UNIVERSITE CATHOLIQUEDE LOUVAIN

INSTITUT D’ADMINISTRATIONET DE GESTION.
Diplˆ ome d’´etudes compl´ementaires en Administration des entreprises.
Gestion de la Production et des Op´ erations.
Daniel DE WOLF.
PROD 2800 2000/2001.
Table des mati` eres
1 Introduction 7
1.1 Objectifs du cours . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.2 D´efinition de la gestion de production . . . . . . . . . . . . . . . 8
1.3 Classification des syst`emes productifs . . . . . . . . . . . . . . . 10
1.3.1 Organisation de type s´erie unitaire . . . . . . . . . . . . . 10
1.3.2 Organisation en ateliers sp´ecialis´ es . . . . . . . . . . . . 11
1.3.3 Organisation en lignes de production . . . . . . . . . . . 11
1.3.4 Les industries de process . . . . . . . . . . . . . . . . . 12
1.4 Plan du cours . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
1.5 Formulation en mod`eles math´ematiques . . . . . . . . . . . . . . 12
1.6 Exercices de formulation . . . . . . . . . . . . . . . . . . . . . . 16
I Les d´ ecisions op´ erationnelles 19
2 Ordonnancement en ateliers sp´ ecialis´es 21
2.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
2.2 Ordonnancement sur une machine . . . . . . . . . . . . . . . . . 22
2.2.1 Le diagramme de Gantt . . . . . . . . . . . . . . . . . . 22
2.2.2 La r` egle T.O.M. . . . . . . . . . . . . . . . . . . . . . . 23
2.3 Ordonnancement avec deux centres de production . . . . . . . . . 25
2.3.1 Cas o` u toutes les tˆ aches sont ` a ex´ ecuter sur A puis B . . . 25
2.3.2 Cas de tˆ aches ne s’effectuant pas dans le mˆ eme ordre . . . 26
2.4 Ordonnancement sur trois machines . . . . . . . . . . . . . . . . 28
3
4 Table des mati`eres
2.5 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
3 La gestion calendaire de stock 31
3.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
3.2 Les politiques de gestion de stock . . . . . . . . . . . . . . . . . 32
3.3 Les coˆ uts associ´es aux stocks . . . . . . . . . . . . . . . . . . . 33
3.3.1 Les coˆ uts de possession . . . . . . . . . . . . . . . . . . 33
3.3.2 Les coˆ uts de rupture . . . . . . . . . . . . . . . . . . . . 35
3.3.3 Les coˆ uts de commande . . . . . . . . . . . . . . . . . . 35
3.4 Gestion calendaire de stock ` a rotation nulle . . . . . . . . . . . . 36
3.5 Cas d’une loi de demande continue . . . . . . . . . . . . . . . . 40
3.6 Les cons´equences ´ economiques de la solution optimale . . . . . . 42
3.7 Cas de stocks ` a rotation non nulle . . . . . . . . . . . . . . . . . 45
3.7.1 D´etermination de la solution optimale . . . . . . . . . . . 48
3.7.2 Cas d’une loi de demande discr`ete . . . . . . . . . . . . . 50
3.8 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51
4 La gestion par point de commande 53
4.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53
4.2 D´etermination de la quantit´e ´ economique de commande . . . . . . 54
4.3 D´etermination du point de commande . . . . . . . . . . . . . . . 57
4.4 Cas d’une demande al´eatoire . . . . . . . . . . . . . . . . . . . . 58
4.4.1 D´etermination de q et s . . . . . . . . . . . . . . . . . . 59
4.4.2 Cons´ equences ´ economiques du choix . . . . . . . . . . . 61
4.5 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 63
II Les d´ecisions tactiques 65
5 La planification de la production 67
5.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . 67
5.2 La planification des besoins en composants . . . . . . . . . . . . 68
Table des mati`eres 5
5.3 Principes de base de la MRP . . . . . . . . . . . . . . . . . . . . 70
5.3.1 D´etermination des besoins nets d’un composant . . . . . . 70
5.3.2 D´etermination de la couverture des besoins nets . . . . . . 71
5.3.3 Utilisation en cascade de la logique de calcul . . . . . . . 72
5.4 Ajustement charge-capacit´ e . . . . . . . . . . . . . . . . . . . . 75
5.5 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 86
6 La programmation dynamique. 87
6.1 Le probl` eme du voyageur . . . . . . . . . . . . . . . . . . . . . 87
6.2 Un probl` eme d’affectation de ressources rares . . . . . . . . . . . 91
6.3 Application ` a la planification de la production. . . . . . . . . . . 93
6.4 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 99
7 Les techniques de juste ` a temps 101
7.1 Origine et principe du JAT . . . . . . . . . . . . . . . . . . . . . 101
7.2 Les deux approches du JAT . . . . . . . . . . . . . . . . . . . . 103
7.2.1 Augmenter la r´eactivit´ e du syst`eme logistique . . . . . . . 103
7.2.2 La rationalisation de la production . . . . . . . . . . . . . 103
7.3 Les facteurs cl´ es du JAT . . . . . . . . . . . . . . . . . . . . . . 104
7.3.1 Recherche d’un plus grande r´eactivit´ e . . . . . . . . . . . 104
7.3.2 Maˆıtrise des al´eas . . . . . . . . . . . . . . . . . . . . . 104
7.4 La m´ ethode Kanban . . . . . . . . . . . . . . . . . . . . . . . . 105
7.4.1 Syst`eme Kanban ` a une boucle . . . . . . . . . . . . . . . 105
7.4.2 Syst`eme Kanban ` a deux boucles . . . . . . . . . . . . . . 107
7.4.3 D´etermination du nombre d’´etiquettes . . . . . . . . . . . 108
7.5 Exercice . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 110
III Les d´ ecisions strat´egiques 111
8 L’ordonnancement de projets 113
8.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . 113
6 Table des mati`eres
8.2 Formulation et repr´esentation du probl`eme . . . . . . . . . . . . 115
8.3 Calcul de l’ordonnancement au plus tˆ ot . . . . . . . . . . . . . . 119
8.4 Chemin critique et calcul des marges . . . . . . . . . . . . . . . 120
8.5 L’ordonancement par la m´ ethode PERT . . . . . . . . . . . . . . 122
8.6 Prise en compte des contraintes disjonctives . . . . . . . . . . . . 124
8.7 La minimisation des coˆ uts . . . . . . . . . . . . . . . . . . . . . 125
8.8 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 128
9 Conception d’un centre de production 133
9.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . 133
9.2 Configuration d’un centre de production . . . . . . . . . . . . . . 134
9.2.1 Configuration en ateliers sp´ ecialis´es . . . . . . . . . . . . 134
9.2.2 Configuration en ligne de production . . . . . . . . . . . 137
9.2.3 Configuration ` a poste fixe . . . . . . . . . . . . . . . . . 141
9.3 D´ecisions de capacit´ e . . . . . . . . . . . . . . . . . . . . . . . 143
9.4 D´ecisions de localisation . . . . . . . . . . . . . . . . . . . . . . 146
9.4.1 Utilisation de la programmation math´ematique . . . . . . 148
9.4.2 Utilisation de variables binaires . . . . . . . . . . . . . . 151
9.5 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 152
A Formulaire pour la gestion de production 157
A.1 La gestion calendaire de stock . . . . . . . . . . . . . . . . . . . 157
A.2 La gestion par point de commande . . . . . . . . . . . . . . . . . 158
A.2.1 Cas de l’univers certain. . . . . . . . . . . . . . . . . . . 158
A.2.2 Cas d’une demande al´eatoire . . . . . . . . . . . . . . . 159
A.3 Equilibrage d’une chaˆ ıne de production . . . . . . . . . . . . . . 160
A.4 Calcul d’annuit´ es . . . . . . . . . . . . . . . . . . . . . . . . . 160
B Tables pour la gestion de stocks 161
B.1 Table de la loi Poisson(λ) . . . . . . . . . . . . . . . . . . . . . 161
B.2 Table de la loi normale Z ∼ N(0, 1) . . . . . . . . . . . . . . . . 166
B.3 Table pour le calcul de I
r
(S) . . . . . . . . . . . . . . . . . . . . 167
Chapitre 1
Introduction
1.1 Objectifs du cours
L’objectifducours estdedonnerune formationdebase ` a l’approchequantitative
des probl`emes de gestion de l’entreprise tels que :
• la planification de la production;
• l’ordonnancement de projets;
• la gestion des stocks;
• la gestion de la capacit´ e,. . .
Pour cela, on essayer de d´evelopper une double comp´etence :
• La capacit´e de formuler ces probl`emes en des mod`eles math´ ematiques :
c’est-`a-dire, partant de probl`emes ´ enonc´ es de mani`ere litt´ eraire, de les tra-
duire sous formes d’´equations math´ ematiques (cfr section 1.5 ` a la fin de ce
chapitre).
• La connaissance d’outils de r´esolution de ces probl`emes : en effet, une
fois le probl`eme formul´e, souvent on tombe sur un probl`eme classique (tel
celui de la gestion de stock), pour lequel il existe des m´ ethodes de r´ esolution
adapt´ees.
Comme r´ ef´ erences, nous utiliserons les livres de Giard [5] et Baglin et al [1]
pour tous les mod`eles classiques de gestion de la production. Pour ce qui est de
la formulation en mod`eles math´ematiques, une tr` es bonne r´ef´ erence est le livre de
Williams [14]. Pour les techniques d’optimisation appliqu´ees aux probl`emes de
gestion, nous suivrons Hillier et Liberman [7] ainsi que Norbert et al [12]. Une
autre bonne r´ef´ erence est Lacaze [8].
7
8 Chapitre 1. Introduction
1.2 D´ efinition de la gestion de production
Pour pouvoir donner une d´ efinition de la gestion de production, il faut d’abord
d´efinir ce que l’on entend par la production. La production consiste en une
transformation de ressources (humaines ou mat´erielles) en vue de la cr´ eation de
biens ou services :
• La production d’un bien s’effectue par une succession d’op´ erations consom-
mant des ressources et transformant les caract´eristiques de la mati`ere. Un
exemple classique est la production de voitures.
• La production d’un service s’effectue par une succession d’op´erations con-
sommant des ressources sans qu’il n’y ait n´ecessairement transformation
de mati`ere. Des exemples classiques sont la mise ` a disposition de produits
aux consommateurs (la vente), le traitement de dossier (par un notaire), la
maintenance d’´equipements.
On peut alors d´efinir la gestion de production comme suit.
D´efinition 1.1 La gestion de la production consiste en la recherche d’une orga-
nisation efficace de la production des biens et services.
La gestion de production consiste donc ` a l’obtention d’un produit donn´ e dont les
caract´eristiques sont connues en mettant en œuvre un minimum de ressources.
En gestion de production, on consid´erera, g´ en´eralement, comme donn´ees les ca-
ract´eristiques du produit que sont :
• la d´efinition du produit;
• le processus de fabrication;
• la demande ` a satisfaire.
Ces trois caract´eristiques du produit rel` event des sciences de l’ing´enieur et de la
gestion commerciale. Nous verrons cependant au chapitre 8 la gestion de projets
qui est souvent utilis´ ee pour optimiser le processus de conception d’un nouveau
produit. Nous verrons aussi au chapitre 9 comment optimiser le processus de
fabrication.
Les outils de la gestion de la production sont un ensemble de techniques
d’analyse et de r´ esolution des probl` emes de mani` ere ` a produire au moindre coˆ ut.
Nous verrons dans ce cours un certain nombre de probl`emes types rencontr´ es en
gestion de production. Pour situer ces diff´ erents probl`emes entre eux, on classifie
souvent les d´ecisions de gestion en trois classes :
Section 1.2. D´efinition de la gestion de production 9
1. Les d´ecisions strat´ egiques : il s’agit de la formulation de la politique ` a
long terme pour l’entreprise (c’est-`a-dire ` a un horizon de plus de deux ans).
Entrent dans ces d´ecisions :
• la d´efinition du portefeuille d’activit´ es;
• la d´efinition des ressources stables : aussi bien humaines (engagement,
licenciement, pr´eretraite,. . . ) que mat´ erielles (d´ecisions d’investisse-
ment, de cession, de fermeture,. . . );
2. Les d´ecisions tactiques : il s’agit des d´ecisions ` a moyen terme parmi les-
quelles on trouve la planification de la production ` a 18 mois. Il s’agit de
produire au moindre coˆ ut pour satisfaire la demande pr´evisible en s’inscri-
vant dans le cadre fix´ e le plan strat´egique de l’entreprise (donc ` a ressources
mat´erielles et humaines connues).
3. les d´ ecisions op´ erationnelles : il s’agit des d´ ecisions degestion quotidienne
pour faire face ` a la demande au jour le jour, dans le respect des d´ ecisions
tactiques. Parmi ces d´ecisions, on trouve :
• la gestion de stocks;
• la gestion de la main d’œuvre;
• la gestion des ´ equipements.
Ces trois classes de d´ecisions de gestion de production se diff´ erencient par au
moins trois ´ el´ements :
1. par l’horizon de temps consid´er´ e :
• les d´ ecisions op´erationnelles se prennent au jour le jour;
• les d´ ecisions tactiques concernent la planification ` a 18 mois;
• les d´ ecisions strat´ egiques concernent la planification ` a long terme.
2. par le niveau d’agr´egation :
• les d´ ecisions op´ erationnelles se prennent au niveau d’un atelier;
• les d´ ecisions tactiques se prennent au niveau d’une usine;
• les d´ecisions strat´ egiques se prennent au niveau de l’ensemble de l’en-
treprise.
3. par le niveau de responsabilit´ e :
• les d´ ecisions op´erationnelles sont prises par les agents de maˆ ıtrise;
• les d´ ecisions tactiques sont prises par les cadres;
• les d´ ecisions strat´ egiques sont prises par la direction g´en´ erale.
10 Chapitre 1. Introduction
1.3 Classification des syst` emes productifs
On peut classer les modes d’organisation de la production en quatre grandes
classes :
• l’organisation en s´erie unitaire;
• l’organisation en ateliers sp´ecialis´ es;
• l’organisation en ligne de production;
• l’organisation en industries de process.
Nous examinerons dans chaque cas, le type de ressources ` a mettre en œuvre et
le probl` eme principal de leur utilisation.
1.3.1 Organisation de type s´ erie unitaire
D´efinition 1.2 La production de type “s´ erie unitaire” est une production mobili-
sant sur une p´eriode assez longue l’essentiel des ressources d’une entreprise pour
r´ealiser un nombre tr`es limit´e 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 publics
(tel que le creusement d’un tunnel sous la manche ou la construction d’un pont
suspendu,. . . ).
En ce qui concerne les ressources mobilis´ees, on fait le plus souvent appel ` a
un personnel hautement qualifi´ e vu le caract`ere non r´ep´ etitif des tˆ aches.
En ce qui concerne le probl` eme d’ordonnancement, le probl`eme majeur est
l’arbitrage entre la recherched’un coˆ utcomp ´ etitif et le respect des d´ elais. Eneffet,
d’une part, les commandes seront rapidement honor´ees si beaucoup de ressources
sont mises en œuvre. Mais, d’autre part, le coˆ ut des ressources est g´en´ eralement
croissant avec leur niveau d’utilisation : la location de machines suppl´ ementaires
et l’engagement d’int´erimaires coˆ utent g´en´eralement plus cher que l’utilisation des
ressources propres de l’entreprise. Nous verrons cela en d´ etails au chapitre 8.
Danslesdeuxcas, l’ordonnancementdestˆaches, c’est-` a-direlad´etermination
de l’ordre d’ex´ ecution des tˆ aches) est essentiel. En effet, non seulement l’ordre
d’ex´ecution des tˆ aches d´etermine la date de livraison, mais, comme nous le verrons
au chapitre 8, il influence les coˆ uts dans la mesure o` u une mauvaise coordination
s’accompagne souvent de chˆ omage technique pour certaines ressources et du paie-
ment de p´enalit´ es pour non respect des d´elais.
Section 1.3. Classification des syst`emes productifs 11
1.3.2 Organisation en ateliers sp´ecialis´ es
D´efinition 1.3 On parle d’organisation en ateliers sp´ ecialis´es lorsque tous les
´ equipements assurant une fonction sp´ecialis´ ee sont r´ eunis en un mˆ eme lieu.
Comme exemple, on peut citer un atelier d’emboutissage des tˆ oles de voitures ou
un atelier de peinture dans une usine d’assemblage automobile.
En ce qui concerne les ressources mobilis´ees, la main d’œuvre est plutˆ ot
qualifi´ee et les ´ equipements sont polyvalents.
En ce qui concerne le probl` eme de l’organisation efficace des ressources,
deux probl`emes principaux sont ` a consid´erer :
• Lors de la conception de l’atelier, le probl`eme principal est la gestion des
coˆ uts de manutention entre les diff´ erents postes de travail. Afin de diminuer
ces coˆ uts on d´etermine la meilleure localisation des machines les unes par
rapport aux autres dans l’atelier. Ceci fait appel aux m´ ethodes d’agencement
dans l’espace (cfr chapitre 9 consacr´e ` a la configuration d’un centre de
production).
• Lors de la gestion quotidienne de l’atelier, le probl`eme principal est de
d´eterminer l’ordre d’ex´ ecutions des diff´ erentes tˆ aches sur une ou plusieurs
machines. Nous verrons cela en d´etails au chapitre 2 consacr´e ` a l’ordonnan-
cement en ateliers sp´ ecialis´ es.
1.3.3 Organisation en lignes de production
D´efinition 1.4 On parle d’organisation en lignes de production lorsque qu’un
flux r´egulier de produits passe d’un poste ` a l’autre, l’ordre de passage ´ etant fix´ e.
Comme exemple, on peut citer les lignes d’assemblage d’automobiles.
En ce qui concerne les ressources mises en œuvre, les ´ equipements sont
g´en´ eralement tr` es sp´ecialis´ es. En ce qui concerne l’organisation efficace des
ressources, le probl`eme majeur consiste en l’´ equilibrage de la chaˆıne : c’est-` a-
dire ` a d´efinir les tˆ aches ` a r´ealiser ` a chaque poste de mani` ere ` a avoir le mˆ eme temps
de r´ealisation ` a chaque poste (cfr chapitre 9). En effet, un mauvais ´ equilibrage de
la chaˆ ıne entraˆınera une sous-utilisation des ressources puisque la chaˆ ıne tourne ` a
la vitesse de l’´ el´ement le plus lent.
Deux autres probl`emes sont tr` es importants dans ce mode d’organisation de la
production. Il s’agit de : la fiabilit´e de la chaˆıne (un maillon d´efectueux et toute
la chaˆ ıne s’arrˆ ete) et de la fiabilit´e du syst`eme d’informations.
12 Chapitre 1. Introduction
1.3.4 Les industries de process
D´efinition 1.5 On parle d’industries de process lorsque le mode d’organisation
est caract´ eris´ e par un flux r´egulier et important de mati`eres premi` eres destin´ ees ` a
ˆ etre transform´ees en mati`eres plus ´ elabor´ ees.
Comme exemples, on peutciter lasid´erurgie, la p´ etrochimie, lesecteurdelachimie
lourde, le secteur agro-alimentaire, etc. . .
En ce qui concerne l’organisation efficace des ressources, vues l’importance
et la r´egularit´e de la demande, le probl`eme d’organisation au coˆ ut minimum est
g´en´ eralement assez simple. Il peut ˆ etre r´esolu par la programmation lin´ eaire.
1.4 Plan du cours
Partie I : les d´ ecisions op´ erationnelles.
• L’ordonnancement en ateliers sp´ ecialis´ es.
• La gestion calendaire de stocks.
• La gestion de stocks par point de commande.
Partie II : les d´ecisions tactiques.
• La planification de la production.
• La programmation dynamique.
• Les techniques de juste-` a-temps.
Partie III : les d´ ecisions strat´egiques.
• La gestion de projets : application ` a la conception de nouveaux pro-
duits.
• Conception de centres de production : localisation, choix de la capa-
cit´ e, choix du processus.
1.5 Formulation en mod` eles math´ematiques
Terminons ce chapitre en introduisant la notion de mod`ele math´ ematique. Par
mod`ele math´ ematique, on entend la repr´esentation par des ´ equations math´ema-
tiques d’un probl`eme de la vie r´eelle. Nous allons illustrer la construction d’un
Section 1.5. Formulation en mod`eles math´ematiques 13
mod`ele math´ ematique sur un exemple tr` es simplifi´ede planification de laproduc-
tion tir´e de Williams [14]. Une usine peut produire cinq produits (not´es PROD1 ` a
PROD5). La marge b´en´ eficiaire unitaire, c’est-` a-dire la diff´ erence entre le prix de
vente et le coˆ ut de production d’un produit, est donn´ee pour chacun des produits
au tableau 1.1.
Produit PROD1 PROD2 PROD3 PROD4 PROD5
Marge 550 600 350 400 200
Tableau 1.1: Profit net par produit
Chaque produit n´ecessite le passage par trois ´ etapes de fabrication. Les temps
requis ` a chaque ´ etape sont donn´es pour chaque produit au tableau 1.2.
Produit PROD1 PROD2 PROD3 PROD4 PROD5
´
Etape 1 12 20 0 25 15
´
Etape 2 10 8 16 0 0
´
Etape 3 20 20 20 20 20
Tableau 1.2: Temps de fabrication
Enfin, il faut tenir compte des ressources en facteurs disponibles donn´ ees au
tableau 1.3. Les deux premi` eres ´ etapes sont effectu´ ees sur machine tandis que la
´
Etape Ressources en facteurs
´
Etape 1 3 machines
´
Etape 2 2 machines
´
Etape 3 8 personnes
Tableau 1.3: Ressources en facteurs
troisi`eme ne n´ecessite que l’intervention de main d’œuvre. En ce qui concerne les
deux premi`eres ´ etapes, l’usine travaille en deux pauses de huit heures par jour, et
ceci, au maximum six jours par semaine. En ce qui concerne la troisi` eme, chaque
personne travaille une pause de 8 heures par jour et ceci au maximum 6 jours par
semaine.
La question que se pose le gestionnaire de l’usine est la suivante. Quelles sont
les quantit´es ` a fabriquer de chaque produit pour maximiser le profit net ?
La construction d’un mod` ele est, en g´en´ eral, une op´eration en trois ´ etapes :
1. le choix des variables de d´ecisions,
14 Chapitre 1. Introduction
2. l’expression de l’objectif en fonction de ces variables,
3. l’expression des contraintes en fonction de ces variables.
La premi`ere ´ etape consiste donc en le choix des variables de d´ ecision.
D´efinition 1.6 On appelle variable de d´ecision toute quantit´ e utile ` a la r´ esolution
du probl` eme dont le mod` ele d´etermine la valeur.
G´en´ eralement, elles sont not´ ees par les lettres de la fin de l’alphabet (x, y, z, etc...).
Ici, on note simplement par x
i
, la quantit´e du produit i fabriqu´ ee par semaine, i
allant de un ` a cinq.
Une premi`ere remarque importante s’impose. Il est fondamental de bien
pr´ eciser les unit´ es selon lesquelles sont exprim´ ees les variables. En effet, l’ordre
de grandeur des coefficients de l’objectif et des contraintes d´epend de ces unit´ es.
La deuxi` eme ´ etape consiste en la formulation de l’objectif.
D´efinition 1.7 L’objectif est la quantit´ e que l’on veut minimiser ou maximiser.
Ici, il s’agit de la somme des contributions de chacune des productions au profit
net de l’usine. Elle s’exprime simplement par :
max z = 550x
1
+ 600x
2
+ 350x
3
+ 400x
4
+ 200x
5
La troisi` eme ´ etape consiste en la formulation des contraintes.
D´efinition 1.8 Les contraintes sont toutes les relations entre les variables qui
limitent les valeurs possibles que peuvent prendre ces variables.
Ici, il y a trois contraintes :
• La premi` ere concerne la limite d’utilisation des machines ` a l’´etape 1. Il y
a trois machines, utilis´ees en deux pauses de huit heures et ceci au maxi-
mum six jours par semaine, ce qui donne un nombre maximum d’heures par
semaine
1
:
3 ×(2 ×8) ×6 = 288 heures disponibles.
Une unit´ e de produit 1 demande 12 heures sur machine ` a l’´etape 1. Si x
1
unit´es de produit 1 sont produites par semaine, cela demande 12 x
1
heures
sur la machine 1. Par un raisonnement semblable pour les autres produits,
on obtient finalement la contrainte :
12x
1
+ 20x
2
+ 0x
3
+ 25x
4
+ 15x
5
≤ 288.
1
Remarquez ici l’importance d’avoir pr´ecis´e que les quantit´es produites
l’´etaient par semaine.
Section 1.5. Formulation en mod`eles math´ematiques 15
• La deuxi`eme contrainte concerne la limite d’utilisation des machines ` a la
deuxi` eme ´ etape. Le nombre maximum d’heures d’utilisation vaut :
2 ×(2 ×8) ×6 = 192 heures,
et la contrainte s’exprime comme :
10x
1
+ 8x
2
+ 16x
3
+ 0x
4
+ 0x
5
≤ 192.
• La troisi`eme contrainte concerne la limite d’utilisation des hommes ` a la troi-
si` eme ´ etape. Le nombre maximum d’heures prest´ees en une semaine par les
8 hommes est de :
8 ×(1 ×8) ×6 = 384 heures.
Et donc la contrainte s’exprime comme :
20x
1
+ 20x
2
+ 20x
3
+ 20x
4
+ 20x
5
≤ 384.
• Enfin, il nefaut pas oublier lescontraintes, presque toujourspr´esentes, disant
que l’on ne peut pas produire des quantit´es n´egatives :
x
1
, x
2
, . . .x
5
≥ 0.
Enfin, g´en´ eralement on conclut l’´etape de construction du mod`ele, en regrou-
pant l’objectif et les contraintes. On obtient le programme math´ematique sui-
vant :
max z = 550x
1
+ 600x
2
+ 350x
3
+ 400x
4
+ 200x
5
s.c.q.
_
¸
¸
¸
¸
¸
¸
¸
¸
_
¸
¸
¸
¸
¸
¸
¸
¸
_
12x
1
+ 20x
2
+ 0x
3
+ 25x
4
+ 15x
5
≤ 288
10x
1
+ 8x
2
+ 16x
3
+ 0x
4
+ 0x
5
≤ 192
20x
1
+ 20x
2
+ 20x
3
+ 20x
4
+ 20x
5
≤ 384
x
1
, x
2
, x
3
, x
4
, x
5
≥ 0
Remarquons qu’il s’agit d’un programme lin´ eaire car il n’y pas de terme du
type x
2
1
ou x
1
x
2
qui rendraient le probl` eme non lin´ eaire. Remarquons ´ egalement
que si les quantit´es produites avaient dˆ u ˆ etre enti`eres (par exemple, la production
d’avions), on aurait eu un programme en nombres entiers.
16 Chapitre 1. Introduction
1.6 Exercices de formulation
Pour chacun des ´ enonc´es qui suivent, on demande de formuler math´ematiquement
le probl`eme (choix des variables, expression de l’objectif et des contraintes).
1.1. Un probl` eme de choix d’investissements. Un ´ epargnant peut investir
1000 EURO. Il a le choix entre trois investissements possibles : A, B et
C. Les valeurs attendues et les valeurs minimales garanties apr`es un an sont
donn´ees au tableau 1.4 par EURO investi. L’´ epargnant souhaite un int´erˆ et
Type valeur valeur
d’investissement attendue garantie
A 1, 4 0, 9
B 1, 2 1, 2
C 1, 6 0, 5
Tableau 1.4: Valeurs attendue et minimum garantie.
minimum garanti de 5% sur un an. Cependant, il a promis d’investir au
moins 600 EURO sur B et C ensemble. Comment l’´ epargnant pourrait-il
r´epartir son investissement pour maximiser la valeur attendue globale apr`es
un an ? L’int´ erˆ et minimal doit porter sur la somme disponible.
1.2. Un probl` eme de chargement d’un haut fourneau. Une fonderie re¸ coit
une commande de 1000 tonnes d’acier. Cet acier doit r´ epondre aux ca-
ract´eristiques suivantes : il doit contenir au moins 0,45 % de mangan` ese
(Mn) tandis que son pourcentage en silicium (Si) doit se situer entre 3,25
et 5,50. Pour couler cet acier, la fonderie dispose en quantit´es illimit´ees de
trois types de minerais : A, B et C. Leurs teneurs en Si et Mn sont reprises
au tableau 1.5. Le proc´ed´ e de production de l’acier est tel qu’une addition
Minerai A B C
Si 4 % 1 % 0,6 %
Mn 0,45 % 0,5 % 0,4 %
Tableau 1.5: Teneurs en Silicium et Mangan` ese des diff´ erents minerais.
directe de mangan` ese est envisageable. Ce mangan` ese est disponible au prix
de 8 millions la tonne. Quant aux minerais, ils coˆ utent respectivement 21
millions les mille tonnes pour le type A, 25 millions par mille tonnes pour
B, et 15 millions par mille tonnes pour C. Si la fonderie envisage de vendre
Section 1.6. Exercices de formulation 17
l’acier produit 0,45 million la tonne, quel doit ˆ etre son plan de production
pour maximiser son profit, sachant que le coˆ ut de fonte d’une tonne de mine-
rai est de 0,005 million ? Le coˆ ut de fonte ne s’applique pas au mangan` ese
ajout´e.
1.3. Un probl` eme de planification sur coˆ ut variable. Un industriel cherche ` a
´ etablir son plan de production pour les quatre mois ` a venir, sachant que les
demandes sont d´ej`a connues et se chiffrent ` a 900, 1100 1700 et 1300 articles,
respectivement. En r´egime normal, la production est de 1200 articles par
mois. A l’aide d’heures suppl´ementaires, ce niveau standard peut ˆ etre ´ elev´ e
jusqu’`a 400 articles en plus, mais il faut compter, dans ce cas, un surcoˆ ut
de 7 EURO par article. La situation est telle qu’il peut se permettre en
r´egime normal de produire moins de 1200 articles par mois. Cela n’aura
aucune incidence sur les coˆ uts de production, ceux-ci ´ etant fixes en r´egime
normal, mais l’effet sur les coˆ uts de stockage peut ˆ etre b´ en´efique. Les
coˆ uts de stockage sont de 3 EURO par article en stock en fin de mois.
Comment l’industriel doit-il planifier sa production pour minimiser les coˆ uts
variables, c’est-` a-dire les coˆ uts occasionn´es par les heures suppl´ ementaires
et le stockage ?
1.4. Affectation d’avions ` a des lignes a´eriennes. Une compagnie a´ erienne
r´egionaled´esireaffectersaflotted’avionsaux4lignesqu’elleexploite(lignes
A, B, C et D). Le nombre de passagers d´esirant effectuer chaque jour un
parcours sur chaque ligne est donn´e au tableau 1.6. La compagnie dispose
de deux types d’avions : 8 petits avions de 40 places et 3 avions moyens
de 180 places. Les avions, qu’ils soient du mod`ele petit ou moyen, peuvent
effectuer un trajetaller-retour par jour. Lecoˆutd’exploitation journalier d’un
avion d´epend de sa taille et de la ligne ` a laquelle il est affect´ e. Ces coˆ uts
sont donn´ es au au tableau 1.6. On d´esire minimiser le coˆ ut d’exploitation
Ligne A B C D
Demande 100 200 150 300
Coˆ ut d’un petit avion 40 30 70 40
Coˆ ut d’un moyen avion 200 100 300 350
Tableau 1.6: Demande et coˆ uts d’exploitation des avions par ligne
en satisfaisant la demande. Formuler math´ematiquement le probl`eme de la
meilleure affectation de la flotte de cette compagnie. Vos variables peuvent-
elles prendre toutes les valeurs r´eelles non n´egatives ?
1.5. Production de denr´ees p´ erissables. Une compagnie produit 2 denr´ ees
p´erissables, P et Q, qu’un grossiste lui ach` ete au prix respectif de 42 EURO
18 Chapitre 1. Introduction
et 48 EURO l’unit´ e. Chaque soir, les denr´ees sont achemin´ees chez le
grossiste. Pour le transport, la compagnie dispose d’une camionnette dont
la capacit´ e permet d’acheminer 2000 kg par jour. Lorsque la production
quotidienne exc` ede cette quantit´e, la compagnie fait appel ` a un transporteur
ind´ependant. Si elle utilise sa propre camionnette, cela lui revient ` a deux
EUROpar kilo tandis que le transporteur ind´ependant demande trois EURO
par kilo. Les produits P et Qsont fabriqu´ es ` a partir de 2 composantes M et N
selon les proportions pr´esent´ ees au tableau 1.7. Consid´erons une journ´ee o` u
Produit Poids de M Poids de N Poids total
(kg par unit´e) (kg par unit´e) (kg par unit´e)
P 4 3 7
Q 2 1 3
Tableau 1.7: Composition des produits
la compagnie dispose de 3 200 kg de M et de 2 400 kg de N. Les ressources
de la compagnie en ´ equipement et en main d’œuvre lui permettent de traiter
5 400 kg de denr´ees durant la journ´ee. Formulez le probl`eme sachant que la
compagnie cherche ` a maximiser son profit net. Les prix des composants N
et M sont identiques et n’entrent donc pas en ligne de compte.
1.6. Probl` eme de livraison de marchandises. Une firme poss`ede trois usines
situ´ees ` a Anvers, Li` ege et Mons, respectivement. Leurs capacit´es de pro-
duction mensuelles sont de 25 unit´ es pour Anvers, 15 pour Li`ege et 15 pour
Mons. Le directeur des ventes remarque que, pour la fin du mois, il doit
livrer 20, 12, 9 et 14 unit´ es ` a quatre clients situ´es ` a Bruxelles, Charleroi,
Namur et Ostende respectivement. Les coˆ uts de transport d’une unit´ e entre
les usines et les clients sont ` a donn´es au tableau 1.8.
Coˆ ut de transport Bruxelles Charleroi Namur Ostende
Anvers 100 150 180 90
Li`ege 120 170 80 210
Mons 70 30 90 140
Tableau 1.8: Coˆ uts unitaires de transport.
Comment ce directeur doit-il organiser le transport entre les usines et les
clients pour en minimiser les frais de transport, tout en satisfaisant les com-
mandes ? Les coˆ uts de production sont identiques dans les trois usines et
n’entrent donc pas en consid´eration.
Partie I
Les d´ ecisions op´ erationnelles
19
Chapitre 2
Ordonnancement en ateliers sp´ ecialis´ es
2.1 Introduction
Rappelons qu’on parle d’ateliers sp´ ecialis´ es lorsque l’ensemble des ´ equipements
n´ecessaires pour assurer une fonction d´etermin´ee sont rassembl´es dans un mˆ eme
atelier. Le probl` emede gestion quotidienne estded´eterminer l’ordred’ex´ ecution
d’un certain nombre de tˆ aches, la r´ealisation d’une tˆ ache n´ecessitant le passage sur
une ou plusieures machines.
Par exemple, l’emboutissage de plusieurs types de porti` eres de voitures de-
mande le passage sur une mˆ eme presse, l’ordre de passage des diff´ erents types de
porti`eres sur la presse n’´etant pas d´etermin´e ` a l’avance.
Parmi les mod`eles d’ordonnancement en ateliers sp´ecialis´ es, on distingue
• Les mod`eles statiques pour lesquels on recherche l’ordonnancement opti-
mal d’un ensemble donn´e de tˆaches sur une p´eriode donn´ee : autrement dit,
au cours de la p´eriode consid´er´ ee, aucune nouvelle tˆ ache non pr´evue ne peut
ˆ etre prise en compte dans l’ordonnancement;
• Les mod` eles dynamiques d’ordonnancement qui se caract´erisent au cont-
raire par des arriv´ ees successives de tˆ aches, le plus souvent dans un univers
al´eatoire.
Dans ce chapitre, nous allons nous limiter aux mod`eles statiques et voir suc-
cessivement le probl`eme d’ordonnancement sur 1 machine, sur 2 machines. Enfin,
nous verrons la g´en´ eralisation au probl`eme sur m machines dont la r´esolution
demande le recours ` a la programmation en nombres entiers.
21
22 Chapitre 2. Ordonnancement en ateliers sp´ecialis´es
2.2 Ordonnancement sur une machine
Illustrons le probl`eme sur l’exemple suivant tir´ e de Giard [5]. On a cinq tˆ aches
` a effectuer sur la machine A. Le tableau 2.1 pr´esente les diff´ erentes tˆ aches ainsi
que leurs temps op´eratoires. Il s’agit de d´eterminer l’ordre dans lequel on va
Tˆ ache (i) 1 2 3 4 5
Temps op´eratoire (t
i
) 50 150 80 200 30
Tableau 2.1: Temps op´ eratoires (en centi`emes d’heures)
effectuer ces diff´erentes tˆ aches. Il est clair que, quel que soit l’ordre choisi, le
temps op´eratoire total est le mˆ eme : il s’agit de la somme des temps op´eratoires.
Il faudra donc d´efinir un autre crit`ere entre tous les ordonnancements possibles.
Un ordonnancement possible est illustr´e ` a la table 2.2.
Ordre (j) 1 2 3 4 5
Tˆache programm´ee(i) 3 4 1 5 2
Temps d’ex´ ecution (T
j
) 80 200 50 30 150
Tableau 2.2: Un ordonnancement possible
2.2.1 Le diagramme de Gantt
Illustrons tout d’abord une technique de visualisation d’un ordonnancement, le
graphique de Gantt. Celui-ci est construit ` a la figure 2.1 pour l’ordonnancement
du tableau 2.2.
machine A
3 4 1 5 2
1 2 3 4 5 temps
(heures)
Figure 2.1: Diagramme de Gantt
Le diagramme de Gantt permet de visualiser ` a la fois :
Section 2.2. Ordonnancement sur une machine 23
• l’utilisation des moyens productifs;
• l’avancement de l’ex´ ecution des tˆ aches.
En effet, une ligne horizontale illustre l’´ evolution du temps (ici en heures, mais
cela peut ˆ etre sur l’ensemble d’une semaine ou d’un mois). Ensuite, pour chaque
moyen productif (ici, il y a seulement la machine A), on trace une ligne horizon-
tale en dessous de la ligne du temps. Chaque tˆ ache ` a effectuer sur la machine
est repr´esent´ ee par un segment dont la longueur est proportionnelle ` a la dur´ ee
d’ex´ ecution de la tˆ ache. On indiquera le num´ero de la tˆache au dessus du segment
tandis qu’une machine au repos est indiqu´ ee par un Z.
Si l’on veille ` a aligner verticalement l’origine du temps pour chaque machine,
une ligne verticale indique donc ` a tout moment ` a quelle tˆ ache est occup´ ee chacune
des machines. Un tableau mural peut ˆ etre ainsi d’un grand recours pour les agents
de maˆıtrise responsable de l’affectation des moyens humains et mat´eriels.
2.2.2 La r`egle T.O.M.
Comme nous l’avons indiqu´ e plus haut, tous les ordonnancements possibles con-
duisent au mˆ eme temps total d’ex´ ecution des tˆ aches. Dans l’exemple, l’ex´ ecution
des 5 tˆaches n´ecessite 510 centi`emes d’heure. La question qui se pose est alors :
comment choisir parmi les n! ordonnancements possibles ?
Notons A
j
le temps d’ach`evement de la tˆ ache programm´ee en position j. Le
temps d’ach`evement d’une tˆache est la somme des temps d’ex´ ecution de la tˆ ache
avec ceux des tˆaches pr´ec´ edentes. Par exemple,
A
4
= T
1
+T
2
+T
3
+T
4
En g´en´eral :
A
j
=
j

h=1
T
h
Le calcul des diff´ erents temps d’ach` evement des tˆ aches est repris au tableau 2.3.
Ordre (j) 1 2 3 4 5
T
j
80 200 50 30 150
A
j
80 280 330 360 510
Tableau 2.3: Temps d’ach` evement des tˆ aches
24 Chapitre 2. Ordonnancement en ateliers sp´ecialis´es
Le temps d’ach` evement moyen vaut alors :
¯
A =
1
5
n

j=1
A
j
=
80 + 280 + 330 + 360 + 510
5
= 312
En g´en´eral :
¯
A =
1
n
n

j=1
A
j
=
1
n
n

j=1
_
_
j

h=1
T
h
_
_
=
1
n
n

j=1
T
j
(n + 1 −j)
Il s’agit donc d’une somme pond´ er´ ee des temps op´eratoires, chaque temps op´era-
toire ´ etant pond´er´ e par un facteur d’autant plus grand qu’il se trouve ex´ ecut´e plus
tˆ ot dans l’ordonnancement.
La r`egle d’ordonnancement qui minimise le temps d’ach` evement moyen est
celle du temps op´ eratoire minimum : il s’agit d’ex´ ecuter les tˆ aches par ordre
croissant de dur´ ee :
T
1
≤ T
2
≤ . . . ≤ T
j
≤ . . . ≤ T
n
En anglais, on parle de “SOTrule” pour “Shortest Operation Time”. L’application
de cette r`egle donne l’ordonnancement illustr´e au tableau 2.4. Cette application
donne le temps d’ach` evement moyen minimum :
¯
A = 218
Ordre (j) 1 2 3 4 5
Tˆ aches (i) 5 1 3 4 5
T
j
30 50 80 150 200
A
j
30 80 160 310 510
Tableau 2.4: Application de la r`egle TOM
On peut montrer que la r`egle T.O.M. revient ` a minimiser le retard moyen, le
retard d’une tˆ ache ´ etant la diff´ erence entre le moment o` u la tˆache est termin´ee et
celui o` u elle aurait ´ et´ e termin´ee si l’on l’avait commenc´e en premier lieu.
Section 2.3. Ordonnancement avec deux centres de production 25
2.3 Ordonnancement avec deux centres de production
Chaque tˆache n´ecessite pour son ex´ ecution le passage sur deux machines : les
machines. Soient t
iA
et t
iB
, les temps d’ex´ ecution de la tˆache i sur les machines
A et B respectivement.
On va utiliser comme crit`ere d’ordonnancement la minimisation du temps total
d’ex´ ecution des tˆ aches sur les deux machines. On va distinguer deux cas :
• le cas o` u toutes les tˆ aches sont ` a ex´ ecuter sur A puis B;
• le cas o` u toutes les tˆ aches n’ont pas le mˆ eme ordre de passage sur les deux
machines.
2.3.1 Cas o` u toutes les tˆ aches sont ` a ex´ecuter sur A puis B
Supposons donc que cinq tˆ aches soient ` a ex´ ecuter sur les machines A puis B. Les
temps op´ eratoires (en centi`emes d’heure) sont repris au tableau 2.5.
Tˆ aches (i) 1 2 3 4 5
t
iA
50 150 80 200 30
t
iB
60 50 150 70 200
Tableau 2.5: Ordonnancement sur deux machines
L’ordonnancement optimal est illustr´e ` a la figure 2.2. Remarquez que durant
l’ex´ ecution de la premi`ere tˆ ache sur A, la machine B dort. On a donc int´erˆ et ` a
mettre en tˆ ete la tˆ ache de temps t
iA
le plus faible. De fa¸ con similaire, lors de
l’ex´ ecution de la derni` ere tˆ ache sur la machine B, la machine A dort. On a donc
int´erˆ et ` a mettre en fin la tˆ ache de dur´ee d’ex´ ecution t
iB
minimum.
En se basant sur ces deux observations, Johnson (1954) a d´efini l’algorithme
suivant decalcul de l’ordonnancement qui minimise le temps d’ex´ ecution detoutes
les tˆaches. L’algorithme de Johnson (1954) remplit progressivement un tableau
d’affectation comme suit :
1. Rechercher la tˆ ache i de temps d’ex´ ecution t
ij
minimum.
2. Si j = A, placer cette tˆache ` a la premi` ere place disponible;
Si j = B, placer cette tˆache ` a la derni` ere place disponible.
3. Supprimer la tˆ ache i des tˆaches encore ` a programmer, retour en 1.
26 Chapitre 2. Ordonnancement en ateliers sp´ecialis´es
Appliquons ceci ` a l’exemple. D’abord, la tˆache 5 (t
5A
= 30) est mise en
premi`ere position. Puis, la tˆ ache 1 (t
1A
= 50) est mise en deuxi` eme position. Puis
la tˆ ache 2 (t
2B
= 50) est mise en derni` ere position. Puis la tˆ ache 4 (t
2B
= 70)
est mise en avant derni` ere position. Enfin, la tˆ ache 3 est mise ` a la derni` ere place
disponible. On obtient le graphique de Gantt de la figure 2.2 o` u le passage d’une
tˆache d’une machine ` a l’autre est visualis´e ` a l’aide d’une fl`eche verticale.
machine B
5 1 3 4 2
machine A
1 2 3 4 5 temps
(heures)
5 1 3 4 2
0,3 0,8 1,6 2,3 2,9 3,6 4,4 5,1 5,6
Figure 2.2: Diagramme de Gantt
2.3.2 Cas de tˆ aches ne s’effectuant pas dans le mˆeme ordre
Dans ce cas plus g´en´ eral, certaines tˆaches ne n´ecessitent que le passage sur une
machine, d’autres sur les deux dans un ordre ou l’autre. Les donn´ ees num´eriques
sont reprises au tableau 2.6.
Tˆ aches ` a effectuer sur A puis B
Tˆ aches (i) 1 2 3 4 5 6
t
iA
50 80 10 50 30 70
t
iB
30 60 30 0 0 0
Tˆ aches ` a effectuer sur B puis A
Tˆ aches (i) 7 8 9 10 11
t
iB
90 20 10 40 10
t
iA
70 30 100 0 0
Tableau 2.6: Illustration de l’algorithme de Jackson
L’ordonnancement qui minimise le temps total d’ex´ ecution des tˆ aches sur
Section 2.3. Ordonnancement avec deux centres de production 27
les deux machines est obtenu par l’algorithme de Jackson (1957) qui est une
g´en´ eralisation de l’algorithme de Johnson. Il consiste tout simplement ` a :
1. Faire une partition de l’ensemble des n tˆaches en
• l’ensemble A des tˆ aches ne n´ecessitant que le passage sur A :
A = {4, 5, 6}
• l’ensemble B des tˆ aches ne n´ecessitant que le passage sur B :
B = {10, 11}
• l’ensemble AB des tˆ aches n´ecessitant le passage sur A puis B :
AB = {1, 2, 3}
• l’ensemble BA des tˆ aches n´ecessitant le passage sur B puis A :
BA = {7, 8, 9}.
2. et ensuite calculer un ordonnancement pour chaque sous-ensemble :
• l’ordonnancement optimal pour AB par l’algorithme de Johnson :
3, 2, 1.
• l’ordonnancement optimal pour BA par l’algorithme de Johnson :
9, 8, 7.
• un ordonnancementarbitraire pour A(par exemple, par la r`egle TOM) :
5, 4, 6.
• un ordonnancement arbitraire pour B (par exemple, par la r`egle TOM) :
11, 10.
3. Remarquons que l’on a int´ erˆ et ` a d´ebuter le plus vite possible sur Ales tˆ aches
qui doivent ensuite aller sur B et ` a mettre en derni` ere place sur A celles qui
doivent d’abord aller sur B. Ceci conduit ` a combiner ces ordonnancement
de la mani`ere suivante :
• Pour la machine A : la s´equence optimale pour le sous-ensemble AB,
puis les tˆ aches de A, puis la s´equence optimale du sous-ensemble BA:
3, 2, 1, 5, 4, 6, 9, 8, 7.
• Pour la machine B : la s´equence optimale pour le sous-ensemble BA,
puis les tˆaches de B, puis la s´ equence optimale du sous-ensemble AB :
9, 8, 7, 11, 10, 3, 2, 1.
On obtient le diagramme de Gantt de la figure 2.3.
28 Chapitre 2. Ordonnancement en ateliers sp´ecialis´es
machine A
machine B
3 2 1 5 4 6 9 8 7
10 90 140 170 220 290 390 420 490
9 8 7 11 10 3 2 1 Z
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 pr´esence de deux machines. Cepen-
dant, lecas detrois machinespeutseramener aucas dedeux machinessila machine
B est compl`etement domin´ ee par la machine A ou par la machine C, c’est-` a-dire
si l’on se trouve dans le cas o` u
minimum t
iA
≥ maximum t
iB
,
soit dans le cas o` u
minimum t
iC
≥ maximum t
iB
.
Prenons un exemple. On cherche l’ordonnancement minimisant le temps
d’ach`evement total de sept tˆ aches n´ecessitant le passage sur trois machines. Les
temps op´ eratoires sont donn´ es au tableau 2.7.
tˆ aches 1 2 3 4 5 6 7
Assemblage 20 12 19 16 14 12 17
Inspection 4 1 9 12 5 7 8
Exp´edition 7 11 4 18 18 3 6
Tableau 2.7: Temps op´eratoires avec trois machines
Lorsque l’on se trouve dans un ce ces deux cas, on reformule alors le probl`eme
en un probl`eme ` a deux machines, la premi` ere groupant les machines A et B (d’o` u
Section 2.4. Ordonnancement sur trois machines 29
les temps op´eratoires t
iAB
= t
iA
+ t
iB
) et la seconde groupant les machines B et
C (d’o` u les temps op´eratoires t
iBC
= t
iB
+t
iC
).
On applique alors l’algorithme de Johnson ` a ce probl`eme ` a deux machines
pour d´eterminer l’ordonnancement optimal. On peut alors tracer le diagramme de
Gantt correspondant au probl`eme original, c’est-` a-dire celui avec trois machines.
Remarquez que le regroupement n’a servi qu’`a calculer l’ordonnancement.
Dans le cas de l’exemple ci-dessus on peut v´erifier que l’´ etape “Inspection” est
domin´ee par l’´ etape “Assemblage”. On peut donc r´eduire le probl`eme au probl`eme
d’ordonnacement ` a deux machines suivant :
tˆ aches 1 2 3 4 5 6 7
Assemblage + Inspection 24 13 28 28 19 19 25
Inspection + Exp´edition 11 12 13 30 23 10 14
dont l’ordonnancement optimal est donn´e par :
Place 1 2 3 4 5 6 7
tˆ ache 5 4 7 3 2 1 6
Son diagramme de Gantt est donn´e par la figure 2.4.
Assemblage
5 1
7 4 2 3
5 1 7 4 2 3
6
6
Z Z Z Z Z
Z
Inspection
Expédition
5 1 7 4 2 3 6
Z Z Z Z Z
Z Z
14 19 30 37 42 47 55 60 66 75 78 79 90 98 102 109 110 117 120
Figure 2.4: Ordonnancements avec 3 machines
Dans le cas de trois machines dont la machine centrale n’est pas domin´ ee, on
aura recours ` a la programmation en nombres entiers.
30 Chapitre 2. Ordonnancement en ateliers sp´ecialis´es
2.5 Exercices
2.1. Usinage de pi` eces sur des machines. On veut organiser la production de
deux lots de pi` eces P
a
et P
b
qui doivent ˆ etre usin´ees sur la machine M
1
puis
sur la machine M
2
. Avant d’usiner chaque lot, il faut proc´eder au r´eglage de
chaque machine. Les dur´ees des tˆ aches de r´eglage et d’usinage de chacun
des lots sur les deux machines sont donn´ ees au tableau ci-dessous.
Machine R´eglage A Usinage A R´eglage B Usinage B
M1 1 2 2 2
M2 1 3 6 1
Onveutminimiser letempstotal d’ex´ ecutiondespi`eces. Expliquezpourquoi
l’algorithme de Johnson ne s’applique pas. Faites une ´ enum´ eration explicite
de tous les ordonnancements possibles et tracez le diagramme de Gantt dans
chacun des cas.
2.2. Ordonnancement avec trois ateliers. Cinq tˆ aches doivent passer par les
ateliers de montage, de finition et d’exp´ edition. Les temps op´eratoires figu-
rent au tableau suivant.
Tˆ aches 1 2 3 4 5
Montage 7 2 4 3 5
Finition 1 1 2 2 1
Exp´edition 5 2 4 6 5
On cherche l’ordonnancement qui minimise le temps d’ach` evement total des
cinq tˆ aches.
Chapitre 3
La gestion calendaire de stock
3.1 Introduction
Une production sans stock est quasi inconcevable vu les nombreuses fonctions que
remplissent les stocks. En effet, la constitution de stocks est n´ecessaire s’il y a :
1. non co¨ ıncidence 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 l` a et quand la demande se manifeste. Les exemples classiques
sont les jouets et la confiserie pour la non co¨ ıncidence dans le temps, et les
supermarch´es pour la non co¨ ıncidence dans l’espace.
2. incertitude sur le niveau de demande ou sur le prix : s’il y a incertitude
sur la quantit´ e demand´ ee, on va constituer un stock de s´ecurit´ e qui permet
de faire face ` a une pointe de demande. S’il y a incertitude sur le prix, on va
constituer un stock de sp´ eculation. Par exemple, les compagnies p´etroli`eres
ach`etent plus que n´ecessaire en p´etrole brut lorsque le prix de celui-ci est
relativement bas.
3. risquedeprobl`emesenchaˆıne: ils’agiticid’´eviterqu’unepanne ` aunposte
ne se r´epercute sur toute la chaˆıne : un retard d’ex´ ecution au poste pr´ec´ edent
ou une gr`eve des transports n’arrˆetera pas imm´ediatement l’ensemble du
processus de production s’il y a des stocks tampons.
4. pr´esence de coˆ uts de lancement : dans ce cas, travailler par lots permet une
´ economie d’´echelle sur les coˆ uts de lancement mais, en revanche, provoque
une augmentation des coˆ uts de possession du stock.
La gestion des stocks pose cependant de multiples probl`emes : tenue d’inven-
taires, valorisation du stock, d´efinition des capacit´ es de stockage et enfin, disponi-
bilit´e satisfaisante du stock. Nous allons nous concentrer sur ce dernier aspect.
31
32 Chapitre 3. La gestion calendaire de stock
3.2 Les politiques de gestion de stock
Les politiques de gestion de stock visent ` a r´epondre aux deux grandes questions :
1. Quand d´eclencher l’approvisionnement du stock? La r´eponse ` a cette ques-
tion est diff´ erente suivant la politique de gestion adopt´ ee :
• En gestion de stock par point de commande, l’approvisionnement du
stock est d´eclench´e lorsque l’on observe que le stock descend en des-
sous d’un niveau s, le point de commande.
• En gestion calendaire, l’approvisionnement du stock est d´eclench´e ` a
intervalles r´eguliers T, par exemple, chaque jour ou chaque semaine.
• En gestion calendaire conditionnelle, l’approvisionnement du stock
est d´eclench´e ` a intervalles r´eguliers T, mais uniquement lorsque l’on
observe que le stock descend en dessous d’un niveau s, le point de
commande.
2. Combien commander ? La r´ eponse ` a la question ”Combien ?” d´epend
´ egalement du type de gestion de stock appliqu´ ee :
• En cas de gestion par point de commande, on commande une quantit´e
fixe, not´ ee q et appell´ee quantit´e ´ economique de commande. Comme
nous le verrons au chapitre 4, sa d´etermination r´esulte d’un calcul
d’optimisation.
• En cas de gestion calendaire de stock, la quantit´e command´ee est ´ egale
` a la diff´ erence entre le stock r´esiduel observ´e R et S, le niveau de
recompl` etement du stock.
Nous allons nous attacher ` a deux politiques particuli` eres :
• La politique de gestion calendaire des stocks, not´ ee (T, S) avec T l’inter-
valle entre deux commandes et S, le niveau de recompl`etement du stock.
• La politique de gestion par point de commande, quantit´e ´ economique
de commande, not´ ee (q, s) avec q, la quantit´ e ´ economique ` a commander
r´eguli`erementet s, lepointdecommandequid´ eclenchel’approvisionnement
du stock.
Section 3.3. Les coˆ uts associ´es aux stocks 33
3.3 Les coˆ uts associ´es aux stocks
Un stock constitu´ e pour satisfaire une demande future. En cas de demande
al´eatoire, il peut y avoir non co¨ ıncidence entre la demande et le stock. Deux
cas sont ´ evidemment possibles :
• une demande sup´ erieure au stock : on parle alors de rupture de stock;
• une demande inf´ erieure au stock : on aura alors un stock r´esiduel.
Le crit`ere de gestion g´en´ eralement retenu en gestion des stocks est celui de
la minimisation des coˆ uts. Nous noterons cette fonction par la lettre C, suivie,
entre parenth` eses, de la ou des variables de commande du syst` eme. Par exemple,
si la variable de commande est la quantit´e command´ ee, nous noterons l’objectif
C(q). Ces variables de commandes d´eterminent en g´en´ eral trois variables d’´etat
du syst`eme :
I
r
, la rupture moyenne, c’est-` a-dire le nombre moyen de demandes non satis-
faites au cours d’une p´eriode, auquel est associ´e un coˆ ut unitaire de rupture,
not´e c
r
;
I
p
, le stock moyen poss´ ed´e au cours d’une p´eriode, auquel est associ´e un coˆ ut de
possession unitaire, c
p
;
I
c
, le nombre moyen de commandes pass´ees au cours d’une p´eriode, auquel est
associ´e un coˆ ut de commande unitaire, c
c
.
La fonction de coˆ ut s’´ecrit donc en g´en´ eral comme une fonction de ces trois
variables d’´etat :
C = c
r
I
r
+c
p
I
p
+c
c
I
c
.
Nous allons examiner un peu plus en d´etail chacun des trois coˆ uts partiels.
3.3.1 Les coˆ uts de possession
Les coˆ uts de possession comprennent :
1. les coˆ uts de d´ etention d’un article en stock durant une certaine p´eriode en
fonction des conditions financi`eres d’acquisition et des ´ eventuelles condi-
tions de reprise.
2. les coˆ uts de stockage qui sont les d´epenses de logistique, de conservation du
stock.
34 Chapitre 3. La gestion calendaire de stock
Comme signal´e plus haut, en pr´esence d’une demande al´ eatoire, il peut y avoir
non co¨ ıncidence du stock et de la demande, et donc une rupture ou un stock
r´esiduel. Les cons´equences de ce stock r´esiduel seront bien diff´ erentes selon que
l’on se trouve dans
• le cas du stock ` a rotation nulle, c’est-` a-dire lorsque le stock r´esiduel est
sans utilit´ e pour l’entreprise. Ceci se pr´esente notamment :
– en cas d’obsolescence technique ou commerciale : par exemple, les
vˆetements de modes,. . .
– en cas o` u la consommation a un d´ elai maximum : par exemple, les
primeurs, les journaux,. . .
Dans ce cas, le coˆ ut de possession d’un article se calcule comme le coˆ ut
d’acquisition d’un article moins la valeur de r´ ecup´ eration (solde).
Prenons un exemple. Un quotidien achet´e 0,9 EURO par le libraire et dont
l’invendu est repris 0,75 EURO par le grossiste : le coˆ ut de possession est
de 0,9 - 0,75 = 0,15 EURO.
• le cas du stock ` a rotation non nulle, c’est-`a-dire lorsque l’invendupeut ˆ etre
vendu ` a une p´eriode ult´erieure. C’est l’exemple des boˆ ıtes de petits pois en
´ epicerie non vendues une p´eriode qui le seront aux p´eriodes suivantes.
Dans ce cas, le coˆ ut de possession li´ e ` a l’immobilisation du capital. En
gelant la somme d’argent correspondant au coˆ ut d’achat de l’article invendu,
la soci´et´ e se prive du revenu d’un placement financier qu’elle aurait pu
r´ealiser. Ce coˆ ut est appel´ e coˆ ut d’opportunit´e. Le taux d’opportunit´e est
la rentabilit´e du meilleur investissement que l’entreprise aurait pu faire.
Prenons un exemple. Si le taux d’opportunit´e est de 6 % l’an, une boˆıte de
petits pois achet´ee 1,20 EURO et restant en rayon un mois entier a cout´ e
1,20 × 6 % × 1/12 = 0,006 EURO.
L’autrepartie du coˆ ut de possession concerne les coˆ uts de stockage. Ces coˆ uts
de stockage, comprennent, en g´en´ eral des frais fixes, tels que le coˆ ut de location
d’entrepˆ ots, ainsi que des frais variables, tels que le coˆ ut de manutention. Le
coˆ ut unitaire de stockage que l’on doit prendre en consid´ eration dans la fonction
objectif est le coˆ ut moyen de l’ensemble de ces frais. Malheureusement, ce ce coˆ ut
moyen d´epend du volume d’activit´ e et ne peut donc pas ˆ etre consid´er´ e comme une
constante. Cette difficult´ e fait que souvent on n’inclut pas de coˆ ut de stockage
dans le coˆ ut de possession et le coˆ ut de possession se r´ eduit donc au seul coˆ ut
d’immobilisation du capital.
Section 3.3. Les coˆ uts associ´es aux stocks 35
3.3.2 Les coˆ uts de rupture
La rupture se pr´esente lorsque la demande exc` ede le stock constitu´ e au cours de la
p´eriode. Les cons´ equences de cette rupture sont diff´ erentes selon que la demande
est interne ou externe.
En cas de demande externe, la demande non satisfaite peut ˆ etre perdue (on
parle de ventes manqu´ ees) ou report´ee (on parle de ventes diff´ er´ ees) :
• dans le cas de ventes manqu´ees, le coˆ ut de rupture est le manque ` a gagner
de la non fourniture d’une unit´ e, g´en´eralement la marge b´en´ eficiaire sur cet
article.
Prenons un exemple. Un journal achet´e 0,90 EUROpar le libraire et revendu
1,20 EURO a un coˆ ut de rupture de 1,20 - 0,90 = 0,30 EURO.
• En cas de ventes diff´ er´ es, le coˆ ut de rupture n’inclut pas la marge car la
vente sera r´ealis´ee plus tard. Ce coˆ ut de rupture est le coˆ ut administratif
d’ouverture d’un dossier et ´ eventuellement un coˆ ut commercial (on fait une
ristourne pour ne pas perdre le client).
Prenons un exemple. Un garagiste qui n’a plus de stock le v´ehicule d´esir´e
par son client va lui proposer une voiture de location gratuite durant le d´elai
d’attente pour ne pas perdre le client. Le coˆ ut de rupture correspond ici ` a la
prise en charge par le garage 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 entraˆ ıne un chˆ omage technique
des postes en aval. Le coˆ ut de rupture correspond au coˆ ut financier du chˆ omage
technique.
3.3.3 Les coˆ uts de commande
A nouveau, il faut ici distinguer le cas d’une demande interne et celui d’une
demande externe :
• Encasdestockdefabrication, lecoˆutdecommandeest lecoˆutdelancement
de la production. Il s’agit du r´eglage des machines, etc . . . Normalement,
ce coˆ ut est ind´ ependant de la quantit´ e fabriqu´ ee.
• En cas de stock d’approvisionnement, le coˆ ut de commande est le coˆ ut
administratif de gestion de la commande : ´ etablissement d’un bordereau,
contrˆ ole de livraison, liquidation comptable,. . . . Normalement, ce coˆ ut est
´ egalement ind´ ependant de la quantit´e command´ee.
36 Chapitre 3. La gestion calendaire de stock
3.4 Gestion calendaire de stock ` a rotation nulle
Pour rappel, on se trouve dans le cas d’un stock ` a rotation nulle lorsqu’il n’y a
pas de report possible des invendus aux p´eriodes suivantes.
On va ici d´ eterminer le niveau du stock initial S, qui est donc ici la variable
de commande. En effet, la p´eriode de r´ evision calendaire, c’est-`a-dire l’intervalle
entre deux approvisionnements, not´ e T est g´en´ eralement fix´ e par la nature de
l’approvisionnement. Par exemple, un pˆatissier met en fabrication des gˆateaux
chaque jour. Le libraire commande des journaux chaque jour, des p´eriodiques
chaque semaine ou chaque mois.
Nous allons illustrer les choses sur l’exemple du pˆ atissier tir´ e de Giard [5] qui
est un exemple o` u la demande suit une loi de probabilit´e discr`ete. Supposons un
coˆ ut de fabrication de 25 F l’unit´e et un prix de vente de 60 F l’unit´ e. Supposons
que la vente quotidienne de ce gˆ ateau soit de 2,5 en moyenne et supposons que la
demande, que nous noterons X, suive une loi de Poisson. Le tableau 3.1 reprend la
x 0 1 2 3 4
P(X = x) 0, 0821 0, 2052 0, 2565 0, 2138 0, 1336
x 5 6 7 8 9
P(X = x) 0, 0668 0, 0278 0, 0099 0, 0031 0, 0009
Tableau 3.1: Distribution de la loi de Poisson
distribution de probabilit´e du nombre X de clients par jour pour ce produit. Dans
ce tableau x indique une valeur possible de la demande et P(X = x) indique la
probabilit´e d’occurence de cette valeur. Ainsi on a 8,21 % de chances d’observer
aucun client un jour donn´ e. Les invendus de la journ´ee sont donn´es.
La question que se pose le pˆatissier est la suivante : combien mettre de gˆateaux
en fabrication chaque jour pour maximiser son b´en´ efice ?
Le coˆ ut de possession, c
p
, li´e ` a l’invendu en fin de journ´ee est 25 F, c’est-` a-dire
le coˆ ut de production. Tandis que le coˆ ut de rupture, c
r
, li´e ` a une vente manqu´ee
est ´ egal ` a la marge, c’est-` a-dire : 60 F - 25 F = 35 F. On doit d´eterminer S, le stock
initial, de mani`ere ` a minimiser :
C(S) = c
p
I
p
(S) +c
r
I
r
(S)
= 25I
p
(S) + 35I
r
(S)
avec I
p
(S), le stock moyen r´esiduel en fin de journ´ee et I
r
(S), nombre moyen de
ruptures sur la journ´ee.
Section 3.4. Gestion calendaire de stock `a rotation nulle 37
En cas de coˆ ut convexe (on peut v´erifier que le coˆ ut est bien une fonction
convexe de S), le stock optimal S

