )
( ) et
3. Le cout de Pénurie
4. Le cout d’achat
Le cout total étant fonction de Q, le stock optimal (Qo) devra être la quantité qui rend
minimal le cout global de stockage, d’où il doit être trouvé en annulant la dérivée
première de Kt par rapport à Q :
Remarque : N doit être un entier naturel, si cela n’est pas le cas, on calcule Kt en
considérant les valeurs entières qui encadre N et, No sera la valeur qui minimise Kt.
Graphique 9
Ceci veut dire que la quantité optimale est la quantité qu’il faut pour que le cout de
stockage soit égal au cout d’approvisionnement.
Exemple
Solution
To = 2,7 et No=4.4
Si N=4
Kt = ka.
Si N=5
18
Conclusion
On considère N=4 comme son cout Kt est faible, donc T=3 mois avec Qo=49.5 m3.
Nous pouvons élaborer les variantes du modèle de Wilson en modifiant les
hypothèses.
Pour déterminer le cout total sur un temps de stockage, on découpe chaque cycle en
unités de temps suffisamment petit de sorte que la demande qu cours de cette unité de
temps soit égale à 1. Dans ce contexte, étant donné le caractère discret de la demande,
la pente représentant l’évolution du niveau du stock pour le cycle prendra la forme
d’un escalier.
Graphique 10
et
19
( ) ( ) ( ) ( )
Soit ( )
( )
( )
( )
( )
Si l’on reprend l’exercice précédent, en considérant que le stock contient des sacs de
ciments avec une demande de 16 sacs par mois, on aura :
( )
( )
Pour N= 4 et
20
Pour N= 5 et
Les quantités n’entrent pas dans le stock dans un lot unique mais par plusieurs lots
pour une commande. On suppose connue la période de production ou délai de
fabrication de la quantité nécessaire pour satisfaire la demande. On connait aussi la
quantité d’articles produits par unité de temps.
( ) ( )
( )
( )
√
( )
√
( )
Graphique 11
FC = Dd = Demande différée
BF = Q – Dd
Il faut remarquer que le gestionnaire doit déterminer Qo, To, No, et Dd.
( )
( )
( ) ( )
( )
( )
Donc
Pour Trouver la quantité optimale, on doit égaler les dérivées partielles de Kt à Zéro.
√
( )
√ √
d.
23
Dc<S
Graphique
( ) ( )
Or ( )
( )
( )
( )
24
Dc>S
Graphique 12
AB = Dc
or
( )
( )( )
( )
( )
25
Dans ces modèles, la demande est aléatoire et on suppose que la distribution des
probabilités est la même pour chaque cycle. Comme la demande est aléatoire, le cout
global du cycle Kt est aléatoire aussi, d’où on doit chercher à minimiser l’espérance
mathématique de Kt.
( ) ∑ ( )
( )
( ) ∑ ( ) ∑ ( )
( ) ( ) ( )
On arrive à ( ) ( ) ( )
Avec ( ) ∑ ( ) ∑
( ) ( )
L(S) augmente avec S, il arrive à un moment avec ( ) cesse d’etre négatif pour
devenir positif. Alors So (Stock Optimal) est déterminé par :
( ) ( )
Exemple
Pour un stock dont la demande est aléatoire allant de 0 à 4 articles, les probabilités
respectives sont 10%, 20%, 40%, 20% et 10%. Déterminer le stock qu’il faut si les
26
couts de stockage et de pénurie par unité d’article et par unité de temps sont
respectivement de 1000 FC et 19.000 FC.
( )
∑ ∑ ( )∑
4 4 0.1 0.025 1 0 0 1
( )
( )
( )
( ) ∫ ( )
On doit avoir :
27
( ) ( )
( ) ∫ ∫
( )
( ) ∑ ∑
Exemple
( )
∑ ∑ ∑
4 4 0.1 0.025 1 0 0 1
On trouve S entre 2 et 3
Interpolation ( ) y]1
Donc So=2+0.73=2.7
28
- Des contraintes d’antériorité c’est à dire une tache j ne peut commencer que
lorsqu’une tache I est terminée
- Des contraintes de dates c’est-à-dire une tache ne peut commencer avant une
certaine date.