est celui pour lequel le coˆ ut de gestion C(S

)
est inf´erieur ` a celui des stocks imm´ediatement inf´ erieur ou sup´erieur :
_
¸
_
¸
_
C(S

) < C(S

+ 1)
C(S

) < C(S

−1)
ou encore
_
¸
_
¸
_
C(S

+ 1) −C(S

) > 0
C(S

) −C(S

−1) < 0
(3.1)
Remarquez que les conditions (3.1) sont l’´ equivallent pour une fonction continue
de dire que la d´eriv´ ee premi`ere doit ˆ etre n´egative avant S

et positive apr`es S

. On
va donc ´ etudier l’´ evolution de la diff´ erence de coˆ ut de stocks successifs :
C(S + 1) −C(S)
L’´ etude de C(S +1) −C(S) passe par celle de I
r
(S +1) −I
r
(S), car, comme
nous allons le voir, on peut exprimer cette variation de coˆ ut en fonction de la seule
variation de rupture moyenne. On va donc ´ etudier I
r
(S + 1) −I
r
(S). Calculons,
par exemple, la rupture moyenne I
r
(S = 4) associ´ ee au stock initial S = 4. On
doit donc calculer l’esp´erance math´ematique de X − 4 pour des valeurs de X
sup´erieures ` a 4 :
I
r
(S = 4) =

x=5
(x −4)P(X = x)
Calculons, demˆeme, larupturemoyenne I
r
(S = 5) associ´eeaustockinitial S = 5:
I
r
(S = 5) =

x=6
(x −5)P(X = x)
En g´en´eral :
I
r
(S) =

x=S+1
(x −S)P(X = x)
Int´eressons nous maintenant ` a la diff´ erence de ces ruptures moyennes pour deux
stocks initiaux cons´ecutifs :
I
r
(S = 4) −I
r
(S = 5) =

x=5
(x −4)P(X = x) −

x=6
(x −5)P(X = x)
=

x=5
(x −4)P(X = x) −

x=5
(x −5)P(X = x)
=

x=5
1 · P(X = x)
= P(X > 4)
38 Chapitre 3. La gestion calendaire de stock
On en conclut que la diminution de rupture moyenne I
r
(S) occasionn´ ee par
une augmentation d’une unit´ e du stock ` a partir de S est ´ egale ` a la probabilit´ e que
la demande soit strictement sup´ erieure ou ´ egale au stock initial S.
Il est facile de montrer que ceci est vrai quelle que soit la forme la distribution
de probabilit´e discr`ete :
I
r
(S + 1) −I
r
(S) = −P(X > S) (3.2)
Les tableaux de l’annexe B donne le calcul de P(X > x) en fonction de λ, la
valeur du param`etre de la loi de Poisson.
Commeannonc´eplus haut,il estpossiblederamenerlafonctiondecoˆ utcomme
une fonction de la seule variable d’´etat I
r
(S). Pour cela, nous allons ´ etablir la
relation entre I
r
(S) et I
p
(S).
Le stock moyen sur lequel porte le coˆ ut de possession est le stock moyen
observ´e en fin de p´eriode qui correspond donc ` a l’invendu. On observera un stock
r´esiduel si la demande observ´ee x est inf´ erieure ` a S, le stock initial. Son niveau
moyen est calcul´ e par l’exp´ erence math´ ematique suivante :
I
p
(S) =
S−1

x=0
(S −x)P(X = x) =
S

x=0
(S −x)P(X = x)
=

x=0
(S −x)P(X = x) −

x=S+1
(S −x)P(X = x)
= S

x=0
P(X = x) −

x=0
xP(X = x) +

x=S+1
(x −S)P(X = x)
= S −
¯
X +I
r
(S)
o` u
¯
X note la moyenne de la demande X. D’o` u la relation entre I
p
et I
s
:
I
p
(S) = S −
¯
X + I
r
(S)
(3.3)
qui peut s’interpr´eter en disant que le stock moyen r´ esiduel I
p
(S) est ´ egal au stock
de d´epart S diminu´e de la demande moyenne satisfaite (
¯
X −I
r
(S)).
La cons´ equence de la relation (3.3) est que l’on peut exprimer le coˆ ut total
C(S) en fonction du seul coˆ ut de rupture I
r
:
C(S) = c
r
I
r
+ c
p
I
p
= c
r
I
r
+c
p
_
S −
¯
X +I
r
(S)
_
D’o` u l’expression de C(S) :
C(S) = c
p
(S −
¯
X) + (c
r
+c
p
)I
r
(S) (3.4)
Section 3.4. Gestion calendaire de stock `a rotation nulle 39
Revenons maintenant au probl`eme de la d´etermination de la solution opti-
male, c’est-` a-dire au stock initial S

qui minimise :
C(S) = c
p
(S −
¯
X) + (c
r
+c
p
)I
r
(S)
On a donc que :
C(S + 1) −C(S) = c
p
(S + 1 −
¯
X) + (c
r
+c
p
)I
r
(S + 1)
−c
p
(S −
¯
X) −(c
r
+c
p
)I
r
(S)
= c
p
+ (c
r
+c
p
)(I
r
(S + 1) −I
r
(S))
Compte tenu de la relation (3.2) :
C(S + 1) −C(S) = c
p
−(c
r
+c
p
)P(X > S)
Les conditions d’optimalit´ e (3.1) deviennent ici :
_
¸
_
¸
_
c
p
−(c
p
+c
r
)P(X > S

) > 0
c
p
−(c
p
+c
r
)P(X > S

−1) < 0
ou encore S

optimal si :
P(X > S

) <
c
p
c
p
+c
r
< P(X > S

−1)
(3.5)
Appliquons ceci au cas de l’exemple :
c
p
c
p
+c
r
=
25
25 + 35
= 0, 417
En consultant le tableau donnant P(X > S) (cfr Annexe B), on trouve :
P(X > 2) = 0, 4562, et P(X > 3) = 0, 2424.
D’o` u
S

= 3
On en conclut qu’il est optimale de produire chaque matin 3 gˆ ateaux.
40 Chapitre 3. La gestion calendaire de stock
3.5 Cas d’une loi de demande continue
Nousallonsillustrercecassurunexemple ´ egalementtir´edeGiard[5]. Consid´erons
un marchand de journaux qui vent un quotidien ` a 3,5 F l’unit´ e, qui lui-mˆeme
l’acqui`ere ` a 2,8 F aupr`es de son grossiste qui lui reprend les invendus au prix de
2,6 F l’unit´ e.
Le coˆ ut de rupture, c
r
, est li´e ` a l’invendu et vaut donc la marge b´ en´eficiaire,
3,5 F - 2,8 F = 0,7 F tandis que le coˆ ut de possession, c
p
, vaut la perte enregistr´ ee
par invendu, c’est-` a-dire 2,8 F - 2,6 F = 0,2 F.
On suppose que les ventes quotidiennes suivent approximativement une loi
normale de moyenne
¯
X = 300 et d’´ecart type σ = 20. La question qui se pose
est la suivante : quel est le nombre d’exemplaires ` a commander S de mani` ere ` a
minimiser le coˆ ut de gestion :
C(S) = c
p
I
p
(S) +c
r
I
r
(S)
Le coˆ ut de gestion s’´ecrit dans le cas d’une loi continue de la mani`ere suivante :
C(S) = c
p
_
S
0
(S −x)f(x)dx +c
r
_

S
(x −S)f(x)dx
La condition d’optimalit´e s’´ ecrit dans le cas d’une loi continue :
C

(S

) = 0
Comme dans le cas discret, on peut ramener ce coˆ ut ` a une fonction du seul
nombre moyen de ruptures. En effet, la relation (3.3) entre I
r
(S) et I
p
(S) ´ etablie
dans le cas discret reste valable :
I
p
(S) =
_
S
0
(S −x)f(x)dx
=
_

0
(S −x)f(x)dx −
_

S
(S −x)f(x)dx
= S −
¯
X +
_

S
(x −S)f(x)dx
= S −
¯
X +I
r
(S)
On en d´eduit ` a nouveau l’expression de C(S) en fonction du seul I
r
(S) :
C(S) = c
p
(S −
¯
X) + (c
p
+c
r
)I
r
(S)
Il faut maintenant ´ etudier la d´eriv´ ee premi` ere de I
r
(S). Par application de la
formule de Leibnitz (cfr Giard [5][Page 90]), on d´emontre le r´esultat suivant :
dI
r
(S)
dS
= −
_

S
f(x)dx = −P(X > S), (3.6)
Section 3.5. Cas d’une loi de demande continue 41
c’est-`a-dire exactement le mˆeme r´esultat analytique que la relation (3.2) ´ etablie
dans le cas discret.
On peut maintenant passer ` a la d´etermination de la solution optimale. On
doit donc d´eterminer le S qui minimise :
C(S) = c
p
(S −
¯
X) + (c
r
+c
p
)I
r
(S)
On calcule la d´eriv´ ee de C(S) en utilisant la relation (3.6) :
dC(S)
dS
= c
p
−(c
r
+c
p
)P(X > S)
On annule la d´eriv´ ee. D’o` u l’on tire :
S

optimal si P(X > S

) =
c
p
c
r
+c
p
(3.7)
Cet optimum est un minimum car la d´eriv´ ee seconde de C(S) est positive. La
d´eriv´ ee de P(X > S) par rapport ` a S est clairement n´egative.
Appliquons ceci au cas de l’exemple :
P(X > S

) =
c
p
c
r
+c
p
=
0, 2
0, 2 + 0, 7
= 0, 2222
Comme on ne dispose que de la table de la normale r´eduite, il faut r´ eduire la
variable al´eatoire X en lui retranchant sa moyenne et en la divisant par son ´ ecart
type. On obtient :
P
_
X −µ
σ
>
S

−300
20
_
= 0, 2222
Par lecture dans la table de la normale r´eduite, on d´etermine :
t
S
= 0, 7655 =
S

−300
20
D’o` u finalement :
S

= 315, 3 ≈ 315.
L’approvisionnement p´eriodique optimal est donc de S

= 315.
Avant de passer au cas de stocks ` a rotation non nulle, examinons quelques
indicateurs que l’on peut d´eduire de la solution optimale.
42 Chapitre 3. La gestion calendaire de stock
3.6 Les cons´ equences ´ economiques de la solution optimale
La rupture de stock
Le premier indicateur n’est autre que la rupture de stock I
r
(S). Cet indicateur
permet en effet d’´evaluer les d´efaillances du syst` eme et une valeur trop importante
de cet indicateur peut conduire ` a remettre en cause la solution propos´ee.
Dans le cas (discret) de la production de gˆateau, le calcul de I
r
(s) s’effectue
comme suit :
I
r
(S) =

x>S
(x −S)P(X = x)
=

x>S
xP(X = x) −S

x>S
P(X = x)
D’o` u finalement :
I
r
(S) =

x>S
xP(X = x) −SP(x > S)
Le premier terme correspond ` a un calcul tronqu´e de la moyenne. Pour la distribu-
tion de Poisson de param` etre λ, on montre que :

x>S
xP(X = x) = λP(X > S −1)
D’o` u l’on tire finalement :
I
r
(S) = λP(X > S −1) −SP(X > S)
(3.8)
Ce qui nous donne dans le cas de l’exemple :
I
r
(S

= 3) = 2, 5P(X > 2) −3P(X > 3)
= 2, 5 ×0, 4562 −3 ×0, 2424
= 0, 413.
Dans le cas de la vente de journaux (loi de demande continue), le calcul de
I
r
(S) s’effectue par l’int´ egrale suivante :
I
r
(S) =
_

S
(x −S)f(x)dx
=
_

S
xf(x)dx −S
_

S
f(x)dx
Section 3.6. Les cons´equences ´economiques de la solution optimale 43
D’o` u l’on tire
I
r
(S) =
_

S
xf(x)dx −SP(x > S)
Le premier terme correspond ` a nouveau ` a un calcul tronqu´e de la moyenne. On
peut montrer que si X suit une distribution normale N(µ, σ), on obtient la formule
suivante :
I
r
(S) = σ [f(t
S
) −t
S
P(t > t
S
)]
avec :
t
S
=
S −
¯
X
σ
et f(t
S
) =
e
−t
2
S
/2


Appliquons ceci aux donn´ees num´eriques de l’exemple pour lequel t
s
= 0, 7655.
L’application de la formule donne donc :
f(t
S
= 0, 7655) =
e
−0,7655
2
/2


= 0, 29762
La probabilit´e P(t > 0, 7655) est donn´ee dans la table de la normale r´eduite et
vaut 0,2218. Donc :
I
r
(S) = 20(0, 29762 −0, 7655 ×0, 2218) = 2, 556.
L’annexe B.3 donne directement la valeur de [f(t
S
) −t
S
P(t > t
S
)].
Le stock moyen poss´ ed´e
Le stock moyen poss´ed´ e, I
p
(S), correspond dans le cas de stock ` a rotation nulle
au stock r´esiduel moyen. Cet indicateur permet de se faire une id´ ee du gˆachis
engendr´e par la politique choisie.
Cet indicateur s’obtient ` a partir de la rupture moyenne aussi bien dans le cas
discret que dans le cas continu par la relation (3.3) rappel´ ee ci-dessous :
I
p
(S) = S −
¯
X + I
r
(S)
Pour le pˆatissier, on aura donc :
I
p
(S

= 3) = (3 −2, 5) + 0, 413 = 0, 913 gˆateaux.
Pour le marchand de journaux, on aura :
I
p
(S

= 315) = (315 −300) + 2, 556 = 17, 556 journaux.
Remarquez que, dans les deux cas, le stock r´ esiduel se calcule comme le stock
initial diminu´ e de la demande satisfaite.
44 Chapitre 3. La gestion calendaire de stock
Le coˆ ut moyen
Le coˆ ut moyen C(S) correspond tout simplement ` a la valeur prise ` a l’optimum
par la fonction objectif. Il peut ˆ etre calcul´ e par la relation (3.4) mais il est plus
instructif de calculer les coˆ uts partiels :
C(S) = c
r
I
r
(S) +c
p
I
p
(S)
Pour l’exemple du pˆatissier, on obtient :
C(S) = 35 ×0, 4132 + 25 ×0, 9132
= 14, 46 + 22, 83
= 37, 29
Pour l’exemple du marchand de journaux, on obtient :
C(S) = 0, 7 ×2, 556 + 0, 2 ×17, 556
= 1, 7892 + 3, 5112
= 5, 3004
La marge nette moyenne
La marge nette moyenne, not´ ee B(S), est ´ egale au produit de la marge unitaire,
m
u
, par la demande moyenne, diminu´ e du coˆ ut de stockage :
B(S) = m
u
¯
X −C(S)
L’application de cette relation ` a l’exemple num´erique du pˆatissier donne :
B(S) = m
u
¯
X −C(S)
= 35 ×2, 5 −37, 29
= 50, 21 F.
tandis que pour le marchand de journaux, elle donne :
B(S) = m
u
¯
X −C(S)
= 0, 7 ×300 −5, 004
= 204 F.
Nous allons maintenant passer au cas de stock ` a rotation non nulle.
Section 3.7. Cas de stocks `a rotation non nulle 45
3.7 Cas de stocks ` a rotation non nulle
Pour rappel, on parle de stocks ` a rotation non nulle lorsque les invendus d’une
p´eriode seront vendus aux p´eriodes suivantes. C’est de loin le cas le plus r´epandu.
La variable de commande du syst`eme est ici S, le niveau de recompl`etement,
c’est-`a-dire le niveau du stock que l’on cherche ` a retrouver p´eriodiquement. Re-
marquons une diff´ erence fondamentale avec le cas de stocks ` a rotation nulle. En
effet, la commande ` a passer pour un approvisionnement en d´ ebut de p´ eriode n’est
plus fixe. Deux cas sont possibles :
• Il reste un stock r´ esiduel positif : dans ce cas, on commande la diff´ erence
entre S et le stock r´esiduel;
• Le stock r´ esiduel est nul : dans ce cas, on commande S augment´ e des
demandes non satisfaites de la p´eriode pr´ec´ edente qui ont pu ˆ etre report´ees.
Pour illustrer le processus de d´etermination de S

, le niveau optimal de re-
compl`etement, c’est-` a-dire celui qui minimise le coˆ ut :
C(S) = c
p
I
p
(S) +c
r
I
r
(S),
nous consid´erons l’exemple suivant de la ventes d’ampoules d’´eclairage tir´e de
Giard [5].
On suppose que la demande hebdomadaire d’ampoules de 60 Watt suit une loi
normale de moyenne 300 et d’´ecart type 20. Le r´eapprovisionnement se fait en
d´ebut de semaine chez le grossiste au prix d’achat de 3 F l’unit´e. Les ampoules
sont vendues au prix de 3,5 F l’unit´ e. On suppose un taux d’opportunit´e annuel de
20 %.
D’o` u un coˆ ut de possession annuel par ampoule en stock de :
3 F ×0, 2 = 0, 6 F.
Pour arriver ` a un coˆ ut 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 :
0, 6 F /52 = 0, 0115 F
Remarquons qu’`a la diff´ erence du cas de stock ` a rotation nulle, la perte li´ee ` a une
ampoule en stock n’est plus son prix d’achat mais la perte financi`ere due au gel en
stock de son prix d’achat.
46 Chapitre 3. La gestion calendaire de stock
Calculons maintenant le coˆ ut unitaire de rupture : il correspond ` a la marge non
r´ealis´ee par ampoule :
3, 5 F −3 F = 0, 5 F.
La question qui se pose est la suivante : quel est le niveau de recompl`etement
optimal S

?
Pourle calcul dustockmoyenposs´ed´e, il faudradistinguer deuxcas defigure:
1. le cas o` u la demande observ´ ee est sup´ erieure au niveau de recompl`etement;
2. le cas o` u la demande observ´ ee est inf´ erieure au niveau de recompl`etement.
Supposons, pour fixer les id´ ees, qu’un niveau de recompl`etement de 320 ait
´ et´e choisi.
1. Cas d’une demande inf´erieure ` a S : dans ce cas, il n’y a pas de rupture
de stock. C’est l’exemple d’une demande observ´ee de 310. Le stock de fin
de p´ eriode vaut donc :
320 −310 = 10 ampoules.
En ce qui concerne l’´evolution du stock, on peut supposer que la demande
de 310 ampoules est ´ egalement r´ epartie sur toute la semaine et on peut faire
une interpolation lin´ eaire comme ` a la figure 3.1
S = 320
S = 10
x = 310
T = 5 jours
_
¸
¸
¸
¸
¸
¸
_
¸
¸
¸
¸
¸
¸
_
_ ¸ ¸ ¸ ¸ ¸ ¸ _ ¸ ¸ ¸ ¸ ¸ ¸ _
Figure 3.1: Evolution du stock
On en d´eduit le stock moyen poss´ed´ e :
I
p
(S) =
320 + 10
2
=
S + (S −x)
2
On en conclut donc que :
Si x < S : I
p
(S) =
S + (S −x)
2
= S −
x
2
(3.9)
Section 3.7. Cas de stocks `a rotation non nulle 47
2. Cas d’une demande sup´erieure ` a S : dans ce cas, on observe une rupture
de stock. C’est le cas, par exemple, d’une demande observ´ ee de 350. On
va maintenant d´eterminer ` a partir de quand le stock est nul. La demande,
comme dans le cas sans rupture, est suppos´ee uniform´ement r´ epartie sur
la semaine de cinq jours (cfr figure 3.2). La demande journali`ere est donc
S = 320
S = 0
x = 350
T = 5 jours
}
x −S = 30
Figure 3.2: Evolution du stock en cas de rupture
350
5
= 70 ampoules par jour. Et l’´ evolution du stock moyen poss´ed´ e peut
ˆ etre obtenue par :
S(t) = 320 −70t.
Ce stock est nul pour :
t =
320
70
= 4, 57 jours =
S
x/T
Le stock moyen poss´ed´ e vaut : (320 + 0)/2 = 160 sur 4,57 jours. D’o` u le
stock moyen poss´ed´ e :
I
p
(S) = 160
4, 57
5
+ 0
5 −4, 57
5
=
320
2
320
350
=
S
2
S
x
En g´ en´eral :
Si x > S : I
p
(S) =
S
2
S
x
Cette formuledonneunesolution analytique auprobl`emedelad´etermination
du niveau optimal de recompl`etement S

assez difficile ` a mettre en œuvre.
Une hypoth` ese simplificatrice, ` a savoir que la rupture se produit en fin de
p´ eriode permet d’effectuer des calculs simplifi´es. Sous cette hypoth`ese, le
stock varie entre S et 0 et donc :
Si x > S : I
p
(S) =
S
2
(3.10)
48 Chapitre 3. La gestion calendaire de stock
3.7.1 D´ etermination de la solution optimale
Sous cette hypoth`ese simplificatrice, nous allons pouvoir d´eterminer le niveau de
recompl`etement optimal. Le coˆ ut de gestion s’´ ecrit :
C(S) = c
p
I
p
(S) +c
r
I
r
(S)
Pour le calcul du stock moyen poss´ed´e I
p
(S), il faut dissocier le cas o` u la
demande x est inf´ erieure ` a S de celui o` u elle est sup´ erieure ` a S :
I
p
(S) =
_
S
0
(S −
x
2
)f(x)dx +
S
2
_

S
f(x)dx
Tandisquelenombremoyenderuptures, I
r
(S), peutsecalculercommel’int´ egrale:
I
r
(S) =
_

S
(x −S)f(x)dx
On peut maintenant tirer l’expression de I
p
(S) en fonction de I
r
(S) :
I
p
(S) =
_
S
0
(S −
x
2
)f(x)dx +
S
2
_

S
f(x)dx
=
S
2
_

0
f(x)dx +
1
2
_
S
0
(S −x)f(x)dx
=
S
2
+
1
2
__

0
(S −x)f(x)dx −
_

S
(S −x)f(x)dx
_
=
S
2
+
S
2

¯
X
2
+
I
r
(S)
2
On obtient donc la relation suivante :
I
p
(S) = S −
¯
X
2
+
I
r
(S)
2
(3.11)
On peut donc exprimer C(S) en fonction du seul I
r
(S) :
C(S) = c
p
I
p
(S) +c
r
I
r
(S) = c
p
[S −
¯
X
2
+
I
r
(S)
2
] +c
r
I
r
(S)
D’o` u finalement :
C(S) = c
p
(S −
¯
X
2
) + (c
r
+
c
p
2
)I
r
(S)
Dans le cas d’une loi de demande continue, il suffit d’annuler la d´eriv´ ee premi` ere
dC(S)
dS
= c
p
+ (c
r
+
c
p
2
)
dI
r
(S)
dS
= c
p
+ (c
r
+
c
p
2
)[−P(X > S

)] = 0
Section 3.7. Cas de stocks `a rotation non nulle 49
d’o` u
P(X > S

) =
c
p
c
r
+c
p
/2
(3.12)
Appliquons ceci aux donn´ees num´eriques de notre exemple de ventes d’am-
poules ´ electriques. Par la relation (3.12) :
P(X > S

) =
0, 01154
0, 5 + 0, 01154/2
= 2, 28%
La lecture dans la table normale r´ eduite nous donne :
t
S
= 2 =
S −300
20
D’o` u, le niveau optimal de recompl` etement : S

= 340.
Tout comme dans le cas de stock ` a rotation nulle, on peut d´eduireles principaux
indicateurs de la solution optimale choisie :
• Le nombre moyen de rupture se calcule par la formule suivante :
I
r
(S) = σ [f(t
S
) −t
S
P(t > t
S
)]
avec :
t
S
=
S −
¯
X
σ
et f(t
S
) =
e
−t
2
S
/2


Appliquons ceci aux donn´ ees num´eriques de l’exemple pour lequel t
s
= 2.
On obtient :
I
r
(S

) = 0, 159
• Le stock moyen poss´ed´ e se calcule ` a partir de la formule
I
p
(S) = S −
¯
X
2
+
I
r
(S)
2
dont l’application donne ici :
I
p
(S

) = 340 −
300
2
+
0, 159
2
= 190, 08
• Le coˆ ut moyen de stockage se calcule comme
C(S

) = c
p
I
p
(S

) +c
r
I
r
(S

)
= 0, 0115 ×190, 08 + 0, 5 ×0, 159 = 2, 27
50 Chapitre 3. La gestion calendaire de stock
3.7.2 Cas d’une loi de demande discr` ete
Terminons ce chapitre en voyant les formules de calcul dans le cas d’une loi de
demande discr`ete pour la gestion de stock ` a rotation non nulle.
Le stock moyen poss´ed´e se calcule dans le cas discret comme suit :
I
p
(S) =
S−1

0
(S −
x
2
)P(X = x) +

S
S
2
P(X = x)
=
S−1

0
(S −
x
2
)P(X = x) +
S
2
P(X ≥ S)
Exprimons ce stock moyen poss´ed´ e en fonction du stock r´esiduel moyen de fin de
p´eriode :
I
p
(S) =
S−1

0
(
S
2
+
S
2

x
2
)P(X = x) +
S
2

S
P(X = x)
=
1
2
[
S

0
(S −x)P(X = x) +S]
=
S
2
+
1
2

0
(S −x)P(X = x) −
1
2

S
(S −x)P(X = x)
D’o` u finalement :
I
p
(S) = S −
¯
X
2
+
I
r
(S)
2
, (3.13)
c’est-`a-dire exactement la mˆ eme formule que celle obtenue dans le cas continu.
On peut donc exprimer C(S) en fonction du seul I
r
(S) :
C(S) = c
p
I
p
(S) +c
r
I
r
(S)
= c
p
[S −
¯
X
2
+
I
r
(S)
2
] +c
r
I
r
(S)
D’o` u finalement :
C(S) = c
p
(S −
¯
X
2
) + (c
r
+
c
p
2
)I
r
(S)
Dans le cas discret, le niveau optimal de recompl`etement S

est d´etermin´e par la
formule suivante :
P(X > S

) <
c
p
c
r
+c
p
/2
< P(X > S

−1)
(3.14)
Section 3.8. Exercices 51
3.8 Exercices
3.1. Achat de pi` eces de rechange. L’ing´ enieur en chef d’une usine passe la
commande d’un mod`ele de pi`eces d´etach´ees d’une machine pour laquelle
il craint un approvisionnement difficile. Les cons´equences d’un arrˆ et de la
machine ` a cause d’un retard de livraison de la pi` ece sont particuli`erement
on´ereuses : le coˆ ut d’un arrˆet de la production pour manque de pi`ece est
de 25.000 F. En achetant cette pi` ece en mˆ eme temps que la machine, le
coˆ ut d’approvisionnement unitaire est de 1.000 F. L’exp´ erience pass´ee de
l’ing´enieur l’incite ` a estimer la distribution des pannes sur la dur´ee de vie
du mat´eriel, par une loi de Poisson de param` etre 1. La possession de pi` ece
au del` a de la dur´ ee de vie de la machine est sans valeur vu l’obsolescence
technique rapide de la machine.
(a) Quelle est la politique optimale ` a suivre ?
(b) On calculera les cons´equences de cette politique de commande de
pi`eces de rechange que sont le nombre moyen de pi` eces r´esiduelles
et le nombre moyen d’arrˆets de la machine.
(c) On en d´eduira le coˆ ut de gestion du stock C(S).
3.2. Ventes d’hebdomadaires. Un libraire commande r´eguli`erement un hebdo-
madaire aupr`es de son grossiste. Son coˆ ut d’achat est de 12 F et son prix
de vente 16 F. On suppose que les ventes hebdomadaires suivent une loi
normale de moyenne 30 et d’´ecart type 5.
(a) Quel est le nombre d’exemplaires ` a commander aupr`es de son grossiste
chaque semaine si le coˆ ut de reprise est de 10 F ?
(b) On calculera les cons´equences de cette politique que sont le nombre
moyen de ventes manqu´ees et le nombre moyen d’invendus.
(c) On en d´eduira la marge nette moyenne B(S).
3.3. Ventes de calculatrices. Un ´ etablissement sp´ ecialis´ e dans la distribution
de calculatrices ´ electroniques a un produit vendu couramment tout au long
de l’ann´ ee. Il s’agit d’une calculatrice scientifique qui est achet´ee 45 F
et revendue 55 F. Le taux d’opportunit´e utilis´e est de 20 %. La demande
hebdomadaire de ce mod`ele est d’environ 5 calculatrices, et il y a tout lieu
de penser que le mod`ele de Poisson est utilisable. La soci´et´e est ouverte
52 semaines par an, les d´elais d’approvisionnement sont n´egligeables, les
demandes non satisfaites sont consid´er´ ees comme perdues. La p´eriode de
r´evision calendaire T est de deux semaines.
(a) On demande de calculer le niveauoptimal derecompl´etement du stock.
52 Chapitre 3. La gestion calendaire de stock
(b) On calculera les cons´equences de cette politique que sont le nombre
moyen de ventes manqu´ees et le stock moyen poss´ed´ e.
(c) On en d´eduira la marge nette moyenne B(S).
3.4. Ventes de r´eveils ´ electroniques. La soci´et´ e commercialise ´ egalement un
r´eveil ´ electronique qui connaˆ ıt une grande popularit´e. La demande sur une
semaine suit approximativement une loi normale de moyenne 100 et d’´ecart-
type 30. La mˆ eme politique de gestion calendaire est suivie. Les donn´ ees
de coˆ ut sont les mˆ emes que celles des calculatrices. La p´eriode de r´evision
calendaire T est aussi de deux semaines.
(a) Calculez le niveau de recompl`etement optimal.
(b) Calculez les cons´equences decette politique que sont le nombre moyen
de ventes manqu´ees et le stock moyen poss´ed´ e.
(c) En d´ eduire la marge nette moyenne B(S).
3.5. Ventes de sapins de No¨ el. Un producteur de sapin de no¨el doit d´ecider
de la quantit´e ` a mettre en production chaque ann´ee. Les ventes annuelles
concentr´eessurlapremi`erequinzaineded´ecembresuiventuneloinormalede
moyenne 30.000 et d’´ ecart type 200. Le coˆ ut de production est de 10 EURO
l’unit´e et le prix de vente de 24 EURO. Le producteur travaille uniquement
sur commande de sorte qu’il ne coupe que les arbres demand´es l’ann´ ee
courante. Quelle quantit´e doit-il mettre en production pour minimiser son
coˆ ut de gestion ? On suppose un taux d’opportunit´e de 10 % l’an.
Chapitre 4
La gestion par point de commande
4.1 Introduction
La gestion calendaire se caract´erise, comme nous l’avons vu au chapitre 3 par :
• des commandes ` a intervalles fixes dont la p´eriodicit´ e est not´ ee T;
• un niveau de commande variable : qui vaut la diff´ erence entre S, le niveau
de recompl` etement et R, le stock r´esiduel.
La gestion par point de commande se caract´erise, elle, au contraire par :
• un montant de commande constant : cette quantit´ e ´ economique de com-
mande sera not´ ee q;
• une p´eriodicit´e de commande variable (lorsqu’on est en univers al´ eatoire) :
on commande lorsque le stock passe en dessous du point de commande, s.
On examinera successivement les deux cas de figures que sont :
1. La gestion (q, s) en univers certain. Comme, dans ce cas, la demande est
certaine, on commande avant rupture de stock et il n’y a pas de coˆ ut de
rupture. La variable de d´ecision q, la valeur constante de la commande,
sera d´etermin´ee de mani`ere ` a minimiser le coˆ ut de gestion qui ne comprend
que deux termes :
C(q) = c
c
I
c
(q) +c
p
I
p
(q)
2. La gestion (q, s) en univers incertain. Dans ce cas, le coˆ ut de rupture
intervient aussi. Les variables de d´ecision que sont q, le montant des
commandes et s, le point de commande seront d´etermin´ees de mani` ere ` a
minimiser le coˆ ut de gestion qui comprend trois termes :
C(q, s) = c
c
I
c
(q, s) +c
p
I
p
(q, s) +c
r
I
r
(q, s)
53
54 Chapitre 4. La gestion par point de commande
4.2 D´ etermination de la quantit´e ´ economique de commande
Nous allons illustrer la d´etermination de la quantit´ e ´ economique de commande en
univers certain sur un exemple tir´e de Giard [5] . Il s’agit d’un ustensile de cuisine
achet´e par un supermarch´e au prix unitaire de 30 F. Les ventes annuelles, que nous
noterons D sont estim´ ees ` a 2 400 unit´ es. Cette demande est consid´er´ ee comme
uniforme sur l’ann´ee : c’est-` a-dire qu’elle ne subit pas de variations saisonni`eres.
Vu le caract`ere certain de la demande et du d´elai d’obtention (ici de 20 jours
ouvrables), onpeut ´ evitertouteruptured’approvisionnementenpassantcommande
` a temps. On consid`ere que l’ann´ ee comporte 48 semaines de 6 jours ouvrables,
soit 288 jours. Le coˆ ut de passation d’une commande de 300 F et est ind´ ependant
de la quantit´e command´ee.
Le coˆ ut de possession annuel unitaire peut ˆ etre calcul´e en tenant compte du
taux d’opportunit´e annuel ici suppos´e de 20 % comme :
30 ×0, 2 = 6 F.
La question qui se pose est la suivante : Quelle est la quantit´ e q constante ` a
commander p´eriodiquement pour que le coˆ ut annuel moyen soit minimum ?
Avantded´eterminer laquantit´eoptimale, raisonnons surune valeurquelconque
de q, par exemple, q = 400. En cas de demande uniforme sur l’ann´ ee, on doit
passer commande tous les
400
2 400
=
1
6
ann´ee,
c’est-`a-dire tous les deux mois. La p´eriode ´ economique de commande est donc :
τ =
q
D
Le nombre moyen de commandes par an vaut :
I
c
(q) =
D
q
D’o` u le coˆ ut de commande :
c
c
I
c
(q) = c
c
D
q
= 300
2 400
400
= 1 800 F.
Passons maintenant au calcul du stock moyen poss´ed´e. Pour minimiser le
coˆ ut de possession, on passe commande de mani`ere ` a ce que le stock soit nul au
moment o` u arrivent les nouveaux articles. Le stock varie donc entre 400 et 0. Le
stock moyen poss´ed´ e vaut donc :
I
p
=
q
2
=
400
2
.
Section 4.2. D´etermination de la quantit´e ´economique de commande 55
Le coˆ ut annuel de possession vaut donc :
c
p
I
p
(q) = 6
400
2
= 1 200 F.
D’o` u le coˆ ut annuel de gestion :
C(q = 400) = 6
400
2
+ 300
2 400
400
= 3 000 F.
Nous pouvons maintenant faire une mod´ elisation du probl`eme pour une quan-
tit´e command´ ee quelconque q. Rappelons les hypoth`eses simplificatrices du mo-
d`ele :
• une demande certaine et distribu´ ee uniform´ ement.
• un d´elai de r´eapprovisionnement certain.
Ces deux hypoth`eses impliquent qu’il n’y a pas besoin de stock de s´ ecurit´ e pour
faire face ` a une pointe de demande impr´evue. On cherche donc ` a d´eterminer la
valeur de la seule variable de d´ ecision, c’est-` a-dire q, la commande p´eriodique,
qui minimise le coˆ ut de gestion qui ne comprend que deux termes :
C(q) = c
p
I
p
(q) +c
c
I
c
(q)
On peut g´en´ eraliser les calculs de l’exemple ci-dessus. On obtient :
C(q) = c
p
I
p
(q) +c
c
I
c
(q)
= c
p
q
2
+c
c
D
q
= 6
q
2
+ 300
2 400
q
Il est facile de calculer l’optimum d’une telle fonction. Il suffit d’annuler sa
d´eriv´ ee premi` ere :
C

(q) = c
p
1
2
−c
c
D
q
2
= 0
D’o` u le point optimum :
q

=
¸
2Dc
c
c
p
(4.1)
56 Chapitre 4. La gestion par point de commande
Cette quantit´e est appel´ee quantit´ e de Wilson. V´erifions qu’il s’agit bien d’un
minimum en calculant la d´eriv´ ee seconde :
C”(q) = 2c
c
D
q
3
> 0
Remarquez qu’au point optimum, on a ´ egalit´e des coˆ uts de commande et de
possession. En effet :
c
c
I
c
(q

) = c
c
D
q
= c
c
D
_
2Dc
c
c
p
=
¸
Dc
c
c
p
2
c
p
I
p
(q

) = c
p
q

2
= c
p
_
2Dc
c
c
p
2
=
¸
Dc
c
c
p
2
Appliquons ceci ` a l’exemple num´erique. La quantit´ e ´ economique de com-
mande vaut donc :
q

=
¸
2 2 400 300
6
= 489, 9 ∼ 490
D’o` u la dur´ee optimale de consommation :
τ

=
q

D
=
490
2 400
= 0, 204 ann´ees.
Examinons les cons´ equencesde lapolitiqueoptimale. Le stockmoyen d´etenu
vaudra :
I
p
(q

) =
q

2
=
490
2
= 245.
Et le nombre moyen annuel de commandes vaudra :
I
c
(q

) =
D
q

=
2 400
490
= 4, 898
De ces deux quantit´es, on d´eduit le coˆ ut annuel de gestion :
C(q

) = c
p
I
p
(q

) +c
c
I
c
(q

)
= 6
490
2
+ 300
2.400
490
= 2 939, 39 F.
Section 4.3. D´etermination du point de commande 57
4.3 D´ etermination du point de commande
La question qui se pose maintenant est : “Quand commander ?”
Comme le d´ elai d’obtention est de 20 jours ouvrables, c’est-` a-dire
L =
20
288
= 0, 069 ann´ee,
la demande durant cette p´eriode s’´el` eve ` a :
D ×L = 2 400 ×
20
288
= 166, 67 articles.
que l’on arrondi au point de commande
s = 167.
Lechef derayon va donc passercommande d`es qu’ilvoit qu’ilreste 167articles
en rayon de mani`ere ` a ce que le stock soit nul au moment de la livraison (voir figure
4.1).
490
167
niveau du stock
q

quantit´e ´ economique de commande
s point de commande
temps
L
L
Figure 4.1: Point de commande
En g´en´ eral, le point de commande est tel que
s = DL
(4.2)
avec D = demande annuelle;
L = d´elai d’obtention exprim´ e en ann´ee.
58 Chapitre 4. La gestion par point de commande
4.4 Cas d’une demande al´ eatoire
Rappelons les hypoth`eses de base de la gestion par point de commande en univers
certain :
• On a une demande certaine uniform´ement r´epartie sur l’ann´ ee;
• On a un d´ elai de livraison certain.
Nous allons g´en´eraliser ce mod`ele de la mani`ere suivante :
• On suppose que la demande est connue en probabilit´ e mais reste statique
(c’est-`a-dire que les caract´eristiques de la distribution restent stables dans le
temps.)
• Nous maintenons l’hypoth`ese d’un d´elai d’obtention certain. Ce qui est le
plus souvent le cas.
Nous illustrons ce cas sur l’exemple introductif, ` a savoir la vente d’ustensiles
de cuisine mais en consid´erant cette fois que la demande annuelle suit une normale
de moyenne 2 400 et d’´ecart type 189,74. Le coˆ ut de rupture vaut la marge qui est
ici de 10 F. Le coˆ ut de possession annuel reste de 6 F.
Passons au probl`eme de la d´etermination de q et s. Tout d’abord, remarquons
que pendant le d´ elai d’obtention de 20 jours la demande est al´eatoire. Calculons
les param`etres de sa distribution. Tout d’abord, le d´elai d’obtention de 20 jours
s’exprime en fraction d’ann´ee comme :
L =
20
288
ann´ees.
La demande X
L
en 20 jours suit une loi Normale
• de moyenne :
µ
L
= Lµ =
20
288
×2 400 = 167
• de variance :
σ
2
L
= Lσ
2
=
20
288
×(189, 74)
2
.
En effet, les param`etres de la demande durant 20 jours se d´ eduisent des param` etres
des ventes annuelles en multipliant la moyenne et la variance (et non l’´ ecart type)
par L. Donc, on obtient un ´ ecart type de :
σ
L
=
¸
20
288
×189, 74 = 50.
Section 4.4. Cas d’une demande al´eatoire 59
4.4.1 D´ etermination de q et s
La fonction de coˆ ut ` a minimiser fait intervenir les trois variables d’´etat que sont :
• le nombre moyen de commandes, I
c
;
• le stock moyen annuel, I
p
;
• la rupture moyenne annuelle, I
r
.
C(q, s) = c
c
I
c
(q, s) +c
p
I
p
(q, s) +c
r
I
r
(q, s)
Nous allons obtenir une solution approch´ee au probl`eme en effectuant une d´ e-
termination ind´ependante de s et de q en se basant sur l’observation suivante.
Dans l’expression de C, le nombre moyen de commande d´ epend essentiellement
de la quantit´e command´ee q tandis que le nombre moyen de ruptures d´epend
essentiellement du point de commande s. On peut donc r´ecrire cette expression
comme :
C(q, s) = c
c
I
c
(q) +c
p
I
p
(q, s) +c
r
I
r
(s)
On voit que le terme qui lie le probl`eme en la variable q et le probl`eme en la
variable s est le stock moyen poss´ed´ e I
p
qui d´epend ` a la fois de q et de s. On
va d´eterminer une solution approch´ee en s´ eparant le probl`eme ` a deux variables en
deux probl`emes ` a une variables de la mani`ere suivante. Le principe pour obtenir
cette solution approch´ee est de r´esoudre ind´ ependamment les deux probl`emes
suivant :
1. D´eterminer la quantit´e ´ economique q en arbitrant entre le coˆ ut de com-
mande et le coˆ ut de possession ` a partir de la demande moyenne.
2. D´eterminer le point de commande s en arbitrant entre le coˆ ut de rupture
et le coˆ ut de possession en utilisant la gestion calendaire pendant le d´elai
d’obtention L, en retenant comme s le niveau de recompl` etement optimal.
Le probl` eme delad´etermination delaquantit´e ´ economique decommande n’est
rien d’autre que le probl`eme ´ etudi´ e en univers certain si l’on remplace la demande
annuelle certaine par la demande annuelle moyenne :
D = µ = 2 400.
En minimisant le coˆ ut de gestion :
C(q) = c
c
I
c
(q) +c
p
I
p
(q),
60 Chapitre 4. La gestion par point de commande
la solution trouv´ee dans le cas certain ´ etait de :
q

= 490.
Le probl` eme de la d´etermination du stock de s´ecurit´e est quant ` a lui r´esolu en
prenant pour point de commande s le niveau de recompl` etement S qui minimise
le coˆ ut d’une gestion calendaire durant le d´elai d’obtention L :
C(S) = c
p
I
p
(S) +c
r
I
r
(S)
avec I
r
(S), le nombre moyen d’articles non fournis durant L et I
p
(S), le stock
moyen poss´ed´ e durant L.
En moyenne, on rencontre le probl`eme de gestion calendaire :
2 400
490
= 4, 9 fois l’an
ou encore tous les
288
490
2 400
= 58, 81 jours.
Remarquons que le stock moyen poss´ed´ e I
p
(S) correspond ` a une immobilisation
sur 59 jours et non sur les 20 jours donc le coˆ ut unitaire de possession est de :
c

p
= 6 ×0, 2042 F/article/59 jours.
En effet, un article encore en stock ` a l’issue des 20 jours du d´ elai d’obtention
augmentera d’une unit´e la valeur du stock durant toute la dur´ee d’´ecoulement de
la suivante commande, c’est-` a-dire durant 59 jours. D’o` u la fonction objectif :
C(S) = 6 ×0, 2042I
p
(S) + 10I
r
(S)
En utilisant la gestion calendaire, on d´eduit :
P(X > S

) =
c

p
c
r
+c

p
/2
=
6 ×0, 2042
10 + 6 ×0, 2042/2
= 0, 115
La demande X durant le d´elai d’obtention de 20 jours est une N(167,50). On lit
dans la table de la normale N(0,1) :
P(Z > 1, 2004) = 0, 115
D’o` u
1, 2004 =
S

−167
50
D’o` u finalement
S

= 227
Section 4.4. Cas d’une demande al´eatoire 61
4.4.2 Cons´ equences ´ economiques du choix
Le stockde s´ ecurit´e estd´efini comme diff´ erence entreleniveauderecompl ` etement
et la demande moyenne durant L et vaut ici :
227 −167 = 60 articles.
Le nombre moyen de commandes d´ epend uniquement de q et se calcule par la
formule :
I
c
(q) =
D
q
=
2400
490
= 4, 898 commandes.
Le nombre moyen de ruptures au cours d’un cycle, not´ e I
c
r
, se calcule par la
formule de la gestion calendaire :
I
c
r
(s = 227) = σ ×g(t
S
= 1, 2) = 50 ×0, 0561 = 2, 81
Or le nombre de cycles est ´ egal au nombre de commandes I
c
(q). Le nombre moyen
de ventes manqu´ees par an s’´el` eve donc ` a :
I
r
(s, q) = I
c
(q)I
c
r
(s) = 4, 898 ×2, 81 = 13, 76 articles
Le calcul du stock moyen poss´ed´ e est plus compliqu´e car il d´epend ` a la fois de s
et de q. On peut montrer (voir Giard [5], chapitre 4, relation (20), p 277) que :
1. en cas de ventes manqu´ ees perdues :
I
p
(s, q) =
q
2
+ (s −DL) +
I
c
r
(s)
2
Le coˆ ut de gestion correspondant vaut :
C(s, q) = c
c
D
q
+c
p
(
q
2
+s −DL) + (
c
p
2
+c
r
D
q
)I
c
r
(s)
2. en cas de ventes manqu´ees diff´ er´ees :
I
p
(s, q) =
q
2
+ (s −DL) +
DL
2q
I
c
r
(S)
o` u I
c
r
(s) note le nombre moyen de ruptures par cycle (durant le d´elai d’ob-
tention). Le coˆ ut de gestion correspondant vaut :
C(s, q) = c
c
D
q
+c
p
(
q
2
+s −DL) + (
c
p
L
2
+c
r
)
D
q
I
c
r
(s)
62 Chapitre 4. La gestion par point de commande
Dans le cas pr´esent, les ventes manqu´ees sont suppos´ees perdues pour le super-
march´e et donc le stock moyen poss´ed´e se calcule par la formule suivante :
I
p
(s, q) =
q
2
+ (s −DL) +
I
c
r
(s)
2
=
490
2
+ 60 +
2, 81
2
= 306, 405
On en d´eduit le coˆ ut de gestion total suivant :
C(s, q) = c
c
I
c
(q) +c
p
I
p
(q, s) +c
r
I
c
(q)I
c
r
(s)
= 300
2 400
490
+ 6 ×306, 4 + 10
2 400
490
2, 81
= 1 469, 39 + 1 838, 43 + 137, 63
= 3 445, 45
La marge nette moyenne annuelle est obtenue en soustrayant ` a la marge annuelle
sur la demande moyenne le coˆ ut de gestion annuel :
B(s, q) = m
u
D−C(s, q)
= 24 000 −3 445, 45
= 20 554, 54
On utilise ´ egalement un indicateur appell´e le taux de rotation du stock.
D´efinition 4.1 On d´efinit le taux de rotation du stock comme le quotient de la
demande moyenne sur le stock moyen poss´ed´ e.
Dans le cas de l’exemple, il se calcule comme suit :
r =
D
I
p
=
2 400
306, 4
= 7, 83
Le lecteur int´eress´ e touvera dans Giard [5] de nombreuses am´eliorations du
mod`ele vu ici, notamment :
• La politique optimale (q, s) dans le cas de demande et d´elai d’obtention
al´eatoires,
• La prise en compte de l’interd´ ependance entre articles,
• La prise en compte de rabais uniformes,
• La prise en compte de rabais progressifs,
• . . .
Section 4.5. Exercices 63
4.5 Exercices
4.1. Vente de verre de cristal. Le rayon cristal d’un grand magasin vend chaque
semaine 150 boˆıtes du mod`ele “Elite”. Le coˆ ut d’achat d’une boˆ ıte de verres
est de 8 EURO. Le coˆ ut associ´e ` a une commande est ´ evalu´ e ` a 30 EURO.
Le d´elai de livraison est de deux semaines. Le coˆ ut de possession utilis´ e ne
fait intervenir qu’un coˆ ut d’opportunit´e, lequel se calcule ` a l’aide d’un taux
annuel de 15 %. On suppose que la demande est une certaine et qu’il n’est
pas possible d’avoir de rupture de stock. On suppose ´ egalement que l’ann´ ee
comporte 52 semaines, le magasin restant ouvert toute l’ann´ ee.
(a) Calculez la commande optimale.
(b) Quel est l’intervalle entre deux passations de commandes successives ?
(c) D´eterminez le point de commande.
(d) Calculez le coˆ ut de gestion de stock correspondant ` a cette solution
optimale.
4.2. Vente de verre de cristal en univers al´ eatoire. La demande hebdoma-
daire de boˆ ıtes de verres en cristal n’est maintenant plus consid´ er´ee comme
certaine, mais comme al´eatoire. Elle suit une loi normale de moyenne 150
et d’´ecart-type 50. Le coˆ ut d’achat d’une boˆıte de verres est toujours de 8
EURO, et le coˆ ut associ´e ` a une commande est toujours ´ evalu´ e ` a 30 EURO.
Le prix de vente d’une boˆıte de verres est de 10 EURO. Le d´elai de livraison
est toujours de deux semaines. Le taux annuel est de 15 %. Le magasin est
ouvert 52 semaines par an.
(a) D´eterminez la quantit´e ` a commander r´eguli` erement.
(b) Calculez le nouveau point de commande.
(c) D´eterminez le nombre moyen annuel de boˆıtes de verres que le grand
magasin n’a pas ´ et´e en mesure de vendre.
(d) D´eterminez le stock moyen poss´ed´ e.
(e) En d´ eduire le coˆ ut de gestion annuel.
4.3. Vente de verres plat. Un vitrier doit d´ecider de la commande de verre
plat 4 mm ` a passer aupr`es de son grossiste. La demande pour le verre
plat est suppos´ee uniforme sur l’ann´ ee. Il vend 200 m
2
par an ` a un prix
de vente unitaire de 30 EURO par m
2
, lui-mˆeme l’ach` ete aupr` es de son
grossiste ` a 20 EURO par m
2
. Le d´ elai d’obtention est d’une semaine. Le
coˆ ut de passation d’une commande est de 200 EURO. Il est ind´ ependant de
la quantit´e command´ee. Le taux d’int´ erˆ et annuel est de 10 %.
64 Chapitre 4. La gestion par point de commande
(a) Quelle est la quantit´e ` a commander r´eguli`erement ?
(b) A partir de quel niveau de stock faut-il passer commande ?
4.4. Vente par correspondance. Une soci´et´e sp´ ecialis´ ee dans le vente par cor-
respondance a un article peu vendu. Il s’agit d’un matelas orthop´edique.
La demande mensuelle de cet article suit une loi de Poisson de moyenne 8.
L’acheteur responsable de l’approvisionnement h´esite entre trois syst`emes :
(a) La gestion calendaire avec une p´eriode de r´evision calendaire de deux
mois. Lecoˆutdecommandeestestim´ e ` a20EURO,leproduit estachet´e
200 EURO et revendu 350 EURO (y compris le coˆ ut moyen de trans-
port vers le client de 50 EURO). La r´egularit´e de l’approvisionnement
permet d’avoir un d´elai d’obtention insignifiant. Une demande non
satisfaite est diff´ er´ ee avec un coˆ ut de 10 EURO (frais administratifs).
(b) Une gestion dutype quantit´ e ´ economique decommande -pointdecom-
mande avec les mˆ emes coˆ uts que pr´ec´edemment, mais avec cette fois,
du fait de l’irr´egularit´e de l’approvisionnement, un d´elai d’obtention
de 15 jours environ.
(c) Servir d’interm´ediaire en r´epercutant au fournisseur la commande, ce
qui permet ` a l’entreprise de vente par correspondance de percevoir une
commission de 50 EURO.
L’entreprise estime que la rentabilit´e marginale de son capital est de 24 %.
Apr`es ´ etude du b´en´ efice net dans les trois cas, que pr´econisez-vous ?
Partie II
Les d´ ecisions tactiques
65
Chapitre 5
La planification de la production
5.1 Introduction
La planification de la production consiste en la r´egulation ` a moyen terme de la
production. C’est donc une d´ ecision tactique. Elle fait le lien entre les d´ ecisions
op´erationnelles ` a court terme et les d´ecisions strat´ egiques ` a long terme. La plani-
fication de la production s’adresse uniquement au cas de la production en s´erie.
Elle ne s’applique donc pas au cas de la production en s´erie unitaire.
Il existe deux types d’approches en planification de la production :
• la planification des besoins en composants qui vise ` a ´ etablir une program-
mation pr´evisionnelle des composants;
• la planification juste ` a temps dont le principe fondamental est de produire la
quantit´e strictement n´ ecessaire aux besoins imm´ediats du client.
La planification des besoins en composants ou M.R.P. (Material Require-
ment Planning) cherche ` a ´ etablir la programmation de la production sur base d’un
syst`eme d’information. Partant des donn´ ees physiques (stocks disponibles, li-
vraisons attendues, demandes pr´evisionnelles, capacit´ es de production,. . . ) et des
donn´ ees comptables (coˆ uts de production, d’approvisionnement, de rupture), on
´ etablit un plan de production qui d´etermine pour chaque p´eriode les quantit´es
` a produire par produit, les quantit´es fabriqu´ees dans chaque centre productif, le
niveau de stock en produits semi-finis et finis et l’utilisation des facteurs travail et
machines. L’utilisation des techniques d’optimisation aboutit ` a une program-
mation pr´evisionnelle : on utilisera la programmation dynamique lorsque l’on a
une demande dynamique certaine ne portant que sur un seul article et la program-
mation lin´eaire dans le cas statique portant sur plusieurs produits.
67
68 Chapitre 5. La planification de la production
5.2 La planification des besoins en composants
Illustrons le principe de la planification des besoins en composants sur un exemple
tir´e de Giard [5] : il s’agit d’un exemple d’assemblage de trois v´ehicules ` a moteur.
La planification des besoins en composants n´ecessite l’existence des ´ el´ ements
suivants :
1. Une nomenclature compl`ete : c’est-` a-dire une codification de tous les
composants qui permet d’´ecrire le sch´ ema arborescent du tableau 5.1. Dans
l’exemple, pour faire une voiture (T27), il faut une boˆıte de vitesse (E1001),
elle mˆ eme constitu´ ee d’un engrenage (E2010), lui-mˆeme constitu´e de divers
´ el´ements (E3047 et E3052).
Niveau 0 Niveau 1 Niveau 2
T27
_
¸
_
¸
_
-E1001 (1)
-E1010 (1)
. . .
E1001
_
-E2010 (1)
. . .
E2010
_
¸
_
¸
_
-E3047 (1)
-E3052 (1)
. . .
T28
_
¸
_
¸
_
-E1001 (1)
-E1020 (1)
. . .
E1004
_
-E2040 (1)
. . .
E2040
_
¸
_
¸
_
-E3047 (2)
-E3052 (2)
. . .
T29
_
¸
_
¸
_
-E1004 (1)
-E1020 (1)
. . .
. . . . . .
Tableau 5.1: D´ecomposition en composants
2. Un plan directeur de production : le plan directeur de production est
le plan de mise ` a disposition de produits finaux. Il peut ´ egalement com-
porter le plan de mise ` a disposition de sous-ensembles ou de composants
vendus comme pi` eces d´etach´ees. Le plan directeur de production donn´e au
tableau 5.2 pr´evoit uniquement la mise ` a disposition des produits finaux.
P´ eriode 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
Tableau 5.2: Plan directeur de production.
Section 5.2. La planification des besoins en composants 69
3. Un syst`eme d’information sur les stocks qui pemet de connaˆ ıtre l’´etat
exact du stock de chaque composant en d´ ebut de chaque p´eriode. Les stocks
initiaux sont donn´es au tableau 5.3.
Element S
15
LA
16
LA
17
E1001 17 0 30
E1004 4 0 11
E2010 10 20 0
E2040 0 0 17
E3047 0 0 0
Tableau 5.3: Stock initiaux et livraisons attendues.
4. Un fichier des livraisons attendues : c’est-` a-dire donnant le nombre de
pi`eces r´esultant de commandes du pass´e qui n’ont pas encore ´ et´e livr´ ees.
Elles sont donn´ ees au tableau 5.3.
5. Un fichier des d´elais d’obtention : le d´ elai d’obtention ´ etant la somme
des temps op´eratoire, de lancement de production et d’attente entre deux
productions. Il s’agit d’un temps pour une production d’un lot de taille
standard auquel on peut ajouter un d´elai de s´ ecurit´e. Les d´elais d’obtention
sont donn´es au tableau 5.4.
Element D´elai d’obtention
T 27 1 semaine
T 28 1 semaine
T 29 1 semaine
E1001 1 semaine
E1004 2 semaines
E2010 1 semaine
E2040 2 semaines
E3047 1 semaine
Tableau 5.4: D´elais d’obtention.
6. Fichier des capacit´es des centres de production pour chaque p´eriode de
l’horizon de planification.
7. Existence de r` egles de priorit´e en cas de surcharge.
70 Chapitre 5. La planification de la production
5.3 Principes de base de la MRP
La logique de calcul de la MRP consiste ` a l’utilisation en cascade
• de la d´etermination des besoins nets d’un composant;
• de la mani`ere de couvrir ces besoins.
5.3.1 D´ etermination des besoins nets d’un composant
Illustrons ceci sur l’exemple du composant de niveau un E1001. Pour ce compo-
sant, sa demande ´ emane des demandes de T27 et T28. Au niveau 0, les lancements
programm´es sont d´etermin´es conform´ement au plan directeur de production donn´ e
au tableau 5.2. On suppose ici un d´elai d’assemblage d’une semaine pour les trois
mod`eles (voir tableau 5.4). On suppose ´ egalement qu’au niveau z´ ero, il n’y a pas
de stock initial ni de livraisons attendues. Au niveau z´ero, on fait du lot par lot,
c’est-`a-dire que l’on met en production exactement la demande. Ceci conduit aux
lancements de productions de niveau z´ ero du tableau 5.5.
P´ eriode 16 17 18 19 20 21 22 23
Lancements T 27 7 11 6 15 8 11 12 7
Lancements T 28 10 9 4 10 7 14 8 8
Lancements T 29 4 8 3 5 12 2 8 7
Tableau 5.5: Lancements de production de niveau z´ ero.
On peut en d´eduire les besoins bruts du composant E1001 puisqu’il est utilis´ e
` a raison de un par T27 et de un par T28. Les besoins bruts du composant E1001
sont donn´ es au tableau 5.6. Ces besoins bruts ne correspondent pas ` a la production
P´ eriode 16 17 18 19 20 21 22 23
Besoins Bruts pour T27 7 11 6 15 8 11 12 7
Besoins Bruts pour T28 10 9 4 10 7 14 8 8
Besoins Bruts totaux 17 20 10 25 15 25 20 15
Tableau 5.6: Besoins bruts en composant E1001.
Section 5.3. Principes de base de la MRP 71
qu’il est n´ecessaire de mettre en route, compte tenu du stock initial disponible pour
cette r´ef´ erence et des ´ eventuelles livraisons attendues.
Les livraisons attendues sont des quantit´es r´esultant de pr´ ec´edents ordres de
lancement de production mais qui n’ont pas encore ´ et´e livr´ ees. La position initiale
du stock en p´eriode 16 est la position finale du stock en fin de p´eriode 15. Ces
informations sont reprises au tableau 5.7.
P´eriode 15 16 17 18 19 20 21 22 23
Besoins bruts 17 20 10 25 15 25 20 15
Livraisons attendues 0 30 0 0 0 0 0 0
Stocks final 17 0 10 0 - - - - -
Besoins nets 0 0 0 25 15 25 20 15
Tableau 5.7: Besoins nets en composant E1001.
Formalisons math´ematiquement la d´etermination des besoins nets, c’est-` a-dire
ceux qui vont n´ecessiter de nouveaux ordres de lancement de production. La
position du stock en fin de p´eriode t, not´ ee PS
t
, se calcule comme la position du
stock en fin de p´ eriode pr´ ec´edente, accrue des livraisons attendues en d´ ebut de
p´eriode t, not´ees LA
t
, et diminu´ee de la demande de la p´eriode (les besoins bruts,
not´es BB
t
) :
PS
t
= [PS
t−1
+LA
t
−BB
t
]
+
o` u [x]
+
= max{0, x}. Les besoins nets de la p´eriode t, not´ es BN
t
, se calculent
comme la diff´ erence entre les besoins bruts et la somme des livraisons attendues
et du niveau initial du stock de la p´eriode. Bien sˆ ur, il n’y a de besoin de mise en
production que si le r´esultat est positif ce qui conduit ` a la formule suivante :
BN
t
= [BB
t
−LA
t
−PS
t−1
]
+
Les besoins nets pour le composant E1001 sont d´ etermin´es au tableau 5.7
5.3.2 D´ etermination de la couverture des besoins nets
En planification de la production, on suppose que les besoins nets sont connus
suffisamment ` a l’avance pour ´ eviter toute rupture. La d´etermination de la quantit´ e
` a livrer pour satisfaire les besoins nets repose donc sur un arbitrage entre
• les coˆ uts de lancement de production;
72 Chapitre 5. La planification de la production
• les coˆ uts de possession.
Nous verrons au chapitre 6 une m´ ethode qui permet de faire cet arbitrage : il s’agit
de la programmation dynamique. A ce niveau-ci, nous allons faire du lot par lot,
ce qui conduit aux lancements de production illustr´ es au tableau 5.8.
P´ eriode 16 17 18 19 20 21 22 23
Livraisons attendues 0 30 0 0 0 0 0 0
Besoins nets 0 0 0 25 15 25 20 15
Lancements de production 30 0 25 15 25 20 15 0
Tableau 5.8: Lancement de production en composant E1001.
Pour d´eterminer les lancements de production, on a tenu compte du d´elai
d’obtention, suppos´e ici de 1 semaine. Remarquez que le lancement de 30 en
p´eriode 16 provient non pas d’une livraison programm´ee de p´eriode 17 mais bien
d’une livraison attendue de p´eriode 17.
Remarquez ´ egalement que, dans la d´etermination des lancements de produc-
tion, il faudra tenir compte des capacit´es de production. Dans le cas o` u ces capa-
cit´es sont d´epass´ees, on proc´edera ` a un ajustement charge-capacit´ e comme nous
le verrons plus loin.
5.3.3 Utilisation en cascade de la logique de calcul
Maintenant que cet ´ ech´ eancier de lancement de production est d´ etermin´e pour le
composant de niveau un E1001, il va ˆ etre utilis´e ` a un niveau sup´erieur pour
calculer l’´ech´ eancier des demandes brutes des composants de niveau sup´erieur.
Ainsi, le composant E1001 (par exemple, une boˆ ıte de vitesse) utilise le composant
de niveau un E2010 (un engrenage).
On applique la d´emarche de calcul que nous venons de voir en cascade :
• ` a toutes les r´ef´ erences de niveau 0 (produits finaux);
• puis ` a celles de niveau 1;
• puis ` a celles de niveau 2;
• . . . etc.
Section 5.3. Principes de base de la MRP 73
P´ eriode 16 17 18 19 20 21 22 23
T 27 7 11 6 15 8 11 12 7
T 28 10 9 4 10 7 14 8 8
T 29 4 8 3 5 12 2 8 7
Tableau 5.9: Lancements programm´es de niveau z´ ero.
Illustrons ceci sur l’exemple. Au niveau 0, les lancements programm´es (cfr
tableau 5.9) sont d´etermin´es conform´ement au plan directeur de production.
Au niveau 1, les lancements du composant E1001, de d´elai de fabrication L=1,
sont d´etermin´es conform´ement au tableau 5.10. Ce composant est utilis´e ` a raison
P´eriode 15 16 17 18 19 20 21 22 23
Besoins Bruts pour T27 7 11 6 15 8 11 12 7
Besoins Bruts pour T28 10 9 4 10 7 14 8 8
Total 17 20 10 25 15 25 20 15
Livraisons attendues 0 30 0 0 0 0 0 0
Stocks 17 0 10 0 0 0 0 0 0
Besoins nets 0 0 0 25 15 25 20 15
Lancements de production 30 0 25 15 25 20 15 -
Tableau 5.10: Lancements en composant E1001.
d’une unit´ e par produit T27 et d’une unit´e par produit T28. Toujours au niveau 1,
les lancements du composant E1004 (de d´elai de fabrication L=2) sont d´etermin´es
conform´ement au tableau 5.11. Ce composant est utilis´e ` a raison d’une unit´ e par
produit T29.
Au niveau 2, les lancements du composant E2010 (de d´ elai de fabrication
L=1) sont d´etermin´es conform´ement au tableau 5.12. Ce composant est utilis´e ` a
raison d’une unit´ e par composant de niveau 1 E1001. Toujours au niveau 2, les
lancements du composant E2040 (de d´elai de fabrication L=2) sont d´etermin´es
conform´ement au tableau 5.13. Ce composant est utilis´e ` a raison d’une unit´ e par
composant de niveau un E1004.
Au niveau3, leslancements du composant E3047 (de d´elai de fabrication L=1)
sont d´etermin´es conform´ement au tableau 5.14. Ce composant est utilis´e ` a raison
74 Chapitre 5. La planification de la production
P´eriode 15 16 17 18 19 20 21 22 23
Besoins Bruts pour T 29 4 8 3 5 12 2 8 7
Livraisons attendues 0 11 0 0 0 0 0 0
Position de stocks 4 0 3 0 0 0 0 0 0
Besoins nets 0 0 0 5 12 2 8 7
Lancements de production 11 0 5 12 2 8 7 - -
Tableau 5.11: Lancements en composant E1004.
P´ eriode 15 16 17 18 19 20 21 22
Besoins Bruts pour E1001 30 0 25 15 25 20 15
Livraisons attendues 20 0 25 0 0 0 0
Position de stocks 10 0 0 0 0 0 0 0
Besoins nets 0 0 0 15 25 20 15
Lancements de production 20 0 25 15 25 20 15 0
Tableau 5.12: Lancements en composant E2010.
P´ eriode 15 16 17 18 19 20 21
Besoins Bruts pour E1004 0 5 12 2 8 7
Livraisons attendues 0 17 0 0 0 0
Position de stocks 0 0 12 0 0 0 0
Besoins nets 0 0 0 2 8 7
Lancements de production 17 0 2 8 7 0 0
Tableau 5.13: Lancements en composant E2040.
Section 5.4. Ajustement charge-capacit´e 75
P´ eriode 15 16 17 18 19 20 21
Besoins Bruts pour E2010 0 25 15 25 20 15
Besoins Bruts pour E2040 0 4 16 14 0 0
Total 0 29 31 39 20 15
Livraisons attendues 0 0 0 0 0 0
Position de stocks 0 0 0 0 0 0 0
Besoins nets 0 29 31 39 20 15
Lancements de production 29 31 39 20 15 -
Tableau 5.14: Lancements en composant E3047.
d’une unit´ e par composant de niveau deux E2010 et de deux unit´ es par composant
de niveau deux E2040.
5.4 Ajustement charge-capacit´ e
Lorsque leslancements de production sont d´etermin´es, on peut calculer lescharges
r´esultantes pour les diff´ erents ateliers. Pour que ce plan de production soit r´eali-
sable, il faut que la charge r´esultante respecte les capacit´ es de production. Si ce
n’est pas le cas, un ajustement “charge-capacit´e” est effectu´ e.
Illustrons ceci sur un second exemple tir´e ´ egalement de Giard [5]. Supposons
qu’une entreprise assemble trois produits A, B et C dans un atelier d’assemblage
final (niveau 0). Cette production s’effectue ` a partir de trois sous-ensembles F,Get
Hassembl´esdansunautre atelierd’assemblageinterm´ediaire. Cessous-ensembles
font appel aux composants V,W, X et Y dont X est achet´e ` a l’ext´ erieur tandis que
V,Wet Y sont fabriqu´es dans l’atelier d’usinage. La nomenclature est reprise au
tableau 5.15.
Pour cet exemple, on suppose qu’il n’y a pas de probl`eme de capacit´ e au
niveau 0. Le tableau 5.16 donne les capacit´ es de production des ateliers de niveau
1 (assemblage interm´ ediaire de F, G et H) et de niveau 2 (usinage de V, W et Y).
Le plan directeur de production, donn´e au tableau 5.17, comporte les livraisons
pr´evues en produits finaux mais aussi les demandes comme pi` eces d´etach´ees en
sous-ensembles et en composants.
Les livraisons attendues et les positions initiales de stock sont reprises au
tableau 5.18.
76 Chapitre 5. La planification de la production
A utilise
_
1 F
1G
F utilise
_
¸
_
¸
_
1 V
1W
2X
B utilise
_
¸
_
¸
_
1 F
1G
1H
G utilise
_
1 W
2X
C utilise
_
1 G
1H
H utilise
_
¸
¸
¸
_
¸
¸
¸
_
1 V
1W
1X
1Y
Tableau 5.15: Nomenclature.
Janvier F´ evrier Mars Avril Mai Juin
Ass. interm. 1.150 h 1.150 h 1.150 h 1.250 h 1.250 h 1.280 h
Usinage 1.630 h 1.600 h 1.700 h 1.650 h 1.650 h 1.700 h
Juillet Aoˆut Septembre Octobre Novembre D´ecembre
Ass. interm. 1.250 h 1.200 h 1.200 h 1.200 h 1.200 h 1.200 h
Usinage 1.600 h 1.650 h 1.650 h 1.650 h 1.650 h 1.650 h
Tableau 5.16: Capacit´es de production.
Section 5.4. Ajustement charge-capacit´e 77
Janvier F´ evrier Mars Avril Mai Juin
Produits finis
A 10.300 12.800 9.700 10.500 9.700 10.000
B 12.600 13.400 12.000 10.700 10.100 11.5000
C 17.400 20.100 16.300 17.500 18.000 19.000
Sous-ensembles
F 1.500 1.400 1.500 1.600 2.100 1.800
G 1.700 1.200 1.700 1.600 1.800 1.500
H 2.000 2.300 1.800 1.900 2.100 2.000
Composants
V 4.000 3.500 3.800 3.100 3.600 3.600
W 700 1.000 1.100 900 1.100 1.300
X 3.000 2.500 2.500 2.500 2.500 2.500
Y 1.600 1.700 1.100 1.500 1.500 1.500
Juillet Aoˆ ut Septembre Octobre Novembre D´ ecembre
Produits finis
A 10.600 11.000 13.000 10.000 10.000 10.000
B 12.000 11.600 11.200 11.000 11.000 11.000
C 21.500 20.900 20.100 19.000 19.500 19.500
Sous-ensembles
F 1.800 2.000 1.600 1.400 1.600 1.600
G 1.400 1.300 1.200 1.400 1.800 1.700
H 2.100 2.000 2.000 2.000 2.000 2.000
Composants
V 3.500 3.400 3.500 3.500 3.500 3.500
W 1.000 1.000 1.000 1.000 1.000 1.000
X 2.500 2.500 2.500 2.500 2.500 2.500
Y 1.500 1.500 1.500 1.500 1.500 1.500
Tableau 5.17: Plan directeur de production.
78 Chapitre 5. La planification de la production
Janvier F´ evrier
Produits finis
A 10.000 0
B 12.500 0
C 17.300 0
Sous-ensembles
F 27.400 23.000
G 48.200 0
H 31.400 0
Composants
V 56.600 55.500
W 91.200 0
X 154.000 0
Y 31.800 0
D´ ecembre
Produits finis
A 300
B 100
C 100
Sous-ensembles
F 500
G 700
H 4.800
Composants
V 500
W 500
X 1.000
Y 300
Livraisons attendues Position du stock
Tableau 5.18: Livraisons attendues et position du stock.
Le coˆ ut horaire dans chacun des ateliers est donn´ e au tableau 5.19.
(Francs/heure)
Assemblage final 90 F/h
Assemblage interm´ ediaire 100 F/h
Usinage 150 F/h
Tableau 5.19: Coˆ ut horaire des ateliers.
Les temps op´ eratoires unitaires, les d´ elais d’obtention ainsi que le coˆ ut des
mati`eres premi`eres ajout´ees aux diff´ erents ´ etapes de fabrication sont repris au
tableau 5.20.
Calculons les lancements du niveau assemblage final. Comme ` a ce niveau,
il n’y a pas de probl`emes de capacit´e, les productions programm´ees couvriront
exactement les besoins nets. En tenant compte du d´elai d’obtention d’un mois, on
obtient les lancements du tableau 5.21.
D´ eterminons maintenant les lancements de production de niveau 1. Les
productions A et B utilisent 1 sous-ensemble F. A ces besoins bruts pour A et
B au mois de Janvier (= 12.800 + 13.400), il faut ajouter les besoins bruts pour
Section 5.4. Ajustement charge-capacit´e 79
Temps op´eratoire
Produits finis
A 0,020 h/un
B 0,010 h/un
C 0,020 h/un
Sous-ensembles
F 0,005 h/un
G 0,010 h/un
H 0,020 h/un
Composants
V 0,005 h/un
W 0,010 h/un
Y 0,010 h/un
X -
D´elai (mois)
Produits finis
A 1 mois
B 1 mois
C 1 mois
Sous-ensembles
F 2 mois
G 1 mois
H 1 mois
Composants
V 2 mois
W 1 mois
Y 1 mois
X 1 mois
Coˆ ut mati`eres premi`eres
Produits finis
A 5 F/un
B 6 F/un
C 6,5 F/un
Sous-ensembles
F 1 F/un
G 2 F/un
H 1 F/un
Composants
V 0,5 F/un
W 0,75 F/un
Y 1 F/un
X 2 F/un
Tableau5.20: Tempsop´eratoires, d´elaisd’obtentionetcoˆutdesmati`erespremi`eres.
pi`eces d´etach´ees (=1.500). Remarquez qu’il n’y a pas de d´ecallage pour les pi` eces
d´etach´ees par rapport au plan directeur de production. Le total disponible pour
satisfaire ces besoins bruts (27.900) r´esulte de l’addition de la position du stock
au mois pr´ec´edent (500) et des livraisons attendues (27.400). Le niveau du stock
en fin Janvier (200) r´esulte de la diff´ erence entre le total disponible (27.900) et
les besoins bruts (27.700). En Mars, les besoins nets de 22.600 unit´es r´esultent
de la diff´ erence entre les besoins bruts de 22.700 et le stock initial disponible de
100. Ces besoins nets seront couverts par une production lanc´ee deux mois plus
tˆ ot (il faut tenir compte du d´elai de fabrication de deux mois pour F). On obtient
le tableau des lancements de production illustr´e au tableaux 5.22 et 5.23.
On peut maintenant calculer la charge de travail r´esultante pour l’atelier
d’assemblage interm´ediaire (niveau 1). Une production de 22.600 de F au mois
de Janvier occasionne une charge de :
22.600 ×0, 005 = 113 heures.
Pour G, une production de 38.300 au mois de Janvier occasionne une charge de :
38.300 ×0, 01 = 383 heures.
Pour H, une production de 29.900 au mois de Janvier occasionne une charge de :
29.900 ×0, 02 = 598 heures.
80 Chapitre 5. La planification de la production
Lancements de A
D´ecembre Janvier F´evrier Mars Avril Mai Juin
BB
t
10.300 12.800 9.700 10.500 9.700 10.000
LA
t
10.000
PS
t
300 0 0 0 0 0 0
BN
t
0 12.800 9.700 10.500 9.700 10.000
LP
t
10.000 12.800 9.700 10.500 9.700 10.000 10.600
Lancements de A (suite)
Juillet Aoˆ ut Septembre Octobre Novembre D´ ecembre
BB
t
10.600 11.000 13.000 10.000 10.000 10.000
LA
t
PS
t
0 0 0 0 0 0
BN
t
10.600 11.000 13.000 10.000 10.000 10.000
LP
t
11.000 13.000 10.000 10.000 10.000 -
Lancements de B
D´ecembre Janvier F´evrier Mars Avril Mai Juin
BB
t
12.600 13.400 12.000 10.700 10.100 11.500
LA
t
12.500
PS
t
100 0 0 0 0 0 0
BN
t
0 13.400 12.000 10.700 10.100 11.500
LP
t
12.500 13.400 12.000 10.700 10.100 11.500 12.000
Lancements de B (suite)
Juillet Aoˆ ut Septembre Octobre Novembre D´ ecembre
BB
t
12.000 11.600 11.200 11.000 11.000 11.000
LA
t
PS
t
0 0 0 0 0 0
BN
t
12.000 11.600 11.200 11.000 11.000 11.000
LP
t
11.600 11.200 11.000 11.000 11.000 -
Lancements de C
D´ecembre Janvier F´evrier Mars Avril Mai Juin
BB
t
17.400 20.100 16.300 17.500 18.000 19.000
LA
t
17.300
PS
t
100 0 0 0 0 0 0
BN
t
0 20.100 16.300 17.500 18.000 19.000
LP
t
17.300 20.100 16.300 17.500 18.000 19.000 21.500
Lancements de C (suite)
Juillet Aoˆ ut Septembre Octobre Novembre D´ ecembre
BB
t
21.500 20.900 20.100 19.000 19.500 19.500
LA
t
PS
t
0 0 0 0 0 0
BN
t
21.500 20.900 20.100 19.000 19.500 19.500
LP
t
20.900 20.100 19.000 19.500 19.500 -
Tableau 5.21: Lancement de production (niveau 0).
Section 5.4. Ajustement charge-capacit´e 81
D´ etermination des lancements de F
D´ec. Janvier F´ evrier Mars Avril Mai
BB pour A 12.800 9.700 10.500 9.700 10.000
BB pour B 13.400 12.000 10.700 10.100 11.500
BB pour pdt 1.500 1.400 1.500 1.600 2.100
BB totaux 27.700 23.100 22.700 21.400 23.600
LA 27.400 23.000
PS 500 200 100 0 0 0
BN 0 0 22.600 21.400 23.600
LP 22.600 21.400 23.600 24.400 24.400
D´ etermination des lancements de F (suite)
Juin Juillet Aoˆut Septembre Octobre Novembre
BB pour A 10.600 11.000 13.000 10.000 10.000 10.000
BB pour B 12.000 11.600 11.200 11.000 11.000 11.000
BB pour pdt 1.800 1.800 2.000 1.600 1.400 1.600
BB totaux 24.400 24.400 26.200 22.600 22.400 22.600
LA
PS 0 0 0 0 0 0
BN 24.400 24.400 26.200 22.600 22.400 22.600
LP 26.200 22.600 22.400 22.600 - -
D´ etermination des lancements de G
D´ec. Janvier F´ evrier Mars Avril Mai
BB pour A 12.800 9.700 10.500 9.700 10.000
BB pour B 13.400 12.000 10.700 10.100 11.500
BB pour C 20.100 16.300 17.500 18.000 19.000
BB pour pdt 1.700 1.200 1.700 1.600 1.800
BB totaux 48.000 39.200 40.400 39.400 42.300
LA 48.200
PS 700 900 0 0 0 0
BN 0 38.300 40.400 39.400 42.300
LP 38.300 40.400 39.400 42.300 45.600
Tableau 5.22: Lancement de production de niveau 1 ` a capacit´e infinie (partie 1).
82 Chapitre 5. La planification de la production
D´ etermination des lancements de G (suite)
Juin Juillet Aoˆut Septembre Octobre Novembre
BB pour A 10.600 11.000 13.000 10.000 10.000 10.000
BB pour B 12.000 11.600 11.200 11.000 11.000 11.000
BB pour C 21.500 20.900 20.100 19.000 19.500 19.500
BB pour pdt 1.500 1.400 1.300 1.200 1.400 1.800
BB totaux 45.600 44.900 45.600 41.200 41.900 42.300
LA
PS 0 0 0 0 0 0
BN 45.600 44.900 45.600 41.200 41.900 42.300
LP 44.900 45.600 41.200 41.900 42.300 -
D´ etermination des lancements de H
D´ec. Janvier F´ evrier Mars Avril Mai
BB pour B 13.400 12.000 10.700 10.100 11.500
BB pour C 20.100 16.300 17.500 18.000 19.000
BB pour pdt 2.000 2.300 1.800 1.900 2.100
BB totaux 35.500 30.600 30.000 30.000 32.600
LA 31.400
PS 4.800 700 0 0 0 0
BN 0 29.900 30.000 30.000 32.600
LP 29.900 30.000 30.000 32.600 35.500
D´ etermination des lancements de H (suite)
Juin Juillet Aoˆut Septembre Octobre Novembre
BB pour B 12.000 11.600 11.200 11.000 11.000 11.000
B pour C 21.500 20.900 20.100 19.000 19.500 19.500
BB pour pdt 2.000 2.100 2.000 2.000 2.000 2.000
BB totaux 35.500 34.600 33.300 32.000 32.500 32.500
LA
PS 0 0 0 0 0 0
BN 35.500 34.600 33.300 32.000 32.500 32.500
LP 34.600 33.300 32.000 32.500 32.500 -
Tableau 5.23: Lancement de production de niveau 1 ` a capacit´e infinie (suite).
Section 5.4. Ajustement charge-capacit´e 83
La charge d´ecoulant du plan directeur de production s’´el`eve donc en Janvier ` a :
113 + 383 + 598 = 1.094 heures,
pour une capacit´ e de 1.150 heures. On respecte donc la contrainte de capacit´ e.
Un calcul similaire (cfr tableau 5.24) montre un exc´ edent de capacit´ e pour tous
Assemblage interm´ediaire
Janvier F´evrier Mars Avril Mai
Assemblage F 113 107 118 122 122
Assemblage G 383 404 394 423 456
Assemblage H 598 600 600 652 710
Heures assemblage 1.094 1.111 1.112 1.197 1.288
Heures disponibles 1.150 1.150 1.150 1.250 1.250
Exc` es de charge 38
Assemblage interm´ediaire (suite)
Juin Juillet Aoˆ ut Septembre Octobre
Assemblage F 131 113 112 113 -
Assemblage G 449 456 412 419 423
Assemblage H 692 666 640 650 650
Heures assemblage 1.272 1.235 1.164 1.182 -
Heures disponibles 1.280 1.250 1.200 1.200 1.200
Exc` es de charge
Tableau 5.24: Charge de niveau 1.
les mois sauf en Mai pour lequel il y a un d´ epassement de charge de 38 heures.
L’exc´ edent de charge (38h) doit ˆ etre report´e de Mai ` a une p´eriode ant´ erieure par
la constitution d’un stock. Comme on a un exc´ edent de 53 h le mois pr´ec´ edent,
la totalit´e de l’exc´ edent est report´ e au mois pr´ec´ edent. Dans le cas o` u il n’y aurait
pas eu assez d’heures disponibles le mois pr´ec´edent, on aurait report´ e encore plus
en amont jusqu’`a report complet de l’exc` es de charge.
La question qui se pose maintenant est la suivante : lequel des 3 sous-
ensembles F, G ou H fera l’objet d’un transfert d’activit´ e ? On va constituer
le stock de valeur ´ economique la plus faible possible. Ce calcul se fait au moyen
du prix derevient descomposants. Parexemple, Vutilise 0,5 Fdemati`ere premi` ere
84 Chapitre 5. La planification de la production
et 0,005 heure ` a 150 F/h. D’o` u les prix de revient unitaires :
p
V
= 0, 5 + 0, 005 ×150 = 1, 25 F
p
W
= 0, 75 + 0, 010 ×150 = 2, 25 F
p
Y
= 1, 00 + 0, 010 ×150 = 2, 50 F
On peutalors calculerle prix derevient auniveau 1. Parexemple, le sous-ensemble
F utilise 1 Franc de mati`ere premi`ere, 0,005 h × 100 Francs/h de travail, 1 unit´ e
de V (`a 1,25 Franc),1 unit´ e de W (`a 2,25 Francs) et 2 unit´es de X (`a 2 Francs). Les
prix de revient unitaires sont donc de :
p
F
= 1 + 0, 005 ×100 + 1 ×1, 25 + 1 ×2, 25 + 2 ×2 = 9, 00 F
p
G
= 2 + 0, 010 ×100 + 1 ×2, 25 + 2 ×2 = 9, 25 F
p
H
= 1 + 0, 020 ×100 + 1 ×1, 25 + 1 ×2, 25 + 1 ×2 + 1 ×2, 5 = 11, 00 F
Pour assembler 1 unit´ e de F, il faut 0,005 h. Donc 200 sous-ensembles de F sont
assembl´es par heure. On en d´eduit les valeurs de la production d’une heure de
chacun des sous-ensembles :
vph
F
= 9, 00 ×200 = 1.800 Francs/h
vph
G
= 9, 25 ×100 = 925 Francs/h
vph
H
= 11, 00 ×50 = 550 Francs/h
En conclusion, il est plus int´eressant de stocker H bien qu’il ait un prix de revient
unitaire plus ´ elev´ e !
Le temps op´eratoire unitaire ´ etant de 0,02 h, les 38 heures d´eplac´ees corres-
pondent ` a :
38/0, 02 = 1.900 unit´ es
On retranche donc 1.900 ` a la production initialement d´ecid´ee (35.500) pour Mai
et on ajoute cette valeur ` a la production initialement d´ecid´ ee d’Avril (32.600). On
obtient l’ajustement de niveau 1 illustr´e au tableau 5.25.
Il est ` a remarquer que, dans le cas pr´esent, l’exc´ edent de capacit´e du mois
d’Avril ´ etait suffisant pour produire tout l’exc` es de charge du mois de Mai. Dans
le cas contraire, on aurait du reporter l’exc` es de charge sur les mois pr´ec´ edents
jusqu’`a couverture compl` ete de l’exc` es de charge.
On proc´edera alors de mani`ere semblable pour le niveau deux (voir exercices
ci-dessous). Et ainsi de suite pour tous les autres niveaux.
Section 5.4. Ajustement charge-capacit´e 85
Assemblage interm´ ediaire
Janvier F´evrier Mars Avril Mai
Lancements F 22.600 21.400 23.600 24.400 24.400
Lancements G 38.300 40.400 39.400 42.300 45.600
Lancements H 29.900 30.000 30.000 32.600 35.500
Assemblage F 113 107 118 122 122
Assemblage G 383 404 394 423 456
Assemblage H 598 600 600 652 710
Heures d’assemblage 1.094 1.111 1.112 1.197 1.288
Heures disponibles 1.150 1.150 1.150 1.250 1.250
Exc` es de charge 38
Ajustement +38 -38
Report de H +1.900 -1.900
Lancements de F 22.600 21.400 23.600 24.400 24.400
Lancements de G 38.300 40.400 39.400 42.300 45.600
Lancements de H 29.900 30.000 30.000 34.500 33.600
Assemblage interm´ ediaire (suite)
Juin Juillet Aoˆ ut Septembre Octobre
Lancements F 26.200 22.600 22.400 22.600 -
Lancements G 44.900 45.600 41.200 41.900 42.300
Lancements H 34.600 33.300 32.000 32.500 32.500
Assemblage F 131 113 112 113 -
Assemblage G 449 456 412 419 423
Assemblage H 692 666 640 650 650
Heures d’assemblage 1.272 1.235 1.164 1.182 -
Heures disponibles 1.280 1.250 1.200 1.200 1.200
Exc` es de charge
Ajustement
Report de H
Lancements F 26.200 22.600 22.400 22.600 -
Lancements G 44.900 45.600 41.200 41.900 42.300
Lancements H 34.600 33.300 32.000 32.500 32.500
Tableau 5.25: Ajustement charge-capacit´ e de niveau 1.
86 Chapitre 5. La planification de la production
5.5 Exercices
5.1. Planning de production d’un moteur. Un industriel cherche ` a ´ etablir son
planning deproduction pour lesquatrepremiers mois del’ann´eed’un moteur
Cintervenantdans l’assemblagedes trois typesdemachines MA, MBetMC.
Le plan directeur de production pr´ evoit la mise ` a disposition les six premiers
mois de l’ann´ ee des quantit´es suivantes pour les trois types de machines :
Mois Janvier F´evrier Mars Avril Mai Juin
MA 3 1 2 1 7 3
MB 1 3 1 5 4 2
MC 2 4 1 5 6 0
Le moteur doit ˆ etre mont´ e dans l’avant dernier mois d’assemblage pour MA
et MB et dans le dernier mois d’assemblage pour MC. Le stock en d´ebut
de janvier est de 2 moteurs C et on pr´evoit une livraison de 5 moteurs C en
janvier. D´eterminez les besoins nets de moteurs C pour les quatre premiers
mois de l’ann´ ee.
5.2. A partir de l’ajustement charge-capacit´ e de niveau 1 donn´e au tableau 5.25,
d´eduire les besoins bruts pour les composants de niveau 2 (V, W, X, et Y).
Ensuite, calculer les besoins nets pour ces composants et en d´eduire les
lancements de production pour ces composants ` a capacit´e infinie.
5.3. V´erifier si les charges r´esultantes n’exc` edent pas la capacit´ e de l’atelier de
niveau 2. Si c’est le cas, on proc´edera ` a un ajustement charge-capacit´ e de
niveau deux.
Chapitre 6
La programmation dynamique.
La programmation dynamique a pour but de traiter les mod`eles o` u une s´equence
optimale de d´ecisions doit ˆ etre prise. Elle est largement utilis´ee en planification
de la production. En particulier, pour r´esoudre le probl`eme non r´esolu au chapitre
5 de la d´etermination des lancements de production ` a partir des besoins nets d’un
composant. Il s’agit de faire l’arbitrage entre les coˆ uts de lancement de production
et les coˆ uts de possession du stock. Nous verrons comment ce probl`eme peut ˆ etre
formul´e comme un probl`eme dynamique.
L’id´ ee g´en´ erale des proc´edures de r´esolution en programmation dynamique
est la suivante. On part d’un sous probl`eme, celui de derni` ere ´ etape, dont la
r´esolution esttriviale. Ensuite, et enproc´edant ` arebours, on ´ etendprogressivement
le probl`eme en incluant les ´ etapes pr´ec´ edentes et en calculant la politique optimale
` a chaque ´ etape en se basant sur la politique optimale de l’´ etape suivante. Cette
proc´edure sera appliqu´ee ` a la planification de la production.
6.1 Le probl` eme du voyageur
Un exemple purement fictif, tir´e de Hillier et Lieberman [7], va nous permettre
d’introduire la terminologie employ´ ee en programmation dynamique. Il s’agit du
probl` eme du voyageur devant traverser l’ouest am´ ericain il y a plus d’un si`ecle.
Son point de d´epart et sa destination sont connus. Il effectue son voyage en quatre
´ etapes. A chaque ´ etape, il a le choix de se diriger vers plusieurs ´ etats. A la
figure 6.1, on a repr´esent´ e chaque ´ etat par un cercle. Son ´ etat de d´epart est l’´etat
1 et son ´ etat d’arriv´ ee est l’´ etat 10.
Le voyageur souscrit ` a chaque ´ etape une police d’assurance dont le coˆ ut refl`ete
le degr´ e d’ins´ ecurit´e du voyage. Ceux-ci sont donn´es au tableau 6.1. Il va donc
d´eterminer son itin´eraire de mani`ere ` a choisir la route la plus sˆ ure en minimisant
la somme des polices d’assurance pour le passage d’´ etat en ´ etat.
87
88 Chapitre 6. La programmation dynamique.
1
2
3
4
5
6
7
8
9
10
Figure 6.1: Probl`eme du voyageur
1
2 3 4
2 4 3
2
3
4
5 6 7
7 4 6
3 2 4
4 1 5
5
6
7
8 9
1 4
6 3
3 3
8
9
10
3
4
Tableau 6.1: Coˆ uts d’assurance pour aller d’un ´ etat ` a l’autre
Notezd’abord que l’approche tr` es simple qui consiste ` achaque ´ etape ` achoisir
la police la moins ch`ere ne conduit pas ` a une solution globalement la moins ch` ere.
En effet, en suivant cette strat´egie, on choisirait le chemin 1 →2 →6 →9 →10
avec un coˆ ut total d’assurance de 13. Cependant en sacrifiant un peu ` a la premi` ere
´ etape, on peut gagner aux ´ etapes ult´ erieures. En effet, par exemple la route 1 →
4 →6 →9 →10 permet un coˆ ut total de 11.
Une autre m´ ethode serait d’´evaluer toutes les routes possibles. Cependant sur
ce petit exemple, elles sont d´ej` a au nombre de 3×3 ×2 = 18 et lorsque le nombre
d’´etapes et/ou le nombre d’´etats croˆıt, cela devient vite un travail prohibitif.
C’est ici qu’intervient la programmation dynamique qui permet de calculer
la solutionoptimale sansfairedel’´enum´erationexplicite. Laprogrammation dyna-
mique commence avec une petite portion du probl`eme original, trouve la solution
optimale pour cette portion du probl`eme. Ensuite on ´ elargit progressivement le
probl`eme, en d´eterminant la nouvelle solution optimale ` a partir de la pr´ec´edente.
Pour le probl`eme du voyageur, on consid`ere le probl`eme de fin de voyage, lorsqu’il
n’y a plus qu’une ´ etape ` a faire. Pour ce probl`eme la solution optimale est ´ evidente :
le voyageur doit aller directement ` a sa destination, l’´etat 10. Al’it´eration suivante,
on ´ elargit d’une unit´ e le nombre d’´etapes ` a effectuer. On peut ensuite d´eduire la
strat´egie optimale pour la troisi` eme ´ etape en fonction de la strat´ egie optimale pour
Section 6.1. Le probl`eme du voyageur 89
la derni` ere ´ etape.
Enprogrammation dynamique, deux types devariables sont associ´ees ` a chaque
´ etape. La variable s
t
indique l’´etat du syst`eme au d´ebut de l’´ etape t. Cette
variable doit contenir toute l’information r´esultant des choix effectu´ es aux ´ etapes
pr´ec´edentes. La variable x
t
indique la d´ ecision strat´ egique prise ` a l’´ etape t. Ainsi,
dans notre exemple, notons s
t
l’´ etat de d´epart de l’´ etape t tandis que x
t
note la
destination de l’´etape t.
On note par f
t
(s
t
, x
t
) le coˆ ut total de la meilleure strat´ egie pour les ´ etapes
restantes, si l’on se trouve au d´ ebut de l’´ etape t dans l’´ etat du syst`eme s
t
et que
l’on prend x
t
comme d´ecision strat´ egique ` a l’´ etape t. Notons par x

t
la valeur de
x
t
qui minimise f
t
(s
t
, x
t
) et f

t
(s
t
) la valeur minimum correspondante. On a donc
que :
f

t
(s
t
) = min
x
t
f
t
(s
t
, x
t
) = f
t
(s
t
, x

t
)
Ainsi, dans notre exemple, f
t
(s
t
, x
t
) note le coˆ ut total de la meilleure strat´ egie
pour les ´ etapes restantes si le voyageur est dans l’´ etat s
t
` a l’´ etape t et s´electionne
comme ´ etat suivant l’´ etat x
t
.
La programmation dynamique va d´eterminer successivement f

4
(s
4
), f

3
(s
3
),
f

2
(s
2
), f

1
(s
1
) pour chaque ´ etat possible s
t
` a l’´ etape t et utiliser par exemple
f

2
(s
2
) pour calculer f

1
(s
1
). Nous allons maintenant appliquer ceci ` a l’exemple
du voyageur. Pour t = 4, c’est-`a-dire lorsque le voyageur n’a plus qu’une ´ etape
` a effectuer pour rejoindre sa destination, sa route est enti` erement d´etermin´ee par
son ´ etat courant s
4
(ici s
4
= 8 ou 9) et sa destination finale x
4
= 10. Le tableau
6.2 reprend les coˆ uts minimaux de la derni` ere ´ etape ainsi que la d´ecision optimale
en fonction de l’´ etat de d´epart.
s x

4
f

4
(s)
8 10 3
9 10 4
Tableau 6.2: Coˆ uts minimaux de la derni`ere ´ etape
Lorsque le voyageur a encore deux ´ etapes ` a effectuer (t = 3), la solution
requi`ere un peu plus de calculs. Si, par exemple, le voyageur est dans l’´etat 5, il
peutaller ` al’´etape3 vers l’´ etat8 ou9 ` auncoˆutrespectifde c
5,8
= 1 ou c
5,9
= 4. S’il
choisit l’´ etat 8, le coˆ ut additionnel qu’il va encourir pour rejoindre sa destination
` a partir de l’´ etat 8 est donn´e dans la table 6.2, il s’agit de f

4
(8) = 3, de sorte
que son coˆ ut total est de 1 + 3 = 4. Semblablement, s’il choisit l’´ etat 9, il devra
additionner 4 + 4 = 8. Et donc l’´ etat qu’il va choisir comme destination est l’´etat
8, donc x

3
= 8, qui donne un coˆ ut minimum pour le chemin qui reste ` a parcourir
90 Chapitre 6. La programmation dynamique.
de f

3
(5) = 4. On proc`ede de mˆ eme pour les autres ´ etats possibles ` a l’´ etape 3,
c’est-`a-dire les ´ etats s
3
= 6 et s
3
= 7 et on obtient les valeurs donn´ees dans la
table 6.3.
x
3
= 8 x
3
= 9 x

3
f

3
(s
3
)
s
3
= 5 1 + 3 = 4 4 + 4 = 8 8 4
s
3
= 6 6 + 3 = 9 3 + 4 = 7 9 7
s
3
= 7 3 + 3 = 6 3 + 4 = 7 8 6
Tableau 6.3: Coˆ uts minimaux de la troisi` eme ´ etape
La solution pour le probl`eme o` u il reste trois ´ etapes (t = 2) est obtenue de
mani`ere similaire. Elle est illustr´ ee ` a la table 6.4. Les ´ etats destination sont cette
fois au nombre de trois : il s’agit de x
2
= 5, x
2
= 6 ou x
2
= 7 tandis que les ´ etats
de d´epart possibles sont s
2
= 2, s
2
= 3 ou s
2
= 4. Pour les ´ etats de d´epart 2 ou 4,
la destination optimale peut ˆ etre au choix 5 ou 6 puisque le coˆ ut total est le mˆ eme.
x
2
= 5 x
2
= 6 x
2
= 7 x

2
f

2
(s
2
)
s
2
= 2 7 + 4 = 11 4 + 7 = 11 6 + 6 = 12 5 ou 6 11
s
2
= 3 3 + 4 = 7 2 + 7 = 9 4 + 6 = 10 5 7
s
2
= 4 4 + 4 = 8 1 + 7 = 8 5 + 6 = 11 5 ou 6 8
Tableau 6.4: Coˆ ut minimaux de la deuxi` eme ´ etape
Enfin, pour terminer, le probl`eme de premi` ere ´ etape (t = 1), le coˆ ut minimum
de la police optimale est ` a nouveau donn´e en fonction de l’´ etat destination de
l’´etape comme la somme du coˆ ut de premi` ere ´ etape plus le coˆ ut minimum des
´ etapes ult´ erieures. On obtient les r´esultats de la table 6.5.
x
1
= 2 x
1
= 3 x
1
= 4 x

1
f

1
(s
1
)
s
1
= 1 2 + 11 = 13 4 + 7 = 11 3 + 8 = 11 3 ou 4 11
Tableau 6.5: Coˆ ut minimaux de la premi` ere ´ etape
On peut maintenant identifier une politique optimale. Pour t = 1, le voyageur
doit donc se diriger initialement vers l’´ etat 3 ou 4. Supposons qu’il choisisse
x

1
= 3. Pour t = 2, la strat´egie optimale pour s
2
= 3 est x

2
= 5 (voir tableau
6.4), ce qui dans l’´etape t = 3 conduit ` a l’´ etat s
3
= 5. La strat´ egie optimale pour
s
3
= 5 consite ` a choisir x

3
= 8 (voir tableau 6.3). On se retrouve en s
4
= 8 et on
choisit x

4
= 10 ` a l’´etape 4 (voir tableau 6.2). Une des routes optimales est donc
1 →3 →5 →8 →10
donnant un coˆ ut total minimum de f

1
(1) = 11.
Section 6.2. Un probl`eme d’affectation de ressources rares 91
6.2 Un probl` eme d’affectation de ressources rares
Nous illustrons le fait que le champs d’application de la m´ ethode de r´esolution
est tr` es large sur un deuxi` eme exemple ´ egalement tir´e de Hillier et Lieberman
[7] : il s’agit du probl` eme de l’organisation mondiale de la sant´e. On suppose que
l’O.M.S. dispose de 5 ´ equipes m´ edicales disponibles qu’elle peut affecter ` a 3 pays
pour accroˆ ıtre leur niveau des soins. L’O.M.S. doit d´eterminer combien d’´ equipes
elle affecte ` a chacun des trois pays de mani` ere ` a maximiser l’efficacit´ e g´en´ erale de
l’affectation. La mesure de l’efficacit´ e est donn´ ee en terme d’ann´ees-homme de
vie suppl´ ementaire. Ce qui est ´ equivalent ` a l’augmentation de l’esp´erance de vie
fois la population du pays. Ces donn´ees sont reprises au tableau 6.6. On suppose
que chaque pays doit b´en´ eficier d’au moins une ´ equipe.
Nombre d’´equipes Pays 1 Pays 2 Pays 3
1 45 20 50
2 70 45 70
3 90 75 80
Tableau 6.6: Milliers d’ann´ees-homme suppl´ ementaires
La r´esolution de ce probl`eme n´ecessite la prise de trois d´ecisions : Combien
affecter d’´equipes m´ edicales ` a chacun des ces trois pays ? Bien qu’il n’y ait
pas de succession temporelle, on peut imaginer que les trois ´ etapes d’un processus
dynamique consistent en l’affectation successive aux trois pays puisque lorsqu’une
´ equipe est affect´ ee ` a un pays, elle n’est plus disponible pour les autres pays. On a
donc identifi´e les ´ etapes.
Commentidentifierles ´ etats. Autrementdit, quelleestl’informationn´ecessaire
` a une ´ etape pour pouvoir d´eterminer la politique optimale ? Il s’agit simplement
du nombre d’´equipes m´ edicales qui restent disponibles. Notons s
t
le nombre
d’´equipes encore disponibles au d´ebut de l’´ etape t.
Notons p
t
(x
t
) la mesure de l’efficacit´ e de l’allocation de x
t
´ equipes m´edicales
au pays t. Si, comme pr´ec´ edemment, on note par f
t
(s
t
, x
t
) la contribution ` a
l’objectif des ´ etapes ult´erieures ` a t et de l’´ etape t si l’on est dans l’´ etat s
t
et que
l’on prend la d´ecision x
t
, on peut ´ ecrire :
f
t
(s
t
, x
t
) = p
t
(x
t
) +f

t+1
(s
t
−x
t
)
avec
f

t
(s
t
) = max
x
t
f
t
(s
t
, x
t
)
Remarquez la relation de r´ecurrence liant s
t
et s
t+1
:
s
t+1
= s
t
−x
t
.
92 Chapitre 6. La programmation dynamique.
La relation de r´ecurrence liant f

n
et f

n+1
s’´ecrit donc :
f

t
(s
t
) = max
x
t
_
p
t
(x
t
) +f

t+1
(s
t
−x
t
)
_
.
A l’´ etape t = 3, les ´ etats possibles vont de 1 (il faut au moins une ´ equipe pour
le pays 3) juqu’`a 3 (on a au moins affect´ e une ´ equipe au pays 1 et une ´ equipe
au pays 2). A la derni` ere ´ etape, on a int´ erˆet ` a affecter toutes les ´ equipes encore
disponibles (voir tableau 6.7).
s
3
x

3
f

3
(s
3
)
1 1 50
2 2 70
3 3 80
Tableau 6.7: Calculs de l’´ etape 3
A l’´ etape 2, les ´ etats possibles vont de 2 (il faut au moins une ´ equipe pour le
pays 2 et une ´ equipe pour le pays 3) ` a 4 (on a au moins attribu´ e une ´ equipe au pays
1). De mˆ eme, il faut veiller ` agarder au moins une ´ equipe disponible pour le dernier
pays. A la deuxi` eme ´ etape, au gain de l’´ etape, il faut ajouter le gain r´esultant pour
l’´etape 3 avec s
3
= s
2
−x
2
. Le d´etail des calculs est donn´ e au tableau 6.8.
s
2
x
2
= 1 x
2
= 2 x
2
= 3 x