Graphe = {(x1, x2) ;(x1, x3) ; (x3, x2) ;(x3, x4),(x4, x5), (x4, x6), (x5, x6)}
La représentation d’un graphe se fait par des ares reliant des sommets.
Xi Xj
Dans cet exemple Xj est appelé Suivant de Xi et Xi est le Précédent de Xj. Ainsi, on
peut avoir des tables des suivants ou des précédents que l’on appelle Dictionnaires.
X S(x) X P(x)
X1 X2, X3 X1 -
X2 - X2 X1 X3
X3 X2, X4 X3 X1
X4 X5, X6 X4 X3
X5 X6 X5 X4
X6 - X6 X4, X5
X1 X2 X3 X4 X5 X6 Total
X1 0 1 1 0 0 0 2
X2 0 0 0 0 0 0 0
X3 0 1 0 1 0 0 2
X4 0 0 0 0 1 1 2
X5 0 0 0 0 0 1 1
X6 0 0 0 0 0 0 0
Total 0 2 1 1 1 2 7
X1 X2
X3 X4
X5 X6
31
Le chemin est la succession des sommets dans un graphe (ex : x1, x23, x4). Un
chemin est appelé circuit s’il est fermé (origine coïncide avec l’extrémité).
La longueur d’un chemin de n sommets est n-1 pour les chemins non fermés et est
égale à n si le chemin est fermé.
- Chemin Hamiltonien , s’il passe une fois et une seule par chaque sommet
- Chemin PréHamiltonien, s’il passe au moins une fois par chaque sommet du
graphe
- Chemin Eulerien, s’il passe une fois et une seule par chaque arc du graphe
- Chemin PréEulerien, s’il passe au moins une fois par chaque arc du graphe.
On appelle niveau du sommet Xi, la longueur du plus long chemin ayant pour
extrémité Xi. Ainsi un sommet sans précédent a un niveau 0.
Pour déterminer les niveaux de sommets d’un graphe, on dresse le dictionnaire des
précédents :
5 4 6
1 2
7
32
X S(x) X P(x)
1 5,2,3 1 -
2 3,6,7 2 1
3 4,6,7 3 1,2,5
4 6 4 3,5
5 3,4 5 1
6 - 6 3,4
7 - 7 2,3
- Les dates
- Les marges
Tx T°x dx Ty T°y
X Y
MT ML MT ML
Comme la tache Z est la fin des travaux, alors Tz = T°z c’est-à-dire la fin des travaux
ne peut etre retardée.
- Les Marges totales (MT) : c’est un retard maximum que l’on peut prendre dans
la mise en route d’une tache sans remettre en cause les dates au plus tard des
taches suivantes c’est-à-dire sans retarder la fin des travaux.
MT = T°x - Tx
- Les Marges livres (ML) : C’est un retard maximum que l’on peut apporter à la
mise en route d’une tache sans remettre en cause la date au plus tot d’aucune
tache.
Remarque :
Exemple :
Durée Opérations
Code Opérations (Mois) Pré requises
A Construction des voies d'accès 4
B Travaux de terrassements 6 a
C Construction des bâtiments 4
D Commande des matériels électriques 12
E Construction du Barrage 10 b, c, d
F Commande des matériels de tuyauterie 24 b,c
G Installation des galeries et des conduits 7 a
H Montage des machines 10 e,g
I Essai de fonctionnement 3 f,h
Tracez les graphes et déterminer les marges ainsi que le chemin critique.
2. Niveaux
3. Graphes
4. dx
5. Tx
6. T°x
7. MT
8. ML
Graphique
Taches Tx T °x MT ML
A 0 0 0 0
B 4 4 0 0
C 0 6 6 6
D 0 2 2 0
E 12 14 2 0
F 10 10 0 0
G 4 17 13 11
H 22 24 2 2
I 34 34 0 0
Z 37 37 0 0
MT = T°x - Tx
Détermination du maximum de F:
Remarque:
On remarque que le maximum de F est atteint en un sommet du polygone convexe
des contraintes.