2
f

2
(s
2
)
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
Tableau 6.8: Calculs de l’´ etape 2
De mˆ eme ` a l’´ etape 1, au gain de l’´ etape, il faut ajouter ceux des ´ etapes suivantes
avec s
2
= s
1
−x
1
. Le d´etail des calculs est donn´ e au tableau 6.9.
s
1
x
1
= 1 x
1
= 2 x
1
= 3 x

1
f

1
(s
1
)
5 45 + 125 = 170 70 + 90 = 165 90 + 70 = 160 1 170
Tableau 6.9: Calculs de l’´ etape 1
La solution optimale est donc x

1
= 1 qui donne s
2
= 5 − 1 = 4 pour la
deuxi`eme ´ etape ou encore x

2
= 3, ce qui donne s
3
= 4 −3 = 1 pour l’´etape 3 de
sorte que x

3
= 1, ce qui donne un gain de 170 000 hommes-ann´ees.
Section 6.3. Application `a la planification de la production. 93
6.3 Application ` a la planification de la production.
Nous allons maintenant voir comment la programmation dynamique permet de
r´esoudre des probl`emes de planification de la production en pr´esence de coˆ uts de
production non convexes. Illustrons ceci sur un exemple.
La demande pr´evisionnelle d’un composant est donn´ee au tableau 6.10. La
fabrication de ce composant n´ ecessite un certain nombre de r´eglages ind´ ependants
du nombre d’unit´es fabriqu´ees. Le coˆ ut de lancement c
c
est de 150. Le coˆ ut direct
d´epend de la main d’œuvre disponible. Le coˆ ut est de 200 en heures normales, de
250 en heures suppl´ ementaires. Le tableau 6.10 donne la production maximale en
heures normales et heures suppl´ ementaires. On une capacit´e de stockage limit´ ee
P´ eriode t 1 2 3 4 5
Capacit´e de production ` a 200 2 2 3 3 3
Capacit´e de production ` a 250 3 3 3 3 3
Demande pr´evisionnelle 2 1 4 2 4
Tableau 6.10: Demande pr´evisionnelle et capacit´ e de production
` a 2 unit´ es. Le coˆ ut de stockage est de 10 par unit´e stock´ee par mois. Le d´elai de
fabrication est n´egligeable (L = 0). On s’interdit toute rupture de stock.
Nous allons tout d’abord formuler le probl` eme en un probl` eme de pro-
grammation dynamique. Pour cela, d´efinissons la variable d’´ etat de la p´eriode
t suivante :
s
t
= stock au d´ebut de la p´eriode t.
D´efinissons aussi la variable de d´ecision de la p´eriode t suivante :
x
t
= production ` a la p´eriode t.
On d´efinit la fonction
f
t
(s
t
, x
t
)
comme ´ etant le coˆ ut de la meilleure planification pour les p´eriodes restantes si on
est dans l’´ etat s
t
au d´ebut de la p´eriode t et que l’on d´ecide de produire x
t
` a la
p´eriode t. Ce coˆ ut est la somme du coˆ ut de production de l’´etape t, d’un coˆ ut de
possession du stock pendant le mois t ainsi que du coˆ ut des ´ etapes ult´ erieures :
f
t
(s
t
, x
t
) = cp
t
(x
t
) +c
s
s
t
+f

t+1
(s
t
+ x
t
−d
t
)
o` u d
t
note la demande pr´evisionnelle qui est donn´ee au tableau 6.10. La fonction
cp
t
(x
t
) d´enote le coˆ ut de production ` a l’´ etape t. Ce dernier est la somme d’un coˆ ut
fixe de lancement est de c
c
= 150, pour autant qu’il y ait production, et d’un coˆ ut
94 Chapitre 6. La programmation dynamique.
direct de main d’œuvre qui est de 200 par unit´ e produite en heures normales, de
250 par unit´ e produite en heures suppl´ ementaires. Remarquez qu’en pr´esence de
coˆ ut de lancement le coˆ ut de production n’est pas convexe. Ceci peut ˆ etre v´erifi´e
` a la figure 6.2 qui illustre la fonction de coˆ ut pour t = 5.
cp
5
(x
5
)
x
5
1 2 3 4 5 6
1500
1250
1000
750
550
350
350
200
250
Figure 6.2: Coˆ ut non convexe.
La capacit´ e de stockage est limit´ ee ` a 2 unit´ es. Ce qui limitera ` a trois les ´ etats
du monde possibles ` a chaque ´ etape.
Nous allons maintenant r´ esoudre le probl` eme par la programmation dyna-
mique. A l’´ etape 5, on a d
5
= 4. Ce qui explique qu’il faut au moins produire
4 unit´ es si s
5
= 0 mais pas plus de 6 sinon le stock final sera sup´erieur ` a deux
unit´es. De plus la capacit´e de production est limit´ee ` a six unit´es. On obtient les
coˆ uts suivants des diff´ erentes strat´ egies :
d
5
= 4 x
5
= 2 x
5
= 3 x
5
= 4 x
5
= 5 x
5
= 6 x

5
f

5
(s
5
)
s
5
= 0 − − 1.000 1.250 1.500 4 1.000
s
5
= 1 − 760 1.010 1.260 − 3 760
s
5
= 2 570 770 1.020 − − 2 570
Section 6.3. Application `a la planification de la production. 95
Par exemple le coˆ ut de 1.000 si s
5
= 0 et x
5
= 4 r´esulte du seul coˆ ut de production
qui se calcule comme suit :
150 + 3 ×200 + 250 = 1000.
Le coˆ ut de 760 si s
5
= 1 et x
5
= 3 r´esulte de la somme du coˆ ut de stockage d’une
unit´e pendant un mois et du coˆ ut de production des trois unit´ es :
1 ×10 + 150 + 3 ×200 = 760.
A l’´ etape 4, on ajoute au coˆ ut de production de l’´ etape, le coˆ ut des ´ etapes
ult´erieures. Ainsi, dans le cas o` u s
4
= 0 et x
4
= 2, le coˆ ut correspond ` a l’applica-
tion de la formule :
f
4
(s
4
, x
4
) = cp
4
(x
4
) +f

5
(s
4
+x
4
−d
4
)
= (150 + 400) + 1.000
= 1.550
On obtient le tableau de coˆ uts suivant :
d
4
= 2 x
4
= 0 x
4
= 1 x
4
= 2 x
4
= 3 x
4
= 4 x

4
f

4
(s
4
)
s
4
= 0 − − 1.550 1.510 1.570 3 1.510
s
4
= 1 − 1.360 1.320 1.330 − 2 1.320
s
4
= 2 1.020 1.130 1.140 − − 0 1.020
A l’´ etape 3, on d´etermine semblablement le tableau de coˆ uts suivant :
d
3
= 4 x
3
= 2 x
3
= 3 x
3
= 4 x
3
= 5 x
3
= 6 x

3
f

3
(s
3
)
s
3
= 0 − − 2.510 2.570 2.520 4 2.510
s
3
= 1 − 2.270 2.330 2.280 − 3 2.270
s
3
= 2 2.080 2.090 2.040 − − 4 2.040
A l’´ etape 2, on a une capacit´ e de production ` a 200 limit´ee ` a deux unit´ es. On
obtient le tableau de coˆ uts suivant :
d
2
= 1 x
2
= 0 x
2
= 1 x
2
= 2 x
2
= 3 x

2
f

2
(s
2
)
s
2
= 0 − 2.860 2.820 2.840 2 2.820
s
2
= 1 2.520 2.630 2.600 − 0 2.520
s
2
= 2 2.290 2.410 − − 0 2.290
96 Chapitre 6. La programmation dynamique.
A l’´ etape 1, la demande est de 2 et on a le tableau de coˆ uts suivant :
d
1
= 2 x
1
= 2 x
1
= 3 x
1
= 4 x

1
f

1
(s
1
)
s
1
= 0 3.370 3.320 3.340 3 3.320
On peut ensuite d´eterminer la politique optimale en partant de s
1
= 0. En
premi`ere ´ etape, la strat´egie optimale est de produire 3. La demande ´ etant de 2, on
se retrouve avec un stock initial s
2
= 1. La strat´ egie optimale pour la deuxi` eme
p´eriode est dans ce cas de ne produire rien du tout. On se retrouve avec un stock
initial s
3
= 0. Lastrat´egieoptimaleestdeproduire x
3
= 4, c’est-` a-dire lademande
de la p´eriode. On se retrouve avec un stock initial s
4
= 0. La strat´ egie optimale
est dans ce cas de produire x
4
= 3, soit une unit´e de plus que la demande. On se
retrouve avec un stock initial s
5
= 1 et on produit x
5
= 3.
La planification optimale est donc la suivante :
t = 1 2 3 4 5
d
t
2 1 4 2 4
s
t
0 1 0 0 1
x

t
3 0 4 3 3
Remarquez qu’en p´eriode 2, on a pr´ ef´er´ e ne pas produire la seule unit´ e de-
mand´ee car une unit´ e en premi`ere ´ etape mˆ eme en heures suppl´ ementaires et avec
un coˆ ut de stockage revient mois cher (260) qu’une unit´ e en heure normale ` a la
p´eriode 2 (350). Remarquez aussi qu’en p´eriode 4, on produit une unit´ e de plus
que la demande pour ´ eviter de produire ` a 250 en p´eriode 5 la quatri`eme unit´ e
demand´ee cette p´eriode. Il y a, en effet, une unit´ e disponible ` a 200 (+ 10 de coˆ ut
de stockage) au mois pr´ec´ edent.
Signalons pour terminer qu’il existe un algorithme plus efficace dans le le cas
o` u il n’y a pas de coˆ ut fixe et que les coˆ uts marginaux sont croissants. En
effet, dans ce cas, le coˆ ut de production devient convexeen fonction de la quantit´e
produite et une proc´edure plus efficace consiste ` a
1. satisfaire la demande de la premi`ere p´eriode en utilisant les moyens de
production les plus avantageux de la p´eriode, et calculer les capacit´ es r´esi-
duelles;
2. satisfaire la demande de la deuxi` eme p´eriode en utilisant les moyens de
production les plus avantageux de la seconde p´eriode ou de la p´eriode
pr´ec´edente, puis modifier en cons´equence les capacit´es de production r´e-
siduelles;
Section 6.3. Application `a la planification de la production. 97
3. satisfaire la demande de la troisi`eme p´eriode en utilisant les moyens de
production les plus avantageux de la p´eriode 3 ou des p´eriodes pr´ec´ edentes,
puis modifier en cons´ equence les capacit´ es de production r´ esiduelles; etc. . .
Nous appliquons cette proc´edure au mˆ eme exemple en supposant qu’il n’y a pas
de coˆ ut fixe de lancement de production. En p´eriode 1, la demande est de 2. Elle
est satisfaite par :
-une production en p´ eriode 2 ` a 200 F (2 unit´ es).
Les demandes et capacit´es r´esiduelles sont donn´ees par :
P´ eriode t 1 2 3 4 5
Capacit´e r´esiduelle ` a 200 F 0 2 3 3 3
Capacit´e r´esiduelle ` a 250 F 3 3 3 3 3
Demande r´esiduelle 0 1 4 2 4
En p´ eriode 2, la demande est de 1. Elle est satisfaite par :
-une production en p´ eriode 2 ` a 200 F (1 unit´ e).
Les demandes et capacit´es r´esiduelles sont donn´ees par :
P´ eriode t 1 2 3 4 5
Capacit´e r´esiduelle ` a 200 F 0 1 3 3 3
Capacit´e r´esiduelle ` a 250 F 3 3 3 3 3
Demande r´esiduelle 0 0 4 2 4
En p´ eriode 3, la demande est de 4. Elle est satisfaite par :
-une production en p´ eriode 3 ` a 200 F (3 unit´ es);
-une production ` a 200 F en p´eriode 2 (1 unit´ e).
Les demandes et capacit´es r´esiduelles sont donn´ees par :
P´ eriode t 1 2 3 4 5
Capacit´e r´esiduelle ` a 200 F 0 0 0 3 3
Capacit´e r´esiduelle ` a 250 F 3 3 3 3 3
Demande r´esiduelle 0 0 0 2 4
En p´ eriode 4, la demande est de 2. Elle est satisfaite par :
-une production en p´ eriode 4 ` a 200 F (2 unit´ es).
98 Chapitre 6. La programmation dynamique.
Les demandes et capacit´es r´esiduelles sont donn´ees par :
P´ eriode t 1 2 3 4 5
Capacit´e r´esiduelle ` a 200 F 0 0 0 1 3
Capacit´e r´esiduelle ` a 250 F 3 3 3 3 3
Demande r´esiduelle 0 0 0 0 4
En p´ eriode 5, la demande est de 4. Elle est satisfaite par :
-une production en p´ eriode 5 ` a 200 F (3 unit´ es);
-une production ` a 200 F en p´eriode 4 (1 unit´ e).
Les demandes et capacit´es r´ esiduelles sont donn´ ees par :
P´ eriode t 1 2 3 4 5
Capacit´e r´esiduelle ` a 200 F 0 0 0 0 0
Capacit´e r´esiduelle ` a 250 F 3 3 3 3 3
Demande r´esiduelle 0 0 0 0 0
Par diff´ erence avecles capacit´ es initiales, on obtient lescapacit´es utilis´ees ` achaque
´ etape et donc le plan optimal de production et stockage suivant :
P´ eriode t 1 2 3 4 5
d
t
2 1 4 2 4
s
t
0 0 1 0 1
x

t
2 2 3 3 3
o` u s
t
repr´esent le stock initial de p´eriode t.
Remarquez que, par rapport au cas avec coˆ ut de lancement, on a encore avanc´ e
des productions (une unit´ e de demande de p´eriode 3 produite ` a la p´eriode 2, et une
unit´ede demandede p´eriode5 produite ` ala p´eriode 4) pour b´en´ eficierdes capacit´es
encore disponible en heures normales qui coˆ utent moins cher que la production en
heures suppl´ementaires. Mais la deuxi` eme cause d’anticipation de production, ` a
savoir ´ eviter de mettre en route une production pour une faible quantit´e, a disparu.
On produit bien une unit´ e en p´eriode 2 qui coˆ ute moins cher que de la produire en
p´eriode 1 et de la stocker durant un mois.
Section 6.4. Exercices 99
6.4 Exercices
6.1. Plan de production hebdomadaire optimal. Une soci´et´ e de construction
automobile assemble trois types de v´ehicules T100, T110 et T180 qui uti-
lisent tous le mˆ eme moteur M200. Le d´elai d’assemblage pour les engins
T100 et T110 est de deux semaines, celui de T180 de trois semaines. Le
moteur M200 est mont´e durant la deuxi`empe semaine d’assemblage et ceci
pour les trois v´ehicules. Au d´ebut de la douzi` eme semaine, les commandes
` a honorer sont les suivantes :
P´ eriode t 13 14 15 16 17 18
T 100 3 1 2 1 1 3
T 110 1 3 1 0 2 2
T 180 2 2 0 2 1 0
Lafabrication dumoteurM200demandeunesemaineetlecoˆ utdelancement
dans l’atelier moteurs est estim´ e ` a 500 F. Le coˆ ut variable unitaire est de 300
F pour les trois premi` eres unit´ es produites au cours d’une semaine et de
400 F pour les unit´ es suivantes. La capacit´e de stockage est limit´ ee ` a deux
moteurs et le coˆ ut unitaire hebdomadaire de stockage est de 50 F.
(a) D´eterminer les besoins nets en M200 pour les p´eriodes 13 ` a 16, sachant
qu’au d´ebut de semaine 13, il ne reste aucun M200 en stock.
(b) D´eterminer le plan de production optimal du moteur M200 pour les
semaines 12 ` a 15, sachant qu’au d´ebut de semaine 12, il ne reste aucun
M200 en stock.
6.2. Planification de la production de vˆetements. Une soci´et´ e sp´ ecialis´ ee dans
la fabrication de vˆetements de pluie d´ecide de lancer pour la rentr´ ee un
nouveau mod`ele d’imperm´eable. Les services commerciaux estiment que la
demande pour la p´ eriode de ventes ´ etal´ees sur les mois de novembre ` a mars
devrait correspondre aux estimations suivantes :
P´eriode novembre d´ecembre janvier f´evrier mars
Demande 16.200 47.500 28.100 16.600 2.000
Le planning de production est ´ etabli en tenant compte de la possibilit´ e de
produire le mod`ele pendantles mois de septembre ` af´evrier. Pendant un mois
quelconque, la production en heures normales s’effectue ` a un coˆ ut moyen
de 150 F, et de 175 F si l’on fait appel ` a une premi` ere tranche d’heures
suppl´ementaires, et ` a 200 F si on fait appel ` a une seconde tranche d’heures
suppl´ementaires. La production quotidienne en heures normales est de 1000
100 Chapitre 6. La programmation dynamique.
imperm´eables par jour, ` a laquelle peut s’ajouter 100 imperm´eables par jour
si l’on fait appel ` a la premi` ere tranche d’heures suppl´ ementaires et autant
pour la seconde. Le nombre de jours ouvrables est donn´e au tableau suivant
Mois septembre octobre novembre d´ecembre janvier f´evrier
Jours 22 23 19 21 20 20
Le coˆ ut de lancement est consid´er´ e comme n´egligeable. Le coˆ ut de stockage
durant un mois d’un article est de 2 % de son coˆ ut de production.
(a) D´eterminer les capacit´es disponibles par mois pour les trois tranches
de coˆ ut de production.
(b) D´eterminer les lancements de production sachant que le d´elai de fabri-
cation est d’un mois.
6.3. Fabrication en heures suppl´ementaires etau moyend’int´erimaires. Une
soci´et´e dispose d’une certaine capacit´ e de production en heures normales
(coˆ ut direct de 1.000 F) et heures suppl´ ementaires (coˆ ut direct de 1.400 F).
Elle peut aussi faire appel ` a des int´erimaires (coˆ ut de 1.800 F). La capacit´ e
de stockage est limit´ee ` a 10 unit´es. Les capacit´ es de production ainsi que
les demandes pr´evisionnelles sont donn´ees au tableau suivant :
P´eriode t 1 2 3 4 5
Production ` a 1.000 F 15 12 10 15 15
Production ` a 1.400 F 2 2 1 3 3
Production ` a 1.800 F 5 5 5 5 5
Demande 12 17 13 21 18
Donnez la politique optimale de production et de stockage sachant que le
taux annuel de possession utilis´e est de 24 %. Le coˆ ut de stockage se r´eduit
au seul coˆ ut d’immobilisation du capital.
6.4. Ventes de livres. Un ´ editeur de livres ´ educatifs doit d´ecider du nombre de
vendeurs qu’il envoie dans chacune des r´egions du pays pour maximiser le
nombre de ventes. Le tableau qui suit donne l’augmentation du nombre de
ventes dans chaque r´egion en fonction du nombre de vendeurs envoy´ es.
Nombre de vendeurs R´egion 1 R´egion 2 R´ egion 3
1 4 3 5
2 6 6 7
3 9 8 12
4 11 10 12
Il y a 6 vendeurs mais il est d´ecid´e d’en envoyer au mois un dans chaque
r´egion. Formuler et r´ esoudre par la programmation dynamique.
Chapitre 7
Les techniques de juste ` a temps
7.1 Origine et principe du JAT
Comme le souligne Baglin et al [1], les techniques de juste ` a temps trouvent leur
origine dans les nouvelles exigences du march´ e :
• La variabilit´e de la demande : l’augmentation du nombre de mod`eles et la
diminution de la dur´ ee de vie des produits n´ecessitent une adaptation plus
rapide des produits.
• Le d´ elai admissible par les clients est plus court : on ne peut donc plus
produire ` a la commande, c’est-` a-dire lancer une commande sp´ eciale avec
des d´elais longs.
• La concurrence internationale impose de produire une bonne qualit´e ` a un
prix tr`es bas.
En conclusions, ilfaut produire ` alademandeduclient, sansd´elaietencomprimant
au maximum le coˆ ut de fabrication. Il y a donc conflit entre la gestion en grande
s´erie (qui permet de r´eduire les coˆ uts de fabrication) et la gestion ` a la carte (qui est
beaucoup plus souple).
L’id´ ee du JATest de chercher ` a concilier les avantages de la grande s´erie (flux
rapides et importants) avec ceux de la petite s´ erie (grande adaptabilit´e). La logique
fondamentale du JATest la suivante :
Production = Demande
Autrement dit, on produit la quantit´e strictement n´ ecessaire aux besoins imm´ediats
du client. Le principe est appliqu´e de proche en proche jusqu’aux fournisseurs.
Ceci entraˆ ıne la suppression des stocks interm´ediaires : on parle de gestion en flux
101
102 Chapitre 7. Les techniques de juste `a temps
tendus. La suppression des stocks apparaˆ ıt donc comme une cons´ equence de la
logique du JAT.
Ceci va ` a l’encontre des politiques traditionnelles d’organisation de la produc-
tion. Le mode d’organisation traditionnel a pour objectif essentiel la recherche
de la plus grande productivit´ e du syst`eme. Ses cons´equences sont :
1. Pour raison d’´ economie d’´echelle, on a des unit´es de fabrication de grande
taille organis´ ees en ateliers sp´ ecialis´ es. On a donc des flux importants et
discontinus entre ces unit´ es n´ecessitant des stock interm´ediaires.
2. Pour raison de coˆ ut, on met en place des capacit´es de production correspon-
dant ` a la demande moyenne qui sont satur´ees en permanence : la variabilit´ e
de la demande n´ecessite donc des stock de produits finis.
3. On lancedegrandess´eriespouramortir lecoˆutdelancement. Cequientraˆıne
aussi des stocks importants.
4. Pour diminuer le coˆ ut de manutention, on transporte en grande quantit´e
(camions, containers complets). Ce qui occasionne ´ egalement des stocks
´ elev´ es de mati`eres qui ne sont pas imm´ediatement consomm´ees.
5. Pour d´ecoupler les probl`emes, on constitue des stocks interm´ediaires.
6. A chaque stade du produit, on ajoute un d´elai d’obtention pour tenir compte
des arrˆ ets fr´equents (contrˆ ole, maintenance,. . . ).
Onenconclutque chacun ` atendance ` a gonflerlesstocks. LeJATdevantceconstat,
plutˆ ot que d’essayer de g´erer l’ing´ erable propose de supprimer les stocks.
Le fonctionnement en JATappelle cependant les remarques suivantes :
1. Souvent, les usines ne fonctionnent que partiellement en flux tendus : en
flux tendus au moment o` u l’on personnalise le produit, avec des stocks
d’approvisionnement pour les pi` eces standards.
2. Les flux de production peuvent ˆ etre tir´es non par des commandes clients
mais par le plan directeur de production.
3. Le JATn´ecessite tout de mˆ eme l’´etablissement d’un plan directeur de pro-
duction et le calcul des besoins.
Section 7.2. Les deux approches du JAT 103
7.2 Les deux approches du JAT
Le JATa donc un double objectif :
• augmenter la r´eactivit´ e du syst`eme logistique : diminuer le d´elai, diversifier
la production,. . .
• diminuer le coˆ ut global de production : en ´ eliminant les gaspillages inutiles.
7.2.1 Augmenter la r´eactivit´ e du syst` eme logistique
Le but est ici de pouvoir r´epondre rapidement aux variations quantitative et qua-
litative de la demande. Le moyen utilis´e est le suivant : pour raccourcir le cycle
de fabrication, on r´ eduit les stocks.
• Pour r´eduire les stocks de mati` ere premi` ere, les fournisseurs doivent livrer
plus souvent.
• Pour r´eduire les stocks d’en-cours de production, on doit r´eduire le temps
entre ateliers.
• Pour r´eduire les stocks de produits finis, on doit pouvoir changer souvent de
fabrication.
Remarquez que, pour r´eduire les stocks, il faut s’attaquer ` a leur cause : les pannes
machines, les temps de r´eglage longs, etc. . .
7.2.2 La rationalisation de la production
Le but est ici d’am´ eliorer la performance globale en ´ eliminant les gaspillages. Le
principe fondamental est que les seuls temps utiles sont ceux pendant lesquels
le produit voit sa valeur s’accroˆıtre. Ainsi, les op´ erations suivantes sont non
productives : d´eplacer, stocker, grouper, contrˆ oler,. . . Pour pouvoir diminuer
ces op´erations improductives, il faut s’attaquer ` a leurs causes : les d´efauts de
fabrication, les retards, les pannes, les lenteurs administratives,. . .
Onpeuticiciter l’imagedeTaichiOhno(deToyota) quiditque, pourtraverser
une rivi` ere sans encombre, dans l’approche traditionnelle : on augmente le niveau
de l’eau et on passe au dessus des ´ epaves, 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 am´ eliore la productivit´ e globale du syst`eme
et on am´ eliore la qualit´e des produits.
104 Chapitre 7. Les techniques de juste `a temps
7.3 Les facteurs cl´ es du JAT
La r´ eussite du passage d’une organisation classique ` a une organisation JAT
n´ecessite des m´ ethodes de gestion tr` es r´ eactives ainsi que la maˆıtrise des al´ eas.
7.3.1 Recherche d’un plus grande r´eactivit´e
On atteindra une plus grande r´eactivit´ e en augmentant la flexibilit´ e de la produc-
tion. On peut d´efinir la flexibilit´ e comme la capacit´ e du syst` eme de production ` a
s’adapter en permanence ` a la demande. On distingue deux types de flexibilit´ e :
• La flexibilit´ e quantitative estla capacit´ e defaireface ` apointes de demande:
– il faut surdimensionner la capacit´ e, par exemple, en gardant les an-
ciennes machines lors d’un renouvellement.
– il faut faire appel ` a la flexibilit´ e de la main d’œuvre : appel aux tem-
poraires, ` a la sous-traitance, aux heures suppl´ementaires,. . .
• La flexibilit´e qualitative est la capacit´ e de traiter une grande vari´ et´e de
produits :
– il faut pouvoir passer rapidement d’un produit ` a l’autre : on utilisera
des machines ` a commandes num´eriques.
– la polyvalence du personnel est ´ egalement souhaitable.
7.3.2 Maˆıtrise des al´ eas
Il faut ici se pr´emunir contre les causes des stocks que sont les pi` eces re¸cues
d´efectueuses, les pannes machine, ainsi les retards de livraison. On visera ici le
z´ero d´efaut pour les pi` eces fabriqu´ ees. En effet, en l’absence de stock, le d´ efaut
d’une pi` ece livr´ ee interrompt la chaˆ ıne de montage. Le z´ ero d´efaut sera recherch´ e
par la pr´ evention plutˆ ot que par le contrˆ ole ` a posteriori.
Il faut ´ egalement assurer la fiabilit´e des ´ equipements. En effet, l’arrˆ et d’une
machine entraˆ ıne l’arrˆ et de toutes les machines en aval faute d’approvisionnement.
De mˆ eme pour les machines en amont qui, autrement, constitueront des stocks. La
fiabilit´e est obtenue par des proc´edures de maintenance pr´ eventive.
Enfin, il existe relation plus ´ etroite entre le client et le fournisseur car le
fournisseur d’une usine JATest g´en´ eralement plus conscient des cons´equences de
l’envoi d’une pi` ece d´efectueuse pour le client.
Section 7.4. La m´ethode Kanban 105
7.4 La m´ ethode Kanban
L’id´ ee de la m´ethode est que la production soit tir´ee par l’aval : chaque poste
ne travaille que pour satisfaire une demande du poste aval. L’information sur la
demande du poste aval est transmise par un document appel´e Kanban (´etiquette)
donnant :
• la description de la pi` ece et de l’op´eration ` a effectuer;
• le lieu d’origine et de destination de la pi` ece;
• la quantit´e par conteneur.
Cette technique utilise en effet des conteneurs standards pour la circulation entre
les postes.
L’´ etiquette est donc un ordre de fabrication des pi`eces qui
• descend le flux de pi`eces (lors de la fabrication);
• remonte ce flux une fois les pi` eces consomm´ees.
Le rythme de fabrication est donc ´ egal ` a la vitesse de circulation des ´ etiquettes
qui est, elle-mˆ eme, d´etermin´ee par le rythme de consommation des pi` eces. Par
exemple, si la consommation vient ` a se tarir, les ´ etiquettes ne remontent plus et la
fabrication s’arrˆete.
Pour un bon fonctionnement du syst`eme, il faut une capacit´e suffisante des
postes amont pour r´epondre ` a la demande : ceci n´ecessite donc en g´en´ eral de
pr´evoir une surcapacit´ e.
On distingue deux types de syst`emes Kanban :
• le syst` eme ` a une boucle est utilis´e lorsque les conteneurs sont conserv´es
aupr`es du poste de travail.
• le syst`eme ` a deux boucles lorsqu’il y a passage par un stock interm´ediaire.
7.4.1 Syst` eme Kanban ` a une boucle
Le fonctionnement du syst` eme Kanban ` a une boucle est le suivant (cfr figure 7.1) :
• L’´ etiquette est appos´ee sur le conteneur de pi` eces qui viennent d’ˆetre fa-
briqu´ees en amont (a);
106 Chapitre 7. Les techniques de juste `a temps
POSTE
AMONT
Transport
entre postes
POSTE
AVAL
(a)
(d)
(c)
(b)
Conteneur avec étiquette
Etiquette libre
Figure 7.1: Syst` eme Kanban ` a une boucle.
• Elle accompagne le conteneur au poste suivant et reste sur le conteneur en
attente (b);
• Au momento`u leconteneur estmis enfabrication surle posteaval, le Kanban
est lib´ er´ e et retourne au poste amont (c);
• Il entre dans le planning du poste amont (d) d’o` u il sort au moment d’une
nouvelle fabrication.
On peut faire les remarques suivantes sur le fonctionnement du syst` eme kan-
ban ` a une boucle :
1. Tout conteneur rempli poss`ede obligatoirement une ´ etiquette (c’est-`a-dire
son ordre de fabrication).
2. Une ´ etiquette libre (c’est-`a-dire non attach´ee ` a un conteneur) repr´esente un
ordre de fabrication pour une quantit´ e fixe de pi` eces sur un poste de travail
d´etermin´e.
3. Le nombre d’´etiquettes en circulation entre deux postes fixe les stocks d’en
cours de fabrication : en effet, le volume des en cours, c’est-` a-dire le nombre
de conteneurs entre les postes, est inf´erieur ou ´ egal au nombre d’´etiquettes
en circulation.
4. En observant son planning d’´etiquettes en attente, le responsable du poste
amont peut choisir ses priorit´ es de fabrication d’apr` es les besoins des agents
des diff´erents postes aval qu’il fournit.
Section 7.4. La m´ethode Kanban 107
7.4.2 Syst` eme Kanban ` a deux boucles
Le syst`eme ` a deux boucles est n´ecessaire lorsque les pi` eces ne peuvent ˆ etre
stock´ees dans l’atelier par manque de place ou en cas de postes ´ eloign´ es. On
utilise un magasin interm´ediaire pour stocker les conteneurs (cfr figure 7.2).
POSTE
AMONT
POSTE
AVAL
(a)
(d)
(c)
(b)
Conteneur avec étiquette de production
P
T Conteneur avec étiquette de transfert
P
P
T
T
P
P
P P P
P P
P
T
Figure 7.2: Syst` eme kanban ` a deux boucles.
On utilisera, dans ce cas, le principe de double ´ etiquetage :
• une ´ etiquette de production circule entre le poste en amont et le magasin;
• une ´ etiquette de transfert circule entre le magasin et le poste aval.
Son principe de fonctionnement est le suivant :
• Lorsque le poste aval entame un conteneur de pi` eces, il d´etache l’´ etiquette de
transfert qui est remise ` a un manutentionnaire qui va chercher un nouveau
conteneur plein dans le magasin interm´ediaire (a).
• Quand le manutentionnaire sort le conteneur du magasin, il d´ etache l’´ eti-
quette de production et la remplace par une ´ etiquette de transfert (b).
• L’´ etiquette de production d´etach´ee est renvoy´ ee vers le planning du poste
amont (c).
• Les ´ etiquettes sont alors plac´ ees sur les conteneurs sortant de la production
du poste amont (d).
108 Chapitre 7. Les techniques de juste `a temps
7.4.3 D´ etermination du nombre d’´ etiquettes
Un probl`eme fondamental est la d´etermination du nombre d’´etiquettes ` a mettre
en circulation. Ce nombre doit, en effet, r´esulter d’un compromis entre :
• un nombre pas trop ´ elev´ e : sinon on g´ en`ere des stocks interm´ ediaires;
• un nombre pas trop faible : sinon le poste aval risque de tomber en rupture.
Les donn´ ees du probl` eme sont les suivantes :
• C
u
, la consommation du poste aval en unit´ es par minute;
• Q
e
, la taille ´ economique des lots fabriqu´ es en amont;
• k, la capacit´ e d’un conteneur;
• T
r
, le d´elai de r´eaction du syst` eme lorsque le stock atteint le seuil de lance-
ment d’une production. Ce d´elai de r´eaction comprend
– le retour du ticket d’alerte vers l’amont,
– l’attente au planning amont,
– le r´eglage de la machine amont,
– la production du premier conteneur,
– le transport du conteneur jusqu’au poste aval.
Le principe utilis´e pour d´eterminer le nombre d’´etiquettes est le suivant : le
nombre de conteneurs dans la boucle correspond au strict minimum pour que le
syst`eme fonctionne sans rupture pour le poste aval.
Illustrons ceci sur un exemple tir´e de Baglin et al [1]. Soit D = 2000 pi` eces, la
demande moyenne du poste aval par journ´ee de 8 heures de travail. On en d´eduit
une consommation en unit´ es par minute de :
C
u
=
2000
8 ×60
= 4, 1667
Soit k = 100 pi` eces, la capacit´e d’un conteneur plein. Soit T
r
, temps de r´ eaction
qui r´ esulte d’un temps de retour du ticket de 30 minutes (le ramassage des tickets
s’effectue toutes lesheures, donc un temps moyen d’une demi heure), d’une attente
moyenne de 10 minutes au planning du poste amont, d’un r´ eglage de la machine
de 10 minutes, d’un temps de production de 0,1 minute par pi` ece (donc 10 minutes
pour 100 pi` eces), d’un temps de transport de l’amont vers l’aval de 35 minutes :
T
r
= 30 + 10 + 10 + 10 + 35 = 95
Section 7.4. La m´ethode Kanban 109
Pendant le temps de r´eaction, la consommation du poste aval est de :
T
r
C
u
= 95 ×4, 1667 = 395, 83
Il en r´esultera qu’il faut au moins 4 ´ etiquettes en permanence dans le syst` eme :
N ≥
T
r
C
u
k
= 3, 96
Si l’on veut prendre une marge de s´ ecurit´ e de α = 10 % :
N ≥
(1 +α)T
r
C
u
k
=
1, 1 ×395, 83
100
= 4, 3541.
Il faudra donc au moins 5 ´ etiquettes en permanence dans le syst`eme.
Supposons maintenant que le temps de lancement en fabrication justifie une
production par lot (cette taille ´ economique est d´etermin´ee en arbitrant entre le coˆ ut
de lancement et le coˆ ut de possession) au poste amont de taille optimale :
Q
e
= 600 pi` eces,
c’est-`a-dire ` a 6 conteneurs (Q
e
/k). Il faudra donc attendre d’avoir six ´ etiquettes
accroch´ ees au planning du poste amont avant de pouvoir lancer en fabrication de
quoi remplir le premier conteneur. Il faudra donc ajouter ces 6 conteneurs aux 5
pr´ec´edents.
Le nombre de conteneurs dans la boucle correspond donc en g´en´ eral ` a la
somme :
• du stock correspondant au seuil d’alerte, c’est-` a-dire au stock permettant de
faire fonctionner le poste aval durant T
r
, augment´e d’une marge de s´ ecurit´e
α :
(1 +α)C
u
T
r
• du lot ´ economique Q
e
produit par le poste amont :
Q
e
le tout divis´ e par k, la capacit´ e d’un conteneur :
N =
(1 +α)C
u
T
r
+Q
e
k
(7.1)
Le r´esultat est arrondi ` a l’entier sup´ erieur. Ce qui donne ici :
N =
(1 +α)C
u
T
r
+Q
e
k
=
435 + 600
100
= 10, 35
Ce qui correspond ` a 11 conteneurs de 100 pi` eces.
110 Chapitre 7. Les techniques de juste `a temps
7.5 Exercice
7.1. Flux tendus. Un atelier de fabrication de sous-ensembles approvisionne la
chaˆıne de montage de petits articles ´ electrom´ enagers situ´ee dans un bˆatiment
proche. La r´egularit´e de la production incite la direction ` a mettre en place
un syst` eme d’appel par l’aval entre ces deux postes. Les caract´eristiques
de la production sont les suivantes : l’atelier fonctionne 8 heures par jour,
la chaˆ ıne consomme 2 000 sous-ensembles par jour, il faut une heure pour
r´egler la machine de l’atelier et cinq secondes pour produire une pi` ece, la
taille ´ economique des lots en amont s’´ el`eve ` a 500 pi`eces, la capacit´ e des
conteneurs est de 250 pi` eces, la manutention d’un conteneur d’un poste ` a
l’autre n´ecessite dix minutes, le ramassage des tickets s’effectue lors de
l’approvisionnement de la chaˆ ıne, c’est-` a-dire toutes les heures, le temps
d’attente moyen au planning amont peut ˆ etre estim´e ` a trente minutes. On
retiendra pour l’ensemble des calculs un coefficient de s´ecurit´e de 20 pour-
cents.
(a) V´erifier l’´equilibre entre la charge et la capacit´ e puis d´eterminer le
nombre de tickets ` a mettre en circulation dans la boucle.
(b) Ond´ecidemaintenantder´eduirelatailledess´ eriesdefabricationde500
` a 250. Calculer le nombre de lancements r´ealis´es par jour. Comparez-
le ` a celui obtenu avec les hypoth` eses de la question (a). Quelles
am´eliorations devrait-on r´ealiser pour pouvoir fonctionner ainsi ? Que
deviennent alors les param`etres du syst` eme pr´ ec´edemment calcul´ es ?
Partie III
Les d´ ecisions strat´ egiques
111
Chapitre 8
L’ordonnancement de projets
8.1 Introduction
Lors detout projet de grande envergure(construction d’un bateau, d’un avion, d’un
bˆatiment,...), un probl`eme crucial qui se pose est celui du calendrier d’ex´ ecution
des tˆ aches. Le probl`eme est de d´eterminer dans quel ordre doivent s’enchaˆıner les
diverses tˆ aches de mani` ere ` a minimiser le temps total d’ex´ecution du projet.
Prenons unexemple. Onveutconstruireunnouveaubˆ atimentpourlafacult´ede
mani`ere ` a pouvoir d´em´ enager au plus tˆ ot. Certaines tˆaches ne peuvent s’ex´ ecuter
qu’apr`es que d’autres soient termin´ees. Par exemple, on ne peut commencer
les fondations que lorsque le terrassement est fini. On ne peut monter les murs
que lorsque les fondations sont termin´ees. D’autres tˆaches peuvent s’ex´ ecuter
simultan´ement. Par exemple, les travaux d’´ electricit´e et de plomberie peuvent ˆ etre
men´es de pair. Les donn´ ees sont reprises au tableau 8.1 pour cet exemple.
No tˆ ache dur´ee (jours) pr´ ealables
1 terrassement 5 -
2 fondations 4 1
3 colonnes porteuses 2 2
4 charpente toiture 2 3
5 couverture 3 4
6 ma¸ connerie 5 3
7 plomberie, ´ electricit´ e 3 2
8 coulage dalle b´eton 3 7
9 chauffage 4 8 et 6
10 plˆ atre 10 9 et 5
11 finitions 5 10
Tableau 8.1: Construction d’un bˆatiment
On doit tenir compte, dans les probl`emes d’ordonnancement, de divers types
113
114 Chapitre 8. L’ordonnancement de projets
de contraintes.
• Les contraintes de localisation temporelle expriment la localisation d’une
tˆache dans le temps : une tˆ ache ne peut commencer avant une telle date, ou
apr`es une telle date (par exemple, en raison des conditions climatiques).
• Les contraintesde succession temporelle expriment lesrelations d’ant´ erio-
rit´e entre les tˆ aches : une telle tˆ ache ne peut commencer avant la terminaison
compl`ete d’une autre (par exemple, on ne coule pas les fondations si le
terrassement n’est pas fini).
• Les contraintes disjonctives expriment le fait que deux tˆ aches ne peuvent
avoirlieu enmˆemetempssansquel’on puissedirelaquelledoit ˆ etre effectu´ ee
avant l’autre (par exemple, une mˆeme grue est utilis´ee sur deux chantiers
diff´ erents).
Le probl`eme d’ordonnancement avec des contraintes de localisation tempo-
relle et de succession temporelle seulement est appel´e probl` eme central d’ordon-
nancement. Il s’agit donc de d´eterminer le calendrier de d´ebut de chacune des
tˆaches de mani`ere ` a terminer le chantier au plus vite en respectant les contraintes
temporelles.
Nous allons voir que, aussi bien pour sa formulation que pour sa r´esolution, ce
probl`eme utilise la notion math´ ematique de graphe de r´eseau. On peut, en effet,
repr´esenter le probl`eme sur un graphe de r´eseau et, ensuite, r´esoudre le probl`eme
graphiquement. De plus, la pr´ esentation du r´esultat de calcul (l’ordonnancement
destˆaches)serabeaucoup plusclairesurcegraphiquequesuruntableaudechiffres.
Ilexistedeuxm´ethodesder´esolutionpourceprobl`eme. Ils’agitrespectivement
de
• la m´ethode du potentiel d´evelopp´ ee en France dans les ann´ees 60 et qui,
comme nous allons le voir, associe ` a chaque tˆ ache un nœud du r´eseau, tandis
que les relations d’ant´ eriorit´e sont repr´esent´ees par des arcs entre les tˆ aches;
• la m´ethode PERT d´evelopp´ ee parall`element aux Etats Unis d’Am´erique
et qui, elle, associe chaque tˆ ache ` a un arc du r´ eseau, et chaque relation
d’ant´eriorit´e ` a un nœud.
Algorithmiquement, les deux m´ ethodes de r´esolution sont ´ equivalentes. Elles se
distinguent seulement par la mani`ere d’´ecrire le graphe de r´ eseau.
Section 8.2. Formulation et repr´esentation du probl`eme 115
8.2 Formulation et repr´ esentation du probl` eme
Fixons-nous les notations suivantes. Nous avons n tˆ aches ` a ex´ ecuter, indic´ ees
i = 1, . . .n. La variable ` a d´eterminer pour chaque tˆache est son temps de d´ ebut
d’ex´ecution, not´ e t
i
pour la tˆ ache i. Utilisons ´ egalement la notation d
i
pour
d´esigner la dur´ee d’ex´ ecution de la tˆ ache i (qui est ici une donn´ee).
Les contraintes temporelles que l’on consid`ere dans le probl`eme central d’or-
donnancement sont de deux types :
• les contraintes de localisation temporelle qui expriment que la tˆ ache i ne
peut d´ebuter avant une certaine date ou apr`es une certaine date :
_
t
i
≥ l
i
t
i
≤ u
i
• Les contraintes de succession temporelle qui expriment soit qu’une tˆ ache
j ne peut commencer avant qu’une tˆ ache i ne soit finie :
t
j
≥ t
i
+d
i
,
soit que l’on doit commencer la tˆ ache j au plus tard un certain laps de temps
apr`es la tˆ ache i :
t
j
≤ t
i
+e
i
.
Ce second cas de figure se rencontre, par exemple, dans le cas du lissage de
la dalle de b´eton : celui-ci doit ˆ etre effectu´ e avant que le ciment ne soit sec.
On associe donc au probl`eme central d’ordonnancement un graphe dont les
sommets repr´esentent les diverses tˆaches du probl`eme d’ordonnancement. On
ajoute un nœud 0 qui correspond ` a la date de d´ ebut de chantier et un nœud n + 1
qui correspond ` a la fin de chantier. Les arcs du r´eseau repr´esentent les diverses
contraintes temporelles. Nous allons voir que ces diverses contraintes peuvent
toutes se mettre sous la forme suivante
t(j) −t(i) ≥ d
ij
(8.1)
o` u t(i) est la fonction potentiel au nœud i. En effet, reprenons les diverses formes
de contraintes temporelles :
t
i
≥ l
i
⇔ t(i) −t(0) ≥ l
i
t
i
≤ u
i
⇔ t(0) −t(i) ≥ −u
i
t
j
≥ t
i
+d
i
⇔ t(j) −t(i) ≥ d
i
t
j
≤ t
i
+e
i
⇔ t(i) −t(j) ≥ −e
i
116 Chapitre 8. L’ordonnancement de projets
Enfin, nous devons exprimer que chacune des tˆ aches ne peut commencer avant
le d´ebut du chantier, c’est-` a-dire que t
i
≥ 0, ∀i ∈ N. Elles s’expriment par :
t(i) −t(0) ≥ 0, ∀i ∈ N
Nous devons aussi exprimer que toutes les tˆaches doivent ˆ etre finies avant la fin du
chantier, c’est-`a-dire que t
i
+d
i
≤ t
n+1
, ∀i ∈ N. Elles s’expriment par :
t(n + 1) −t(i) ≥ d
i
, ∀i ∈ N
Le probl`eme central d’ordonnancement se formule donc par :
min t(n + 1)
s.c.q. t(j) −t(i) ≥ d
ij
, ∀(i, j) ∈ A
(8.2)
o` u Anote l’ensemble des arcs du r´eseau, chaque arc correspondant ` a une contrainte
du type (8.1).
0
12
5 4 3
2 1 0 11 10
9 8 7
6
5
4
4
3
2 2
2
4
5
3 3
5 10
Figure 8.1: graphe associ´e.
Reprenons l’exemple. On peut construire syst´ ematiquement le graphe associ´e
au probl`eme d’ordonnancement de la mani`ere suivante (voir figure 8.1) :
1. On relie d’abord toutes les tˆ aches qui peuvent ˆ etre effectu´ ees sans pr´ealable
au nœud 0, d´ebut de chantier par un arc de longueur nulle. Dans l’exemple,
seule la tˆ ache 1 est dans ce cas.
2. Ensuite, on prend une tˆ ache d´ej`a dans le graphe et on examine si elle pr´ec` ede
d’autres. Par exemple, la tˆache 1 doit pr´ec´ eder la tˆ ache 2. On doit donc avoir
t
2
≥ t
1
+d
1
.
On trace le nœud 2 et on le relie au nœud 1 par un arc de longueur d
1
.
Section 8.2. Formulation et repr´esentation du probl`eme 117
3. Enfin, quand toutes les tˆ aches sont dans le graphe, pour les seules tˆ aches qui
ne sont suivies d’aucune autre, on les relie au nœud n + 1, fin de chantier,
avec un arcde longueur ´ egale ` ala dur´ee dela tˆ ache. Ici, seulela tˆachefinition
est dans ce cas, et il faut que cette tˆ ache soit finie pour la fin du chantier.
Disons un mot de la repr´esentation des trois autres types de contraintes non
pr´esents dans l’exemple. Supposons, par exemple, que la tˆ ache 3 ne puisse com-
mencer avant le temps 10 :
t
3
≥ 10 ⇔t
3
≥ t
0
+ 10.
Ceci se repr´esente en joignant l’origine 0 au nœud 3 par un arc de longueur 10.
Ensuite, supposons que la tˆ ache 5 doive ˆ etre commenc´ee avant le temps 40 :
t
5
≤ 40 ⇔t
0
≥ t
5
−40.
Ceci se repr´esente en joignant le nœud 5 au nœud 0 par un arc de “longueur” -40.
Enfin, supposons que la tˆ ache 9 doive commencer au plus tard 5 jours apr`es le
d´ebut de la tˆache 8 :
t
9
≤ t
8
+ 5 ⇔t
8
≥ t
9
−5.
Ce qui est repr´esente par un arc de “longueur” -5 entre les nœuds 9 et 8 ` a la figure
8.2.
0
12
5 4 3
2 1 0 11 10
9 8 7
6
5
4
4
3
2 2
2
4
5
3
3
5 10
10
-40
-5
Figure 8.2: Trois autres types de contraintes.
Avant de voir l’algorithme qui permet de r´esoudre le probl`eme d’ordonnan-
cement, nous allons dire un mot des conditions sous lesquelles ce probl`eme est
r´ealisable. En effet, les contraintes temporelles peuvent venir de divers services et
ˆ etre incompatibles entres elles.
118 Chapitre 8. L’ordonnancement de projets
3
2
1
d
1
d
2
d
3
Figure 8.3: Circuit de longueur positive.
Supposons que nous ayons la situation suivante. La tˆ ache 1, qui dure d
1
jours,
doit ˆ etre termin´ee avant que la tˆache 2 ne commence. La tˆ ache 2, qui dure d
2
jours, doit ˆ etre termin´ee avant que la tˆ ache 3 ne commence. La tˆ ache 3, qui dure
d
3
jours, doit ˆ etre termin´ee avant que la tˆ ache 1 ne commence. Il est clair qu’un
tel probl`eme va conduire ` a une impossibilit´e.
Cette situation est repr´esent´ ee ` a la figure 8.3. On voit ici que le graphe contient
un circuit (cycle avec tous lesarcs dans lemˆeme sens)dont lasomme des longueurs
des arcs est positive. En effet, ´ ecrivons les contraintes correspondantes :
t
1
+d
1
≤ t
2
t
2
+d
2
≤ t
3
t
3
+d
3
≤ t
1
En sommant et en simplifiant, on obtient la condition suivante :
d
1
+d
2
+d
3
≤ 0
On peut alors montrer le r´esultat suivant.
Lemme 8.1 Les contraintes temporelles sont compatibles entre elles si et seu-
lement si le graphe associ´ e ne comporte aucun circuit de longueur (somme des
longueurs des arcs le constituant) positive.
Remarquez qu’un cycle avec une somme des longueurs n´egative ne pose pas de
probl`eme. Par exemple, la tˆ ache 8 de longueur 3 doit ˆ etre finie avant que ne
commence la tˆache 9 et la tˆ ache 9 doit commencer en d´eans les 5 jours de d´ebut
de la tˆ ache 8 :
t
8
+ 3 ≤ t
9
t
9
−5 ≤ t
8
Ceci se repr´esente, comme vu ci-dessus, par une fl`eche de 8 vers 9 de longueur 3
et une fl` eche retour de longueur -5. Ceci ne pose pas de probl`eme. En effet, en
sommant les deux contraintes, on obtient -2 ≤ 0.
Section 8.3. Calcul de l’ordonnancement au plus tˆ ot 119
8.3 Calcul de l’ordonnancement au plus tˆ ot
Nous allons maintenant voir un algorithme de calcul de l’ordonnancement au plus
tˆ ot. L’ordonnancement au plus tˆ ot d´ etermine les dates de d´ebut au plus tˆ ot, pour
les diff´ erentes tˆ aches, tout en respectant les contraintes temporelles. Ces dates au
plus tˆ ot sont not´ ees t(i).
La date au plus tˆ ot de d´ebut de chantier est t(0) = 0, c’est-` a-dire decommencer
tout de suite. Ensuite, on va marquer progressivement les nœuds.
Supposons maintenant qu’un certain nombre de sommets ont d´ej` a ´ et´ e marqu´ es,
c’est-`a-dire que t(i), i ∈ T ⊂ N, les temps au plus tˆ ot ont d´ ej`a ´ et´e d´etermin´es
pour ces nœuds. On peut marquer un nouveau nœud j si tous ses pr´ed´ecesseurs
j i
d
ij
Figure 8.4: Pr´ed´ ecesseurs de j.
directs sont marqu´ es. Notons P(j), l’ensemble des pr´ed´ ecesseurs directs de j
dans le graphe. Cet ensemble est d´efini par
P(j) = {i|(i, j) ∈ A}
Il faut satisfaire les contraintes temporelles suivantes
t(j) ≥ t(i) +d
ij
, ∀i ∈ P(j)
La plus petite valeur admissible pour t(j) est donc
t(j) = max
i∈P(j)
{t(i) + d
ij
} (8.3)
Reprenons notre exemple. La tˆ ache 1 peut commencer au plus tˆ ot en 0 puis-
qu’elle est reli´ee au au nœud 0, d´ebut de chantier, par un arc de longueur nulle. La
tˆache 2 peut commencer d`es la fin de la tˆ ache 1, c’est-`a-dire
t(2) = t(1) +d
1
= 5
et ainsi de suite, on marque t(3) = 9, t(4) = 11, ...
120 Chapitre 8. L’ordonnancement de projets
Lorsqu’un sommet (comme le sommet 9) a plus d’un pr´ed´ ecesseur (8 et 6), on
d´etermine la date au plus tˆ ot par un maximum :
t(9) = max {t(6) +d
6
, t(8) +d
8
} = 16
On arrive ainsi ` a d´eterminer la dur´ee totale minimum qui est ici de 35 jours.
L’ordonnancement au plus tˆ ot est indiqu´e ` a la figure 8.5 o` u le temps de d´ebut
au plus tˆ ot est indiqu´ e au dessus des nœuds.
0
12
5 4 3
2 1 0 11 10
9 8 7
6
5
4
4
3
2
2
2
4
5
3
3
5 10
0
0
5
9
9
11
11
12
16
13
35 30 20
Figure 8.5: Ordonnancement au plus tˆ ot.
8.4 Chemin critique et calcul des marges
Certaines tˆ aches sont telles que si on retarde leur date de d´ebut, cela aura des
r´epercussions sur la date de fin de chantier. Par exemple, si on retarde la date
de d´ebut de la tˆ ache 11 (finition), cela va directement retarder la date de fin de
chantier. De mˆ eme, si on retarde la tˆ ache 10 (plˆatre), cela va retarder la date de
d´ebut de la tˆache 11 (finition) qui elle-mˆ eme retarde la date de fin de chantier.
Par contre, si on retarde le d´ebut de la tˆache 5 (couverture), cela n’aura pas de
r´epercussion, car ce n’est pas ` a partir de ce nœud que son successeur (10) a ´ et´ e
marqu´e mais bien ` a partir du nœud 9. On voit donc que l’on peut retarder la date
de d´ebut de la tˆ ache 5 sans cons´equence sur la date de fin de chantier jusqu’`a un
certain point. En effet t(5) = 13, t(10) = 20, et d
5
= 3. Autrement dit, la date de
d´ebut de la tˆache 5 peut ˆ etre retard´ee jusqu’`a la valeur :
t(10) −d
5
= 20 −3 = 17
sans retarder la date de d´ebut de la tˆ ache 10. On dit que 17 est la date de d´ ebut au
plus tard de la tˆ ache 5. C’est-` a-dire que la tˆ ache 5 peut ˆ etre commenc´ee ` a cette
date au plus tard sans allonger la dur´ ee totale minimale des travaux.
On voit directement que l’on a deux sortes de tˆ aches.
Section 8.4. Chemin critique et calcul des marges 121
• Les tˆ aches critiques sont celles qui servent ` a marquer de proche en proche
le sommet n + 1 ` a partir du sommet 0. Elles forment ce que l’on appelle
le chemin critique qui donne l’ensemble des tˆaches ` a surveiller en premier
si l’on veut respecter le d´elai minimum de r´ealisation du projet. Le chemin
critique, illustr´e en hachur´e ` a la figure 8.6, peut ˆ etre d´ etermin´e de la mani` ere
suivante. Partant du nœud n + 1, on ne retient que les sommets qui ont
permis de joindre n+1 ` a partir du nœud 1. Il s’agit, dans l’exemple, des
nœuds 12,11,10,9,6,3,2,1 et 0.
0
12
5 4 3
2 1 0 11 10
9 8 7
6
5
4
4
3
2 2
2
4
5
3 3
5 10
0
0 5
9
9
11
11
12 16
13
35 30
20
0
0
10
9 15
13 16
17
35 30
20
11
5
Figure 8.6: Ordonnancement au plus tard.
• Pour toutes les autres tˆ aches, c’est-` a-dire les tˆaches non critiques, on peut
d´eterminer la dateded´ebutauplus tarddela mani` eresuivante. Onproc`ede
par marquage ` a partir de t(n+1) = t(n+1). On peut marquer un sommet i
si tous ses successeurs directs sont marqu´es. L’ensemble des successeurs
directs, not´ es S(i), est d´efini comme
S(i) = {j|(i, j) ∈ A}
On peut alors calculer la date ded´ebutau plus tard de la tˆ ache i par la formule
suivante
t(i) = min
j∈S(i)
{t(j) −d
ij
}
On obtient ainsil’ordonnancement auplus tardillustr´e endessous des nœuds
` a la figure 8.6.
On peut alors d´efinir la marge d’une tˆ ache comme la diff´ erence entre son
temps de d´ebut au plus tard et au plus tˆ ot :
m(i) = t(i) −t(i) (8.4)
et donc la marge m(i) est strictement positive pour les tˆ aches non critiques tandis
qu’elle est nulle pour les tˆ aches critiques.
122 Chapitre 8. L’ordonnancement de projets
8.5 L’ordonancement par la m´ethode PERT
La m´ ethode PERT (pour Program Evaluation Review Technique) s’est d´evelop-
p´ee, parall`element ` a la m´ethode du potentiel, aux Etats-Unis en 1958 pour la
planification de la construction des sous-marins Polaris. Elle se distingue de la
m´ethode du potentiel par le fait que les tˆ aches ne sont plus associ´ ees aux nœuds
mais bien aux arcs du r´ eseau. L’algorithme de r´ esolution est tr` es semblable
` a celui de la m´ ethode du potentiel. La diff´ erence majeure r´eside donc dans la
construction du graphe : le graphe de la m´ ethode PERTest souvent plus difficile ` a
construire que celui de la m´ ethode du potentiel car on peut ˆ etre amen´e ` a introduire
des arcs fictifs qui ne correspondent ` a aucune tˆ ache.
Dans la m´ ethode PERT, chaque tˆache est donc associ´ee ` a un arc du graphe. La
longueur de l’arc correspondant ` a la dur´ee de la tˆ ache en question. Les sommets
sont utilis´ es pour traduire les relations de succession temporelle. Ainsi, si la
tˆache j doit suivre la tˆ ache i, l’extr´ emit´e terminale de l’arc repr´esentant la tˆ ache i
co¨ıncidera avec l’extr´ emit´e initiale de l’arc repr´esentant la tˆ ache j.
Ceci permet de tracer le graphe pour l’exemple d´ ej`a consid´er´ e pour la m´ ethode
du potentiel. Ceci est fait ` a la figure 8.7 o` u l’on a not´ e, ` a cˆ ot´ e de chaque arc, d’une
part, le num´ero correspondant ` a la tˆ ache, d’autre part, la dur´ ee de la tˆache.
6, 5
1, 5 2, 4
3, 2
7, 3
4, 2
8, 3
5, 3
9, 4
10, 10 11, 5
Figure 8.7: Graphe associ´e pour la m´ ethode PERT.
Si, sur cet exemple, le graphe de la m´ ethode du potentiel et celui de la m´ ethode
PERT sont tr` es proches, il n’en va pas toujours de mˆ eme. La construction du
graphe PERTpose divers probl`emes qui am` enent ` a ajouter des arcs fictifs qui ne
correspondent ` a aucune tˆ ache.
Un premier probl`eme se rencontre lorsque l’on veut tenir compte des cont-
raintes de localisation temporelle. Par exemple, supposons qu’une tˆ ache i ne
peut commencer avant une date l
i
. Il faut introduire un arc joignant l’origine des
travaux ` a l’origine de l’arc repr´esentant la tˆ ache i et ayant pour longueur la date
en question l
i
. On est donc amen´ e, dans ce cas, ` a ajouter un arc fictif qui ne
correspond ` a aucune tˆache.
Section 8.5. L’ordonancement par la m´ethode PERT 123
Un second probl`eme, plus d´elicat, se rencontre pour les contraintes de suc-
cession temporelle. En effet, supposons que la tˆ ache 1 pr´ec` ede les tˆ aches 2 et 3
et que la tˆ ache 4 pr´ec`ede la tˆache 3. On pourrait tracer le graphe de la figure 8.8.
Mais ce graphe introduit une contrainte suppl´ ementaire qui dit que la tˆ ache 4 doit
1 2
3 4
Figure 8.8: Introduction d’un contrainte.
pr´ec´eder la tˆ ache 2. Pour r´esoudre la difficult´ e, il faut ` a nouveau ajouter un arc
fictif entre l’extr´ emit´e de la tˆache 1 et le d´ebut de la tˆ ache 3. Ceci est illustr´e ` a la
figure 8.9.
1
2
3
4
Figure 8.9: Arc fictif.
Les datesded´ebutauplus tˆ otdes tˆ aches vont ´ egalement ˆ etrescalcul´ees par mar-
quage des sommets du graphe. L’application ` a l’exemple donne l’ordonnancement
illustr´e ` a la figure 8.10.
6, 5
1, 5 2, 4
3, 2
7, 3
4, 2
8, 3
5, 3
9, 4
10, 10 11, 5
0
5
9
11
12
16
13
35 30 20
Figure 8.10: Ordonnancement au plus tˆ ot.
124 Chapitre 8. L’ordonnancement de projets
8.6 Prise en compte des contraintes disjonctives
Venons-enmaintenant au troisi` eme type de contraintes g´en´erales : les contraintes
disjonctives. On veut pouvoir indiquer que deux tˆaches ne peuvent avoir lieu
en mˆ eme temps sans que l’on puisse dire, ` a priori, laquelle doit ˆ etre effectu´ ee
avant l’autre. C’est le cas lorsque l’on partage une mˆ eme ressource entre plusieurs
chantiers. Par exemple, une mˆ eme grue. Consid´ erons les tˆ aches i et j, dont on
note t
i
et t
j
, leurs dates respectives de d´ebut d’ex´ ecution. On peut ´ ecrire la relation
d’exclusion sous la forme :
soit
_
t
i
+d
i
≤ t
j
si i est r´ealis´ee avant j
t
j
+d
j
≤ t
i
si j est r´ealis´ee avant i
(8.5)
Si on n’a qu’une seule contrainte disjonctive, on peut ´ evidemment r´esoudre
deux probl` emes d’ordonnancement : un o` u l’on impose que i soit r´ealis´ ee avant
j, l’autre o` u l’on impose que j soit r´ealis´ee avant i. Ensuite, on prend le temps
d’ex´ecution leplus court. Mais cettem´ethode d’´enum´ eration explicite detoutesles
possibilit´es devient vite impraticable lorsque le nombre de contraintes disjonctives
croˆıt. On peut alors le r´esoudre le probl`eme grˆace au recours ` a la programmation
en nombres entiers.
En effet, pour chaque disjonction entre les tˆ aches i et j, on introduit la variable
binaire x
ij
qui vaut 1 si la tache i est r´ealis´ee avant la tˆ ache j et 0 si la tˆ ache j est
r´ealis´ee avant la tˆache i. On va alors remplacer (8.5) par les contraintes suivantes
_
t
i
+d
i
≤ t
j
+ M(1 −x
ij
)
t
j
+d
j
≤ t
i
+Mx
ij
(8.6)
avec M une borne sup´erieure sur la date de fin des travaux.
V´ erifions que ce syst` eme avec, bien sˆ ur, la contrainte suppl´ ementaire que x
ij
est binaire (0/1) exprime exactement la disjonction. Consid´ erons d’abord le cas
x
ij
= 1. Le syst` eme (8.6) devient
_
t
i
+d
i
≤ t
j
t
j
+d
j
≤ t
i
+M
La premi`ere in´ equation exprime bien que la tˆ ache i doit ˆ etre finie avant que ne
d´ebute la tˆache j. La seconde est toujours v´erifi´ee, vu la d´efinition de M.
Consid´ erons maintenant le cas x
ij
= 0. Le syst`eme (8.6) devient
_
t
i
+d
i
≤ t
j
+M
t
j
+d
j
≤ t
i
La premi` ere in´ equation toujours v´erifi´ee, vu la d´ efinition de M. La seconde
exprime bien que la tˆ ache j doit ˆ etre finie avant que ne d´ebute la tˆache i.
Section 8.7. La minimisation des coˆ uts 125
8.7 La minimisation des coˆ uts
Jusqu’`a pr´esent, on a consid´er´ e la dur´ee de chaque tˆache comme donn´ee. Or la
dur´ee d’une tˆ ache particuli` ere i peut varier en fonction, par exemple, de l’em-
bauche de personnel suppl´ ementaire, de l’achat ou de la location de mat´eriel
suppl´ementaire. On voit donc que l’on pourra, en g´en´ eral, r´eduire la dur´ee de
chaque tˆ ache moyennant un coˆ ut suppl´ ementaire. Nous allons voir ici comment
arbitrer entre les deux crit`eres : diminution de la dur´ee d’ex´ ecution des tˆaches et
donc du chantier et, d’autre part, augmentation des coˆ uts d’ex´ ecution des tˆ aches.
Consid´ erons la tˆ ache i. Sa dur´ee d’ex´ ecution d
i
peut varier entre une dur´ee
minimale (incompressible) d
i
et une dur´ee maximum d
i
. Pour la dur´ee minimum,
c
i
d
i
¯ c
i
¯
d
i
c
i
d
i
Figure 8.11: Coˆ ut d’ex´ ecution de la tˆ ache i.
le coˆ ut d’op´ eration de la tˆ ache i est not´ e c
i
tandis que pour la dur´ee maximum il
est not´e c
i
. Si l’on admet que le coˆ ut varie lin´ eairement en fonction de la dur´ee,
on obtient le graphique de la figure 8.11. La pente de la droite est donn´ ee par :
m
i
=
c
i
−c
i
d
i
−d
i
Pour une dur´ee d
i
comprise entre les bornes inf´ erieure et sup´ erieure, le coˆ ut de la
tˆache i est alors
c
i
= c
i
+m
i
(d
i
−d
i
)
Si on r´ep` ete la mˆeme op´eration pour chacune des tˆ aches, l’objectif de la minimi-
sation du coˆ ut total d’ex´ ecution des tˆaches peut s’´ecrire:
minz =
n

i=1
[c
i
+m
i
(d
i
−d
i
)]
126 Chapitre 8. L’ordonnancement de projets
=
n

i=1
(c
i
−m
i
d
i
) +
n

i=1
m
i
d
i
Le premier terme ´ etant constant, il revient au mˆ eme de minimiser le seul second
terme et on obtient l’objectif suivant :
minz

=
n

i=1
m
i
d
i
,
les d
i
´ etant, cette fois, des variables pour le probl`eme. Nous avons donc comme
variables du probl`eme :
t
i
= le temps de d´ebut de la tˆ ache i;
d
i
= la dur´ ee d’ex´ ecution de la tˆache i;
t
f
= le temps de fin de chantier.
Moyennant ce choix de variables, le probl`eme de minimisation des coˆ uts d’ex´ ecu-
tion des tˆaches se formule donc comme suit :
minz

=
n

i=1
m
i
d
i
s.c.q
_
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
_
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
_
t
i
≥ l
i
(localisation temporelle)
t
j
≥ t
i
+d
i
(succession temporelle)
t
f
≥ t
i
+d
i
(fin de chantier)
t
f
≤ λ (borne sur t
f
)
d
i
≤ d
i
≤ d
i
(bornes sur la dur´ ee)
P(λ)
On peut alors r´esoudre ce probl`eme en fonction du param`etre λ. En ajoutant
letermeconstantque nousavionsn´eglig´e,on obtientungraphiquedu genredecelui
repr´esent´e ` a la figure 8.12. Ce graphique appelle plusieurs commentaires. Tout
d’abord, le param`etre λ doit ˆ etre sup´erieur ` a une certaine valeur minimum λ qui
correspond au temps d’ex´ ecution minimum lorsque toutes les tˆ aches critiques sont
` a leur dur´ ee minimum d
i
. Ensuite, remarquons que la fonction c(λ) est convexe,
d´ecroissante et lin´eaire par morceaux. Enfin, ` a partir d’une certaine valeur λ de λ,
on aura syst´ematiquement d
i
= d
i
et l’objectif devient constant.
Comment va-t-on alors choisir le temps optimum ? A voir la forme de la
courbe 8.12, il vaudrait mieux prendre λ = λ, le temps maximum. Mais ceci ne
tient compte que des coˆ uts directs d’ex´ecution des tˆ aches.
Section 8.7. La minimisation des coˆ uts 127
λ λ
c(λ)
¯
λ
Figure 8.12: Coˆ ut d’ex´ ecution en fonction de λ.
Il existe aussi des coˆ uts indirects li´ es ` a la dur´ee du chantier. Ce sont les frais
d’assurances, les salaires de l’encadrement, les frais de location du mat´eriel, et
les p´ enalit´es par jour de retard. Tous ces frais sont ´ evidemment croissants avec la
dur´ee du chantier.
Si on additionne les deux courbes (coˆ uts directs et coˆ uts indirects), comme ` a la
figure 8.13, on obtient la courbe de coˆ ut total dont on peut d´eterminer le minimum.
λ
c(λ)
λ
coˆ ut direct
coˆ ut indirect
coˆ uts totaux
¯
λ
Figure 8.13: Coˆ uts totaux.
On a donc arbitr´e entre les deux objectifs de
• diminution des coˆ uts
• diminution du temps d’ex´ecution.
Nous verrons une application de ceci dans les exercices qui suivent.
128 Chapitre 8. L’ordonnancement de projets
8.8 Exercices
8.1. Equipement d’un ensemble minier. L’´ equipement d’un ensemble minier
comporte les tˆ aches suivantes dont la dur´ ee est exprim´ ee en trimestres.
No tˆ ache dur´ee pr´ealables
1 Construction d’un port provisoire 3 -
2 Commande d’une piste 6 -
3 Commande de mat´eriel portuaire 2 -
4 Pose d’une voie ferr´ee 4 1
5 Construction du port d´efinitif 2 1
6 Construction d’une cit´e administrative 7 1
7 Construction de l’installation mini`ere 4 2 et 4
8 Equipement portuaire d´ efinitif 3 3 et 5
(a) Construire le graphe relatif ` a la m´ ethode du potentiel.
(b) Calculer les dates de d´ ebut au plus tˆ ot, les dates de d´ebut au plus tard.
D´eterminer le chemin critique.
(c) Comment modifier le graphe si, on veut que la tˆache 7 ne commence
pas avant 8 trimestres ?
(d) Comment modifier le graphe si on veut en plus que la tˆ ache 8 ne
commence pas apr`es 4 trimestres ?
8.2. Construction d’un bˆ atiment. Consid´ erons lesdiff´erentes tˆ aches ` a effectuer
pour construire un bˆatiment. Elles sont reprises ci-dessous.
No tˆ ache dur´ee pr´ealables
1 fondations 6 -
2 murs 10 1
3 plomberie int´ erieure 5 2
4 ´ electricit´ e 7 2
5 toit 6 2
6 plomberie ext´ erieure 4 5
7 menuiserie 8 3 et 4
8 sols 4 7
9 peinture int´ erieure 5 7
10 finitions int´ erieures 6 8 et 9
11 peinture ext´ erieure 9 6
12 finitions ext´ erieures 2 11
Section 8.8. Exercices 129
(a) Tracez le graphe relatif ` a la m´ ethode du potentiel.
(b) Calculez les dates de d´ebut au plus tˆ ot, les marges et d´ eterminez le
chemin critique.
(c) Les tˆ aches9(peinture int´ erieure)et11 (peintureext´erieure)doivent ˆ etre
disjointes car effectu´ ees par les mˆemes ouvriers. Comment r´esoudre
cette disjonction ? La date de fin des travaux est-elle affect´ ee ?
8.3. Lancement d’un nouveau produit. Une entreprise d´ecide de commercia-
liser un nouveau produit. La planification de ce lancement fait apparaˆıtre
les tˆaches reprises au tableau 8.2 avec leur dur´ee (en semaines) et leurs
pr´ealables.
(a) Tracer le graphe correspondant ` a la m´ ethode PERT.
(b) Calculez lesdatesded´ebutauplustˆot,auplus tardet lechemin critique.
(c) L’entreprise voudrait r´eduire la dur´ee totale d’ex´ ecution des travaux.
Pour cela, il est possible de r´eduire la dur´ ee des tˆaches 5 et 11 de une
ou deux semaines au prix d’un coˆ ut suppl´ementaire de 100 000 EURO
par semaine de r´eduction pour la tˆ ache 5 et de 200 000 EURO par
semaine pour la tˆache 11. De combien peut-on r´eduire la dur´ee totale
des travaux et ` a quel coˆ ut ?
No tˆ ache dur´ee pr´ealables
1 S´election des ´ equipements 1 -
2 Choix de la m´ethode de production 2 1
3 Proc´edures de contrˆ ole de qualit´e 2 2
4 Choix des mati`eres premi` eres 2 1
5 R´eception des ´ equipements 7 1
6 Commande des mati`eres premi`eres 1 4
7 R´eception des mati`eres premi` eres 3 6
8 Essais de production 2 5,3 et 7
9 Premi` ere fourniture aux magasins 6 8 et 11
10 Conception du conditionnement 4 1
11 Production du conditionnement 5 10
12 R´eunion des vendeurs 1 11
13 Formation des vendeurs 1 12
Tableau 8.2: Lancement d’un nouveau produit
130 Chapitre 8. L’ordonnancement de projets
8.4. Lancement d’un nouveau produit. Une soci´et´e met ` a l’´ etude le lancement
d’un nouveau produit. Ce lancement n´ecessite la r´ealisation de 10 tˆ aches
rep´er´ ees par les lettres A ` a J, et dont les caract´eristiques sont donn´ ees ` a la
table 8.3.
tˆache dur´ee ancˆ etre(s) observations
A 7 C,F Recouvrement possible avec C
de 3 semaines
B 3 D,H,G
C 6 J Ne peut commencer avant
le d´ebut de la 14` eme semaine.
D 3 -
E 2 D
F 5 J et I
G 4 -
H 5 -
I 7 G et H
J 4 E et B
Tableau 8.3: Lancement d’un nouveau produit
(a) Etablir le graphique de la m´ ethode du potentiel.
(b) V´erifier sur le graphique que le probl`eme est soluble (expliquer suc-
cinctement pourquoi).
(c) Calculer les dates de d´ebut au plus tˆ ot, au plus tard, les marges.
(d) Donner tous les chemins critiques.
tˆache coˆ ut
C 10.000 EURO
F 15.000 EURO
B 5.000 EURO
I 6.000 EURO
Tableau 8.4: R´eduction possible de la dur´ee
(e) Le directeur commercial souhaite raccourcir la dur´ee d’ex´ ecution du
projet d’une semaine. Les tˆ aches sur lesquelles il est possible d’agir
ainsi que le coˆ ut correspondant ` a leur diminution de dur´ ee d’une se-
maine sont donn´es ` a la table 8.4.
Que sugg´ erez-vous ?
Section 8.8. Exercices 131
8.5. Minimisation des coˆ uts. On consid` ere un chantier de construction qui fait
intervenir cinq tˆaches dont les dur´ ees et les tˆ aches pr´ealables sont donn´ ees
au tableau 8.5.
Tˆ ache dur´ ee coˆ ut tˆaches
(jours) pr´ealables
1 4 -
2 6 -
3 5 1
4 8 2 et 3
5 7 4
Tableau 8.5: Minimisation des coˆ uts
(a) Tracer le graphe correspondant ` a la m´ ethode du potentiel.
(b) D´eterminer les dates de d´ ebut au plus tˆ ot au plus tard et le chemin
critique.
(c) Ecrire ce probl`eme d’ordonnancement sous forme d’un programme
lin´eaire dont les variables seront les dates t
i
de d´ ebut des tˆ aches et t
f
,
la date de fin du chantier.
(d) Les tˆ aches supportent des frais directs (main d’œuvre, heures machine)
dontlesmontantssontrespectivementde30000, 40000,50000, 50000
et 10 000 EURO. D’autre part, les dur´ ees des tˆ aches 3 et 5 peuvent
ˆ etre r´eduites jusqu’` a 3 et 5 jours au prix d’accroissements de coˆ uts
de 20 000 et 10 000 EURO par jour. Ecrire le programme exprimant
la minimisation du coˆ ut direct pour une dur´ee totale t
f
donn´ee. On
commencera par exprimer les coˆ uts directs c
3
et c
5
des tˆ aches 3 et 5
comme fonctions affines des dur´ees d
3
et d
5
qui deviennent variables.
(e) Ond´esire ´ etudier, enfonctionduparam`etre t
f
, lesvariationsducoˆutmi-
nimal direct total C
D
obtenu ` a l’aide du programme pr´ec´ edent. Donner
la forme de la courbe repr´esentant les variations de ce coˆ ut en fonction
de t
f
.
(f) D´eterminer num´eriquement l’´ evolution du coˆ ut direct C
D
en fonction
de t
f
en partant du r´esultat de la question (b) et en r´eduisant progres-
sivement la dur´ee t
f
de fa¸ con ` a ce que le coˆ ut direct soit toujours
minimal.
132 Chapitre 8. L’ordonnancement de projets
(g) En plus des coˆ uts directs, l’entreprise supporte aussi des frais indirects.
Ces frais indirects comportent les salaires de l’encadrement, des frais
de location de mat´ eriel, des frais d’assurance et des frais financiers
pour un montant total de 10 000 + 5 000 t
f
et aussi une p´enalit´e de
10 000 EUROpar jour de retard au del`a du 22`eme jour. D´ ecrire sur un
mˆeme graphique l’´ evolution du coˆ ut indirect C
I
, du coˆ ut direct C
D
et
du coˆ ut total en fonction de la dur´ee de fin de chantier. Quelle valeur
donner ` a cette dur´ ee ?
Chapitre 9
Conception d’un centre de production
9.1 Introduction
Les d´ecisions d’implantation d’un centre de production incluent
1. la d´ecision de localisation du centre qui d´epend de :
• la localisation des clients : il faut minimiser les coˆuts de transport vers
ceux-ci;
• la disponibilit´e et le coˆ ut de la main d’œuvre;
• la disponibilit´e des mati`eres premi` eres;
• les aides nationales et locales ` a l’investissement;
• la volont´ e de p´ en´etrer un march´ e local difficile;
• la qualit´e des hˆ opitaux, la qualit´ e du cadre de vie,. . .
Atitred’exemple, onpeutciter lalocalisationd’unenouvelle usineTOYOTA
pr`es de Valenciennes, qui est situ´ee au cœur de l’Europe et dans le pays
europ´een le plus protectionniste en faveur de ses marques nationales.
2. le choix de la capacit´e de production qui d´ epend :
• de la pr´evision de la demande ` a long terme;
• de la volont´ e de l’entreprise de dominer un march´ e;
• de la possibilit´ e de r´epondre rapidement ` a des variations de demande.
Vu l’incertitude sur la demande, on implante souvent une nouvelle usine par
phases successives. Ce sera le cas de la nouvelle usine de Toyota pr` es de
Valenciennes.
3. la configuration du centre de production : il s’agit de d´ eterminer comment
les diff´ erents ´ equipements et postes de travail doivent ˆ etre dispos´es.
133
134 Chapitre 9. Conception d’un centre de production
9.2 Configuration d’un centre de production
Il s’agit donc ici de d´eterminer la mani`ere de disposer les ´ equipements 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 sp´ ecialis´ es est utilis´ee lorsqu’il y a une grande
vari´ et´ e d’articles diff´ erents ` a produire. On peut alors regrouper dans un
atelier l’ensemble des machines assurant une fonction donn´ ee. Par exemple,
dans un garage, l’atelier de peinture, l’atelier carrosserie,. . .
2. La configuration en terme de produit est utilis´ee lorsqu’il y a une demande
importante et continue de quelques produits. On organise la production soit
enligne (c’estlecas deslignesd’assemblage d’automobiles)soit enindustrie
de process (c’est le cas des raffineries de p´etrole).
3. On parle de configuration ` a poste fixe lorsque l’op´erateur doit se d´eplacer
entre deux op´erations. On peut citer comme exemples :
• un client qui se d´ eplace entre les diff´ erents rayons d’un super march´ e;
• un magasinier qui se d´eplace entre les diff´ erents rayonnages d’un ma-
gasin de stockage de carrelage.
9.2.1 Configuration en ateliers sp´ecialis´es
Illustrons cette configuration par l’exemple d’une maternit´ e qui regroupe les diff´ e-
rents services concern´es sur un mˆ eme ´ etage d’un hˆ opital :
• accueil
• salle d’attente
• consultation pr´enatale
• consultation p´ediatrie
• ´ echographie
• chambres de maternit´ e
• salle d’accouchement
Une question cruciale pour une bonne organisation de ce type de configuration
est la localisation relative de ces diff´ erents services. On doit tenir compte de :
Section 9.2. Configuration d’un centre de production 135
1. du volume de trafic entre deux services de sorte que deux services avec
un flux important soient localis´es proches l’un de l’autre (par exemple, la
consultation maternit´e et le service ´ echographie);
2. du fait que certains services doivent avoir acc` es ` a l’ext´ erieur (par exemple,
l’accueil);
3. du fait que certains services ne peuvent changer de place (par exemple, la
chaufferie).
4. du fait qu’il peut y avoir incompatibilit´e (par exemple, la salle d’accouche-
ment ne doit pas ˆ etre situ´ee ` a cot´e de l’accueil) ou n´ecessit´e absolue de
mitoyennet´e (par exemple, la salle d’accouchement a int´erˆ et ` a se trouver
pr`es des couveuses).
Une matrice de proximit´e peut ˆ etre utilis´ ee pour indiquer la proximit´e voulue :
A : Absolument n´ecessaire
S : Sp´ ecialement important
I : Important
G : G´en´ eralement proche
: sans importance
X : ` a ´ eviter
La figure 9.1 illustre cette matrice dans le cas de la maternit´e.
ACCUEIL
SALLE D'ATTENTE
CONSULTATIONS
ECOGRAPHIE
SALLE ACCOUCHEMENT
G
I
S
A
X
Figure 9.1: Matrice de proximit´e
On peut ´ egalement, plutˆ ot que de noter la proximit´e, donner une matrice de
flux entre les diff´ erents services. On peut alors concevoir une localisation des
diff´ erentes services qui minimise la somme des flux entre services pond´ er´ ee par la
distance entre ces services.
136 Chapitre 9. Conception d’un centre de production
Formulation en un probl` eme d’affectation quadratique :
Supposons nservices ` alocaliser ` aune des nplacespossibles. On choisitici comme
variables :
x
ij
= 1 si le service i est en place j,
= 0 sinon.
Dans ce cas, l’objectif peut s’´ ecrire de la mani` ere suivante :
min
n

i=1
n

k=1
n

j=1
n

l=1
w
ik
d
jl
x
ij
x
kl
avec d
jl
la distance entre les localisations j et l et w
ik
, le poids dans la matrice de
proximit´e :
4 : Absolument n´ecessaire
3 : Sp´ecialement important
2 : Important
1 : G´en´ eralement proche
0 : sans importance
-1 : ` a ´ eviter
Expliquons la forme de cette fonction : l’objectif minimise la somme des dis-
tances entre les paires de lieux (j, l), pond´er´ ee par l’importance d’une localisation
proche des paires de services (i, k), pour autant que x
ij
et x
kl
soient ´ egaux ` a un,
c’est-`a-dire que le service i soit en lieu j et le service k en lieu l .
Les contraintes sont de deux types :
• “Toute place est occup´ee :”
n

i=1
x
ij
= 1, ∀j = 1, . . .n
La contrainte indique que chaque place j est occup´ee par exactement un
service i
• “Toute fonction est plac´ ee :”
n

j=1
x
ij
= 1, ∀i = 1, . . .n
La contrainte indique que chaque service i est plac´e ` a une place j.
Il faut bien sˆ ur ´ egalement imposer le caract`ere entier des variables :
x
ij
∈ {0, 1}, ∀i, j.
Section 9.2. Configuration d’un centre de production 137
9.2.2 Configuration en ligne de production
Lorsqu’un produit est fabriqu´ e en grande quantit´e, on peut gagner en efficacit´ e
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 probl` eme principal r´eside dans l’´ equilibrage de la chaˆ ıne : il faut que les
diff´ erentes op´erations prennent le mˆ eme temps car la chaˆ ıne tourne ` a la vitesse de
l’op´eration la plus lente.
Une ligne d’assemblage est dite parfaitement ´ equilibr´ ee si chaque poste de
travail (main d’œuvre et ´ equipement) est occup´ e ` a 100 %.
Illustrons ceci sur l’exemple suivant. Un appareil ´ electrom´ enager est constitu´ e
de 11 composants, not´ es B1 ` a B11, de 3 sous-ensembles not´ es SA1 ` a SA3. Le
tableau 9.1 fournit les tˆ aches, leurs dur´ees et leurs pr´ ealables. Le temps total
Label Temps Objet Pr´ed´ ecesseurs
A 2 placer le chassis sur la chaˆ ıne -
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 ` a B5 -
H 4 attacher SA2 au chassis B,G
I 9 attacher B7 au chassis A
J 10 attacher B9 ` a B8 -
K 4 attacher B10 ` a B8 -
L 8 attacher B11 ` a B8 J,K
M 6 attacher SA3 au chassis A,L
N 15 tester l’appareil tous
Total 100
Tableau 9.1: Equilibrage d’une chaˆıne
d’assemblage est de 100 minutes au minimum. On dispose de cinq op´erateurs.
On peut tracer un graphe de pr´es´eance qui n’est rien d’autre que le graphe de
la m´ ethode du potentiel o` u chaque tˆ ache est repr´esent´ee par son label et sa dur´ee.
On a repr´esent´ e ce graphe ` a la figure 9.2.
138 Chapitre 9. Conception d’un centre de production
C,5
D,2
A,2
G,6
J,10
K,4
E,15
F,7
B,7
H,4
I,9
L,8
M,6
N,15
Poste 4
Poste 1
Poste 2
opérateur 1 opérateur 2 opérateur 3 opérateur 4 opérateur 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
Poste 3
Poste 5
Figure 9.2: Une affectation possible
Section 9.2. Configuration d’un centre de production 139
Une affectationpossibledestˆachesauxop´erateurs estobtenueentra¸cantcinq
sous-ensembles, correspondant aux tˆ aches des cinq op´ erateurs, tout en respectant
les contraintes de pr´es´eance. Le temps total de montage, pour le choix fait ` a la
figure 9.2, est de :
5 op´ erateurs ×22 minutes par cycle = 110 homme-minutes.
Il y a donc un temps mort de 10 minutes, ce qui correspond ` a un pourcentage de :
10
110
= 9, 1%
Une mesure de la qualit´e de la solution est pr´ecis´ ement ce rapport du temps
mort sur le temps total de montage. Ce rapport est appel´e retard d’´equilibre et se
calcule par la formule suivante :
RE =
nc −T
nc
avec n = nombre de postes de travail,
c = temps d’un cycle = inverse de la fr´ equence,
T = temps total requis par un article
= somme des temps individuels.
Remarquons qu’ici on n’a pas atteint l’objectif d’un ´ equilibrage parfait qui
impliquerait deconstruire 3articles par heureavecuntempsdecyclede20minutes.
Remarquons qu’il n’est pas toujours possible d’atteindre l’´ equilibre parfait de la
chaˆıne puisque les tˆ aches ne sont pas divisibles ` a l’infini.
Voyons maintenant comment r´ esoudre le probl` eme. Trouver l’affectation
qui minimise RE est un probl`eme en nombres entiers particuli` erement difficile ` a
r´esoudre. Une heuristique qui permet de trouver rapidement une solution est la
suivante. On se fixe une dur´ee maximum pour chaque poste de travail. Ici fixons
nous une dur´ee maximum de 19 minutes. On va alors remplir ces postes de la
mani`ere suivante :
Pas1. Attribuer un score ` a chaque tˆache et classer les tˆ aches par score d´ecroissant.
Ici, comme SCORE 1, nous allons tout simplement prendre la dur´ee des
tˆaches :
E, N, J, I, L, B, F, G, M, C, H, K, A, D
Pas 2. Mettre ` ajour l’ensemble des tˆ aches disponibles (c’est-`a-dire les tˆ aches dont
tous lespr´ed´ ecesseursimm´ediats sontaffect´es). Au d´ebut, cesontcelles sans
pr´ed´ ecesseur :
S = {J, G, C, K, A, D}
140 Chapitre 9. Conception d’un centre de production
Pas 3. Affecter la tˆ ache avec le score le plus ´ elev´ e dans le premier poste o` u la
capacit´e et les contraintes de pr´ es´eance ne sont pas viol´ees :
J au poste 1.
Aller en au Pas 2.
On remplit alors progressivement le tableau suivant.
Poste 1 Poste 2 Poste 3 Poste 4 Poste 5 Poste 6 Poste 7
J,10 C,5 I,9 M,6 E,15 F,7 N,15
G,6 K,4 B,7 H,4
A,2 L,8
D,2
18 19 16 10 15 7 15
Le d´etail des it´ erations est repris ci-dessous :
S = {G, C, K, A, D} : G en 1; S = {B, M, D} : B en 3;
S = {C, K, A, D} : C en 2; S = {M, H, D} : M en 4;
S = {K, A, D} : K en 2; S = {H, D} : H en 4;
S = {L, A, D} : L en 2; S = {D} : D en 2;
S = {A, D} : A en 1; S = {E} : E en 5;
S = {I, B, M, D} : I en 3; S = {F} : F en 6;
S = {N} : N en 7
On peut alors calculer le retard d’´ equilibre de cette solution :
RE =
nc −T
nc
=
7 ×19 −100
7 ×19
= 24, 81%
On voit que la solution n’est pas d’une tr` es grande qualit´e. On peut utiliser
plutˆ ot un second score qui consiste ` a aditionner ` a la dur´ ee de la tˆ ache, celles de
toutes les tˆaches qui la suivent. Ainsi, ` a la dur´ee de la tˆ ache A, on ajoute le temps
des tˆ achesF, B, I, M, Het N. Le calcul du second score donne les r´esultatssuivants :
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
Le classement des tˆaches suivant ce second score est le suivant :
A, C, D, J, E, K, L, B, G, I, F, M, H, N
Section 9.2. Configuration d’un centre de production 141
On remplit le tableau comme suit
Poste 1 Poste 2 Poste 3 Poste 4 Poste 5 Poste 6
A,2 E,15 L,8 G,6 F,7 N,15
C,5 K,4 B,7 I,9 M,6
D,2 H,4
J,10
19 19 15 19 13 15
Le d´etail des it´ erations est donn´ e ci-dessous.
S = {A, C, D, J, K, G} : A en 1; S = {B, G, I, F, M} : B en 3;
S = {C, D, J, K, B, G, I} : C en 1; S = {G, I, F, M} : G en 4;
S = {D, J, K, B, G, I} : D en 1; S = {I, F, M, H} : I en 4;
S = {J, E, K, B, G, I} : J en 1; S = {F, M, H} : F en 5;
S = {E, K, B, G, I} : E en 2; S = {M, H} : M en 5;
S = {K, B, G, I, F} : K en 2; S = {H} : H en 4
S = {L, B, G, I, F} : L en 3; S = {N} : N en 6.
On peut alors calculer le retard d’´ equilibre de cette solution :
RE =
19 ×6 −100
19 ×6
= 12, 3%
9.2.3 Configuration ` a poste fixe
Lorsque l’op´erateur voyage entre les diff´ erentes op´erations, on parle de conception
` a poste fixe. Comme exemples, on peut citer :
• les magasins en self-service o` u le client se d´eplace de rayon en rayon;
• les entrepˆ ots de stockage de carrelages, de tapis-pleins, etc. . .
• une centrale de stockage interm´ediaire d’une soci´et´ e de distribution;
• une infirmi`ere qui se d´eplace d’une chambre ` a l’autre dans un hˆ opital,. . .
Le probl` eme principal r´eside dans la localisation des aires de stockage de
mani`ere ` a minimiser soit
• le coˆ ut total de manipulation en mettant les produits les plus utilis´ es aux
endroits les plus accessibles;
• le temps maximum d’acc` es dans le cas, par exemple, de la localisation de
centres d’intervention d’urgence.
142 Chapitre 9. Conception d’un centre de production
Cas d’un entrepˆ ot :
Illustrons ce cas par l’exemple de la soci´et´ e Sommer qui produit en grandes s´ eries
ses diff´erentes r´ef´ erences de tapis pleins qui sont vendues en quelques unit´es ` a ses
clients qui sont les centres de bricolage et les surfaces sp´ecialis´ ees en revˆ etement
de sol. On approvisionne le stock en grandes quantit´es (de l’ordre de 200 rou-
leaux d’un mˆ eme type). On d´estocke, ` a la demande, en petites quantit´es (un ou
deux rouleaux). Le stockage est rendu n´ecessaire par la diff´ erence entre la taille
´ economique d’un lot ` a la production et la taille moyenne d’un lot demand´e.
Pour le placement optimal des rouleaux, on a int´erˆ et ` a placer les articles
ayant le plus fort taux de rotation de stock aux emplacements les plus accessibles.
Il y a deux mani` ere de stocker :
• Stocker ` a des places d´edi´ ees : une r´ef´ erence donn´ ee sera toujours ` a la mˆ eme
place. Ce qui facilite le contrˆ ole et l’information. L’inconv´ enient est que
l’on perd beaucoup de place car chaque emplacement est rempli ` a 50 % en
moyenne.
• Stocker ` a la premi` ere place disponible : ceci n´ecessite un syst`eme infor-
matique de localisation : chaque lot est localis´ e par le num´ero de l’all´ee, la
distance dans l’all´ee, et la hauteur dans le rayon.
La solution adopt´ee chez Sommer est le d´edicacement par zone : on place le
produit danslapremi`ereplacedisponible dansune zone(assezlarge) correspondant
` a son taux de rotation. Ceci est donc un compromis entre une capacit´e de stockage
r´eduite et la rapidit´e d’acc`es aux produits ` a forte rotation de stock.
Cas des centres d’intervention d’urgence :
Dans ce second cas, l’objectif est de minimiser le temps d’acc`es au client le
plus ´ eloign´ e. Par exemple, dans un service hospitalier, on veut localiser le local
des infirmi` eres de mani` ere ` a avoir un temps de r´eaction aupr`es de chaque patient
aussi court que possible. La solution, dans ce cas, est de construire un ´ etage
circulaire avec le local des infirmi` eres au centre. Remarquez qu’ici souvent la
solution impliquera des localisations multiples afin de bien couvrir une zone :
par exemple, dans le cas des pompiers, on aura diverses antennes d´elocalis´ees
permettant d’atteindre rapidement des villages d´ ecentr´es.
Section 9.3. D´ecisions de capacit´e 143
9.3 D´ ecisions de capacit´ e
Nous allons illustrer les d´ecisions de choix d’une capacit´e sur l’exemple d’une
boulangerie industrielle qui fournit les supermarch´es de sa r´egion et qui s’attend
` a une croissance de la demande. Une d´ ecision strat´egrique est ` a prendre : Quelle
capacit´e lui donner ?
Remarquez que le mˆ eme genre de d´ecision est ` a prendre dans des exemples
non commerciaux tel que le traitement des d´echets m´ enagers. En effet, la r´e-
glementation europ´eenne pr´evoit de limiter progressivement le d´eversement en
d´echarge des ordures m´enag` eres. Si la construction d’un incin´erateur s’impose, ` a
nouveau, une d´ecision cruciale est ` a prendre : Quelle capacit´ e lui donner ?
Nous illustrerons les choses sur l’exemple d’une boulangerie industrielle. Les
donn´ees num´eriques sont les suivantes :
1. Mod´elisation de la demande : il y a incertitude sur la demande future du
produit. Si le succ`es du produit est important, une capacit´e suppl´ementaire
de 5 000 unit´es par semaine sera n´ecessaire pour un profit de 40 000 EURO
par semaine hors frais d’amortissement du capital. Si le succ`es du produit
est mitig´e, une capacit´e de 2 000 unit´ es par semaine sera suffisante et la
compagnie fera un profit de 16 000 EURO par semaine. La demande est
connue au bout d’un an.
2. Donn´ ees de coˆ ut d’investissement. Une capacit´ e de 2 000 unit´es par semaine
peut ˆ etre construite pour 800 000 EURO. Une capacit´e de 5 000 unit´es par
semaine peut ˆ etre construite pour 1,5 millions d’EURO. Une capacit´ e de
2 000 peut ˆ etre ´ etendue ` a une capacit´e de 5 000 pour 1 million d’EURO. Les
surcapacit´es sont sans valeur.
3. La dur´ ee de vie des ´ equipements est de 20 ans.
4. Le facteur d’annualisation, n´ecessaire car les profits sont r´epartis dans le
futur, est de 25 % l’an.
5. La probabilit´ e de succ`es du lancement du produit est estim´ ee ` a 20 % sur
base d’exp´eriences d’introduction d’autres produits.
Les diff´ erents choix possibles peuvent ˆ etre utilement illustr´es sur un arbre de
d´ecision tel que celui de la figure 9.3. Un carr´ e repr´esente une d´ecision. Un cercle
repr´esente un ´ etat du monde.
Pour le choix d’une capacit´e, on va s´electionner la capacit´e d’esp´erance de
profit la plus ´ elev´ ee.
144 Chapitre 9. Conception d’un centre de production
construire 2000
haute demande
faible demande
h
a
u
t
e
d
e
m
a
n
d
e
faible demande
étendre à 5000
rester à 2000
c
o
n
s
t
r
u
i
r
e

5
0
0
0
n
e

r
i
e
n

c
o
n
s
t
r
u
i
r
e
Investiss.
1,500,000
1,500,000
800,000
800,000
800,000
0
Profit.
40,000
16,000
40,000
16,000
16,000
0
1,
Figure 9.3: Arbre de d´ecision
D´efinition 9.1 On appelle valeur nette pr´esente, la somme actualis´ ee des profits
futurs moins l’investissement initial.
Appliquons ceci ` a l’exemple.
Consid´ erons la construction initiale de 5 000 en cas de demande forte :
(40 000 ×52) ×
20

j=1
_
1
1, 25
_
j
−1 500 000
On peut d´emonter la formule suivante pour le calcul d’annuit´ es :
n

j=1
_
1
1 +i
_
j
=
_
1 −(1 +i)
−n
i
_
Appliquons ceci ` a notre exemple :
20

j=1
_
1
1, 25
_
j
=
_
1 −(1, 25)
−20
0, 25
_
= 3, 953883
On obtient donc une valeur nette au bout d’un an de :
40 000 ×52 ×3, 953883 −1 500 000 = 6 724 077.
Consid´ erons maintenant la construction initiale de 5 000 en cas de demande
faible :
(16 000 ×52) ×
20

j=1
_
1
1, 25
_
j
−1 500 000 = 1 789 631.
Section 9.3. D´ecisions de capacit´e 145
Consid´ erons la construction initiale de 2 000 augment´ ee de 3 000, en cas de
demande forte. L’investissement initial de 2 000 rapporte 16 000 EUROdurant la
premi`ere ann´ee et l’investissement de deuxi` eme ann´ee rapporte 40 000 EUROles
19 ann´ees suivantes :
(16 000 ×52)
1
1, 25
−800 000
+
20

j=2
(40 000 ×52)
_
1
1, 25
_
j
−1 000 000 000
1
1, 25
= −134 400 +
1
1, 25
(
19

j=1
(40 000 ×52)
_
1
1, 25
_
j
−1 000 000 000)
= 5 625 677.
Consid´ erons maintenant la construction de 2000 en cas de demande faible :
(16 000 ×52) ×
20

j=1
_
1
1, 25
_
j
−800 000 = 2 489 631.
Les r´esultats dans les diff´ erents cas sont r´esum´es au tableau 9.2.
D´ecision demande VNP
construire 5 000 forte 6 724 077
construire 5 000 faible 1 789 631
construire 2 000 + 3 000 forte 5 625 677
construire 2 000 faible 2 489 631
construire 0 forte 0
construire 0 faible 0
Tableau 9.2: Calcul de la VNP
On peut alors calculer les profits esp´ er´ es dans chacun des trois cas :
• Construire 5 000 :
E(V NP) = 0, 2 ×6 724 077 + 0, 8 ×1 789 631 = 2 776 520 EURO.
• Construire 2 000 :
E(V NP) = 0, 2 ×5 625 677 + 0, 8 ×2 489 631 = 3 116 840 EURO.
146 Chapitre 9. Conception d’un centre de production
• Construire 0 :
E(V NP) = 0 EURO.
En conclusions, il vaut mieux construire une petite capacit´ e et ´ etendre apr`es un an
si n´ecessaire. Remarquons que le r´esultat d´epend crucialement de la probabilit´e
de succ`es du produit. Si la probabilit´e est de 50 %, il devient plus int´eressant de
construire d` es le d´ebut une capacit´ e de 5 000 (voir exercice 9.3 ).
Soulignons ici l’importance de bien choisir la capacit´e. Si l’on choisit une
capacit´ e trop faible, on perd des clients et on permet aux concurrents de rentrer
sur le march´ e. A l’inverse, si l’on choisit une capacit´e trop grande, on rentabilise
moins bien une usine sous-utilis´ee, on inonde le march´e et on fait baisser le prix
et on risque de rencontrer des difficult´ es de remboursement des emprunts.
Ceci illustre toute l’importance d’une bonne pr´ evision ` a long terme : que ce
soient les pr´evisions de ventes dans le secteur automobile, les pr´evisions de ventes
d’´electricit´e, etc. . . . Une parade devant l’incertitude sur la demande est donc
la construction par phases successives d’usines d’assemblage et des centrales
´ electriques.
9.4 D´ ecisions de localisation
La d´ecision de localisation d’un centre de production doit ˆ etre analys´ ee en tenant
compte de plusieurs crit`eres :
1. la facilit´ e d’acc`es, les coˆ uts de transport;
2. la disponibilit´e, qualification et le coˆ ut de la main d’œuvre;
3. le coˆ ut de construction, les taxes locales;
4. l’attraction des clients;
5. la disponibilit´e des mati`eres premi` eres;
6. les attitudes des autorit´es locales et nationales.
L’importance relative de ces crit`eres d´epend du type d’activit´ e ` a localiser :
• localiser un super-march´ e : les coˆ uts de transport et l’attraction des clients
sont pr´epond´erants;
• localiser une usine : le coˆ ut de la main d’œuvre et la disponibilit´e des
mati`eres premi`eres sont pr´ epond´erants.
Section 9.4. D´ecisions de localisation 147
Les mod`eles de localisation optimale consid` erent g´en´ eralement un seul crit` e-
re. Deux techniques sont appliqu´ ees suivant l’objectif poursuivi : la technique de
gravit´ e si on veut minimiser les coˆ uts totaux de transport ou celle de discr´etisation
si on veut minimiser le temps d’acc`es au client le plus ´ eloign´e :
• La technique du centre de gravit´ e. Si l’on veut minimiser le nombre total de
tonnes-kilom` etres de produit transport´e, on a int´ erˆ et ` a se situer au centre de
gravit´ e des clients et fournisseurs. Par exemple, dans la localisation d’une
usine de production de b´etons, on a int´erˆ et ` a se situer au centre de gravit´ e
des carri`eres et des gros clients.
• La m´ ethode de discr´ etisation. Lorsque le crit`ere temps d’acc` es est le plus
important, on aura recours le plus souvent ` a des emplacements multiples afin
d’avoir un bon acc` es ` a tous. Par exemple, lors de la localisation d’un centre
d’intervention de pompiers, on veut minimiser le temps d’acc` es au client le
plus ´ eloign´e. Ce qui conduit ` a implanter des antennes d´ecentralis´ees.
Nous allons maintenant voir comment calculer le centre de gravit´ e. A la
figure 9.4, on a repr´esent´e la localisation dans le plan des diff´ erents clients et des
diff´ erents fournisseurs de mati`ere premi` ere. Notons :
Cl
1
Cl
2
Cl
n
MP
1
MP
2
MP
m
Figure 9.4: Centre de gravit´ e
MP
i
, le nombre de tonnes de mati`ere premi`ere ` a aller chercher en i;
Cl
j
, le nombre de tonnes de produits finis ` a conduire chez le client j;
r
i
, le coˆ ut de transport d’une tonne de mati`ere premi` ere venant de i;
R
j
, le coˆ ut de transport d’une tonne de produit fini chez j.
Le centre de gravit´ e est le point (x

, y

) qui minimise la somme des coˆ uts de
transport des mati`eres premi` eres et des produits finaux en supposant des distances
148 Chapitre 9. Conception d’un centre de production
en ligne droite et des coˆ uts lin´ eaires :
x

=
m

i=1
r
i
x
i
MP
i
+
m

j=1
R
j
x
j
Cl
j
m

i=1
r
i
MP
i
+
m

j=1
R
j
Cl
j
y

=
m

i=1
r
i
y
i
MP
i
+
m

j=1
R
j
y
j
Cl
j
m

i=1
r
i
MP
i
+
m

j=1
R
j
Cl
j
9.4.1 Utilisation de la programmation math´ematique
Pour terminer ce chapitre, nous allons illustrer, sur un exemple, l’utilit´e de la
programmation math´ematique dans les d´ecisions de localisation. Les diff´ erentes
donn´ees du probl` eme sont reprises aux tableaux 9.3 et 9.4. Les coˆ uts de transport
entre les diff´ erentes usines et les diff´ erents clients sont donn´es en EURO par kg.
Les demandes des clients sont donn´ees en millions de kg par jour. Les coˆ uts de
production sontdonn´es enEUROpar kg. Les capacit´es deproduction sont donn´ ees
en millions de kg par jour.
Vers le Coˆ ut de l’usine (EURO/kg) Demande du client
le client A B C (10
6
kg/jour)
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
Tableau 9.3: Coˆ uts de transport et demandes
On veut d´eterminer le plan de distribution qui minimise les coˆ uts de production
et les coˆ uts de transport.
Section 9.4. D´ecisions de localisation 149
Usine A B C
Coˆ ut de production (EURO/kg) 0,347 0,326 0,351
Capacit´e de production (10
6
kg/jour) 1,8 4 1,6
Tableau 9.4: Coˆ uts et capacit´ es de production
Nous allons formuler le probl`eme comme un probl` eme de programmation
math´ematique :
• Choix des variables. Notons x
ij
, le nombre de millions de kg produits ` a
l’usine i et livr´ es au client j.
• Expression de l’objectif. Il s’exprime simplement par :
min
3

i=1
10

j=1
c
ij
x
ij
avec c
ij
, le coˆ ut de fourniture d’un million d’unit´ es de l’usine i vers le client
j. Ce coˆ ut est la somme du coˆ ut de production et du coˆ ut de transport.
• Expression des contraintes. Elles sont de deux types :
– “Respecter la capacit´ e de l’usine i, soit CAP
i
” :
10

j=1
x
ij
≤ CAP
i
– “Satisfaire la demande du client j, soit DEM
j
” :
3

i=1
x
ij
= DEM
j
La solution optimale peut ˆ etre trouv´ee par l’algorithme du Simplexe puisqu’il
s’agit d’un probl`eme purement lin´ eaire. Examinons maintenant le probl`eme de la
localisation d’une nouvelle usine. Supposons que l’usine Cdoive ˆ etre remplac´ee.
Les alternatives possibles sont :
1. Accroˆıtre l’usine B ` a 6 millions de kg par jour.
2. Construire une nouvelle C de 2 millions de kg/jour.
3. Construire une nouvelle C de 4 millions de kg/jour.
150 Chapitre 9. Conception d’un centre de production
Les alternatives coˆ ut fixe coˆ ut marginal
6 millions B 18 millions EURO 0,326
2 millions C 18 millions EURO 0,335
4 millions C 34 millions EURO 0,320
Tableau 9.5: Donn´ees de coˆ ut des alternatives
Leurs coˆ uts respectifs sont donn´es au tableau 9.5.
Effectuons une comparaison des 3 alternatives et de la situation actuelle. Il
s’agit de r´esoudre successivement quatre probl`emes lin´ eaires not´ es (LP1) ` a (LP4)
au tableau 9.6. Dans la colonne “coˆ ut journalier”, on donne la somme du coˆ ut de
production et du coˆ ut de transport, hors frais fixes d’investissement.
Les alternatives coˆ ut journalier coˆ ut fixe
(LP1) situation actuelle 2 561 600
(LP2) 6 millions B 2 547 300 18 millions
(LP3) 2 millions C 2 533 100 18 millions
(LP4) 4 millions C 2 469 700 34 millions
Tableau 9.6: Donn´ees de coˆ ut des alternatives
Une premi` ere conclusion qui peut ˆ etre tir´ee de ce tableau est que (LP2) peut
ˆ etre ´ elimin´ e car ayant un coˆ ut fixe identique ` a celui de (LP3), une alternative qui
a un coˆ ut journalier inf´ erieur. Calculons l’´economie de (LP3) sur 300 jours de
production par rapport ` a la situation actuelle :
(2 561 600 −2 533 100) ×300 = 8 555 000
Soit une ´ economie de 8,555 millions par an pour un investissement initial de 18
millions d’EURO. Cet investissement est certainement rentable, quel que soit le
facteur d’actualisation.
Calculons maintenant l’´ economie additionnelle de (LP4) par rapport ` a (LP3) :
(2 533 100 −2 469 700) ×300 = 19 020 000
Soit un ´ economie additionnelle de 19,020 millions par an pour un investissement
additionnel de 16 millions d’EURO. A nouveau, cet investissement est hautement
profitable. On choisira donc la solution (LP4) : construire la nouvelle usine C ` a 4
millions de kg par jour.
Remarquons que, dans la solution de (LP4), l’usine A n’est plus utilis´ ee du
tout et peut ˆ etre ferm´ ee.
Section 9.4. D´ecisions de localisation 151
9.4.2 Utilisation de variables binaires
Enfin, terminons ce chapitre en illustrant l’importance de l’utilisation de variable
binaires dans les d´ecisions de choix de capacit´e. Prenons l’exemple de l’ouver-
ture ´ eventuelle d’une nouvelle usine D de 2 millions de capacit´ e. La d´ecision
d’ouverture de la nouvelle usine peut ˆ etre mod´elis´e par la variable binaire :
y
4
∈ {0, 1}
avec y
4
valant 1 si l’usine D est ouverte et z´ ero sinon.
Cette variable binaire interviendra dans la contrainte de capacit´ e de la nouvelle
usine comme suit :
10

j=1
x
4j
≤ 2y
4
En effet, si l’usine D est ferm´ ee, le membre de droite est nul et rien ne peut sortir
de l’usine.
Cette variable interviendra aussi dans la fonction objectif. En effet, ` a la somme
des coˆ uts de transport, on peut ajouter le coˆ ut fixe du nouvel investissement. Ceci
conduit ` a l’expression suivante pour l’objectif :
minz =
4

i=1
10

j=1
c
ij
x
ij
+
4

i=2
K
i
y
i
o` u K
i
est le coˆ ut fixe d’ouverture de l’usine i.
Remarquez aussi que les variable binaires peuvent ˆ etre utilis´ees pour d´ecider
du niveau de la capacit´e d’une nouvelle usine parmi un nombre discret de valeurs
possibles. Ainsi, si l’usine D peut avoir comme capacit´ e 2 millions ou 5 millions
d’unit´es, on peut ´ ecrire :
10

j=1
x
4j
≤ 2y
4
+ 5y

4
avec la contrainte suppl´ementaire que
y
4
+y

4
= 1,
ce qui va assurer qu’une seule des deux capacit´ es est s´electionn´ ee.
Remarquez enfin que l’utilisation de variables binaire conduit ` a un probl` eme en
nombres entiers. Il s’agit d’un probl`eme plus difficile ` a r´ esoudre que lesprobl`emes
lin´eaires (LP1) ` a (LP4). Il peut ˆ etre r´esolu par application d’une m´ ethode de
programmation en nombres entiers telle que la m´ ethode de “branch and bound”.
152 Chapitre 9. Conception d’un centre de production
9.5 Exercices
9.1. Equilibrage d’une chaˆıne. Pour l’exemple de la section 9.2.2,
(a) au moyen d’un heuristique au choix, d´eterminer une r´epartition entre
7 op´erateurs de temps de cycle maximum de 18 minutes.
(b) calculer le retard d’´equilibre de la chaˆ ıne ainsi obtenue.
9.2. Montage en chaˆıne d’une lampe. Le montage d’une lampe de bureau
n´ecessite la r´ealisation de7 tˆ aches(not´ees A ` aG) dont lestemps ´ el´ ementaires
demontage sontdonn´esendeuxi`eme colonnedu tableau9.7. Les contraintes
d’ant´eriorit´e sont donn´ees en troisi` eme colonne du tableau 9.7. L’objectif
de production est de 9 000 lampes par mois. Un mois est constitu´e de 20
jours de 8 heures par jour (60 secondes par minute).
Tˆache Temps (secondes) Pr´ealables
A 22 -
B 14 A
C 27 -
D 40 B,C
E 9 -
F 41 D,E
G 12 F
Tableau 9.7: Montage de lampes ` a la chaˆıne.
(a) D´eterminez le temps maximum de cycle de la chaˆ ıne d’assemblage
pour respecter cet objectif. Autrement dit, une lampe doit sortir de la
chaˆıne toute les c secondes pour respecter cet objectif. On demande de
d´eterminer c.
(b) Repr´esentez sur un graphique de r´ eseau les relations d’ant´eriorit´e.
(c) Calculez le SCORE 2 pour chacune des tˆaches de montage. Pour
rappel, le SCORE 2 est la somme du temps de la tˆ ache et de toutes les
tˆaches qui la suivent.
(d) En utilisant ce SCORE 2, d´ eterminez, en utilisant l’heuristique vue au
cours, une affectation des 7 tˆ aches aux postes de travail successifs de
la chaˆ ıne.
(e) Calculez le retard d’´equilibre de votre solution.
Section 9.5. Exercices 153
9.3. Choix d’une capacit´e. Pour les donn´ees d’investissement de la section 9.3
mais avec une probabilit´e de succ`es du produit de 50 %,
(a) recalculer les valeurs pr´esentes nettes des trois investissements;
(b) expliquer pourquoi la d´ecision optimale change;
(c) illustrer l’importance de faire une analyse de sensibilit´e ` a cette proba-
bilit´e de succ`es.
9.4. Restructuration d’un groupe sid´erurgique. Un groupe sid´erurgique, vu
l’exc` es structurel de capacit´ e, d´ecide de restructurer sa filiale de produc-
tion de coke. Cette filiale travaille uniquement pour 4 gros clients situ´es ` a
Bruxelles, Charleroi, Namur et Ostende, respectivement. Actuellement, la
demande de ses clients est satisfaite ` a partir de 3 usines situ´ees ` a Anvers,
Li`ege et Mons, respectivement. Les coˆ uts de transport d’une tonne de coke
entre les usines et les villes sont donn´es au tableau 9.8.
Coˆ ut de transport Bruxelles Charleroi Namur Ostende
Anvers 100 150 180 90
Li`ege 120 170 80 210
Mons 70 30 90 140
Tableau 9.8: Coˆ uts unitaires de transport.
Les capacit´es annuelles existantes de ces usines sont de 55, 35 et 40 mil-
lions de tonnes respectivement. La fermeture d’une des usines deproduction
repr´esente un coˆ ut (correspondant ` a une demi ann´ee de salaires) de 25 mil-
lions d’EURO pour Anvers, de 15 pour Li`ege et de 15 pour Mons. Ce coˆ ut
est ` a comparer au coˆ ut de paiement des salaires si l’on maintient l’usine
en activit´ e (50, 30 et 30 millions d’EURO respectivement). Le directeur
examine les fiches de commandes des derni` eres ann´ees et estime que, pour
l’ann´ee prochaine, il devra livrer 20, 12, 9 et 14 millions de tonnes de coke
` a ses quatre clients.
Sachantquel’approvisionnementd’unclientpeutsefaire ` apartirdeplusieurs
usines, lafirme doitd´eterminer quelles usines elle maintientouvertes l’ann´ ee
prochainedemani`ere ` aminimiserlasomme descoˆutsdefermeture, descoˆuts
salariaux des usines maintenues en activit´ e et des coˆ uts de transport vers les
clients.
Formulez math´ematiquement le probl`eme.
154 Chapitre 9. Conception d’un centre de production
9.5. Optimisation deflux de transports. L’entrepriseBˆatimentTravaux Publics
Nantes Atlantique a 3 chantiers en cours : C1, C2, C3. Elle poss`ede 2 unit´es
de production de b´eton, B1 et B2, et 2 carri`eres, G1 et G2, o` u sont produits
les gravillons qui entrent dans la fabrication du b´eton. Si la production
interne ne suffit pas, il est possible de faire appel ` a la sous-traitance pour la
production de gravillons (unit´ e G3) et/ou pour la production de b´eton (unit´ e
B3). Dans la mesure du possible, on ´ evite d’utiliser la sous-traitance. Il
faut 1/2 tonne de gravillons pour 1 tonne de b´eton. Les quantit´es de b´eton ` a
fournir dans la p´eriode aux chantiers C1, C2 et C3 sont respectivement 100,
200 et 130 tonnes. Les capacit´ es de production en gravillons des unit´ es G1
et G2 sont respectivement 75 et 60 tonnes pendant la p´eriode. La carri` ere
du sous-traitant G3 peut fournir 100 tonnes au maximum. Les capacit´es
de production en b´eton des unit´es B1 et B2 sont respectivement de 60 et
120 tonnes. Le sous-traitant B3 a une capacit´e de 600 tonnes pendant la
mˆeme p´eriode. Les centrales ` a b´eton B1, B2 et B3 utilisent uniquement les
gravillons provenant de G1, G2 ou G3.
EURO/tonne vers B1 vers B2 vers B3
de G1 100 80 85
de G2 60 70 65
de G3 120 180 140
Tableau 9.9: Coˆ uts de transport des gravillons
Les coˆ uts de transport unitaire (en EURO/tonne) des gravillons sont donn´es
` a la table 9.9 tandis que les coˆ uts de transport unitaire (en EURO/tonne) des
b´etons sont donn´es ` a la table 9.10.
EURO/tonne vers C1 vers C2 vers C3
de B1 40 50 60
de B2 25 30 30
de B3 40 45 60
Tableau 9.10: Coˆ uts de transport des b´etons
On veut d´eterminer comment satisfaire les commandes accept´ees ` a coˆ ut de
transport minimum, tout en n’ayant recours ` a la sous-traitance que pour les
capacit´es manquantes de fa¸ con interne. Formulez le probl`eme.
Bibliographie
[1] BAGLIN G´ erard, Olivier BRUEL, Alain GARREAU, Michel GREIF et
Christian VAN DELFT, Management Industriel et Logistique, Economica,
Paris, 1996.
[2] BROOKE Anthony, David KENDRICK et Alexander MEERAUS, GAMS
User’s guide Release 2.25, The Scientific Press, San Francisco, 1992.
[3] CHV
´
ATALVa˘ sek, Linear Programming, Freeman and Company, 1983.
[4] EXCEL, Guide de l’utilisateur, Microsoft, 1992.
[5] GIARD Vincent, Gestion de la production, Economica, Paris, 1988.
[6] GUERRIEN Bernard, Initiation aux math´ ematiques, Economica, 1991.
[7] F.S. HILLIER et G.S. LIEBERMAN, Introduction to Operations Research,
6`eme ´ edition, Mac Graw-Hill International Editions, Singapour, 1995.
[8] LACAZE Dominique, Optimisation appliqu´ee ` a la gestion et ` a l’´ economie,
Economica, 1990.
[9] D. G. LUENBERGER, Linear and NonlinearProgramming, Addison-Wesley,
1984.
[10] J.O. MACCLAIN, L.J. THOMAS et J.B. MAZZOLA, Operations Manage-
ment: Production of Goods and Services, Prentice Hall, 1992.
[11] NEMHAUSER, G.L. et L.A. WOLSEY, Integer and Combinatorial Optimi-
zation, Wiley, New York, 1988.
[12] Y. NORBERT, R. OUELLET et R. PARENT, La recherche op´ erationnelle,
Ga¨etan Morin Editeur, Montr´eal-Paris, 1995.
[13] SIMMONARD Michel, La programmation lin´ eaire, Dunod 1972.
[14] M.P. WILLIAMS, Model building in Mathematical Programming, John Wi-
ley, 1990.
155
156 Bibliographie
[15] M.P.WILLIAMS, ModelsolvinginMathematicalProgramming , JohnWiley,
1992.
[16] XPRESS-MP, User Guide and Reference Manual, Release 10, Dash Asso-
ciate, 1997.
Annexe A
Formulaire pour la gestion de production
A.1 La gestion calendaire de stock
Coˆ ut de gestion :
C(S) = c
p
I
p
(S) +c
r
I
r
(S) +c
c
1
avec I
p
(S) = stock moyen poss´ed´e :
I
p
(S) = S −
¯
X +I
r
(S) (cas de stock ` a rotation nulle)
I
p
(S) = S −
¯
X
2
+
I
r
(S)
2
(cas de stock ` a rotation non nulle)
et I
r
(S) = nombre moyen de demandes non satisfaites :
I
r
(S) = λP(X > S −1) −SP(X > S) si X ∼Poisson(λ)
I
r
(S) = σ [f(t
S
) −t
S
P(t > t
S
)] si X ∼ N(µ, σ)
avec :
t
S
=
S −
¯
X
σ
et f(t
S
) =
e
−t
2
S
/2