5
6
7
8
Cn m = [mn] =
( )
(35 =
( )
= = 20/2 = 10
N° SB X1 X2 E1 E2 E3 SA ou SNA VALEUR DE Z
1 0 0 0 81 55 20 SBA Z=0
2 A 0 9 0 10 11 SBA Z=36
3 0 11 -18 0 20/11 SBNA
4 0 20 -99 -45 0 SBNA
5 27 0 0 -53 -34 SBNA
6 55/4 0 39,7 0 -7,5 SBNA
7 D 10 0 51 15 0 SBA Z=60
8 B 4,3 7,6 0 0 3,8 SBA Z=56,2
9 6,6 6,8 0 -5,4 0 SBNA
10 C 7,5 5 13,5 0 0 SBA Z=65
SBA est celle qui satisfait les contraintes Xj≥0 et ou la condition de non négativité.
10
TRAVAUX PRATIQUES
1. Etablir les graphiques des couts K=f(Q) des modèles déterministes suivants :
3. Si l’on suppose une pénurie dans les conditions de l’exercice précédent de cout
10 fois le cout de stockage, calculer le QTN et le taux de défaillance ou de
pénurie.
4. Une étude statistique menée sur la demande d’un produit révèle la chance
d’avoir une demande donnée dans le tableau ci-après :
Demande 0 1 2 3 4 5
Chance (%) 90 5 2 1 1 1
On donne :
6. L’entreprise Chic Mode achète à chaque début de saison les robes qui seront
vendues au cours de la saison. La demande de la clientèle au cours d’une
saison suit une loi normale de probabilité s dont l’espérance mathématique est
de 500 robes et dont l’écart type est de 100 robes. Si le nombre de robes en
magasin est insuffisant pour satisfaire la clientèle, l’entreprise Chic Mode subit
un manque à gagner de 600 $ par vente manquée. Les robes invendues en fin
de saison sont soldées avec une perte de 200 $ par robe.
8. L’année n, une entreprise dispose d’un stock de 120.000 unités d’un nouvel
article de mode qu’elle lance sur le marché à partir du mois de septembre. Elle
vend 2500 unités le premier mois puis ses ventes diminuent de 20% chaque
mois. Le cout de stockage est de 3$ par unité et par mois.
9. Dans une entreprise, la passation d’une commande coute 60$ et 5 $ pour son
achat. Les couts de stockage sont de 0.50$ par unité et par mois. L’entreprise
achète normalement 90.000$ de cette pièce durant l’année (cout des pièces
seulement) et l’utilisation de cette pièce s’effectue d’une façon régulière durant
l’année, déterminer la quantité de chaque commande qui minimise les frais, le
nombre optimum de commandes pendant l’année, le temps entre chaque
réapprovisionnement et le cout total de ce système de stock.
10. Une demande pour un stock peut prendre les valeurs continues X telles que
0≤X≤4, avec des probabilités pour des valeurs entières successives de 10%,
20%, 40%, 20% et 10%. Sachant que les couts de pénurie et de stockage par
unité de stock et par unité de temps sont respectivement de 2000 $ et de 38000
$, estimer le stock optimal.
12. La société RK fabrique des lessives et les commerciales. Une étude du marché
a montré que l’impact des divers médias peut être caractérisé par le tableau
suivant :
14.Un pays en voie de développement veut mettre en valeur une zone de 900 Ha
où deux cultures sont à priori possibles : le maïs et le Soya. Les données
relatives à ces deux cultures sont les suivantes (pour un Ha).
Maïs Soya
Rendement en quintaux à l'Ha 75 2
Prix de vente par Quintal 60 60
Main d'œuvre nécessaire (en nombre d'ouvriers) 1 2
Frais d'exploitation (salaire non compris) 300 3500
Eau nécessaire pour irriguer 14000 m /an 6000 m3/an
3
Les salaires annuels sont dans tous les cas de 500 $ par an et par personne. Les
disponibilités des différents facteurs de production sont les suivantes :
- Terre : 900 Ha