Politique optimale en stock ` a rotation nulle :
S

tel que P(X > S

) <
c
p
c
p
+c
r
< P(X > S

−1) si X ∼ Poisson(λ)
S

tel que P(X > S

) =
c
p
c
r
+c
p
si X ∼ N(µ, σ)
Politique optimale en stock ` a rotation non nulle :
S

tel que P(X > S

) <
c
p
c
r
+
c
p
2
< P(X > S

−1) si X ∼ Poisson(λ)
S

tel que P(X > S

) =
c
p
c
r
+
c
p
2
si X ∼ N(µ, σ)
157
158 Annexe A. Formulaire pour la gestion de production
Cons´equences ´ economiques du choix optimal :
• coˆ ut de gestion :
C(S

) = c
r
I
r
(S

) +c
p
I
p
(S

) +c
c
1
• marge nette moyenne :
B(S

) = m
u
¯
X −C(S

)
avec m
u
, la marge unitaire.
A.2 La gestion par point de commande
A.2.1 Cas de l’univers certain.
Coˆ ut de gestion en univers certain :
C(q) = c
c
I
c
(q) +c
p
I
p
(q)
Niveau optimal de commande :
q

=
¸
2c
c
D
c
p
o` u D est la demande annuelle,
et c
p
, le coˆ ut unitaire de possession durant un an en stock.
Point de commande :
s = DL
avec L = d´elai d’approvisionnement, exprim´ e en ann´ee.
Cons´equences du choix optimal :
I
c
(q), le nombre moyen de commande par an donn´ e par :
I
c
(q) =
D
q

I
p
(q), le stock moyen poss´ed´ e donn´e par :
I
p
(q) =
q

2
Section A.2. La gestion par point de commande 159
A.2.2 Cas d’une demande al´ eatoire
La quantit´e optimale ` a commander q

est d´etermin´ee en arbitrant entre le coˆ ut
de commande et le coˆ ut de possession :
q

=
¸
2c
c
D
c
p
` a partir de D, la demande moyenne annuelle donn´ee par :
D = λ si X ∼ Poisson(λ)
D = µ si X ∼ N(µ, σ)
Le point de commande s

est d´etermin´e en arbitrant entre le coˆ ut de rupture et le
coˆ ut de possession en utilisant la gestion calendaire pendant le d´elai d’obtention :
s

tel que P(X
L
> s

) <
c

p
c
r
+
c

p
2
< P(X
L
> s

−1) si X
L
∼ Poisson(λ
L
)
s

tel que P(X
L
> s

) =
c

p
c
r
+
c

p
2
si X
L
∼ N(µ
L
, σ
L
)
avec X
L
, la demande durant le d´elai d’obtention L
et c

p
, le coˆ ut unitaire de possession entre deux commandes :
c

p
= c
p
q

D
.
Cons´equences du choix optimal :
• Le stock de s´ ecurit´ e est la diff´ erence entre le point de commande et la de-
mande moyenne durant L :
s

−DL
• Le nombre moyen de commandes :
I
c
(q

) =
D
q

• Le nombre moyen de ruptures par commande, not´ e I
c
r
, se calcule par :
I
c
r
(s

) = λP(X
L
> s

−1) −s

P(X
L
> s

) si X
L
∼ Poisson(λ
L
)
I
c
r
(s

) = σg(t
s
) si X
L
∼ N(µ
L
, σ
L
)
d’o` u le nombre moyen de ventes manqu´ees par an, I
r
(s

, q

), donn´e par :
I
r
(s

, q

) = I
c
(q

)I
c
r
(s

).
160 Annexe A. Formulaire pour la gestion de production
• Le stock moyen poss´ ed´ e en cas de ventes manqu´ ees perdues :
I
p
(s

, q

) =
q

2
+ (s

−DL) +
I
c
r
(s

)
2
,
o` u I
c
r
(s

) note les ruptures par cycle (durant le d´elai d’obtention).
• Le stock moyen poss´ ed´ e en cas de ventes manqu´ ees diff´ er´ ees :
I
p
(s

, q

) =
q

2
+ (s

−DL) +
DL
2q

I
c
r
(s

),
o` u I
c
r
(s

) note les ruptures par cycle (durant le d´elai d’obtention).
• Le coˆ ut de gestion annuel est le suivant :
C(s

, q

) = c
c
I
c
(q

) +c
p
I
p
(q

, s

) +c
r
I
r
(s

, q

)
• La marge nette moyenne annuelle est obtenue en soustrayant ` a la marge
annuelle sur la demande moyenne le coˆ ut de gestion annuel :
B(s

, q

) = m
u
D −C(s

, q

).
A.3 Equilibrage d’une chaˆ ıne de production
Le retard d’´ equilibre :
RE =
nc −T
nc
avec n = nombre de postes de travail,
c = temps d’un cycle,
T = temps total requis par un article.
A.4 Calcul d’annuit´es
n

t=1
_
1
1 +i
_
t
=
_
1 −(1 + i)
−n
i
_
avec n = nombre d’ann´ees,
i = taux d’actualisation annuel.
Annexe B
Tables pour la gestion de stocks
B.1 Table de la loi Poisson(λ)
λ
x 0,05 0,1 0,15 0,2 0,25 0,3 0,35 0,4 0,45 0,5
0 0,0488 0,0952 0,1393 0,1813 0,2212 0,2592 0,2953 0,3297 0,3624 0,3935
1 0,0012 0,0047 0,0102 0,0175 0,0265 0,0369 0,0487 0,0616 0,0754 0,0902
2 0,0000 0,0002 0,0005 0,0011 0,0022 0,0036 0,0055 0,0079 0,0109 0,0144
3 0,0000 0,0000 0,0000 0,0001 0,0001 0,0003 0,0005 0,0008 0,0012 0,0018
4 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0001 0,0001 0,0002
5 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000
Donne la probabilit´e P[Poisson(λ) > x]
161
162 Annexe B. Tables pour la gestion de stocks
λ
x 0,55 0,6 0,65 0,7 0,75 0,8 0,85 0,9 1 1,5
0 0,4231 0,4512 0,4780 0,5034 0,5276 0,5507 0,5726 0,5934 0,6321 0,7769
1 0,1057 0,1219 0,1386 0,1558 0,1734 0,1912 0,2093 0,2275 0,2642 0,4422
2 0,0185 0,0231 0,0283 0,0341 0,0405 0,0474 0,0549 0,0629 0,0803 0,1912
3 0,0025 0,0034 0,0044 0,0058 0,0073 0,0091 0,0111 0,0135 0,0190 0,0656
4 0,0003 0,0004 0,0006 0,0008 0,0011 0,0014 0,0018 0,0023 0,0037 0,0186
5 0,0000 0,0000 0,0001 0,0001 0,0001 0,0002 0,0003 0,0003 0,0006 0,0045
6 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0001 0,0009
7 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0002
8 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000
Donne la probabilit´e P[Poisson(λ) > x]
Section B.1. Table de la loi Poisson(λ) 163
λ
x 2 2,5 3 3,5 4 4,5 5 5,5 6 6,5
0 0,8647 0,9179 0,9502 0,9698 0,9817 0,9889 0,9933 0,9959 0,9975 0,9985
1 0,5940 0,7127 0,8009 0,8641 0,9084 0,9389 0,9596 0,9734 0,9826 0,9887
2 0,3233 0,4562 0,5768 0,6792 0,7619 0,8264 0,8753 0,9116 0,9380 0,9570
3 0,1429 0,2424 0,3528 0,4634 0,5665 0,6577 0,7350 0,7983 0,8488 0,8882
4 0,0527 0,1088 0,1847 0,2746 0,3712 0,4679 0,5595 0,6425 0,7149 0,7763
5 0,0166 0,0420 0,0839 0,1424 0,2149 0,2971 0,3840 0,4711 0,5543 0,6310
6 0,0045 0,0142 0,0335 0,0653 0,1107 0,1689 0,2378 0,3140 0,3937 0,4735
7 0,0011 0,0042 0,0119 0,0267 0,0511 0,0866 0,1334 0,1905 0,2560 0,3272
8 0,0002 0,0011 0,0038 0,0099 0,0214 0,0403 0,0681 0,1056 0,1528 0,2084
9 0,0000 0,0003 0,0011 0,0033 0,0081 0,0171 0,0318 0,0538 0,0839 0,1226
10 0,0000 0,0001 0,0003 0,0010 0,0028 0,0067 0,0137 0,0253 0,0426 0,0668
11 0,0000 0,0000 0,0001 0,0003 0,0009 0,0024 0,0055 0,0110 0,0201 0,0339
12 0,0000 0,0000 0,0000 0,0001 0,0003 0,0008 0,0020 0,0045 0,0088 0,0160
13 0,0000 0,0000 0,0000 0,0000 0,0001 0,0003 0,0007 0,0017 0,0036 0,0071
14 0,0000 0,0000 0,0000 0,0000 0,0000 0,0001 0,0002 0,0006 0,0014 0,0030
15 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0001 0,0002 0,0005 0,0012
16 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0001 0,0002 0,0004
17 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0001 0,0002
18 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0001
19 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000
Donne la probabilit´e P[Poisson(λ) > x]
164 Annexe B. Tables pour la gestion de stocks
λ
x 7 7,5 8 8,5 9 9,5 10 11 12 13
0 0,9991 0,9994 0,9997 0,9998 0,9999 0,9999 1,0000 1,0000 1,0000 1,0000
1 0,9927 0,9953 0,9970 0,9981 0,9988 0,9992 0,9995 0,9998 0,9999 1,0000
2 0,9704 0,9797 0,9862 0,9907 0,9938 0,9958 0,9972 0,9988 0,9995 0,9998
3 0,9182 0,9409 0,9576 0,9699 0,9788 0,9851 0,9897 0,9951 0,9977 0,9989
4 0,8270 0,8679 0,9004 0,9256 0,9450 0,9597 0,9707 0,9849 0,9924 0,9963
5 0,6993 0,7586 0,8088 0,8504 0,8843 0,9115 0,9329 0,9625 0,9797 0,9893
6 0,5503 0,6218 0,6866 0,7438 0,7932 0,8351 0,8699 0,9214 0,9542 0,9741
7 0,4013 0,4754 0,5470 0,6144 0,6761 0,7313 0,7798 0,8568 0,9105 0,9460
8 0,2709 0,3380 0,4075 0,4769 0,5443 0,6082 0,6672 0,7680 0,8450 0,9002
9 0,1695 0,2236 0,2834 0,3470 0,4126 0,4782 0,5421 0,6595 0,7576 0,8342
10 0,0985 0,1378 0,1841 0,2366 0,2940 0,3547 0,4170 0,5401 0,6528 0,7483
11 0,0533 0,0792 0,1119 0,1513 0,1970 0,2480 0,3032 0,4207 0,5384 0,6468
12 0,0270 0,0427 0,0638 0,0909 0,1242 0,1636 0,2084 0,3113 0,4240 0,5369
13 0,0128 0,0216 0,0342 0,0514 0,0739 0,1019 0,1355 0,2187 0,3185 0,4270
14 0,0057 0,0103 0,0173 0,0274 0,0415 0,0600 0,0835 0,1460 0,2280 0,3249
15 0,0024 0,0046 0,0082 0,0138 0,0220 0,0335 0,0487 0,0926 0,1556 0,2364
16 0,0010 0,0020 0,0037 0,0066 0,0111 0,0177 0,0270 0,0559 0,1013 0,1645
17 0,0004 0,0008 0,0016 0,0030 0,0053 0,0089 0,0143 0,0322 0,0630 0,1095
18 0,0001 0,0003 0,0007 0,0013 0,0024 0,0043 0,0072 0,0177 0,0374 0,0698
19 0,0000 0,0001 0,0003 0,0005 0,0011 0,0020 0,0035 0,0093 0,0213 0,0427
20 0,0000 0,0000 0,0001 0,0002 0,0004 0,0009 0,0016 0,0047 0,0116 0,0250
21 0,0000 0,0000 0,0000 0,0001 0,0002 0,0004 0,0007 0,0023 0,0061 0,0141
22 0,0000 0,0000 0,0000 0,0000 0,0001 0,0001 0,0003 0,0010 0,0030 0,0076
23 0,0000 0,0000 0,0000 0,0000 0,0000 0,0001 0,0001 0,0005 0,0015 0,0040
24 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0002 0,0007 0,0020
25 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0001 0,0003 0,0010
26 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0001 0,0005
27 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0001 0,0002
28 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0001
29 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000
Donne la probabilit´e P[Poisson(λ) > x]
Section B.1. Table de la loi Poisson(λ) 165
λ
x 14 15 16 17 18
0 1,0000 1,0000 1,0000 1,0000 1,0000
1 1,0000 1,0000 1,0000 1,0000 1,0000
2 0,9999 1,0000 1,0000 1,0000 1,0000
3 0,9995 0,9998 0,9999 1,0000 1,0000
4 0,9982 0,9991 0,9996 0,9998 0,9999
5 0,9945 0,9972 0,9986 0,9993 0,9997
6 0,9858 0,9924 0,9960 0,9979 0,9990
7 0,9684 0,9820 0,9900 0,9946 0,9971
8 0,9379 0,9626 0,9780 0,9874 0,9929
9 0,8906 0,9301 0,9567 0,9739 0,9846
10 0,8243 0,8815 0,9226 0,9509 0,9696
11 0,7400 0,8152 0,8730 0,9153 0,9451
12 0,6415 0,7324 0,8069 0,8650 0,9083
13 0,5356 0,6368 0,7255 0,7991 0,8574
14 0,4296 0,5343 0,6325 0,7192 0,7919
15 0,3306 0,4319 0,5333 0,6285 0,7133
16 0,2441 0,3359 0,4340 0,5323 0,6249
17 0,1728 0,2511 0,3407 0,4360 0,5314
18 0,1174 0,1805 0,2577 0,3450 0,4378
19 0,0765 0,1248 0,1878 0,2637 0,3491
20 0,0479 0,0830 0,1318 0,1945 0,2693
21 0,0288 0,0531 0,0892 0,1385 0,2009
22 0,0167 0,0327 0,0582 0,0953 0,1449
23 0,0093 0,0195 0,0367 0,0633 0,1011
24 0,0050 0,0112 0,0223 0,0406 0,0683
25 0,0026 0,0062 0,0131 0,0252 0,0446
26 0,0013 0,0033 0,0075 0,0152 0,0282
27 0,0006 0,0017 0,0041 0,0088 0,0173
28 0,0003 0,0009 0,0022 0,0050 0,0103
29 0,0001 0,0004 0,0011 0,0027 0,0059
30 0,0001 0,0002 0,0006 0,0014 0,0033
31 0,0000 0,0001 0,0003 0,0007 0,0018
32 0,0000 0,0000 0,0001 0,0004 0,0010
33 0,0000 0,0000 0,0001 0,0002 0,0005
34 0,0000 0,0000 0,0000 0,0001 0,0002
35 0,0000 0,0000 0,0000 0,0000 0,0001
36 0,0000 0,0000 0,0000 0,0000 0,0001
37 0,0000 0,0000 0,0000 0,0000 0,0000
166 Annexe B. Tables pour la gestion de stocks
B.2 Table de la loi normale Z ∼ N(0, 1)
P z
j
z
i
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
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 probabilit´e P(Z > z
i
+z
j
)
Section B.3. Table pour le calcul de I
r
(S) 167
B.3 Table pour le calcul de I
r
(S)
g(t
S
) t
j
t
i
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
168 Annexe B. Tables pour la gestion de stocks
g(t
S
) t
j
t
i
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(t
S
) = [f(t
S
) −t
S
P(t > t
S
)]

Table des mati` res e

1

Introduction 1.1 1.2 1.3 Objectifs du cours . . . . . . . . . . . . . . . . . . . . . . . . . D´ finition de la gestion de production . . . . . . . . . . . . . . . e 1.3.1 1.3.2 1.3.3 1.3.4 1.4 1.5 1.6

7 7 8

Classification des syst` mes productifs . . . . . . . . . . . . . . . 10 e Organisation de type s´ rie unitaire . . . . . . . . . . . . . 10 e Organisation en ateliers sp´ cialis´ s . . . . . . . . . . . . 11 e e Organisation en lignes de production . . . . . . . . . . . 11 Les industries de process . . . . . . . . . . . . . . . . . 12

Plan du cours . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12 Formulation en mod` les math´ matiques . . . . . . . . . . . . . . 12 e e Exercices de formulation . . . . . . . . . . . . . . . . . . . . . . 16

I 2

Les d´ cisions op´ rationnelles e e Ordonnancement en ateliers sp´ cialis´ s e e 2.1 2.2

19 21

Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21 Ordonnancement sur une machine . . . . . . . . . . . . . . . . . 22 2.2.1 2.2.2 Le diagramme de Gantt . . . . . . . . . . . . . . . . . . 22 La r` gle T.O.M. . . . . . . . . . . . . . . . . . . . . . . 23 e Cas o` toutes les tˆ ches sont a ex´ cuter sur A puis B . . . 25 u a ` e Cas de tˆ ches ne s’effectuant pas dans le mˆ me ordre . . . 26 a e

2.3

Ordonnancement avec deux centres de production . . . . . . . . . 25 2.3.1 2.3.2

2.4

Ordonnancement sur trois machines . . . . . . . . . . . . . . . . 28

3

. 53 D´ termination de la quantit´ economique de commande . . . . . . . . . . .5 3. . . . 33 u e 3. . .3 Les coˆ ts de possession . .4 3. . . . . . . . . . . . . . . . . . . . . .2 3. . . . . . . . . . 63 II 5 Les d´ cisions tactiques e La planification de la production 5. . . . . . . . . . 36 ` Cas d’une loi de demande continue . . . . . . . . . . . . . . . . . . . . . . . . . . .2 D´ termination de q et s . . . . . . . . . . . . . . . . . . . . .3 Introduction . .1 3. . . . . . . . . . . 35 u 3.2 65 67 Introduction . . . . . . .4 Introduction .1 3. . .3. . 51 53 La gestion par point de commande 4. . . . .4 2. . . . . . . . . . . .3. . . . 58 e 4. . . . . . . . . . . . . . . . . . . . . . 61 e ´ 4. . . . . 45 ` 3. . . . . . . .5 Exercices .4. . . . . 32 Les coˆ ts associ´ s aux stocks . . . . . . . . . 35 u Les coˆ ts de commande . . . . . 57 e Cas d’une demande al´ atoire . . . . . . . . . . . . . . . 48 e Cas d’une loi de demande discr` te . . . . . . . . . . . . . . . . . .2 3. .2 4. . . . . . 67 La planification des besoins en composants . . . . 42 e ´ Cas de stocks a rotation non nulle . . . . . . . . . . . . . . . . .4. . . . . . . . . . . . . . . . . . . . . . . . .1 5. 40 Les cons´ quences economiques de la solution optimale . . . . . . . . . .1 4. . . . . .7. . . . . . . . . . . 59 e Cons´ quences economiques du choix . . . . 30 31 La gestion calendaire de stock 3. . . . . . . . .2 D´ termination de la solution optimale . . . . . . . . . . . . . . . . .6 3. . . . . . . . . . . .7 Gestion calendaire de stock a rotation nulle . .1 3. 33 u Les coˆ ts de rupture . . . . . . .3. . . . . . 50 e 3. . . . . . .3 4. . . .5 3 Table des mati`res e Exercices . . . . . . . 54 e e´ D´ termination du point de commande . . .7. . . . .8 4 Exercices . . . . 31 Les politiques de gestion de stock . . . . . . . . . . . . . . . . 68 . . . . . . . . . . . . . . .1 4. . . . . .

. . . . 107 e ` D´ termination du nombre d’´ tiquettes . . . . . . . . . . . . . . . 105 e ` Syst` me Kanban a deux boucles . . . . . . 113 . .1 7. . . . . . . . . . . .4. . . . 103 Recherche d’un plus grande r´ activit´ . . .2. . . . . . . . . . . . . . . . . . . . . . . . . 72 5. . . .2 Augmenter la r´ activit´ du syst` me logistique . . . . . . . . . . 105 e 7. . . . . . . . . . . .3. . . .4. . .4 Le probl` me du voyageur . . . . . .3. . .3. . 71 e Utilisation en cascade de la logique de calcul . . . . . . 91 e Application a la planification de la production. . . . . . . . . . . .4 5. . . . . . . . . . .2 7. . . . . . .2. . . . 103 e e e La rationalisation de la production . . . . . . . 110 III 8 Les d´ cisions strat´ giques e e L’ordonnancement de projets 8.5 6 Ajustement charge-capacit´ . . . . . . . . . .3 7. . 75 e Exercices . 93 ` Exercices . . . . . . . . . . . . . . . . . . 70 5. . . . . . . 104 e 7. . . . . . . . . . . . .2 Origine et principe du JAT .3. . . . . . . . . . . . . . . . . . . . .2 7. . . . . . . . . .4 La m´ thode Kanban . . . . . . . . .1 111 113 Introduction . . . . . . . . .3 6. . . . . . 108 e e 7. . . 101 Les deux approches du JAT . . . . . .1 7. . . . . . . . . . .1 6. . . . . . . 87 e Un probl` me d’affectation de ressources rares . .1 5. . . . . . . . . . . .2 6. . . . . . . . . . . . . .1 7. . . . 6. . . . . . . . . . . . .3 Les facteurs cl´ s du JAT . . . . . . . . . 103 7. . 99 101 7 Les techniques de juste a temps ` 7. . . . . . . 104 e e Maˆtrise des al´ as . . .3 5 Principes de base de la MRP . . . . . . .2 5. . . . . .3. 104 ı e Syst` me Kanban a une boucle . . . 70 e D´ termination de la couverture des besoins nets . . . . . . . . . . . . .3 D´ termination des besoins nets d’un composant .4. 86 87 La programmation dynamique. . . . . . . . .Table des mati`res e 5. . . . . . . . .5 Exercice . . . . . . .1 7. . . . . . . . . . . . . .

. . . .4. . . . . . . . .1 Table de la loi Poisson(λ) .2 9. . . . . . 134 e e Configuration en ligne de production . . . . . . . . . . 160 161 B Tables pour la gestion de stocks B.2. . . . . . . . . . . . . . . . . . . . . 166 B. . . . . . . . . . . . . . .1 Cas de l’univers certain. . . . . . . .2 Introduction . . .4. . . . . . .4 8. . . . . . . . . . 152 157 A Formulaire pour la gestion de production A. . . . . . . . . . 120 L’ordonancement par la m´ thode PERT . . . .2 8. . . . . . .1 La gestion calendaire de stock . . . . . . . . . . . . 125 u Exercices . . . . . . 119 o Chemin critique et calcul des marges . . . . . . . . . . .3 8. . . . . . . . . .4 Calcul d’annuit´ s e . . . . . . 128 133 Conception d’un centre de production 9. . 122 e Prise en compte des contraintes disjonctives . . . . . . . . . . . . . . 137 Configuration a poste fixe .2 Cas d’une demande al´ atoire . . 1) . . . . . . . . . . . . . 115 e e Calcul de l’ordonnancement au plus tˆ t .2 Utilisation de la programmation math´ matique . . .4 D´ cisions de capacit´ .3 Configuration en ateliers sp´ cialis´ s . . 159 e A. 167 . . . . . . .3 Table pour le calcul de Ir (S) . .2. .7 8. . . . . . . .2.1 9. .1 9. . . . . . . . . . . . . . . . 134 9. . . . . . . . . . . 148 e Utilisation de variables binaires . . . . . . . . .3 Equilibrage d’une chaˆne de production . . . . . . . . . . . . .1 9. . . . . . . 146 e 9. . . . 143 e e D´ cisions de localisation . . . . . . . . . . . . . . . . . . . . . . . . . 124 La minimisation des coˆ ts . . . . . . . . . . . . . . . 157 A. . . . . . . . . . . . 151 9. . . . . . . . . . .2. . . . . . . . . . . . . . .6 8. . 158 A. . . . . . . . 161 B. . . . 141 ` 9. . . . . . . . . . . . . . . . . . . . . . . . . 133 Configuration d’un centre de production . . . . . . 160 ı A. . . . . . . . . . .3 9. . . . .2 Table de la loi normale Z ∼ N (0. . .5 Exercices . . . . . . . . . . . . . . . .5 8. .8 9 Table des mati`res e Formulation et repr´ sentation du probl` me . . 158 A. . . . . . . . . . . . . . . . . . . . . . . .2 La gestion par point de commande . . . . . . . . . . . . . . . . . . . .2. .6 8. . . . .

1 Objectifs du cours L’objectifducours estdedonnerune formationdebase a l’approchequantitative ` des probl` mes de gestion de l’entreprise tels que : e • la planification de la production. une e e fois le probl` me formul´ .. partant de probl` mes enonc´ s de mani` re litt´ raire. • l’ordonnancement de projets. . Une autre bonne r´ f´ rence est Lacaze [8]. • la gestion de la capacit´ . de les traa e ´ e e e duire sous formes d’´ quations math´ matiques (cfr section 1. ee 7 . . Pour ce qui est de e la formulation en mod` les math´ matiques. nous utiliserons les livres de Giard [5] et Baglin et al [1] ee pour tous les mod` les classiques de gestion de la production. Pour les techniques d’optimisation appliqu´ es aux probl` mes de e e gestion. e Comme r´ f´ rences.5 a la fin de ce e e ` chapitre). une tr` s bonne r´ f´ rence est le livre de e e e ee Williams [14]. on essayer de d´ velopper une double comp´ tence : e e • La capacit´ de formuler ces probl` mes en des mod` les math´ matiques : e e e e c’est-` -dire. souvent on tombe sur un probl` me classique (tel e e e celui de la gestion de stock). e Pour cela. • La connaissance d’outils de r´ solution de ces probl` mes : en effet. pour lequel il existe des m´ thodes de r´ solution e e adapt´ es. • la gestion des stocks.Chapitre 1 Introduction 1. nous suivrons Hillier et Liberman [7] ainsi que Norbert et al [12].

g´ n´ ralement. e En gestion de production. e D´ finition 1. La production consiste en une e transformation de ressources (humaines ou mat´ rielles) en vue de la cr´ ation de e e biens ou services : • La production d’un bien s’effectue par une succession d’op´ rations consome mant des ressources et transformant les caract´ ristiques de la mati` re.1 La gestion de la production consiste en la recherche d’une orgae nisation efficace de la production des biens et services. Pour situer ces diff´ rents probl` mes entre eux. la maintenance d’´ quipements. • La production d’un service s’effectue par une succession d’op´ rations cone sommant des ressources sans qu’il n’y ait n´ cessairement transformation e de mati` re.8 Chapitre 1. Nous verrons aussi au chapitre 9 comment optimiser le processus de fabrication. Un e e exemple classique est la production de voitures. Des exemples classiques sont la mise a disposition de produits e ` aux consommateurs (la vente). Nous verrons cependant au chapitre 8 la gestion de projets qui est souvent utilis´ e pour optimiser le processus de conception d’un nouveau e produit. e • le processus de fabrication. e e e ` Nous verrons dans ce cours un certain nombre de probl` mes types rencontr´ s en e e gestion de production. La gestion de production consiste donc a l’obtention d’un produit donn´ dont les ` e caract´ ristiques sont connues en mettant en œuvre un minimum de ressources. e On peut alors d´ finir la gestion de production comme suit. ` • la demande a satisfaire.2 D´ finition de la gestion de production e Pour pouvoir donner une d´ finition de la gestion de production. Les outils de la gestion de la production sont un ensemble de techniques ˆ d’analyse et de r´ solution des probl` mes de mani` re a produire au moindre cout. on classifie e e souvent les d´ cisions de gestion en trois classes : e . Ces trois caract´ ristiques du produit rel` vent des sciences de l’ing´ nieur et de la e e e gestion commerciale. comme donn´ es les cae e e e ract´ ristiques du produit que sont : e • la d´ finition du produit. on consid´ rera. Introduction 1. le traitement de dossier (par un notaire). il faut d’abord e d´ finir ce que l’on entend par la production.

2. Parmi ces d´ cisions. . a ` Entrent dans ces d´ cisions : e • la d´ finition du portefeuille d’activit´ s. e ` • les d´ cisions strat´ giques concernent la planification a long terme. . Les d´ cisions strat´ giques : il s’agit de la formulation de la politique a e e ` long terme pour l’entreprise (c’est-` -dire a un horizon de plus de deux ans). on trouve : e • la gestion de stocks. par le niveau d’agr´ gation : e • les d´ cisions op´ rationnelles se prennent au niveau d’un atelier. pr´ retraite. • la gestion de la main d’œuvre. e • les d´ cisions strat´ giques sont prises par la direction g´ n´ rale. par le niveau de responsabilit´ : e • les d´ cisions op´ rationnelles sont prises par les agents de maˆtrise. ´ Ces trois classes de d´ cisions de gestion de production se diff´ rencient par au e e moins trois el´ ments : ´e 1... e 3. ). e e • la d´ finition des ressources stables : aussi bien humaines (engagement. par l’horizon de temps consid´ r´ : ee • les d´ cisions op´ rationnelles se prennent au jour le jour. e e • les d´ cisions tactiques concernent la planification a 18 mois. D´finition de la gestion de production e 9 1. de fermeture. • la gestion des equipements. de cession. . 3. Il s’agit de ` produire au moindre coˆ t pour satisfaire la demande pr´ visible en s’inscriu e vant dans le cadre fix´ le plan strat´ gique de l’entreprise (donc a ressources e e ` mat´ rielles et humaines connues).Section 1. Les d´ cisions tactiques : il s’agit des d´ cisions a moyen terme parmi lese e ` quelles on trouve la planification de la production a 18 mois. e • les d´ cisions strat´ giques se prennent au niveau de l’ensemble de l’ene e treprise.2. e e e e . e e • les d´ cisions tactiques se prennent au niveau d’une usine. e e ` 2. ) que mat´ rielles (d´ cisions d’investissee e e ment. e licenciement. . dans le respect des d´ cisions ` e tactiques. e e ı • les d´ cisions tactiques sont prises par les cadres. les d´ cisions op´ rationnelles : il s’agit des d´ cisions degestion quotidienne e e e pour faire face a la demande au jour le jour.

mais.. e 1. u e d’une part. e e e e a En ce qui concerne le probl` me d’ordonnancement. e e e . • l’organisation en industries de process. . les grands travaux publics (tel que le creusement d’un tunnel sous la manche ou la construction d’un pont suspendu. le probl` me majeur est e e ´ l’arbitrage entre la recherched’un coˆ tcomp etitif et le respect des d´ lais. . l’ordonnancementdestˆaches. Eneffet. En effet.2 La production de type “s´ rie unitaire” est une production mobilie e sant sur une p´ riode assez longue l’essentiel des ressources d’une entreprise pour e r´ aliser un nombre tr` s limit´ de projets.1 Organisation de type s´ rie unitaire e D´ finition 1. Mais. il influence les coˆ ts dans la mesure o` une mauvaise coordination u u s’accompagne souvent de chˆ mage technique pour certaines ressources et du paieo ment de p´ nalit´ s pour non respect des d´ lais. comme nous le verrons e a e au chapitre 8. le type de ressources a mettre en œuvre et le probl` me principal de leur utilisation. e • l’organisation en ateliers sp´ cialis´ s. e e e Comme exemples. En ce qui concerne les ressources mobilis´ es. e e • l’organisation en ligne de production. ` Nous examinerons dans chaque cas. e Danslesdeuxcas. en quelques exemplaires).10 Chapitre 1. non seulement l’ordre e a d’ex´ cution des tˆ ches d´ termine la date de livraison. le plus souvent. ).3 Classification des syst` mes productifs e On peut classer les modes d’organisation de la production en quatre grandes classes : • l’organisation en s´ rie unitaire. le coˆ t des ressources est g´ n´ ralement u e e croissant avec leur niveau d’utilisation : la location de machines suppl´ mentaires e et l’engagement d’int´ rimaires coˆ tent g´ n´ ralement plus cher que l’utilisation des e u e e ressources propres de l’entreprise. c’est-` -direlad´etermination a de l’ordre d’ex´ cution des tˆ ches) est essentiel. d’autre part. Introduction 1. Nous verrons cela en d´ tails au chapitre 8. on peut citer la construction de navires de grande taille (qui se font.3. on fait le plus souvent appel a e ` un personnel hautement qualifi´ vu le caract` re non r´ p´ titif des tˆ ches. les commandes seront rapidement honor´ es si beaucoup de ressources e sont mises en œuvre.

• Lors de la gestion quotidienne de l’atelier. Classification des syst`mes productifs e 11 1. on peut citer un atelier d’emboutissage des tˆ les de voitures ou o un atelier de peinture dans une usine d’assemblage automobile. En ce qui concerne l’organisation efficace des e e e e e ressources. un mauvais equilibrage de e ` ´ la chaˆne entraˆnera une sous-utilisation des ressources puisque la chaˆne tourne a ı ı ı ` la vitesse de l’´ l´ ment le plus lent. Il s’agit de : la fiabilit´ de la chaˆne (un maillon d´ fectueux et toute e ı e la chaˆne s’arrˆ te) et de la fiabilit´ du syst` me d’informations.2 Organisation en ateliers sp´ cialis´ s e e D´ finition 1. ı e e e . En ce qui concerne les ressources mobilis´ es. le probl` me principal est la gestion des e coˆ ts de manutention entre les diff´ rents postes de travail. ee Deux autres probl` mes sont tr` s importants dans ce mode d’organisation de la e e production. Afin de diminuer u e ces coˆ ts on d´ termine la meilleure localisation des machines les unes par u e rapport aux autres dans l’atelier.Section 1. les equipements sont ´ g´ n´ ralement tr` s sp´ cialis´ s. la main d’œuvre est plutˆ t e o qualifi´ e et les equipements sont polyvalents. e ´ En ce qui concerne le probl` me de l’organisation efficace des ressources.3 Organisation en lignes de production D´ finition 1.3. le probl` me principal est de e d´ terminer l’ordre d’ex´ cutions des diff´ rentes tˆ ches sur une ou plusieurs e e e a machines.3. e deux probl` mes principaux sont a consid´ rer : e ` e • Lors de la conception de l’atelier. Nous verrons cela en d´ tails au chapitre 2 consacr´ a l’ordonnane e` cement en ateliers sp´ cialis´ s. on peut citer les lignes d’assemblage d’automobiles. Ceci fait appel aux m´ thodes d’agencement e dans l’espace (cfr chapitre 9 consacr´ a la configuration d’un centre de e ` production). En ce qui concerne les ressources mises en œuvre.4 On parle d’organisation en lignes de production lorsque qu’un e flux r´ gulier de produits passe d’un poste a l’autre. ´ e e e e Comme exemple. le probl` me majeur consiste en l’´ quilibrage de la chaˆne : c’est-` e e ı a dire a d´ finir les tˆ ches a r´ aliser a chaque poste de mani` re a avoir le mˆ me temps ` e a ` e ` e ` e de r´ alisation a chaque poste (cfr chapitre 9).3 On parle d’organisation en ateliers sp´ cialis´ s lorsque tous les e e e equipements assurant une fonction sp´ cialis´ e sont r´ unis en un mˆ me lieu. l’ordre de passage etant fix´ . e e 1.3. En effet. e ` ´ e Comme exemple.

on entend la repr´ sentation par des equations math´ mae e e ´ e tiques d’un probl` me de la vie r´ elle. choix de la capacit´ . a • La gestion de stocks par point de commande. . e e • L’ordonnancement en ateliers sp´ cialis´ s. . Par e e mod` le math´ matique. Il peut etre r´ solu par la programmation lin´ aire.12 Chapitre 1.5 On parle d’industries de process lorsque le mode d’organisation e est caract´ ris´ par un flux r´ gulier et important de mati` res premi` res destin´ es a e e e e e e ` etre transform´ es en mati` res plus elabor´ es. • La programmation dynamique.3.5 Formulation en mod` les math´ matiques e e Terminons ce chapitre en introduisant la notion de mod` le math´ matique.4 Les industries de process D´ finition 1. En ce qui concerne l’organisation efficace des ressources. • Conception de centres de production : localisation. lesecteurdelachimie e lourde. etc. 1. e e • La gestion de projets : application a la conception de nouveaux pro` duits. e • Les techniques de juste-` -temps. le secteur agro-alimentaire. ˆ e e ´ e Comme exemples. Nous allons illustrer la construction d’un e e . la p´ trochimie. Introduction 1. Partie III : les d´ cisions strat´ giques. le probl` me d’organisation au coˆ t minimum est e e e u g´ n´ ralement assez simple. e e ˆ e e 1. on peutciter lasid´ erurgie. Partie II : les d´ cisions tactiques.4 Plan du cours Partie I : les d´ cisions op´ rationnelles. e • La planification de la production. choix du processus. vues l’importance et la r´ gularit´ de la demande. e e • La gestion calendaire de stocks.

En ce qui concerne la troisi` me. l’usine travaille en deux pauses de huit heures par jour. La marge b´ n´ ficiaire unitaire.2: Temps de fabrication Enfin. en g´ n´ ral. Les deux premi` res etapes sont effectu´ es sur machine tandis que la e ´ e ´ Etape ´ Etape 1 ´ Etape 2 ´ Etape 3 Ressources en facteurs 3 machines 2 machines 8 personnes Tableau 1.5. le choix des variables de d´ cisions.3. Produit PROD1 PROD2 PROD3 PROD4 PROD5 Marge 550 600 350 400 200 Tableau 1. La question que se pose le gestionnaire de l’usine est la suivante. une op´ ration en trois etapes : e e e e ´ 1. ` ´ e Produit PROD1 PROD2 PROD3 PROD4 PROD5 ´ Etape 1 12 20 0 25 15 ´ Etape 2 10 8 16 0 0 ´ Etape 3 20 20 20 20 20 Tableau 1. chaque e personne travaille une pause de 8 heures par jour et ceci au maximum 6 jours par semaine. Formulation en mod`les math´matiques e e 13 mod` le math´ matique sur un exemple tr` s simplifi´ de planification de laproduce e e e tion tir´ de Williams [14].Section 1. et e ´ ceci. En ce qui concerne les e e deux premi` res etapes. Une usine peut produire cinq produits (not´ s PROD1 a e e ` PROD5). Les temps e ´ requis a chaque etape sont donn´ s pour chaque produit au tableau 1.1.3: Ressources en facteurs troisi` me ne n´ cessite que l’intervention de main d’œuvre. c’est-` -dire la diff´ rence entre le prix de e e a e vente et le coˆ t de production d’un produit. est donn´ e pour chacun des produits u e au tableau 1.1: Profit net par produit Chaque produit n´ cessite le passage par trois etapes de fabrication.2. e . au maximum six jours par semaine. Quelles sont les quantit´ s a fabriquer de chaque produit pour maximiser le profit net ? e ` La construction d’un mod` le est. il faut tenir compte des ressources en facteurs disponibles donn´ es au e tableau 1.

` Une premi` re remarque importante s’impose. il s’agit de la somme des contributions de chacune des productions au profit net de l’usine. Il y e ` e a trois machines. e e La deuxi` me etape consiste en la formulation de l’objectif. Par un raisonnement semblable pour les autres produits. ce qui donne un nombre maximum d’heures par semaine1 : 3 × (2 × 8) × 6 = 288 heures disponibles.7 L’objectif est la quantit´ que l’on veut minimiser ou maximiser. i e e allant de un a cinq. l’expression de l’objectif en fonction de ces variables. cela demande 12 x1 heures e sur la machine 1. Remarquez ici l’importance d’avoir pr´ cis´ que les quantit´ s produites e e e l’´ taient par semaine. Il est fondamental de bien e pr´ ciser les unit´ s selon lesquelles sont exprim´ es les variables. e 1 .6 On appelle variable de d´ cision toute quantit´ utile a la r´ solution e e e e du probl` me dont le mod` le d´ termine la valeur. on note simplement par xi .8 Les contraintes sont toutes les relations entre les variables qui e limitent les valeurs possibles que peuvent prendre ces variables. 3. Elle s’exprime simplement par : max z = 550x1 + 600x2 + 350x3 + 400x4 + 200x5 La troisi` me etape consiste en la formulation des contraintes. on obtient finalement la contrainte : 12x1 + 20x2 + 0x3 + 25x4 + 15x5 ≤ 288. la quantit´ du produit i fabriqu´ e par semaine. e e e Ici. e e Ici. Si x1 e ` e unit´ s de produit 1 sont produites par semaine.. Une unit´ de produit 1 demande 12 heures sur machine a l’´ tape 1. La premi` re etape consiste donc en le choix des variables de d´ cision. il y a trois contraintes : • La premi` re concerne la limite d’utilisation des machines a l’´ tape 1.. En effet.). e e e G´ n´ ralement. l’expression des contraintes en fonction de ces variables. e ´ D´ finition 1. z. Introduction 2. e ´ D´ finition 1. Ici. elles sont not´ es par les lettres de la fin de l’alphabet (x.14 Chapitre 1. e ´ e ` D´ finition 1. utilis´ es en deux pauses de huit heures et ceci au maxie mum six jours par semaine. etc. y. l’ordre e e e de grandeur des coefficients de l’objectif et des contraintes d´ pend de ces unit´ s.

x2 . x3 .c. Et donc la contrainte s’exprime comme : 20x1 + 20x2 + 20x3 + 20x4 + 20x5 ≤ 384. . Le nombre maximum d’heures prest´ es en une semaine par les e ´ e 8 hommes est de : 8 × (1 × 8) × 6 = 384 heures. g´ n´ ralement on conclut l’´ tape de construction du mod` le. Remarquons qu’il s’agit d’un programme lin´ aire car il n’y pas de terme du e 2 type x1 ou x1 x2 qui rendraient le probl` me non lin´ aire. et la contrainte s’exprime comme : 10x1 + 8x2 + 16x3 + 0x4 + 0x5 ≤ 192. x4 . . il nefaut pas oublier lescontraintes. Le nombre maximum d’heures d’utilisation vaut : e ´ 2 × (2 × 8) × 6 = 192 heures. On obtient le programme math´ matique suie vant : max z = 550x1 + 600x2                    + 350x3 + 400x4 + 200x5 12x1 + 20x2 + 10x1 + 0x3 + 25x4 + 15x5 ≤ 288 0x4 + 0x5 ≤ 192 x5 ≥ 0 s. • Enfin. en regroue e e e pant l’objectif et les contraintes. .Section 1. x2 . Remarquons egalement e e ´ que si les quantit´ s produites avaient dˆ etre enti` res (par exemple.x5 ≥ 0. • La troisi` me contrainte concerne la limite d’utilisation des hommes a la troie ` si` me etape.q.5. la production e uˆ e d’avions). Formulation en mod`les math´matiques e e 15 ` • La deuxi` me contrainte concerne la limite d’utilisation des machines a la e deuxi` me etape. Enfin. . 8x2 + 16x3 + 20x1 + 20x2 + 20x3 + 20x4 + 20x5 ≤ 384 x1 . presque toujourspr´ esentes. disant que l’on ne peut pas produire des quantit´ s n´ gatives : e e x1 . on aurait eu un programme en nombres entiers.

Leurs teneurs en Si et Mn sont reprises au tableau 1.6 % 0. Une fonderie re¸ oit e c une commande de 1000 tonnes d’acier. 2 C 1.5: Teneurs en Silicium et Mangan` se des diff´ rents minerais. minimum garanti de 5% sur un an. Un probl` me de choix d’investissements. B et C.6 Exercices de formulation Pour chacun des enonc´ s qui suivent. Un epargnant peut investir e ´ 1000 EURO. il a promis d’investir au moins 600 EURO sur B et C ensemble. Cependant.5 % C 0. 5 Tableau 1.4: Valeurs attendue et minimum garantie. e e directe de mangan` se est envisageable.45 % 0. Cet acier doit r´ pondre aux cae ract´ ristiques suivantes : il doit contenir au moins 0. L’´ e epargnant souhaite un int´ rˆ t ee Type valeur valeur d’investissement attendue garantie A 1.2.5.16 Chapitre 1.4 par EURO investi. ee 1. Pour couler cet acier. Les valeurs attendues et les valeurs minimales garanties apr` s un an sont e donn´ es au tableau 1. ils coˆ tent respectivement 21 u millions les mille tonnes pour le type A. expression de l’objectif et des contraintes). Un probl` me de chargement d’un haut fourneau.4 % Tableau 1.1.25 et 5. 25 millions par mille tonnes pour B. Si la fonderie envisage de vendre . et 15 millions par mille tonnes pour C. 4 0. Ce mangan` se est disponible au prix e e de 8 millions la tonne. Il a le choix entre trois investissements possibles : A. Quant aux minerais. 6 0. 2 1.50. Introduction 1. la fonderie dispose en quantit´ s illimit´ es de e e trois types de minerais : A. on demande de formuler math´ matiquement ´ e e le probl` me (choix des variables. e 1. Le proc´ d´ de production de l’acier est tel qu’une addition e e Minerai Si Mn A B 4% 1% 0.45 % de mangan` se e e (Mn) tandis que son pourcentage en silicium (Si) doit se situer entre 3. B et C. Comment l’´ pargnant pourrait-il e r´ partir son investissement pour maximiser la valeur attendue globale apr` s e e un an ? L’int´rˆ t minimal doit porter sur la somme disponible. 9 B 1.

sachant que le coˆ t de fonte d’une tonne de mineu rai est de 0. Exercices de formulation 17 l’acier produit 0. Lecoˆ utd’exploitation journalier d’un avion d´ pend de sa taille et de la ligne a laquelle il est affect´ . Les avions.6. sachant que les ´ ` demandes sont d´ j` connues et se chiffrent a 900. la production est de 1200 articles par e mois. En r´ gime normal. qu’ils soient du mod` le petit ou moyen. La situation est telle qu’il peut se permettre en r´ gime normal de produire moins de 1200 articles par mois.005 million ? Le coˆ t de fonte ne s’applique pas au mangan` se u e ajout´ .45 million la tonne. 1100 1700 et 1300 articles.6. Une compagnie a´ rienne ` e e r´ gionaled´ sireaffectersaflotted’avionsaux4lignesqu’elleexploite(lignes e e A. u Comment l’industriel doit-il planifier sa production pour minimiser les coˆ ts u variables. Une compagnie produit 2 denr´ es e e e p´ rissables.6: Demande et coˆ ts d’exploitation des avions par ligne u en satisfaisant la demande. Les u ˆ e e coˆ ts de stockage sont de 3 EURO par article en stock en fin de mois. dans ce cas. Cela n’aura e aucune incidence sur les coˆ ts de production.6. Ces coˆ ts e ` e u sont donn´ s au au tableau 1. c’est-` -dire les coˆ ts occasionn´ s par les heures suppl´ mentaires a u e e et le stockage ? 1. Vos variables peuventelles prendre toutes les valeurs r´ elles non n´ gatives ? e e 1. Un industriel cherche a e u ` etablir son plan de production pour les quatre mois a venir. ceux-ci etant fixes en r´ gime u ´ e normal. Formuler math´ matiquement le probl` me de la e e meilleure affectation de la flotte de cette compagnie. A l’aide d’heures suppl´ mentaires. mais l’effet sur les coˆ ts de stockage peut etre b´ n´ fique. qu’un grossiste lui ach` te au prix respectif de 42 EURO e e . B.5. Le nombre de passagers d´ sirant effectuer chaque jour un e parcours sur chaque ligne est donn´ au tableau 1.4. e 1.Section 1. Production de denr´ es p´ rissables. peuvent e effectuer un trajetaller-retour par jour. Affectation d’avions a des lignes a´ riennes. quel doit etre son plan de production ˆ pour maximiser son profit.3. On d´ sire minimiser le coˆ t d’exploitation e e u Ligne A Demande 100 Coˆ t d’un petit avion u 40 Coˆ t d’un moyen avion 200 u B C 200 150 30 70 100 300 D 300 40 350 Tableau 1. C et D). ea ` respectivement. La compagnie dispose e de deux types d’avions : 8 petits avions de 40 places et 3 avions moyens de 180 places. P et Q. un surcoˆ t a u de 7 EURO par article. mais il faut compter. ce niveau standard peut etre elev´ e ˆ ´ e jusqu’` 400 articles en plus. Un probl` me de planification sur coˆ t variable.

Le directeur des ventes remarque que.6. les denr´ es sont achemin´ es chez le e e e grossiste. 12. 9 et 14 unit´ s a quatre clients situ´ s a Bruxelles. Une firme poss` de trois usines e e situ´ es a Anvers. ` e Coˆ t de transport Bruxelles u Anvers Li` ge e Mons 100 120 70 Charleroi Namur 150 170 30 180 80 90 Ostende 90 210 140 Tableau 1. e . Les prix des composants N ` et M sont identiques et n’entrent donc pas en ligne de compte. Lorsque la production e quotidienne exc` de cette quantit´ . tout en satisfaisant les commandes ? Les coˆ ts de production sont identiques dans les trois usines et u n’entrent donc pas en consid´ ration.7. Leurs capacit´ s de proe ` e e duction mensuelles sont de 25 unit´ s pour Anvers.18 Chapitre 1. Li` ge et Mons. Consid´ rons une journ´ e o` e e e e u Produit P Q Poids de M (kg par unit´ ) e 4 2 Poids de N (kg par unit´ ) e 3 1 Poids total (kg par unit´ ) e 7 3 Tableau 1. Les ressources de la compagnie en equipement et en main d’œuvre lui permettent de traiter ´ 5 400 kg de denr´ es durant la journ´ e. Charleroi. la compagnie fait appel a un transporteur e e ` ind´ pendant. il doit livrer 20.8: Coˆ ts unitaires de transport. Les produits P et Q sont fabriqu´ s a partir de 2 composantes M et N e ` selon les proportions pr´ sent´ es au tableau 1.8. 15 pour Li` ge et 15 pour e e Mons. Probl` me de livraison de marchandises. la compagnie dispose d’une camionnette dont la capacit´ permet d’acheminer 2000 kg par jour. cela lui revient a deux e ` EURO par kilo tandis que le transporteur ind´ pendant demande trois EURO e par kilo. Si elle utilise sa propre camionnette. pour la fin du mois. Formulez le probl` me sachant que la e e e compagnie cherche a maximiser son profit net. respectivement. Pour le transport. 1. Les coˆ ts de transport d’une unit´ entre u e les usines et les clients sont a donn´ s au tableau 1.7: Composition des produits la compagnie dispose de 3 200 kg de M et de 2 400 kg de N. u Comment ce directeur doit-il organiser le transport entre les usines et les clients pour en minimiser les frais de transport. Introduction et 48 EURO l’unit´ . Chaque soir. e ` e ` Namur et Ostende respectivement.

Partie I Les d´ cisions op´ rationnelles e e

19

Chapitre 2 Ordonnancement en ateliers sp´ cialis´ s e e
2.1 Introduction

Rappelons qu’on parle d’ateliers sp´ cialis´ s lorsque l’ensemble des equipements e e ´ n´ cessaires pour assurer une fonction d´ termin´ e sont rassembl´ s dans un mˆ me e e e e e ´ cution atelier. Le probl` mede gestion quotidienne estded´eterminer l’ordred’ex e e d’un certain nombre de tˆ ches, la r´ alisation d’une tˆ che n´ cessitant le passage sur a e a e une ou plusieures machines. Par exemple, l’emboutissage de plusieurs types de porti` res de voitures dee mande le passage sur une mˆ me presse, l’ordre de passage des diff´ rents types de e e porti` res sur la presse n’´ tant pas d´ termin´ a l’avance. e e e e` Parmi les mod` les d’ordonnancement en ateliers sp´ cialis´ s, on distingue e e e • Les mod` les statiques pour lesquels on recherche l’ordonnancement optie mal d’un ensemble donn´ de tˆ ches sur une p´ riode donn´ e : autrement dit, e a e e au cours de la p´ riode consid´ r´ e, aucune nouvelle tˆ che non pr´ vue ne peut e ee a e etre prise en compte dans l’ordonnancement; ˆ • Les mod` les dynamiques d’ordonnancement qui se caract´ risent au conte e raire par des arriv´ es successives de tˆ ches, le plus souvent dans un univers e a al´ atoire. e Dans ce chapitre, nous allons nous limiter aux mod` les statiques et voir suce cessivement le probl` me d’ordonnancement sur 1 machine, sur 2 machines. Enfin, e nous verrons la g´ n´ ralisation au probl` me sur m machines dont la r´ solution e e e e demande le recours a la programmation en nombres entiers. `

21

2. Il s’agit de d´ terminer l’ordre dans lequel on va e e Tˆ che (i) a Temps op´ ratoire (ti ) e 1 2 3 80 4 5 50 150 200 30 Tableau 2. e e Un ordonnancement possible est illustr´ a la table 2.22 Chapitre 2. On a cinq tˆ ches e e a a effectuer sur la machine A.1 pour l’ordonnancement ` du tableau 2. 1 2 3 4 5 temps (heures) 3 machine A 4 1 5 2 Figure 2. le e a temps op´ ratoire total est le mˆ me : il s’agit de la somme des temps op´ ratoires. Il est clair que.1: Temps op´ ratoires (en centi` mes d’heures) e e effectuer ces diff´ rentes tˆ ches.2 Ordonnancement sur une machine Illustrons le probl` me sur l’exemple suivant tir´ de Giard [5].1: Diagramme de Gantt Le diagramme de Gantt permet de visualiser a la fois : ` . le graphique de Gantt. e` Ordre (j) Tˆ che programm´ e(i) a e Temps d’ex´ cution (Tj ) e 1 3 2 4 3 1 4 5 5 2 150 80 200 50 30 Tableau 2.2. quel que soit l’ordre choisi.2: Un ordonnancement possible 2. e e e Il faudra donc d´ finir un autre crit` re entre tous les ordonnancements possibles.1 pr´ sente les diff´ rentes tˆ ches ainsi ` e e a que leurs temps op´ ratoires. Celui-ci est construit a la figure 2. Ordonnancement en ateliers sp´cialis´s e e 2. Le tableau 2.1 Le diagramme de Gantt Illustrons tout d’abord une technique de visualisation d’un ordonnancement.2.

M. pour chaque ˆ moyen productif (ici. Un tableau mural peut etre ainsi d’un grand recours pour les agents ˆ de maˆtrise responsable de l’affectation des moyens humains et mat´ riels. e a 23 En effet.2. ı e 2. e Comme nous l’avons indiqu´ plus haut. e Si l’on veille a aligner verticalement l’origine du temps pour chaque machine. tous les ordonnancements possibles cone duisent au mˆ me temps total d’ex´ cution des tˆ ches. Ordonnancement sur une machine • l’utilisation des moyens productifs. Par exemple.2 La r` gle T. a e e A4 = T1 + T2 + T3 + T4 En g´ n´ ral : e e j Aj = h=1 Th Le calcul des diff´ rents temps d’ach` vement des tˆ ches est repris au tableau 2. mais e cela peut etre sur l’ensemble d’une semaine ou d’un mois). La question qui se pose est alors : a e e comment choisir parmi les n! ordonnancements possibles ? Notons Aj le temps d’ach` vement de la tˆ che programm´ e en position j. Chaque tˆ che a effectuer sur la machine a ` est repr´ sent´ e par un segment dont la longueur est proportionnelle a la dur´ e e e ` e d’ex´ cution de la tˆ che. il y a seulement la machine A). Ensuite. On indiquera le num´ ro de la tˆ che au dessus du segment e a e a tandis qu’une machine au repos est indiqu´ e par un Z. e e a Ordre (j) Tj Aj 1 80 80 2 200 3 50 4 30 5 150 280 330 360 510 Tableau 2.3.3: Temps d’ach` vement des tˆ ches e a . • l’avancement de l’ex´ cution des tˆ ches.2. Le e a e temps d’ach` vement d’une tˆ che est la somme des temps d’ex´ cution de la tˆ che e a e a avec ceux des tˆ ches pr´ c´ dentes. Dans l’exemple. ` une ligne verticale indique donc a tout moment a quelle tˆ che est occup´ e chacune ` ` a e des machines. une ligne horizontale illustre l’´ volution du temps (ici en heures. on trace une ligne horizontale en dessous de la ligne du temps.Section 2. l’ex´ cution e e a e des 5 tˆ ches n´ cessite 510 centi` mes d’heure.O.

. ≤ Tn En anglais. Cette application e e donne le temps d’ach` vement moyen minimum : e ¯ A = 218 Ordre (j) Tˆ ches (i) a Tj Aj 1 5 30 30 2 1 50 3 3 80 4 4 5 5 150 200 310 510 80 160 Tableau 2. o La r` gle d’ordonnancement qui minimise le temps d’ach` vement moyen est e e celle du temps op´ ratoire minimum : il s’agit d’ex´ cuter les tˆ ches par ordre e e a croissant de dur´ e : e T1 ≤ T2 ≤ . u ´e e e .4. .M. revient a minimiser le retard moyen. on parle de “SOT rule” pour “Shortest Operation Time”.O. . chaque temps op´ raee e e toire etant pond´ r´ par un facteur d’autant plus grand qu’il se trouve ex´ cut´ plus ´ ee e e tˆ t dans l’ordonnancement. Ordonnancement en ateliers sp´cialis´s e e Le temps d’ach` vement moyen vaut alors : e n 80 + 280 + 330 + 360 + 510 ¯ 1 A= Aj = = 312 5 j=1 5 En g´ n´ ral : e e 1 n ¯ A = Aj n j=1  1 n  j = Th  n j=1 h=1 =  1 n Tj (n + 1 − j) n j=1 Il s’agit donc d’une somme pond´ r´ e des temps op´ ratoires.24 Chapitre 2. le e ` retard d’une tˆ che etant la diff´ rence entre le moment o` la tˆ che est termin´ e et a ´ e u a e celui o` elle aurait et´ termin´ e si l’on l’avait commenc´ en premier lieu. . ≤ Tj ≤ .4: Application de la r` gle TOM e On peut montrer que la r` gle T. L’application de cette r` gle donne l’ordonnancement illustr´ au tableau 2.

Johnson (1954) a d´ fini l’algorithme e suivant decalcul de l’ordonnancement qui minimise le temps d’ex´ cution detoutes e les tˆ ches. On a donc e e a int´ rˆ t a mettre en fin la tˆ che de dur´ e d’ex´ cution tiB minimum. Supprimer la tˆ che i des tˆ ches encore a programmer.Section 2. a e 2. retour en 1. On va utiliser comme crit` re d’ordonnancement la minimisation du temps total e d’ex´ cution des tˆ ches sur les deux machines. a ` e 3.5. Remarquez que durant e` l’ex´ cution de la premi` re tˆ che sur A. Soient tiA et tiB . u a ` e • le cas o` toutes les tˆ ches n’ont pas le mˆ me ordre de passage sur les deux u a e machines.3. lors de e a c l’ex´ cution de la derni` re tˆ che sur la machine B. placer cette tˆ che a la derni` re place disponible.2. placer cette tˆ che a la premi` re place disponible. e e Tˆ ches (i) a tiA tiB 1 50 60 2 150 50 3 80 150 4 200 70 5 30 200 Tableau 2. L’algorithme de Johnson (1954) remplit progressivement un tableau a d’affectation comme suit : 1. Les a ` e temps op´ ratoires (en centi` mes d’heure) sont repris au tableau 2. Rechercher la tˆ che i de temps d’ex´ cution tij minimum. les temps d’ex´ cution de la tˆ che i sur les machines e a A et B respectivement. ee ` a e e En se basant sur ces deux observations.1 Cas o` toutes les tˆ ches sont a ex´ cuter sur A puis B u a ` e Supposons donc que cinq tˆ ches soient a ex´ cuter sur les machines A puis B.3 Ordonnancement avec deux centres de production Chaque tˆ che n´ cessite pour son ex´ cution le passage sur deux machines : les a e e machines. De fa¸ on similaire. la machine B dort. Ordonnancement avec deux centres de production 25 2. la machine A dort.3. a ` e Si j = B. 2.5: Ordonnancement sur deux machines L’ordonnancement optimal est illustr´ a la figure 2. On a donc int´ rˆ t a e e a ee ` mettre en tˆ te la tˆ che de temps tiA le plus faible. On va distinguer deux cas : e a • le cas o` toutes les tˆ ches sont a ex´ cuter sur A puis B. a a ` . Si j = A.

Puis e a e la tˆ che 2 (t2B = 50) est mise en derni` re position.6 2. Les donn´ es num´ riques e e sont reprises au tableau 2.6 5 temps (heures) 1 3 4 2 1 3 4 2 Figure 2.3 2.3. d’autres sur les deux dans un ordre ou l’autre.4 5.3 0.2 Cas de tˆ ches ne s’effectuant pas dans le mˆ me ordre a e Dans ce cas plus g´ n´ ral. Ordonnancement en ateliers sp´cialis´s e e Appliquons ceci a l’exemple.2 o` le passage d’une u tˆ che d’une machine a l’autre est visualis´ a l’aide d’une fl` che verticale. la tˆ che 3 est mise a la derni` re place e a ` e disponible.6: Illustration de l’algorithme de Jackson L’ordonnancement qui minimise le temps total d’ex´ cution des tˆ ches sur e a .6 4 4.8 1 1. certaines tˆ ches ne n´ cessitent que le passage sur une e e a e machine.26 Chapitre 2. a ` e` e 5 machine A 5 machine B 0. Puis la tˆ che 4 (t2B = 70) a e a est mise en avant derni` re position. Tˆ ches a effectuer sur A puis B a ` Tˆ ches (i) a tiA tiB Tˆ ches (i) a tiB tiA 1 50 30 7 90 70 2 80 60 8 20 3 10 30 9 10 4 5 6 70 0 50 30 0 0 Tˆ ches a effectuer sur B puis A a ` 10 11 40 10 0 0 30 100 Tableau 2.6. Puis. On obtient le graphique de Gantt de la figure 2. D’abord. la tˆ che 5 (t5A = 30) est mise en ` a premi` re position. Enfin.1 5.2: Diagramme de Gantt 2. la tˆ che 1 (t1A = 50) est mise en deuxi` me position.9 2 3 3.

Remarquons que l’on a int´ rˆ t a d´ buter le plus vite possible sur A les tˆ ches ee ` e a qui doivent ensuite aller sur B et a mettre en derni` re place sur A celles qui ` e doivent d’abord aller sur B. 7. Il consiste tout simplement a : e e ` 1. 6. 10. 1. Faire une partition de l’ensemble des n tˆ ches en a • l’ensemble A des tˆ ches ne n´ cessitant que le passage sur A : a e A = {4. Ordonnancement avec deux centres de production 27 les deux machines est obtenu par l’algorithme de Jackson (1957) qui est une g´ n´ ralisation de l’algorithme de Johnson. par la r` gle TOM) : e 11.Section 2. 11. 6. 2.3. et ensuite calculer un ordonnancement pour chaque sous-ensemble : • l’ordonnancement optimal pour AB par l’algorithme de Johnson : 3. 6} B = {10. 3. On obtient le diagramme de Gantt de la figure 2. 3} • l’ensemble BA des tˆ ches n´ cessitant le passage sur B puis A : a e BA = {7. • l’ordonnancement optimal pour BA par l’algorithme de Johnson : • un ordonnancementarbitraire pour A (par exemple. 1. Ceci conduit a combiner ces ordonnancement ` de la mani` re suivante : e • Pour la machine A : la s´ quence optimale pour le sous-ensemble AB. 11} • l’ensemble B des tˆ ches ne n´ cessitant que le passage sur B : a e • l’ensemble AB des tˆ ches n´ cessitant le passage sur A puis B : a e AB = {1. 1. 3. 2. 9}. 5. puis la s´ quence optimale du sous-ensemble AB : a e 9. 8. • Pour la machine B : la s´ quence optimale pour le sous-ensemble BA. 9. 2. 9.3. 10. 2. 8. 4. 7. 5. 7. 4. par la r` gle TOM) : e • un ordonnancement arbitraire pour B (par exemple. e puis les tˆ ches de A. 5. 8. puis la s´ quence optimale du sous-ensemble BA : a e 3. . e puis les tˆ ches de B. 2. 8.

la premi` re groupant les machines A et B (d’o` e ` e u .7: Temps op´ ratoires avec trois machines e Lorsque l’on se trouve dans un ce ces deux cas.7. e e tˆ ches a 1 Assemblage 20 Inspection 4 Exp´ dition 7 e 2 12 1 11 3 4 19 16 9 12 4 18 5 14 5 18 6 7 12 17 7 8 3 6 Tableau 2.3: Algorithme de Jackson 2.28 Chapitre 2. on reformule alors le probl` me e en un probl` me a deux machines. lecas detrois machinespeutseramener aucas dedeux machinessila machine B est compl` tement domin´ e par la machine A ou par la machine C.4 Ordonnancement sur trois machines L’algorithme de Johnson ne s’applique qu’en pr´ sence de deux machines. Les e a e temps op´ ratoires sont donn´ s au tableau 2. Cepene dant. soit dans le cas o` u minimum tiC ≥ maximum tiB . c’est-` -dire e e a si l’on se trouve dans le cas o` u minimum tiA ≥ maximum tiB . Ordonnancement en ateliers sp´cialis´s e e 3 machine A 10 2 90 1 5 140 170 4 220 6 290 9 8 390 420 7 490 98 machine B 10 30 7 11 10 3 2 1 260 290 Z 120 130 170 200 Figure 2. On cherche l’ordonnancement minimisant le temps d’ach` vement total de sept tˆ ches n´ cessitant le passage sur trois machines. Prenons un exemple.

` . e 5 Assemblage 4 7 3 2 1 6 Z Z Inspection 5 Z 4 Z 7 Z 3 2 Z 1 Z 6 Z Z Expédition 5 Z 4 7 Z 3 2 Z 1 Z 6 14 19 30 37 42 47 55 60 66 75 78 79 90 98 102 109 110 117 120 Figure 2.4: Ordonnancements avec 3 machines Dans le cas de trois machines dont la machine centrale n’est pas domin´ e. c’est-` -dire celui avec trois machines. On peut donc r´ duire le probl` me au probl` me e e e e e d’ordonnacement a deux machines suivant : ` tˆ ches a Assemblage + Inspection Inspection + Exp´ dition e 1 24 11 2 13 12 3 4 5 19 23 6 7 28 28 13 30 19 25 10 14 dont l’ordonnancement optimal est donn´ par : e Place 1 tˆ che a 5 2 3 4 7 4 3 5 2 6 7 1 6 Son diagramme de Gantt est donn´ par la figure 2. On peut alors tracer le diagramme de e Gantt correspondant au probl` me original. e a Remarquez que le regroupement n’a servi qu’` calculer l’ordonnancement.4. u e On applique alors l’algorithme de Johnson a ce probl` me a deux machines ` e ` pour d´ terminer l’ordonnancement optimal.Section 2. on e aura recours a la programmation en nombres entiers. Ordonnancement sur trois machines 29 les temps op´ ratoires tiAB = tiA + tiB ) et la seconde groupant les machines B et e C (d’o` les temps op´ ratoires tiBC = tiB + tiC ). a Dans le cas de l’exemple ci-dessus on peut v´ rifier que l’´ tape “Inspection” est e e domin´ e par l’´ tape “Assemblage”.4.

Cinq tˆ ches doivent passer par les a ateliers de montage. Expliquezpourquoi e l’algorithme de Johnson ne s’applique pas. Usinage de pi` ces sur des machines.1. Les dur´ es des tˆ ches de r´ glage et d’usinage de chacun e a e des lots sur les deux machines sont donn´ es au tableau ci-dessous. 2. On veut organiser la production de e deux lots de pi` ces Pa et Pb qui doivent etre usin´ es sur la machine M1 puis e ˆ e sur la machine M2 . Ordonnancement avec trois ateliers. de finition et d’exp´ dition. Ordonnancement en ateliers sp´cialis´s e e 2.30 Chapitre 2. Faites une enum´ ration explicite ´ e de tous les ordonnancements possibles et tracez le diagramme de Gantt dans chacun des cas. Tˆ ches a Montage Finition Exp´ dition e 1 7 1 5 2 2 1 2 3 4 2 4 4 3 2 6 5 5 1 5 On cherche l’ordonnancement qui minimise le temps d’ach` vement total des e cinq tˆ ches. a . il faut proc´ der au r´ glage de e e chaque machine. Avant d’usiner chaque lot. Les temps op´ ratoires figue e rent au tableau suivant.5 Exercices 2.2. e Machine M1 M2 R´ glage A Usinage A R´ glage B Usinage B e e 1 2 2 2 1 3 6 1 Onveutminimiser letempstotal d’ex´ cutiondespi`eces.

on va ` constituer un stock de sp´ culation. e ı 2.Chapitre 3 La gestion calendaire de stock 3. e 31 . S’il y a incertitude sur le prix. en revanche. valorisation du stock. disponie e bilit´ satisfaisante du stock. incertitude sur le niveau de demande ou sur le prix : s’il y a incertitude sur la quantit´ demand´ e. Par exemple. et les ı supermarch´ s pour la non co¨ncidence dans l’espace. 4. pr´ sence de coˆ ts de lancement : dans ce cas. 3. u La gestion des stocks pose cependant de multiples probl` mes : tenue d’invene taires. non co¨ncidence dans le temps et l’espace de la production et de la ı consommation : le stock est indispensable dans ce cas car il est impossible de produire l` et quand la demande se manifeste. travailler par lots permet une e u economie d’´ chelle sur les coˆ ts de lancement mais. risquedeprobl`emesenchaˆıne: ils’agiticid’´eviterqu’unepanne aunposte ` ne se r´ percute sur toute la chaˆne : un retard d’ex´ cution au poste pr´ c´ dent e ı e e e ou une gr` ve des transports n’arrˆ tera pas imm´ diatement l’ensemble du e e e processus de production s’il y a des stocks tampons. les compagnies p´ troli` res e e e ach` tent plus que n´ cessaire en p´ trole brut lorsque le prix de celui-ci est e e e relativement bas. provoque ´ e u une augmentation des coˆ ts de possession du stock. Les exemples classiques a sont les jouets et la confiserie pour la non co¨ncidence dans le temps. d´ finition des capacit´ s de stockage et enfin. on va constituer un stock de s´ curit´ qui permet e e e e de faire face a une pointe de demande. Nous allons nous concentrer sur ce dernier aspect. En effet. la constitution de stocks est n´ cessaire s’il y a : e 1.1 Introduction Une production sans stock est quasi inconcevable vu les nombreuses fonctions que remplissent les stocks.

l’approvisionnement du stock est d´ clench´ a e e` intervalles r´ guliers T . le niveau de ` e e e recompl` tement du stock. • En cas de gestion calendaire de stock. sa d´ termination r´ sulte d’un calcul e e d’optimisation. lepointdecommandequid´ eclenchel’approvisionnement e e du stock. le point de commande. Comme e e e´ nous le verrons au chapitre 4. 2. s) avec q. l’approvisionnement du stock est d´ clench´ lorsque l’on observe que le stock descend en dese e sous d’un niveau s. par exemple. le niveau de recompl` tement du stock. e Nous allons nous attacher a deux politiques particuli` res : ` e • La politique de gestion calendaire des stocks. mais uniquement lorsque l’on e e` e observe que le stock descend en dessous d’un niveau s. on commande une quantit´ e fixe. • En gestion calendaire. not´ e q et appell´ e quantit´ economique de commande. la quantit´ economique a commander e e´ ` r´ guli` rementet s. La gestion calendaire de stock 3. l’approvisionnement du stock est d´ clench´ a intervalles r´ guliers T .32 Chapitre 3. not´ e (q. e • En gestion calendaire conditionnelle. . quantit´ economique e ´ de commande. chaque jour ou chaque semaine. la quantit´ command´ e est egale e e ´ a la diff´ rence entre le stock r´ siduel observ´ R et S. S) avec T l’intere valle entre deux commandes et S. not´ e (T. Combien commander ? La r´ ponse a la question ”Combien ?” d´ pend e ` e egalement du type de gestion de stock appliqu´ e : ´ e • En cas de gestion par point de commande. Quand d´ clencher l’approvisionnement du stock? La r´ ponse a cette quese e ` tion est diff´ rente suivant la politique de gestion adopt´ e : e e • En gestion de stock par point de commande.2 Les politiques de gestion de stock Les politiques de gestion de stock visent a r´ pondre aux deux grandes questions : ` e 1. e • La politique de gestion par point de commande. le point de commande.

le stock moyen poss´ d´ au cours d’une p´ riode.Section 3. 2. e e u not´ cr . nous noterons l’objectif e e C(q). de conservation du u e stock. auquel est associ´ un coˆ t de e e e e u possession unitaire. . u entre parenth` ses. Ces variables de commandes d´ terminent en g´ n´ ral trois variables d’´ tat e e e e du syst` me : e Ir .1 Les coˆ ts de possession u Les coˆ ts de possession comprennent : u 1. e • une demande inf´ rieure au stock : on aura alors un stock r´ siduel. Par exemple. e Ip . e u 3. Les coˆ ts associ´s aux stocks u e 33 3. la rupture moyenne.3. Ic . Deux e ı cas sont evidemment possibles : ´ • une demande sup´ rieure au stock : on parle alors de rupture de stock. le nombre moyen de commandes pass´ es au cours d’une p´ riode.3. les coˆ ts de d´ tention d’un article en stock durant une certaine p´ riode en u e e fonction des conditions financi` res d’acquisition et des eventuelles condie ´ tions de reprise. e La fonction de coˆ t s’´ crit donc en g´ n´ ral comme une fonction de ces trois u e e e variables d’´ tat : e C = cr Ir + cp Ip + ccIc . e e si la variable de commande est la quantit´ command´ e. suivie. de la ou des variables de commande du syst` me. auquel est e e ˆ associ´ un cout de commande unitaire. cp . il peut y avoir non co¨ncidence entre la demande et le stock. auquel est associ´ un coˆ t unitaire de rupture. Nous allons examiner un peu plus en d´ tail chacun des trois coˆ ts partiels. les coˆ ts de stockage qui sont les d´ penses de logistique. e e Le crit` re de gestion g´ n´ ralement retenu en gestion des stocks est celui de e e e la minimisation des coˆ ts. cc .3 Les coˆ ts associ´ s aux stocks u e Un stock constitu´ pour satisfaire une demande future. c’est-` -dire le nombre moyen de demandes non satisa faites au cours d’une p´ riode. Nous noterons cette fonction par la lettre C. En cas de demande e al´ atoire.

. . Un quotidien achet´ 0.006 EURO. . C’est l’exemple des boˆtes de petits pois en ` e e ı epicerie non vendues une p´ riode qui le seront aux p´ riodes suivantes.75 EURO par le grossiste : le coˆ t de possession est u de 0. ´ e e Dans ce cas. en pr´ sence d’une demande al´ atoire.. Dans ce cas. et donc une rupture ou un stock ı r´ siduel.9 . il peut y avoir e e e non co¨ncidence du stock et de la demande. Cette difficult´ fait que souvent on n’inclut pas de coˆ t de stockage e u dans le coˆ t de possession et le coˆ t de possession se r´ duit donc au seul coˆ t u u e u d’immobilisation du capital. Les cons´ quences de ce stock r´ siduel seront bien diff´ rentes selon que e e e e l’on se trouve dans • le cas du stock a rotation nulle. les vˆ tements de modes. e Prenons un exemple. le coˆ t de possession li´ a l’immobilisation du capital. Le o u coˆ t unitaire de stockage que l’on doit prendre en consid´ ration dans la fonction u e objectif est le coˆ t moyen de l’ensemble de ces frais.20 × 6 % × 1/12 = 0. tels que le coˆ t de manutention. Ce coˆ t est appel´ coˆ t d’opportunit´ . c’est-` -dire lorsque l’invendu peut etre ` a ˆ vendu a une p´ riode ult´ rieure. le coˆ t de possession d’un article se calcule comme le coˆ t u u d’acquisition d’un article moins la valeur de r´ cup´ ration (solde). e – en cas o` la consommation a un d´ lai maximum : par exemple. e e Prenons un exemple. Malheureusement. Ces coˆ ts u u u de stockage. tels que le coˆ t de location e e u d’entrepˆ ts. Le taux d’opportunit´ est e u e u e e la rentabilit´ du meilleur investissement que l’entreprise aurait pu faire. c’est-` -dire lorsque le stock r´ siduel est ` a e sans utilit´ pour l’entreprise. les journaux. en g´ n´ ral des frais fixes. .0. La gestion calendaire de stock Comme signal´ plus haut. ainsi que des frais variables. • le cas du stock a rotation non nulle.20 EURO et restant en rayon un mois entier a cout´ e e 1. En u e ` gelant la somme d’argent correspondant au coˆ t d’achat de l’article invendu.15 EURO.75 = 0. u la soci´ t´ se prive du revenu d’un placement financier qu’elle aurait pu ee r´ aliser. . une boˆte de e ı petits pois achet´ e 1. Ceci se pr´ sente notamment : e e – en cas d’obsolescence technique ou commerciale : par exemple. ce ce coˆ t u u moyen d´ pend du volume d’activit´ et ne peut donc pas etre consid´ r´ comme une e e ˆ ee constante.34 Chapitre 3. Si le taux d’opportunit´ est de 6 % l’an.. comprennent. les u e primeurs.9 EURO par le libraire et dont e l’invendu est repris 0. L’autre partie du coˆ t de possession concerne les coˆ ts de stockage.

Section 3. liquidation comptable.3. le coˆ t de commande est le coˆ t u u administratif de gestion de la commande : etablissement d’un bordereau. le coˆ t de rupture n’inclut pas la marge car la ee u vente sera r´ alis´ e plus tard. 3. la demande non satisfaite peut etre perdue (on ˆ parle de ventes manqu´ es) ou report´ e (on parle de ventes diff´ r´ es) : e e ee • dans le cas de ventes manqu´ es. En cas de demande interne. Un garagiste qui n’a plus de stock le v´ hicule d´ sir´ e e e par son client va lui proposer une voiture de location gratuite durant le d´ lai e d’attente pour ne pas perdre le client. g´ n´ ralement la marge b´ n´ ficiaire sur cet e e e e e article.. etc . ´ e e e . Normalement. En cas de demande externe. Ce coˆ t de rupture est le coˆ t administratif e e u u d’ouverture d’un dossier et eventuellement un coˆ t commercial (on fait une ´ u ristourne pour ne pas perdre le client). Les coˆ ts associ´s aux stocks u e 35 3.3. e ce coˆ t est ind´ pendant de la quantit´ fabriqu´ e. u e e e • En cas de stock d’approvisionnement.90 EURO par le libraire et revendu e 1. ´ contrˆ le de livraison. . Prenons un exemple. on ne parle plus de stock de distribution mais bien de stock de fabrication.3 Les coˆ ts de commande u A nouveau. Dans ce cas.90 = 0. u • En cas de ventes diff´ r´ s. Normalement. la rupture entraˆne un chˆ mage technique ı o des postes en aval.2 Les coˆ ts de rupture u La rupture se pr´ sente lorsque la demande exc` de le stock constitu´ au cours de la e e e p´ riode. il faut ici distinguer le cas d’une demande interne et celui d’une demande externe : • En casdestockdefabrication. Il s’agit du r´ glage des machines. .0. .20 . Les cons´ quences de cette rupture sont diff´ rentes selon que la demande e e e est interne ou externe.20 EURO a un coˆ t de rupture de 1.30 EURO. Prenons un exemple. . Le coˆ t de rupture correspond au coˆ t financier du chˆ mage u u o technique. Un journal achet´ 0. lecoˆ tdecommandeest lecoˆ tdelancement u u de la production. le coˆ t de rupture est le manque a gagner e u ` de la non fourniture d’une unit´ . Le coˆ t de rupture correspond ici a la u ` prise en charge par le garage de la location de la voiture. ce coˆ t est o u egalement ind´ pendant de la quantit´ command´ e. .3.

li´ a l’invendu en fin de journ´ e est 25 F. que nous noterons X. La gestion calendaire de stock 3. Les invendus de la journ´ e sont donn´ s. le stock ´ ` a e initial. cp .36 Chapitre 3. des p´ riodiques e chaque semaine ou chaque mois. 1336 x 5 6 7 8 9 P (X = x) 0.1: Distribution de la loi de Poisson distribution de probabilit´ du nombre X de clients par jour pour ce produit. nombre moyen de e e ruptures sur la journ´ e. un pˆ tissier met en fabrication des gˆ teaux a a chaque jour. la p´ riode de r´ vision calendaire. 0668 0. on se trouve dans le cas d’un stock a rotation nulle lorsqu’il n’y a ` pas de report possible des invendus aux p´ riodes suivantes. 0278 0. 0009 Tableau 3. Tandis que le coˆ t de rupture. Le tableau 3. c’est-` -dire u e` e a le coˆ t de production. Supposons cou e e que la vente quotidienne de ce gˆ teau soit de 2. cr . Par exemple. de mani` re a minimiser : e ` C(S) = cp Ip (S) + cr Ir (S) = 25Ip (S) + 35Ir (S) avec Ip (S).1 reprend la x 0 1 2 3 4 P (X = x) 0. Dans e ce tableau x indique une valeur possible de la demande et P (X = x) indique la probabilit´ d’occurence de cette valeur. Le libraire commande des journaux chaque jour. 0821 0. c’est-` -dire l’intervalle e e a entre deux approvisionnements. suive une loi de Poisson. 2052 0. e On va ici d´ terminer le niveau du stock initial S.25 F = 35 F. Supposons un u e e ˆ t de fabrication de 25 F l’unit´ et un prix de vente de 60 F l’unit´ . En effet. 2565 0. 0031 0. 2138 0. qui est donc ici la variable e de commande. On doit d´ terminer S. Nous allons illustrer les choses sur l’exemple du pˆ tissier tir´ de Giard [5] qui a e est un exemple o` la demande suit une loi de probabilit´ discr` te. e e e La question que se pose le pˆ tissier est la suivante : combien mettre de gˆ teaux a a en fabrication chaque jour pour maximiser son b´ n´ fice ? e e Le coˆ t de possession. c’est-` -dire : 60 F .21 % de chances d’observer e aucun client un jour donn´ . e . le stock moyen r´ siduel en fin de journ´ e et Ir (S). 0099 0. li´ a une vente manqu´ e u u e` e est egal a la marge.5 en moyenne et supposons que la a demande. Ainsi on a 8.4 Gestion calendaire de stock a rotation nulle ` Pour rappel. not´ T est g´ n´ ralement fix´ par la nature de e e e e l’approvisionnement.

on peut exprimer cette variation de coˆ t en fonction de la seule u variation de rupture moyenne. le stock optimal S est celui pour lequel le coˆ t de gestion C(S ∗ ) u est inf´ rieur a celui des stocks imm´ diatement inf´ rieur ou sup´ rieur : e ` e e e    C(S ∗ ) < C(S ∗ + 1) C(S ∗ ) < C(S ∗ − 1) (3.1) ou encore        C(S ∗ + 1) − C(S ∗ ) > 0 C(S ∗ ) − C(S ∗ − 1) < 0 Remarquez que les conditions (3. demˆ me. comme nous allons le voir. ´ par exemple. Calculons. la rupture moyenne Ir (S = 4) associ´ e au stock initial S = 4.4. On e doit donc calculer l’esp´ rance math´ matique de X − 4 pour des valeurs de X e e sup´ rieures a 4 : e ` Ir (S = 4) = ∞ x=5 (x − 4)P (X = x) Calculons. larupturemoyenne Ir (S = 5) associ´ eaustockinitial S = 5 : e e Ir (S = 5) = En g´ n´ ral : e e Ir (S) = ∞ x=S+1 ∞ x=6 (x − 5)P (X = x) (x − S)P (X = x) Int´ ressons nous maintenant a la diff´ rence de ces ruptures moyennes pour deux e ` e stocks initiaux cons´ cutifs : e Ir (S = 4) − Ir (S = 5) = = = ∞ x=5 ∞ x=5 ∞ x=5 (x − 4)P (X = x) − (x − 4)P (X = x) − 1 · P (X = x) ∞ x=6 ∞ x=5 (x − 5)P (X = x) (x − 5)P (X = x) = P (X > 4) . car. On e e e ˆ e e va donc etudier l’´ volution de la diff´ rence de coˆ t de stocks successifs : ´ e e u C(S + 1) − C(S) L’´ etude de C(S + 1) − C(S) passe par celle de Ir (S + 1) − Ir (S).1) sont l’´ quivallent pour une fonction continue e de dire que la d´ riv´ e premi` re doit etre n´ gative avant S ∗ et positive apr` s S ∗ . Gestion calendaire de stock ` rotation nulle a 37 En cas de coˆ t convexe (on peut v´ rifier que le coˆ t est bien une fonction u e u ∗ convexe de S).Section 3. On va donc etudier Ir (S + 1) − Ir (S).

nous allons etablir la e ´ relation entre Ir (S) et Ip (S).4) .38 Chapitre 3. e ´ Il est facile de montrer que ceci est vrai quelle que soit la forme la distribution de probabilit´ discr` te : e e Ir (S + 1) − Ir (S) = −P (X > S) (3. la valeur du param` tre de la loi de Poisson. La gestion calendaire de stock On en conclut que la diminution de rupture moyenne Ir (S) occasionn´ e par e ` ´ ` une augmentation d’une unit´ du stock a partir de S est egale a la probabilit´ que e e la demande soit strictement sup´ rieure ou egale au stock initial S.2) Les tableaux de l’annexe B donne le calcul de P (X > x) en fonction de λ. Pour cela.il estpossiblederamenerlafonctiondecoˆ utcomme une fonction de la seule variable d’´ tat Ir (S). Le stock moyen sur lequel porte le coˆ t de possession est le stock moyen u observ´ en fin de p´ riode qui correspond donc a l’invendu. e e La cons´ quence de la relation (3. On observera un stock e e ` r´ siduel si la demande observ´ e x est inf´ rieure a S. D’o` la relation entre Ip et Is : u ¯ u ¯ Ip (S) = S − X + Ir (S) (3. le stock initial. Son niveau e e e ` moyen est calcul´ par l’exp´ rence math´ matique suivante : e e e S−1 S Ip (S) = = x=0 ∞ (S − x)P (X = x) = = S x=0 ∞ (S − x)P (X = x) − P (X = x) − ∞ x=0 x=0 ∞ (S − x)P (X = x) (S − x)P (X = x) ∞ x=S+1 x=S+1 xP (X = x) + x=0 (x − S)P (X = x) ¯ = S − X + Ir (S) o` X note la moyenne de la demande X.3) est que l’on peut exprimer le coˆ t total e u C(S) en fonction du seul coˆ t de rupture Ir : u ¯ C(S) = cr Ir + cp Ip = cr Ir + cp S − X + Ir (S) D’o` l’expression de C(S) : u ¯ C(S) = cp (S − X) + (cr + cp )Ir (S) (3.3) ´ qui peut s’interpr´ ter en disant que le stock moyen r´ siduel Ip (S) est egal au stock e e ¯ de d´ part S diminu´ de la demande moyenne satisfaite (X − Ir (S)). e Commeannonc´ eplus haut.

2) : C(S + 1) − C(S) = cp − (cr + cp )P (X > S) Les conditions d’optimalit´ (3. 2424. a . 417 cp + cr 25 + 35 En consultant le tableau donnant P (X > S) (cfr Annexe B). et P (X > 3) = 0. 4562.1) deviennent ici : e      cp − (cp + cr )P (X > S ∗ ) > 0 cp − (cp + cr )P (X > S ∗ − 1) < 0 ou encore S ∗ optimal si : P (X > S ∗ ) < cp < P (X > S ∗ − 1) cp + cr (3. Gestion calendaire de stock ` rotation nulle a 39 Revenons maintenant au probl` me de la d´ termination de la solution optie e ∗ male.4.5) Appliquons ceci au cas de l’exemple : cp 25 = = 0.Section 3. on trouve : P (X > 2) = 0. D’o` u S∗ = 3 On en conclut qu’il est optimale de produire chaque matin 3 gˆ teaux. c’est-` -dire au stock initial S qui minimise : a ¯ C(S) = cp (S − X) + (cr + cp )Ir (S) On a donc que : ¯ C(S + 1) − C(S) = cp (S + 1 − X) + (cr + cp )Ir (S + 1) ¯ −cp (S − X) − (cr + cp )Ir (S) = cp + (cr + cp )(Ir (S + 1) − Ir (S)) Compte tenu de la relation (3.

2.7 F tandis que le coˆ t de possession.40 Chapitre 3. u e` e e 3.2 F.8 F aupr` s de son grossiste qui lui reprend les invendus au prix de e ` e 2. la relation (3. est li´ a l’invendu et vaut donc la marge b´ n´ ficiaire. c’est-` -dire 2. vaut la perte enregistr´ e u e par invendu.5 F l’unit´ .2. a On suppose que les ventes quotidiennes suivent approximativement une loi ¯ normale de moyenne X = 300 et d’´ cart type σ = 20. La question qui se pose e est la suivante : quel est le nombre d’exemplaires a commander S de mani` re a ` e ` minimiser le coˆ t de gestion : u C(S) = cp Ip (S) + cr Ir (S) Le coˆ t de gestion s’´ crit dans le cas d’une loi continue de la mani` re suivante : u e e S ∞ S C(S) = cp 0 (S − x)f (x)dx + cr C (S ∗ ) = 0 (x − S)f (x)dx La condition d’optimalit´ s’´ crit dans le cas d’une loi continue : e e Comme dans le cas discret. (3.6 F = 0. Par application de la ´ e e e formule de Leibnitz (cfr Giard [5][Page 90]).6) .3) entre Ir (S) et Ip (S) etablie ´ dans le cas discret reste valable : S Ip (S) = = 0 0 ∞ (S − x)f (x)dx (S − x)f (x)dx − ∞ S ∞ S (S − x)f (x)dx ¯ = S−X + ¯ = S − X + Ir (S) (x − S)f (x)dx On en d´ duit a nouveau l’expression de C(S) en fonction du seul Ir (S) : e ` ¯ C(S) = cp (S − X) + (cp + cr )Ir (S) Il faut maintenant etudier la d´ riv´ e premi` re de Ir (S).8 F .6 F l’unit´ . En effet. qui lui-mˆ me ` e e l’acqui` re a 2. cr .5 Cas d’une loi de demande continue Nousallonsillustrercecassurunexemple egalementtir´ deGiard[5]. cp .8 F = 0.5 F . e Le coˆ t de rupture. Consid´ rons ´ e e un marchand de journaux qui vent un quotidien a 3. on peut ramener ce coˆ t a une fonction du seul u ` nombre moyen de ruptures. on d´ montre le r´ sultat suivant : e e dIr (S) =− dS ∞ S f (x)dx = −P (X > S). La gestion calendaire de stock 3.

on d´ termine : e e tS = 0. 7655 = D’o` finalement : u L’approvisionnement p´ riodique optimal est donc de S ∗ = 315. il faut r´ duire la e e variable al´ atoire X en lui retranchant sa moyenne et en la divisant par son ecart e ´ type.6) : e e dC(S) = cp − (cr + cp )P (X > S) dS On annule la d´ riv´ e. Cas d’une loi de demande continue 41 c’est-` -dire exactement le mˆ me r´ sultat analytique que la relation (3. examinons quelques ` indicateurs que l’on peut d´ duire de la solution optimale. 7 Comme on ne dispose que de la table de la normale r´ duite. S ∗ − 300 20 . 2 + 0. On peut maintenant passer a la d´ termination de la solution optimale.Section 3.7) Cet optimum est un minimum car la d´ riv´ e seconde de C(S) est positive. On obtient : P X −µ S ∗ − 300 > = 0. 2 = = 0.5. 2222 σ 20 Par lecture dans la table de la normale r´ duite. 2222 cr + cp 0. e S ∗ = 315.2) etablie a e e ´ dans le cas discret. La e e d´ riv´ e de P (X > S) par rapport a S est clairement n´ gative. e e ` e Appliquons ceci au cas de l’exemple : P (X > S ∗ ) = cp 0. D’o` l’on tire : e e u S ∗ optimal si P (X > S ∗ ) = cp cr + cp (3. 3 ≈ 315. e Avant de passer au cas de stocks a rotation non nulle. On ` e doit donc d´ terminer le S qui minimise : e ¯ C(S) = cp (S − X) + (cr + cp )Ir (S) On calcule la d´ riv´ e de C(S) en utilisant la relation (3.

Cet indicateur permet en effet d’´ valuer les d´ faillances du syst` me et une valeur trop importante e e e de cet indicateur peut conduire a remettre en cause la solution propos´ e. La gestion calendaire de stock 3.6 Les cons´ quences economiques de la solution optimale e ´ La rupture de stock Le premier indicateur n’est autre que la rupture de stock Ir (S).8) (x − S)f (x)dx xf(x)dx − S ∞ S f (x)dx . 5P (X > 2) − 3P (X > 3) = 2. ` e Dans le cas (discret) de la production de gˆ teau. le calcul de Ir (S) s’effectue par l’int´ grale suivante : e Ir (S) = = ∞ S ∞ S (3. 413. Dans le cas de la vente de journaux (loi de demande continue). 5 × 0. Pour la distribu` e tion de Poisson de param` tre λ.42 Chapitre 3. le calcul de Ir (s) s’effectue a comme suit : Ir (S) = x>S (x − S)P (X = x) xP (X = x) − S P (X = x) x>S = x>S D’o` finalement : u Ir (S) = x>S xP (X = x) − SP (x > S) Le premier terme correspond a un calcul tronqu´ de la moyenne. on montre que : e x>S xP (X = x) = λP (X > S − 1) D’o` l’on tire finalement : u Ir (S) = λP (X > S − 1) − SP (X > S) Ce qui nous donne dans le cas de l’exemple : Ir (S ∗ = 3) = 2. 4562 − 3 × 0. 2424 = 0.

e e L’application de la formule donne donc : 2 f (tS = 0. on obtient la formule suivante : Ir (S) = σ [f (tS ) − tS P (t > tS )] avec : ¯ S−X e−tS /2 tS = et f (tS ) = √ σ 2π Appliquons ceci aux donn´ es num´ riques de l’exemple pour lequel ts = 0. le stock r´ siduel se calcule comme le stock e initial diminu´ de la demande satisfaite. Donc : Ir (S) = 20(0. σ). 2218) = 2. 7655) est donn´ e dans la table de la normale r´ duite et e e e vaut 0. Ip (S). L’annexe B.7655 √ 2π 2 /2 = 0. 913 gˆ teaux. on aura donc : a Ip (S ∗ = 3) = (3 − 2. on aura : Ip (S ∗ = 315) = (315 − 300) + 2.2218. 5) + 0. Cet indicateur permet de se faire une id´ e du gˆ chis e e a engendr´ par la politique choisie. e Cet indicateur s’obtient a partir de la rupture moyenne aussi bien dans le cas ` discret que dans le cas continu par la relation (3. 556 = 17. Remarquez que. Les cons´quences ´conomiques de la solution optimale e e D’o` l’on tire u Ir (S) = 43 ∞ S xf (x)dx − SP (x > S) Le premier terme correspond a nouveau a un calcul tronqu´ de la moyenne. 7655 × 0. e . 29762 − 0.6. 556. correspond dans le cas de stock a rotation nulle e e ` au stock r´ siduel moyen.3) rappel´ e ci-dessous : e ¯ Ip (S) = S − X + Ir (S) Pour le pˆ tissier.Section 3. dans les deux cas. 7655) = e−0. a Pour le marchand de journaux. Le stock moyen poss´ d´ e e Le stock moyen poss´ d´ . 7655. On ` ` e peut montrer que si X suit une distribution normale N(µ. 556 journaux. 29762 La probabilit´ P (t > 0.3 donne directement la valeur de [f (tS ) − tS P (t > tS )]. 413 = 0.

Il peut etre calcul´ par la relation (3. on obtient : C(S) = 0. La gestion calendaire de stock Le coˆ t moyen C(S) correspond tout simplement a la valeur prise a l’optimum u ` ` par la fonction objectif. not´ e B(S). 5112 = 5. 2 × 17. 3004 La marge nette moyenne La marge nette moyenne. ` .4) mais il est plus ˆ e instructif de calculer les coˆ ts partiels : u C(S) = cr Ir (S) + cp Ip (S) Pour l’exemple du pˆ tissier. e ´ mu . on obtient : a C(S) = 35 × 0. 5 − 37. 556 + 0. 29 Pour l’exemple du marchand de journaux. 7892 + 3. 556 = 1. 46 + 22. tandis que pour le marchand de journaux. Nous allons maintenant passer au cas de stock a rotation non nulle. 29 = 50. 7 × 2. 9132 = 14.44 Le coˆ t moyen u Chapitre 3. 7 × 300 − 5. 4132 + 25 × 0. par la demande moyenne. diminu´ du coˆ t de stockage : e u ¯ B(S) = muX − C(S) L’application de cette relation a l’exemple num´ rique du pˆ tissier donne : ` e a ¯ B(S) = mu X − C(S) = 35 × 2. elle donne : ¯ B(S) = muX − C(S) = 0. 004 = 204 F. 21 F. est egale au produit de la marge unitaire. 83 = 37.

Rea ` e marquons une diff´ rence fondamentale avec le cas de stocks a rotation nulle. On suppose que la demande hebdomadaire d’ampoules de 60 Watt suit une loi normale de moyenne 300 et d’´ cart type 20. c’est-` -dire celui qui minimise le coˆ t : e a u C(S) = cp Ip (S) + cr Ir (S). e e e ˆ e Pour illustrer le processus de d´ termination de S ∗. on commande S augment´ des e e demandes non satisfaites de la p´ riode pr´ c´ dente qui ont pu etre report´ es. le niveau de recompl` tement. la commande a passer pour un approvisionnement en d´ but de p´ riode n’est e e plus fixe. e e e La variable de commande du syst` me est ici S. On suppose un taux d’opportunit´ annuel de e e 20 %. 6 F. Deux cas sont possibles : • Il reste un stock r´ siduel positif : dans ce cas. il faut tenir compte du nombre ` u de semaines sur lesquelles la demande s’exprime. nous consid´ rons l’exemple suivant de la ventes d’ampoules d’´ clairage tir´ de e e e Giard [5]. on suppose le magasin ouvert 52 semaines par an : 0. D’o` un coˆ t de possession annuel par ampoule en stock de : u u 3 F × 0.Section 3. on commande la diff´ rence e e entre S et le stock r´ siduel. 0115 F Remarquons qu’` la diff´ rence du cas de stock a rotation nulle.5 F l’unit´ .7. la perte li´ e a une a e ` e ` ampoule en stock n’est plus son prix d’achat mais la perte financi` re due au gel en e stock de son prix d’achat. . Ici. le niveau optimal de ree compl` tement. 6 F /52 = 0. C’est de loin le cas le plus r´ pandu. Le r´ approvisionnement se fait en e e d´ but de semaine chez le grossiste au prix d’achat de 3 F l’unit´ . 2 = 0. e • Le stock r´ siduel est nul : dans ce cas. e e c’est-` -dire le niveau du stock que l’on cherche a retrouver p´ riodiquement. En e ` ` effet. on parle de stocks a rotation non nulle lorsque les invendus d’une ` p´ riode seront vendus aux p´ riodes suivantes. Cas de stocks ` rotation non nulle a 45 3. Les ampoules e e sont vendues au prix de 3. Pour arriver a un coˆ t de possession hebdomadaire.7 Cas de stocks a rotation non nulle ` Pour rappel.

La gestion calendaire de stock Calculons maintenant le coˆ t unitaire de rupture : il correspond a la marge non u ` r´ alis´ e par ampoule : e e 3. u e e e 2. u e e e Supposons. pour fixer les id´ es.46 Chapitre 3. C’est l’exemple d’une demande observ´ e de 310.1: Evolution du stock On en d´ duit le stock moyen poss´ d´ : e e e Ip (S) = On en conclut donc que : Si x < S : Ip (S) = S + (S − x) x =S− 2 2 (3. 5 F. ´e 1. Le stock de fin e de p´ riode vaut donc : e 320 − 310 = 10 ampoules. il faudradistinguer deuxcas defigure: e 1. qu’un niveau de recompl` tement de 320 ait e e et´ choisi. En ce qui concerne l’´ volution du stock. La question qui se pose est la suivante : quel est le niveau de recompl` tement e ∗ optimal S ? Pourle calcul dustockmoyenposs´ed´ . le cas o` la demande observ´ e est sup´ rieure au niveau de recompl` tement. le cas o` la demande observ´ e est inf´ rieure au niveau de recompl` tement.9) 320 + 10 S + (S − x) = 2 2         T = 5 jours . 5 F − 3 F = 0.1 e ` S = 320                x = 310 S = 10        Figure 3. Cas d’une demande inf´ rieure a S : dans ce cas. on peut supposer que la demande e de 310 ampoules est egalement r´ partie sur toute la semaine et on peut faire ´ e une interpolation lin´ aire comme a la figure 3. il n’y a pas de rupture e ` de stock.

le e e e stock varie entre S et 0 et donc : S Si x > S : Ip (S) = (3. C’est le cas. Et l’´ volution du stock moyen poss´ d´ peut e e e etre obtenue par : ˆ S(t) = 320 − 70t. e ` Une hypoth` se simplificatrice. d’une demande observ´ e de 350. 57 5 − 4. 57 +0 5 5 320 320 SS = = 2 350 2x En g´ n´ ral : e e SS 2x Cette formuledonneunesolution analytique auprobl` medelad´etermination e ∗ du niveau optimal de recompl` tement S assez difficile a mettre en œuvre. Cas d’une demande sup´ rieure a S : dans ce cas. La demande.57 jours.Section 3. D’o` le e e u stock moyen poss´ d´ : e e Ip (S) = 160 4. e ` comme dans le cas sans rupture. Ce stock est nul pour : t= 320 S = 4. par exemple. 57 jours = 70 x/T 350 5 Le stock moyen poss´ d´ vaut : (320 + 0)/2 = 160 sur 4.7.2). on observe une rupture e ` de stock. a savoir que la rupture se produit en fin de e ` p´ riode permet d’effectuer des calculs simplifi´ s. La demande journali` re est donc e S = 320 x = 350 S=0 } x − S = 30 T = 5 jours Figure 3. Cas de stocks ` rotation non nulle a 47 2. On e va maintenant d´ terminer a partir de quand le stock est nul. est suppos´ e uniform´ ment r´ partie sur e e e la semaine de cinq jours (cfr figure 3.10) 2 Si x > S : Ip (S) = .2: Evolution du stock en cas de rupture = 70 ampoules par jour. Sous cette hypoth` se.

11) S On peut donc exprimer C(S) en fonction du seul Ir (S) : C(S) = cp Ip (S) + cr Ir (S) = cp [S − D’o` finalement : u ¯ X cp ) + (cr + )Ir (S) 2 2 Dans le cas d’une loi de demande continue. La gestion calendaire de stock 3. peutsecalculercommel’int´ egrale: Ir (S) = (x − S)f (x)dx On peut maintenant tirer l’expression de Ip (S) en fonction de Ir (S) : x S ∞ (S − )f (x)dx + f (x)dx 2 2 S 0 S ∞ 1 S = f (x)dx + (S − x)f (x)dx 2 0 2 0 ∞ ∞ S 1 = + (S − x)f (x)dx − (S − x)f (x)dx 2 2 0 S ¯ S S X Ir (S) = + − + 2 2 2 2 On obtient donc la relation suivante : Ip (S) = Ip (S) = S − ¯ X Ir (S) + 2 2 (3.1 D´ termination de la solution optimale e Sous cette hypoth` se simplificatrice. nous allons pouvoir d´ terminer le niveau de e e recompl` tement optimal.48 Chapitre 3. Le coˆ t de gestion s’´ crit : e u e C(S) = cp Ip (S) + cr Ir (S) Pour le calcul du stock moyen poss´ d´ Ip (S).7. il faut dissocier le cas o` la e e u demande x est inf´ rieure a S de celui o` elle est sup´ rieure a S : e ` u e ` Ip (S) = S 0 x S (S − )f (x)dx + 2 2 ∞ S ∞ S f (x)dx Tandisquelenombremoyenderuptures. il suffit d’annuler la d´ riv´ e premi` re e e e C(S) = cp (S − dC(S) cp dIr (S) = cp + (cr + ) dS 2 dS cp = cp + (cr + )[−P (X > S ∗ )] = 0 2 ¯ X Ir (S) + ] + cr Ir (S) 2 2 . Ir (S).

Section 3.7. Cas de stocks ` rotation non nulle a d’o` u P (X > S ∗ ) = cp cr + cp /2

49

(3.12)

Appliquons ceci aux donn´ es num´ riques de notre exemple de ventes d’ame e poules electriques. Par la relation (3.12) : ´ P (X > S ∗ ) = 0, 01154 = 2, 28% 0, 5 + 0, 01154/2

La lecture dans la table normale r´ duite nous donne : e tS = 2 = S − 300 20

D’o` , le niveau optimal de recompl` tement : S ∗ = 340. u e Tout comme dans le cas de stock a rotation nulle, on peut d´ duireles principaux ` e indicateurs de la solution optimale choisie : • Le nombre moyen de rupture se calcule par la formule suivante : Ir (S) = σ [f (tS ) − tS P (t > tS )] avec :
2 ¯ S−X e−tS /2 √ tS = et f (tS ) = σ 2π Appliquons ceci aux donn´ es num´ riques de l’exemple pour lequel ts = 2. e e On obtient : Ir (S ∗ ) = 0, 159

• Le stock moyen poss´ d´ se calcule a partir de la formule e e ` Ip (S) = S − dont l’application donne ici : Ip (S ∗ ) = 340 − 300 0, 159 + = 190, 08 2 2 ¯ X Ir (S) + 2 2

• Le coˆ t moyen de stockage se calcule comme u C(S ∗ ) = cp Ip (S ∗ ) + cr Ir (S ∗ ) = 0, 0115 × 190, 08 + 0, 5 × 0, 159 = 2, 27

50

Chapitre 3. La gestion calendaire de stock

3.7.2

Cas d’une loi de demande discr` te e

Terminons ce chapitre en voyant les formules de calcul dans le cas d’une loi de demande discr` te pour la gestion de stock a rotation non nulle. e ` Le stock moyen poss´ d´ se calcule dans le cas discret comme suit : e e
S−1

Ip (S) =
0 S−1

x (S − )P (X = x) + 2

∞ S

S P (X = x) 2

=
0

x S (S − )P (X = x) + P (X ≥ S) 2 2

Exprimons ce stock moyen poss´ d´ en fonction du stock r´ siduel moyen de fin de e e e p´ riode : e
S−1

Ip (S) =
0

(

S S x S + − )P (X = x) + 2 2 2 2

∞ S

P (X = x)

1 S [ (S − x)P (X = x) + S] 2 0 S 1 ∞ 1 = + (S − x)P (X = x) − 2 2 0 2 = D’o` finalement : u

∞ S

(S − x)P (X = x)

¯ X Ir (S) + , (3.13) 2 2 c’est-` -dire exactement la mˆ me formule que celle obtenue dans le cas continu. a e Ip (S) = S − On peut donc exprimer C(S) en fonction du seul Ir (S) : C(S) = cp Ip (S) + cr Ir (S) ¯ X Ir (S) = cp [S − + ] + cr Ir (S) 2 2 D’o` finalement : u C(S) = cp (S − ¯ X cp ) + (cr + )Ir (S) 2 2

Dans le cas discret, le niveau optimal de recompl` tement S ∗ est d´ termin´ par la e e e formule suivante : P (X > S ∗ ) < cp < P (X > S ∗ − 1) cr + cp /2 (3.14)

Section 3.8. Exercices

51

3.8

Exercices

3.1. Achat de pi` ces de rechange. L’ing´nieur en chef d’une usine passe la e e commande d’un mod` le de pi` ces d´ tach´ es d’une machine pour laquelle e e e e il craint un approvisionnement difficile. Les cons´ quences d’un arrˆ t de la e e machine a cause d’un retard de livraison de la pi` ce sont particuli` rement ` e e on´ reuses : le coˆ t d’un arrˆ t de la production pour manque de pi` ce est e u e e de 25.000 F. En achetant cette pi` ce en mˆ me temps que la machine, le e e coˆ t d’approvisionnement unitaire est de 1.000 F. L’exp´ u erience pass´ e de e l’ing´ nieur l’incite a estimer la distribution des pannes sur la dur´ e de vie e ` e du mat´ riel, par une loi de Poisson de param` tre 1. La possession de pi` ce e e e au del` de la dur´ e de vie de la machine est sans valeur vu l’obsolescence a e technique rapide de la machine. (a) Quelle est la politique optimale a suivre ? ` (b) On calculera les cons´ quences de cette politique de commande de e pi` ces de rechange que sont le nombre moyen de pi` ces r´ siduelles e e e et le nombre moyen d’arrˆ ts de la machine. e (c) On en d´ duira le coˆ t de gestion du stock C(S). e u 3.2. Ventes d’hebdomadaires. Un libraire commande r´ guli` rement un hebdoe e madaire aupr` s de son grossiste. Son coˆ t d’achat est de 12 F et son prix e u de vente 16 F. On suppose que les ventes hebdomadaires suivent une loi normale de moyenne 30 et d’´ cart type 5. e (a) Quel est le nombre d’exemplaires a commander aupr` s de son grossiste ` e chaque semaine si le coˆ t de reprise est de 10 F ? u (b) On calculera les cons´ quences de cette politique que sont le nombre e moyen de ventes manqu´ es et le nombre moyen d’invendus. e (c) On en d´ duira la marge nette moyenne B(S). e 3.3. Ventes de calculatrices. Un etablissement sp´ cialis´ dans la distribution ´ e e de calculatrices electroniques a un produit vendu couramment tout au long ´ de l’ann´ e. Il s’agit d’une calculatrice scientifique qui est achet´ e 45 F e e et revendue 55 F. Le taux d’opportunit´ utilis´ est de 20 %. La demande e e hebdomadaire de ce mod` le est d’environ 5 calculatrices, et il y a tout lieu e de penser que le mod` le de Poisson est utilisable. La soci´ t´ est ouverte e ee 52 semaines par an, les d´ lais d’approvisionnement sont n´ gligeables, les e e demandes non satisfaites sont consid´ r´ es comme perdues. La p´ riode de ee e r´ vision calendaire T est de deux semaines. e (a) On demande de calculer le niveau optimal derecompl´ etement du stock.

e 3. Un producteur de sapin de no¨ l doit d´ cider e e e de la quantit´ a mettre en production chaque ann´ e.000 et d’´ cart type 200. e (b) Calculez les cons´ quences decette politique que sont le nombre moyen e de ventes manqu´ es et le stock moyen poss´ d´ . e 3.5. La p´ riode de r´ vision u e e e calendaire T est aussi de deux semaines. e e e (c) En d´ duire la marge nette moyenne B(S). (a) Calculez le niveau de recompl` tement optimal. Ventes de sapins de No¨ l. Le coˆ t de production est de 10 EURO e u l’unit´ et le prix de vente de 24 EURO. Les donn´ es e e de coˆ t sont les mˆ mes que celles des calculatrices. Ventes de r´ veils electroniques.52 Chapitre 3. Quelle quantit´ doit-il mettre en production pour minimiser son e coˆ t de gestion ? On suppose un taux d’opportunit´ de 10 % l’an. u e . La mˆ me politique de gestion calendaire est suivie. Le producteur travaille uniquement e sur commande de sorte qu’il ne coupe que les arbres demand´ s l’ann´ e e e courante.4. La demande sur une e ´ ı e semaine suit approximativement une loi normale de moyenne 100 et d’´ carte type 30. La soci´ t´ commercialise egalement un e ´ ee ´ r´ veil electronique qui connaˆt une grande popularit´ . Les ventes annuelles e` e concentr´ essurlapremi`erequinzaineded´ecembresuiventuneloinormalede e moyenne 30. e e e (c) On en d´ duira la marge nette moyenne B(S). La gestion calendaire de stock (b) On calculera les cons´ quences de cette politique que sont le nombre e moyen de ventes manqu´ es et le stock moyen poss´ d´ .

1 Introduction La gestion calendaire se caract´ rise. la valeur constante de la commande. le coˆ t de rupture u intervient aussi. e sera d´ termin´ e de mani` re a minimiser le coˆ t de gestion qui ne comprend e e e ` u que deux termes : C(q) = cc Ic(q) + cp Ip (q) 2. La gestion (q. s) en univers certain. dans ce cas. Dans ce cas. le point de commande seront d´ termin´ es de mani` re a e e e ` minimiser le coˆ t de gestion qui comprend trois termes : u C(q. le montant des e commandes et s. Comme. au contraire par : e • un montant de commande constant : cette quantit´ economique de come ´ mande sera not´ e q. elle. On examinera successivement les deux cas de figures que sont : 1. comme nous l’avons vu au chapitre 3 par : e • des commandes a intervalles fixes dont la p´ riodicit´ est not´ e T . ` e e e • un niveau de commande variable : qui vaut la diff´ rence entre S. s) + cp Ip (q. La variable de d´ cision q. le stock r´ siduel. s. on commande avant rupture de stock et il n’y a pas de coˆ t de u rupture. la demande est certaine. La gestion (q. s) en univers incertain. s) + cr Ir (q. s) = cc Ic(q. le niveau e de recompl` tement et R. Les variables de d´ cision que sont q. e e La gestion par point de commande se caract´ rise. e • une p´ riodicit´ de commande variable (lorsqu’on est en univers al´ atoire) : e e e on commande lorsque le stock passe en dessous du point de commande. s) 53 .Chapitre 4 La gestion par point de commande 4.

que nous e e noterons D sont estim´ es a 2 400 unit´ s. Le u stock moyen poss´ d´ vaut donc : e e Ip = q 400 = . 2 2 .2 D´ termination de la quantit´ economique de commande e e´ Nous allons illustrer la d´ termination de la quantit´ economique de commande en e e´ univers certain sur un exemple tir´ de Giard [5] . Les ventes annuelles. Cette demande est consid´ r´ e comme e ` e ee uniforme sur l’ann´ e : c’est-` -dire qu’elle ne subit pas de variations saisonni` res. on doit e passer commande tous les 400 1 = ann´ e. La question qui se pose est la suivante : Quelle est la quantit´ q constante a e ` commander p´ riodiquement pour que le coˆ t annuel moyen soit minimum ? e u Avantded´eterminer laquantit´ eoptimale. Le stock varie donc entre 400 et 0. onpeut evitertouteruptured’approvisionnementenpassantcommande ´ a temps. Le coˆ t de passation d’une commande de 300 F et est ind´ pendant u e de la quantit´ command´ e. on passe commande de mani` re a ce que le stock soit nul au u e ` moment o` arrivent les nouveaux articles. La p´ riode economique de commande est donc : a e ´ q τ= D Le nombre moyen de commandes par an vaut : Ic(q) = D’o` le coˆ t de commande : u u ccIc(q) = cc D 2 400 = 300 = 1 800 F. q = 400. Il s’agit d’un ustensile de cuisine e achet´ par un supermarch´ au prix unitaire de 30 F. e e Le coˆ t de possession annuel unitaire peut etre calcul´ en tenant compte du u ˆ e taux d’opportunit´ annuel ici suppos´ de 20 % comme : e e 30 × 0. e 2 400 6 c’est-` -dire tous les deux mois. ` e e soit 288 jours. par exemple.54 Chapitre 4. En cas de demande uniforme sur l’ann´ e. q 400 D q Passons maintenant au calcul du stock moyen poss´ d´ . e a e Vu le caract` re certain de la demande et du d´ lai d’obtention (ici de 20 jours e e ouvrables). La gestion par point de commande 4. Pour minimiser le e e coˆ t de possession. raisonnons surune valeurquelconque de q. 2 = 6 F. On consid` re que l’ann´ e comporte 48 semaines de 6 jours ouvrables.

Rappelons les hypoth` ses simplificatrices du moe e e d` le : e • une demande certaine et distribu´ e uniform´ ment. 2 400 400 = 1 200 F.1) . e e Ces deux hypoth` ses impliquent qu’il n’y a pas besoin de stock de s´ curit´ pour e e e faire face a une pointe de demande impr´ vue. la commande p´ riodique. On cherche donc a d´ terminer la ` e ` e valeur de la seule variable de d´ cision.Section 4.2. D´termination de la quantit´ ´conomique de commande e ee Le coˆ t annuel de possession vaut donc : u cp Ip (q) = 6 D’o` le coˆ t annuel de gestion : u u C(q = 400) = 6 400 2 400 + 300 = 3 000 F. Il suffit d’annuler sa d´ riv´ e premi` re : e e e 1 D C (q) = cp − cc 2 = 0 2 q D’o` le point optimum : u q∗ = 2Dcc cp (4. On obtient : e e C(q) = cp Ip (q) + ccIc (q) q D = cp + cc 2 q q 2 400 = 6 + 300 2 q Il est facile de calculer l’optimum d’une telle fonction. e e • un d´ lai de r´ approvisionnement certain. 2 55 Nous pouvons maintenant faire une mod´ lisation du probl` me pour une quane e tit´ command´ e quelconque q. e a e qui minimise le coˆ t de gestion qui ne comprend que deux termes : u C(q) = cp Ip (q) + cc Ic(q) On peut g´ n´ raliser les calculs de l’exemple ci-dessus. c’est-` -dire q.

204 ann´ es. V´ rifions qu’il s’agit bien d’un e e e e minimum en calculant la d´ riv´ e seconde : e e C”(q) = 2cc D >0 q3 Remarquez qu’au point optimum. . on d´ duit le coˆ t annuel de gestion : e e u C(q∗ ) = cp Ip (q∗ ) + cc Ic(q ∗ ) 490 2.56 Chapitre 4. Le stockmoyen d´ tenu e e vaudra : q∗ 490 ∗ Ip (q ) = = = 245. e D 2 400 Examinons les cons´ quencesde lapolitiqueoptimale. 2 2 Et le nombre moyen annuel de commandes vaudra : Ic(q∗ ) = D 2 400 = = 4. 9 ∼ 490 6 D’o` la dur´ e optimale de consommation : u e τ∗ = q∗ 490 = = 0. 39 F. 898 q∗ 490 De ces deux quantit´ s. La quantit´ economique de com` e e ´ mande vaut donc : q∗ = 2 2 400 300 = 489. La gestion par point de commande Cette quantit´ est appel´ e quantit´ de Wilson.400 = 6 + 300 2 490 = 2 939. on a egalit´ des coˆ ts de commande et de ´ e u possession. En effet : cc Ic(q∗ ) = cc D = cc q D 2Dcc cp 2Dcc cp = Dcc cp 2 Dcc cp 2 q∗ cp Ip (q ) = cp = cp 2 ∗ 2 = Appliquons ceci a l’exemple num´ rique.

niveau du stock q ∗ quantit´ economique de commande e´ 490 s point de commande 167 L L temps Figure 4. e e e (4. e 288 20 = 166. le point de commande est tel que e e s = DL avec D = demande annuelle.2) .3. L = d´ lai d’obtention exprim´ en ann´ e. 069 ann´ e.Section 4. 288 la demande durant cette p´ riode s’´ l` ve a : e ee ` D × L = 2 400 × que l’on arrondi au point de commande s = 167. c’est-` -dire e a L= 20 = 0. 67 articles. Lechef derayon va donc passercommande d` s qu’ilvoit qu’ilreste 167articles e en rayon de mani` re a ce que le stock soit nul au moment de la livraison (voir figure e ` 4.3 D´ termination du point de commande e La question qui se pose maintenant est : “Quand commander ?” Comme le d´ lai d’obtention est de 20 jours ouvrables.1).1: Point de commande En g´ n´ ral. D´termination du point de commande e 57 4.

Ce qui est le e e plus souvent le cas. Donc.) • Nous maintenons l’hypoth` se d’un d´ lai d’obtention certain. Tout d’abord.58 Chapitre 4. le d´ lai d’obtention de 20 jours e e s’exprime en fraction d’ann´ e comme : e 20 ann´ es.74. La gestion par point de commande 4. Le coˆ t de rupture vaut la marge qui est e u ici de 10 F. 288 µL = Lµ = 2 σL = Lσ 2 = En effet. e Nous allons g´ n´ raliser ce mod` le de la mani` re suivante : e e e e • On suppose que la demande est connue en probabilit´ mais reste statique e (c’est-` -dire que les caract´ ristiques de la distribution restent stables dans le a e temps. remarquons e e que pendant le d´ lai d’obtention de 20 jours la demande est al´ atoire. e e e • On a un d´ lai de livraison certain. u Passons au probl` me de la d´ termination de q et s. a savoir la vente d’ustensiles ` de cuisine mais en consid´ rant cette fois que la demande annuelle suit une normale e de moyenne 2 400 et d’´ cart type 189. on obtient un ecart type de : ´ σL = 20 × 189. 74)2 . les param` tres de la demande durant 20 jours se d´ duisent des param` tres e e e des ventes annuelles en multipliant la moyenne et la variance (et non l’´ cart type) e par L. 288 . Le coˆ t de possession annuel reste de 6 F. e 288 La demande XL en 20 jours suit une loi Normale L= • de moyenne : • de variance : 20 × 2 400 = 167 288 20 × (189. 74 = 50. Nous illustrons ce cas sur l’exemple introductif.4 Cas d’une demande al´ atoire e Rappelons les hypoth` ses de base de la gestion par point de commande en univers e certain : • On a une demande certaine uniform´ ment r´ partie sur l’ann´ e. Tout d’abord. Calculons e e les param` tres de sa distribution.

1 D´ termination de q et s e La fonction de coˆ t a minimiser fait intervenir les trois variables d’´ tat que sont : u ` e • le nombre moyen de commandes. s) = cc Ic (q. Ir . C(q. s) + cp Ip (q. . D´ terminer le point de commande s en arbitrant entre le coˆ t de rupture e u et le coˆ t de possession en utilisant la gestion calendaire pendant le d´ lai u e d’obtention L. e Dans l’expression de C. D´ terminer la quantit´ economique q en arbitrant entre le coˆ t de come e´ u mande et le coˆ t de possession a partir de la demande moyenne. le nombre moyen de commande d´ pend essentiellement e de la quantit´ command´ e q tandis que le nombre moyen de ruptures d´ pend e e e essentiellement du point de commande s. On peut donc r´ crire cette expression e comme : C(q. s) + cr Ir (q. u ` 2. Ip . s) Nous allons obtenir une solution approch´ e au probl` me en effectuant une d´ e e e termination ind´ pendante de s et de q en se basant sur l’observation suivante.Section 4. En minimisant le coˆ t de gestion : u C(q) = cc Ic(q) + cp Ip (q).4. • la rupture moyenne annuelle. s) = cc Ic (q) + cp Ip (q. s) + cr Ir (s) On voit que le terme qui lie le probl` me en la variable q et le probl` me en la e e variable s est le stock moyen poss´ d´ Ip qui d´ pend a la fois de q et de s. Ic .4. Cas d’une demande al´atoire e 59 4. Le principe pour obtenir e ` e cette solution approch´ e est de r´ soudre ind´ pendamment les deux probl` mes e e e e suivant : 1. e Le probl` me delad´etermination delaquantit´e economique decommande n’est e ´ rien d’autre que le probl` me etudi´ en univers certain si l’on remplace la demande e ´ e annuelle certaine par la demande annuelle moyenne : D = µ = 2 400. • le stock moyen annuel. On e e e ` va d´ terminer une solution approch´ e en s´ parant le probl` me a deux variables en e e e e ` deux probl` mes a une variables de la mani` re suivante. en retenant comme s le niveau de recompl` tement optimal.

on rencontre le probl` me de gestion calendaire : e 2 400 = 4. 2042 = = 0. 9 fois l’an 490 ou encore tous les 490 = 58. En effet. Le probl` me de la d´ termination du stock de s´ curit´ est quant a lui r´ solu en e e e e ` e prenant pour point de commande s le niveau de recompl` tement S qui minimise e le coˆ t d’une gestion calendaire durant le d´ lai d’obtention L : u e C(S) = cp Ip (S) + cr Ir (S) avec Ir (S). 115 10 + 6 × 0. La gestion par point de commande la solution trouv´ e dans le cas certain etait de : e ´ q∗ = 490. on d´ duit : e P (X > S ∗ ) = cp cr + cp /2 6 × 0. e e En moyenne.50).1) : P (Z > 1. 2004) = 0. le nombre moyen d’articles non fournis durant L et Ip (S). 2 400 Remarquons que le stock moyen poss´ d´ Ip (S) correspond a une immobilisation e e ` sur 59 jours et non sur les 20 jours donc le coˆ t unitaire de possession est de : u 288 cp = 6 × 0. 2042/2 La demande X durant le d´ lai d’obtention de 20 jours est une N(167. un article encore en stock a l’issue des 20 jours du d´ lai d’obtention ` e augmentera d’une unit´ la valeur du stock durant toute la dur´ e d’´ coulement de e e e la suivante commande. c’est-` -dire durant 59 jours. 115 D’o` u 1. 81 jours.60 Chapitre 4. 2004 = D’o` finalement u S ∗ = 227 S ∗ − 167 50 . le stock moyen poss´ d´ durant L. On lit e dans la table de la normale N(0. D’o` la fonction objectif : a u C(S) = 6 × 0. 2042Ip (S) + 10Ir (S) En utilisant la gestion calendaire. 2042 F/article/59 jours.

Section 4.4. Cas d’une demande al´atoire e

61

4.4.2

Cons´ quences economiques du choix e ´

` Le stockde s´ curit´ estd´ fini comme diff´ rence entreleniveauderecompl etement e e e e et la demande moyenne durant L et vaut ici : 227 − 167 = 60 articles. Le nombre moyen de commandes d´ pend uniquement de q et se calcule par la e formule : D 2400 Ic(q) = = = 4, 898 commandes. q 490 Le nombre moyen de ruptures au cours d’un cycle, not´ Ir , se calcule par la e c formule de la gestion calendaire :
c Ir (s = 227) = σ × g(tS = 1, 2) = 50 × 0, 0561 = 2, 81

Or le nombre de cycles est egal au nombre de commandes Ic(q). Le nombre moyen ´ de ventes manqu´ es par an s’´ l` ve donc a : e ee `
c Ir (s, q) = Ic(q)Ir (s) = 4, 898 × 2, 81 = 13, 76 articles

Le calcul du stock moyen poss´ d´ est plus compliqu´ car il d´ pend a la fois de s e e e e ` et de q. On peut montrer (voir Giard [5], chapitre 4, relation (20), p 277) que : 1. en cas de ventes manqu´ es perdues : e Ip (s, q) = q I c(s) + (s − DL) + r 2 2

Le coˆ t de gestion correspondant vaut : u C(s, q) = cc D q cp D c + cp ( + s − DL) + ( + cr )Ir (s) q 2 2 q

2. en cas de ventes manqu´ es diff´ r´ es : e ee Ip (s, q) = q DL c + (s − DL) + I (S) 2 2q r

o` Ir (s) note le nombre moyen de ruptures par cycle (durant le d´ lai d’obu c e tention). Le coˆ t de gestion correspondant vaut : u C(s, q) = cc D q cp L D c + cp ( + s − DL) + ( + cr ) Ir (s) q 2 2 q

62

Chapitre 4. La gestion par point de commande

Dans le cas pr´ sent, les ventes manqu´ es sont suppos´ es perdues pour le supere e e march´ et donc le stock moyen poss´ d´ se calcule par la formule suivante : e e e
c q Ir (s) Ip (s, q) = + (s − DL) + 2 2 490 2, 81 = + 60 + 2 2 = 306, 405

On en d´ duit le coˆ t de gestion total suivant : e u
c C(s, q) = cc Ic (q) + cp Ip (q, s) + cr Ic (q)Ir (s) 2 400 2 400 = 300 + 6 × 306, 4 + 10 2, 81 490 490 = 1 469, 39 + 1 838, 43 + 137, 63 = 3 445, 45

La marge nette moyenne annuelle est obtenue en soustrayant a la marge annuelle ` sur la demande moyenne le coˆ t de gestion annuel : u B(s, q) = mu D − C(s, q) = 24 000 − 3 445, 45 = 20 554, 54 On utilise egalement un indicateur appell´ le taux de rotation du stock. ´ e D´ finition 4.1 On d´ finit le taux de rotation du stock comme le quotient de la e e demande moyenne sur le stock moyen poss´ d´ . e e Dans le cas de l’exemple, il se calcule comme suit : r= D 2 400 = = 7, 83 Ip 306, 4

Le lecteur int´ ress´ touvera dans Giard [5] de nombreuses am´ liorations du e e e mod` le vu ici, notamment : e • La politique optimale (q, s) dans le cas de demande et d´ lai d’obtention e al´ atoires, e • La prise en compte de l’interd´ pendance entre articles, e • La prise en compte de rabais uniformes, • La prise en compte de rabais progressifs, • ...

Section 4.5. Exercices

63

4.5

Exercices

4.1. Vente de verre de cristal. Le rayon cristal d’un grand magasin vend chaque semaine 150 boˆtes du mod` le “Elite”. Le coˆ t d’achat d’une boˆte de verres ı e u ı est de 8 EURO. Le coˆ t associ´ a une commande est evalu´ a 30 EURO. u e` ´ e` Le d´ lai de livraison est de deux semaines. Le coˆ t de possession utilis´ ne e u e fait intervenir qu’un coˆ t d’opportunit´ , lequel se calcule a l’aide d’un taux u e ` annuel de 15 %. On suppose que la demande est une certaine et qu’il n’est pas possible d’avoir de rupture de stock. On suppose egalement que l’ann´ e ´ e comporte 52 semaines, le magasin restant ouvert toute l’ann´ e. e (a) Calculez la commande optimale. (b) Quel est l’intervalle entre deux passations de commandes successives ? (c) D´ terminez le point de commande. e (d) Calculez le coˆ t de gestion de stock correspondant a cette solution u ` optimale. 4.2. Vente de verre de cristal en univers al´ atoire. La demande hebdomae daire de boˆtes de verres en cristal n’est maintenant plus consid´ r´ e comme ı ee certaine, mais comme al´ atoire. Elle suit une loi normale de moyenne 150 e et d’´ cart-type 50. Le coˆ t d’achat d’une boˆte de verres est toujours de 8 e u ı EURO, et le coˆ t associ´ a une commande est toujours evalu´ a 30 EURO. u e` ´ e` Le prix de vente d’une boˆte de verres est de 10 EURO. Le d´ lai de livraison ı e est toujours de deux semaines. Le taux annuel est de 15 %. Le magasin est ouvert 52 semaines par an. (a) D´ terminez la quantit´ a commander r´ guli` rement. e e` e e (b) Calculez le nouveau point de commande. (c) D´ terminez le nombre moyen annuel de boˆtes de verres que le grand e ı magasin n’a pas et´ en mesure de vendre. ´e (d) D´ terminez le stock moyen poss´ d´ . e e e (e) En d´ duire le coˆ t de gestion annuel. e u 4.3. Vente de verres plat. Un vitrier doit d´ cider de la commande de verre e plat 4 mm a passer aupr` s de son grossiste. La demande pour le verre ` e plat est suppos´ e uniforme sur l’ann´ e. Il vend 200 m2 par an a un prix e e ` 2 de vente unitaire de 30 EURO par m , lui-mˆ me l’ach` te aupr` s de son e e e 2 grossiste a 20 EURO par m . Le d´ lai d’obtention est d’une semaine. Le ` e coˆ t de passation d’une commande est de 200 EURO. Il est ind´ pendant de u e la quantit´ command´ e. Le taux d’int´ rˆ t annuel est de 10 %. e e ee

4. que pr´ conisez-vous ? e ´ e e e . (c) Servir d’interm´ diaire en r´ percutant au fournisseur la commande. e La demande mensuelle de cet article suit une loi de Poisson de moyenne 8. Vente par correspondance. un d´ lai d’obtention e e e de 15 jours environ. e u e e du fait de l’irr´ gularit´ de l’approvisionnement. La gestion par point de commande (a) Quelle est la quantit´ a commander r´ guli` rement ? e` e e (b) A partir de quel niveau de stock faut-il passer commande ? 4. ce e e qui permet a l’entreprise de vente par correspondance de percevoir une ` commission de 50 EURO. L’entreprise estime que la rentabilit´ marginale de son capital est de 24 %. e Apr` s etude du b´ n´ fice net dans les trois cas. mais avec cette fois. Une soci´ t´ sp´ cialis´ e dans le vente par coree e e respondance a un article peu vendu. L’acheteur responsable de l’approvisionnement h´ site entre trois syst` mes : e e (a) La gestion calendaire avec une p´ riode de r´ vision calendaire de deux e e mois. ee u (b) Une gestion dutype quantit´ economique decommande -pointdecome´ mande avec les mˆ mes coˆ ts que pr´ c´ demment.leproduit estachet´ u ` e 200 EURO et revendu 350 EURO (y compris le coˆ t moyen de transu port vers le client de 50 EURO). Il s’agit d’un matelas orthop´ dique. Une demande non e satisfaite est diff´ r´ e avec un coˆ t de 10 EURO (frais administratifs). La r´ gularit´ de l’approvisionnement e e permet d’avoir un d´ lai d’obtention insignifiant.64 Chapitre 4. Lecoˆ tdecommandeestestim´ e a20EURO.

Partie II Les d´ cisions tactiques e 65 .

.

1 Introduction La planification de la production consiste en la r´ gulation a moyen terme de la e ` production.P. capacit´ s de production. de rupture). e • la planification juste a temps dont le principe fondamental est de produire la ` quantit´ strictement n´ cessaire aux besoins imm´ diats du client.. Elle fait le lien entre les d´ cisions e e op´ rationnelles a court terme et les d´ cisions strat´ giques a long terme. Partant des donn´ es physiques (stocks disponibles. e 67 . e e e La planification des besoins en composants ou M. e Elle ne s’applique donc pas au cas de la production en s´ rie unitaire. lie e vraisons attendues. e Il existe deux types d’approches en planification de la production : • la planification des besoins en composants qui vise a etablir une program`´ mation pr´ visionnelle des composants. L’utilisation des techniques d’optimisation aboutit a une program` mation pr´ visionnelle : on utilisera la programmation dynamique lorsque l’on a e une demande dynamique certaine ne portant que sur un seul article et la programmation lin´ aire dans le cas statique portant sur plusieurs produits. demandes pr´ visionnelles. (Material Requirement Planning) cherche a etablir la programmation de la production sur base d’un `´ syst` me d’information. . La planie ` e e ` fication de la production s’adresse uniquement au cas de la production en s´ rie. ) et des e e donn´ es comptables (coˆ ts de production. les quantit´ s fabriqu´ es dans chaque centre productif. C’est donc une d´ cision tactique. . on e u etablit un plan de production qui d´ termine pour chaque p´ riode les quantit´ s ´ e e e a produire par produit. d’approvisionnement. le ` e e niveau de stock en produits semi-finis et finis et l’utilisation des facteurs travail et machines.R.Chapitre 5 La planification de la production 5.

.. E1004 Niveau 2   -E3047 (1)  E2010 -E3052 (1)   .2: Plan directeur de production.   -E1004 (1)  -E1020 (1) T29   .2 La planification des besoins en composants Illustrons le principe de la planification des besoins en composants sur un exemple tir´ de Giard [5] : il s’agit d’un exemple d’assemblage de trois v´ hicules a moteur.. -E2040 (1) . e e ` La planification des besoins en composants n´ cessite l’existence des el´ ments e ´e suivants : 1. La planification de la production 5. il faut une boˆte de vitesse (E1001). ... Dans e e l’exemple... Le plan directeur de production donn´ au e e e e tableau 5.... lui-mˆ me constitu´ de divers e e e e el´ ments (E3047 et E3052). Un plan directeur de production : le plan directeur de production est le plan de mise a disposition de produits finaux. Une nomenclature compl` te : c’est-` -dire une codification de tous les e a composants qui permet d’´ crire le sch´ ma arborescent du tableau 5. Il peut egalement com` ´ porter le plan de mise a disposition de sous-ensembles ou de composants ` vendus comme pi` ces d´ tach´ es.. e ` P´ riode e Demande T 27 Demande T 28 Demande T 29 17 18 7 11 10 9 4 8 19 6 4 3 20 21 15 8 10 7 5 12 22 11 14 2 23 24 12 7 8 8 8 7 Tableau 5.   -E3047 (2)  E2040 -E3052 (2)   .. Tableau 5. pour faire une voiture (T27).. ı elle mˆ me constitu´ e d’un engrenage (E2010).   -E1001 (1)  T28 -E1020 (1)   . ´e Niveau 0 -E1001 (1) T27 -E1010 (1)   .1.68 Chapitre 5...2 pr´ voit uniquement la mise a disposition des produits finaux.1: D´ composition en composants e 2.. . ...    Niveau 1 E1001 -E2010 (1) .

Il s’agit d’un temps pour une production d’un lot de taille standard auquel on peut ajouter un d´ lai de s´ curit´ . e Element T 27 T 28 T 29 E1001 E1004 E2010 E2040 E3047 D´ lai d’obtention e 1 semaine 1 semaine 1 semaine 1 semaine 2 semaines 1 semaine 2 semaines 1 semaine Tableau 5.4: D´ lais d’obtention.3.Section 5. e Element E1001 E1004 E2010 E2040 E3047 S15 17 4 10 0 0 LA16 0 0 20 0 0 LA17 30 11 0 17 0 Tableau 5. e e .4. e e e ´e e Elles sont donn´ es au tableau 5.3. Les d´ lais d’obtention e e e e sont donn´ s au tableau 5. Existence de r` gles de priorit´ en cas de surcharge. de lancement de production et d’attente entre deux e productions. Un syst` me d’information sur les stocks qui pemet de connaˆtre l’´ tat e ı e exact du stock de chaque composant en d´ but de chaque p´ riode.3: Stock initiaux et livraisons attendues. e 6.2. 7. Les stocks e e initiaux sont donn´ s au tableau 5. 4. Fichier des capacit´ s des centres de production pour chaque p´ riode de e e l’horizon de planification. Un fichier des livraisons attendues : c’est-` -dire donnant le nombre de a pi` ces r´ sultant de commandes du pass´ qui n’ont pas encore et´ livr´ es. Un fichier des d´ lais d’obtention : le d´ lai d’obtention etant la somme e e ´ des temps op´ ratoire. e 5. La planification des besoins en composants 69 3.

e • de la mani` re de couvrir ces besoins.4).70 Chapitre 5. . e P´ riode e Lancements T 27 Lancements T 28 Lancements T 29 16 17 7 10 4 11 9 8 18 6 4 3 19 20 15 10 5 8 7 12 21 11 14 2 22 23 12 8 8 7 8 7 Tableau 5. Ceci conduit aux a lancements de productions de niveau z´ ro du tableau 5. Au niveau 0.3 Principes de base de la MRP La logique de calcul de la MRP consiste a l’utilisation en cascade ` • de la d´ termination des besoins nets d’un composant. il n’y a pas e ´ e de stock initial ni de livraisons attendues.6: Besoins bruts en composant E1001. Les besoins bruts du composant E1001 ` sont donn´ s au tableau 5. on fait du lot par lot.1 D´ termination des besoins nets d’un composant e Illustrons ceci sur l’exemple du composant de niveau un E1001.6. La planification de la production 5. Ces besoins bruts ne correspondent pas a la production e ` P´ riode e Besoins Bruts pour T27 Besoins Bruts pour T28 Besoins Bruts totaux 16 17 7 10 11 9 18 19 6 4 15 10 20 8 7 15 21 22 11 12 14 8 23 7 8 15 17 20 10 25 25 20 Tableau 5. e On peut en d´ duire les besoins bruts du composant E1001 puisqu’il est utilis´ e e a raison de un par T27 et de un par T28. e 5.3. sa demande emane des demandes de T27 et T28. On suppose ici un d´ lai d’assemblage d’une semaine pour les trois e mod` les (voir tableau 5.2. On suppose egalement qu’au niveau z´ ro.5. Pour ce composant. e c’est-` -dire que l’on met en production exactement la demande. les lancements ´ programm´ s sont d´ termin´ s conform´ ment au plan directeur de production donn´ e e e e e au tableau 5. Au niveau z´ ro.5: Lancements de production de niveau z´ ro.

il n’y a de besoin de mise en e u production que si le r´ sultat est positif ce qui conduit a la formule suivante : e ` BNt = [BBt − LAt − P St−1 ]+ Les besoins nets pour le composant E1001 sont d´ termin´ s au tableau 5.2 D´ termination de la couverture des besoins nets e En planification de la production. ee ´ Les livraisons attendues sont des quantit´ s r´ sultant de pr´ c´ dents ordres de e e e e lancement de production mais qui n’ont pas encore et´ livr´ es. e e e e not´ s BBt ) : e + P St = [P St−1 + LAt − BBt ] o` [x]+ = max{0. Les besoins nets de la p´ riode t. et diminu´ e de la demande de la p´ riode (les besoins bruts.3. not´ s BNt . La e position du stock en fin de p´ riode t.7. c’est-` -dire e e a ceux qui vont n´ cessiter de nouveaux ordres de lancement de production. Bien sˆ r. on suppose que les besoins nets sont connus suffisamment a l’avance pour eviter toute rupture. not´ e P St .7 e e 5.3. u . se calculent u e e comme la diff´ rence entre les besoins bruts et la somme des livraisons attendues e et du niveau initial du stock de la p´ riode. La position initiale ´e e du stock en p´ riode 16 est la position finale du stock en fin de p´ riode 15. La d´ termination de la quantit´ ` ´ e e ` a livrer pour satisfaire les besoins nets repose donc sur un arbitrage entre • les coˆ ts de lancement de production. Principes de base de la MRP 71 qu’il est n´ cessaire de mettre en route. P´ riode e Besoins bruts Livraisons attendues Stocks final Besoins nets 17 15 16 17 0 0 0 17 18 20 10 30 10 0 0 0 0 19 25 0 25 20 21 15 25 0 0 22 20 0 20 23 15 0 15 15 25 Tableau 5. Formalisons math´ matiquement la d´ termination des besoins nets. Ces e e informations sont reprises au tableau 5. x}. accrue des livraisons attendues en d´ but de e e e e p´ riode t. compte tenu du stock initial disponible pour e cette r´ f´ rence et des eventuelles livraisons attendues.Section 5.7: Besoins nets en composant E1001. not´ es LAt . se calcule comme la position du e e stock en fin de p´ riode pr´ c´ dente.

suppos´ ici de 1 semaine. e P´ riode e Livraisons attendues Besoins nets Lancements de production 16 0 0 30 17 30 0 0 18 19 0 0 0 25 20 0 15 25 21 22 0 0 23 0 15 0 25 20 20 15 25 15 Tableau 5. Remarquez que le lancement de 30 en e p´ riode 16 provient non pas d’une livraison programm´ e de p´ riode 17 mais bien e e e d’une livraison attendue de p´ riode 17. ce qui conduit aux lancements de production illustr´ s au tableau 5. etc. e e e Ainsi.8. Dans le cas o` ces capae u cit´ s sont d´ pass´ es. On applique la d´ marche de calcul que nous venons de voir en cascade : e • a toutes les r´ f´ rences de niveau 0 (produits finaux). 5. . une boˆte de vitesse) utilise le composant ı de niveau un E2010 (un engrenage). on proc´ dera a un ajustement charge-capacit´ comme nous e e e e ` e le verrons plus loin. . il faudra tenir compte des capacit´ s de production. u Chapitre 5. La planification de la production Nous verrons au chapitre 6 une m´ thode qui permet de faire cet arbitrage : il s’agit e de la programmation dynamique. le composant E1001 (par exemple. A ce niveau-ci. ` • puis a celles de niveau 2.72 • les coˆ ts de possession. nous allons faire du lot par lot. on a tenu compte du d´ lai e e d’obtention.3. dans la d´ termination des lancements de produc´ e tion.3 Utilisation en cascade de la logique de calcul Maintenant que cet ech´ ancier de lancement de production est d´ termin´ pour le ´ e e e composant de niveau un E1001. ` • .8: Lancement de production en composant E1001. ` ee • puis a celles de niveau 1. e Remarquez egalement que. il va etre utilis´ a un niveau sup´ rieur pour ˆ e ` e calculer l’´ ch´ ancier des demandes brutes des composants de niveau sup´ rieur. . Pour d´ terminer les lancements de production.

Au niveau 2. Ce composant est utilis´ a raison e e e e` .10: Lancements en composant E1001. de d´ lai de fabrication L=1. leslancements du composant E3047 (de d´ lai de fabrication L=1) e sont d´ termin´ s conform´ ment au tableau 5. les lancements du composant E1001.Section 5. Au niveau 3. Toujours au niveau 2.9: Lancements programm´ s de niveau z´ ro. e e les lancements du composant E1004 (de d´ lai de fabrication L=2) sont d´ termin´ s e e e conform´ ment au tableau 5.3.11. les e lancements du composant E2040 (de d´ lai de fabrication L=2) sont d´ termin´ s e e e conform´ ment au tableau 5.14. e e e Au niveau 1. Ce composant est utilis´ a e e e e` raison d’une unit´ par composant de niveau 1 E1001. Principes de base de la MRP 73 P´ riode e T 27 T 28 T 29 16 17 7 10 4 11 9 8 18 6 4 3 19 20 15 10 5 8 7 12 21 11 14 2 22 23 12 8 8 7 8 7 Tableau 5.12.13. e e Illustrons ceci sur l’exemple. Ce composant est utilis´ a raison e e e e` P´ riode e Besoins Bruts pour T27 Besoins Bruts pour T28 Total Livraisons attendues Stocks Besoins nets Lancements de production 17 15 16 7 10 17 0 0 0 30 17 11 9 20 30 10 0 0 18 19 6 4 15 10 20 21 8 7 11 14 22 12 8 20 0 0 20 15 23 7 8 15 0 0 15 - 10 25 0 0 0 0 0 25 15 25 0 0 0 0 15 25 25 20 25 15 Tableau 5. les lancements programm´ s (cfr e tableau 5. Ce composant est utilis´ a raison d’une unit´ par e e` e composant de niveau un E1004. les lancements du composant E2010 (de d´ lai de fabrication e L=1) sont d´ termin´ s conform´ ment au tableau 5.10. Au niveau 0. e sont d´ termin´ s conform´ ment au tableau 5. Ce composant est utilis´ a raison d’une unit´ par e e` e produit T29. d’une unit´ par produit T27 et d’une unit´ par produit T28. Toujours au niveau 1.9) sont d´ termin´ s conform´ ment au plan directeur de production.

12: Lancements en composant E2010.13: Lancements en composant E2040. La planification de la production P´ riode e Besoins Bruts pour T 29 Livraisons attendues Position de stocks Besoins nets Lancements de production 15 16 4 0 4 0 0 11 0 17 8 11 3 0 5 18 19 3 0 0 0 12 5 0 0 5 2 20 21 12 0 0 12 8 2 0 0 2 7 22 8 0 0 8 - 23 7 0 0 7 - Tableau 5. .11: Lancements en composant E1004. P´ riode e Besoins Bruts pour E1001 Livraisons attendues Position de stocks Besoins nets Lancements de production 15 16 30 20 17 18 0 0 0 0 25 25 0 0 19 15 0 0 15 25 20 21 25 20 0 0 0 0 22 15 0 0 15 0 10 0 0 25 20 20 15 20 0 25 15 Tableau 5. P´ riode e Besoins Bruts pour E1004 Livraisons attendues Position de stocks Besoins nets Lancements de production 15 16 0 0 17 18 5 17 12 0 2 12 0 0 0 8 19 20 2 0 0 2 7 8 0 0 8 0 21 7 0 0 7 0 0 0 0 17 0 Tableau 5.74 Chapitre 5.

Cessous-ensembles font appel aux composants V.W.G et ` Hassembl´ esdansunautre atelierd’assemblageinterm´ediaire. Le tableau 5.15.4 Ajustement charge-capacit´ e Lorsque leslancements de production sont d´ termin´ s.W et Y sont fabriqu´ s dans l’atelier d’usinage. un ajustement “charge-capacit´ ” est effectu´ . Cette production s’effectue a partir de trois sous-ensembles F. Les livraisons attendues et les positions initiales de stock sont reprises au tableau 5. Pour que ce plan de production soit r´ alie e e sable.17. La nomenclature est reprise au e tableau 5. W et Y). d’une unit´ par composant de niveau deux E2010 et de deux unit´ s par composant e e de niveau deux E2040. e e Illustrons ceci sur un second exemple tir´ egalement de Giard [5]. il faut que la charge r´ sultante respecte les capacit´ s de production. Supposons e´ qu’une entreprise assemble trois produits A. on peut calculer lescharges e e r´ sultantes pour les diff´ rents ateliers. on suppose qu’il n’y a pas de probl` me de capacit´ au e e niveau 0. G et H) et de niveau 2 (usinage de V.4. Ajustement charge-capacit´ e 75 P´ riode e Besoins Bruts pour E2010 Besoins Bruts pour E2040 Total Livraisons attendues Position de stocks Besoins nets Lancements de production 15 16 0 0 0 0 17 18 25 15 4 16 19 20 25 20 14 0 21 15 0 15 0 0 15 - 29 31 0 0 0 0 39 20 0 0 0 0 0 0 0 29 29 31 31 39 39 20 20 15 Tableau 5. Pour cet exemple. Si ce e e n’est pas le cas.18.14: Lancements en composant E3047.X et Y dont X est achet´ a l’ext´ rieur tandis que e` e V. comporte les livraisons e pr´ vues en produits finaux mais aussi les demandes comme pi` ces d´ tach´ es en e e e e sous-ensembles et en composants. . e Le plan directeur de production. B et C dans un atelier d’assemblage final (niveau 0). donn´ au tableau 5.16 donne les capacit´ s de production des ateliers de niveau e 1 (assemblage interm´ diaire de F. 5.Section 5.

630 h Juillet 1.200 h 1.250 h 1. Usinage 1. La planification de la production A utilise    1F 1G 1F 1G   1H F utilise    B utilise G utilise 1V 1W   2X          1W 2X 1V 1W 1X 1Y C utilise 1G 1H H utilise Tableau 5.15: Nomenclature.700 h D´ cembre e 1.200 h 1.250 h 1.150 h 1.150 h 1.650 h Tableau 5.650 h Novembre 1.76 Chapitre 5. e .650 h 1.150 h 1. interm.650 h Octobre 1.600 h 1.250 h 1. Janvier F´ vrier e Mars Avril Mai Juin Ass. Usinage Ass.650 h 1.200 h 1.16: Capacit´ s de production.280 h 1.700 h Septembre 1. interm.200 h 1.650 h 1.650 h 1.600 h Aoˆ t u 1.200 h 1.

400 2.100 900 2.800 1.500 Novembre 10.500 1.000 2.000 1.500 1.500 13.000 X 3.100 3.000 B 12.800 3.000 Composants V 3.17: Plan directeur de production.500 1.500 1.000 G 1.100 2.500 1.300 17.400 C 17.500 1.500 1.000 3.500 Octobre Produits finis A 10.900 3.900 Sous-ensembles F 1.000 10.000 3.700 Juillet Aoˆ t u 9.200 H 2.600 1.000 11.300 H 2.500 20.000 11.500 10.000 2.500 1.000 20.4. Ajustement charge-capacit´ e 77 Janvier F´ vrier e Mars Avril Mai Juin Produits finis A 10.500 2.400 1.800 2.800 2.600 1.700 16.500 1.800 B 12.300 2.200 11.000 11.500 1.400 1.600 1.500 12.500 1.600 1.100 18.000 2.500 1.100 Sous-ensembles F 1.500 W 700 1.000 10.100 2.400 G 1.000 3.100 2.500 1.000 19.600 13.000 3.500 Y 1.500 1.000 11.500 1.000 1.300 12.500 Tableau 5.000 11.400 20.000 1.600 1.500 Y 1.000 X 2.500 2.600 1.500 1. .500 10.700 10.000 2.700 10.600 11.Section 5.700 1.600 C 21.000 2.600 1.500 1.600 1.100 19.100 Septembre 9.5000 19.400 W 1.000 19.800 1.500 D´ cembre e 1.500 1.000 3.100 1.500 3.000 3.200 2.700 1.000 2.700 2.000 2.500 1.300 Composants V 4.800 2.

20.300 0 Sous-ensembles F 27.200 0 X 154. les productions programm´ es couvriront e e e exactement les besoins nets. il faut ajouter les besoins bruts pour . En tenant compte du d´ lai d’obtention d’un mois.000 G 48.500 0 C 17.500 W 91. Calculons les lancements du niveau assemblage final. La planification de la production Janvier F´ vrier e Produits finis A 10. u Les temps op´ ratoires unitaires. on e obtient les lancements du tableau 5.21.18: Livraisons attendues et position du stock. ` il n’y a pas de probl` mes de capacit´ .400 0 Composants V 56. D´ terminons maintenant les lancements de production de niveau 1.19. Les e productions A et B utilisent 1 sous-ensemble F. Le coˆ t horaire dans chacun des ateliers est donn´ au tableau 5.400).800 + 13. les d´ lais d’obtention ainsi que le coˆ t des e e u mati` res premi` res ajout´ es aux diff´ rents etapes de fabrication sont repris au e e e e ´ tableau 5. A ces besoins bruts pour A et B au mois de Janvier (= 12.19: Coˆ t horaire des ateliers.800 Composants V 500 W 500 X 1.78 Chapitre 5.000 Y 300 Position du stock Tableau 5.000 0 B 12.600 55.400 23. Comme a ce niveau.200 0 H 31. u e (Francs/heure) 90 F/h 100 F/h 150 F/h Assemblage final Assemblage interm´ diaire e Usinage Tableau 5.000 0 Y 31.800 0 Livraisons attendues D´ cembre e Produits finis A 300 B 100 C 100 Sous-ensembles F 500 G 700 H 4.

600 unit´ s r´ sultent e e de la diff´ rence entre les besoins bruts de 22.010 h/un H 0. Ces besoins nets seront couverts par une production lanc´ e deux mois plus e tˆ t (il faut tenir compte du d´ lai de fabrication de deux mois pour F). les besoins nets de 22. Remarquez qu’il n’y a pas de d´ callage pour les pi` ces e e e e e d´ tach´ es par rapport au plan directeur de production.Section 5.500).900 × 0.010 h/un C 0.300 au mois de Janvier occasionne une charge de : 38. d´ laisd’obtentionetcoˆutdesmati`erespremi` e e eres.22 et 5.005 h/un G 0.400).020 h/un Sous-ensembles F 0.600 de F au mois e de Janvier occasionne une charge de : 22. Le total disponible pour e e satisfaire ces besoins bruts (27. une production de 38.5 F/un Sous-ensembles F 1 F/un G 2 F/un H 1 F/un Composants V 0. 01 = 383 heures. une production de 29. En Mars.4.700).75 F/un Y 1 F/un X 2 F/un Tableau5.300 × 0.010 h/un Y 0.900) r´ sulte de l’addition de la position du stock e au mois pr´ c´ dent (500) et des livraisons attendues (27. pi` ces d´ tach´ es (=1.010 h/un X - Produits finis A 1 mois B 1 mois C 1 mois Sous-ensembles F 2 mois G 1 mois H 1 mois Composants V 2 mois W 1 mois Y 1 mois X 1 mois Produits finis A 5 F/un B 6 F/un C 6.23. Le niveau du stock e e en fin Janvier (200) r´ sulte de la diff´ rence entre le total disponible (27.20: Tempsop´ ratoires.600 × 0. . Pour G. Une production de 22.5 F/un W 0. Ajustement charge-capacit´ e Temps op´ ratoire e D´ lai (mois) e Coˆ t mati` res premi` res u e e 79 Produits finis A 0. On obtient o e le tableau des lancements de production illustr´ au tableaux 5.020 h/un Composants V 0.700 et le stock initial disponible de e 100.900) et e e les besoins bruts (27. 02 = 598 heures.005 h/un W 0.900 au mois de Janvier occasionne une charge de : 29. e On peut maintenant calculer la charge de travail r´ sultante pour l’atelier e d’assemblage interm´ diaire (niveau 1). Pour H.020 h/un B 0. 005 = 113 heures.

100 19.300 17.700 0 9.500 0 17.000 11.000 Avril 10.400 LAt 12.500 13.600 D´ cembre e BBt 10.500 19.000 0 10.600 11.500 20.200 11.000 Octobre 18.300 12.000 LAt P St 0 0 BNt 10.000 19.000 Mars 10.000 19.000 10.900 0 0 21.000 13.500 D´ cembre e BBt LAt P St BNt LPt 21.000 0 19.000 Avril 11.000 Mars 11.900 20.000 11.000 0 10.500 P St 100 0 0 BNt 0 13.000 12.800 LPt 10.000 21.800 LAt 10.500 Septembre 17.700 0 10.500 0 11.100 11.500 0 19.000 Novembre 19.21: Lancement de production (niveau 0).400 12.300 0 16.600 13.600 11.500 0 10.000 Lancements de B (suite) Juillet Aoˆ t u 12.700 10.100 LPt 17.000 Mai 10.700 Septembre 10.100 16.200 Lancements de C D´ cembre e Janvier F´ vrier e 11.100 Octobre 10.500 19.000 19.600 11.200 0 11.100 20.500 12.000 Mai 11.500 Septembre 10.000 11.000 P St 300 0 0 BNt 0 12.600 LPt 11.500 18.700 Octobre 9.300 Lancements de C (suite) Juillet Aoˆ t u 16.000 Novembre 10.000 10.800 9.000 0 11.400 20.500 0 19.000 0 11.000 0 10.500 Novembre 11.500 20.000 11.000 0 13.100 0 20.700 10.500 - Tableau 5.000 Juin BBt 12.000 0 10.600 LAt P St 0 0 BNt 12.000 10.000 0 18.700 0 9.000 D´ cembre e BBt 12.400 LPt 12.000 10.000 0 11.700 10.100 0 10.100 LAt 17.300 20.000 0 12.000 Juin BBt 17.000 0 19.500 19.500 9.000 LPt 11.300 P St 100 0 0 BNt 0 20.80 Lancements de A D´ cembre e Janvier Chapitre 5. .000 10. La planification de la production F´ vrier e Mars Avril Mai Juin BBt 10.700 Lancements de A (suite) Juillet Aoˆ t u 9.900 20.000 Lancements de B D´ cembre e Janvier F´ vrier e 13.

300 9.300 40.400 20.100 22.500 19.400 0 0 22.400 1.000 10.700 10.100 17.800 13.400 Novembre 10.400 23.300 45.400 24.700 10.400 D´ termination des lancements de G e PS D´ c.800 2.600 0 22.4.000 PS 500 200 100 0 BN 0 0 22.400 42.200 LP 26.700 23.200 39.400 23.000 12.000 16. e BB pour A BB pour B BB pour C BB pour pdt BB totaux LA PS BN LP Janvier F´ vrier e 700 12.400 12.800 42.600 11.600 21.400 10.800 1.000 1.400 39.600 22.100 23.000 1.600 D´ termination des lancements de F (suite) e Juin BB pour A BB pour B BB pour pdt BB totaux LA Juillet Aoˆ t u Septembre 9.700 12.500 BB totaux 27.Section 5.700 1.000 48.200 10.600 Tableau 5.000 11.200 1. e BB pour A Janvier F´ vrier e Mars Avril Mai 12.100 1.600 Mars Avril 10.500 BB pour B 13.300 0 42.000 11.000 11.200 900 0 38.800 9.600 LP 22.300 10.500 9.000 1.400 26.400 39. ` e .600 40.600 11.500 18.700 10.600 22.000 11.400 39.400 0 21.600 0 23.400 22.400 24. Ajustement charge-capacit´ e 81 D´ termination des lancements de F e D´ c.400 Octobre 10.300 1.000 1.22: Lancement de production de niveau 1 a capacit´ infinie (partie 1).100 1.400 22.000 24.600 21.000 11.200 0 38.500 2.600 1.700 48.000 10.600 22.700 10.700 LA 27.400 0 0 40.000 13.400 24.600 24.500 1.600 Mai 0 0 0 BN 24.700 BB pour pdt 1.200 22.000 11.400 26.600 22.

La planification de la production D´ termination des lancements de G (suite) e Juin BB pour A BB pour B BB pour C BB pour pdt BB totaux LA Juillet Aoˆ t u Septembre Octobre Novembre 10.900 45.100 18.000 LP 29.000 32.000 30.300 Mai 0 0 0 BN 45.300 0 0 0 35.500 2.100 16.300 45.000 11.900 13.500 32.000 19.600 33.82 Chapitre 5.900 42.000 2.800 42.200 D´ termination des lancements de H e PS D´ c.900 45.000 1.000 21.900 30.200 10.500 34.400 41.600 Octobre 11.900 10.300 17.600 10.000 0 30.600 41.600 30.500 1.500 34.500 19.000 11.000 11.200 41.100 32.300 0 42.500 20.500 1.000 19.900 41.500 30.500 - Tableau 5.000 32. e BB pour B Janvier F´ vrier e 0 0 41.100 2.500 11.23: Lancement de production de niveau 1 a capacit´ infinie (suite).200 21.000 2.000 32.000 19.300 34.600 20.000 35.600 12.000 32.000 2.800 700 0 0 BN 0 29.000 11.200 20.200 41.000 11.600 0 32.000 11.000 19.000 32.600 33.000 11.000 19.600 11.500 1.000 11.000 D´ termination des lancements de H (suite) e Juin BB pour B B pour C BB pour pdt BB totaux LA PS BN LP Juillet Aoˆ t u Septembre 10. ` e .100 2.000 10.500 2.100 1.500 BB pour pdt 2.500 Novembre 12.600 LP 44.600 11.300 Mars Avril 13.900 1.500 0 32.900 20.400 44.000 2.900 30.500 0 0 32.400 PS 4.500 45.600 44.000 LA 31.000 1.600 33.600 35.800 BB totaux 35.700 BB pour C 20.500 32.300 32.300 1.000 19.400 12.900 30.

G ou H fera l’objet d’un transfert d’activit´ ? On va constituer e le stock de valeur economique la plus faible possible.094 heures.164 1.280 1.150 heures. pour une capacit´ de 1.24) montre un exc´ dent de capacit´ pour tous e e Assemblage interm´ diaire e Janvier F´ vrier e Assemblage F 113 107 Assemblage G 383 404 Assemblage H 598 600 Heures assemblage 1.24: Charge de niveau 1. Ce calcul se fait au moyen ´ du prix derevient descomposants. Parexemple.150 1. Comme on a un exc´ dent de 53 h le mois pr´ c´ dent. e e Un calcul similaire (cfr tableau 5.250 38 Aoˆ t u 112 412 640 1. e e e la totalit´ de l’exc´ dent est report´ au mois pr´ c´ dent.150 Exc` s de charge e Assemblage interm´ diaire (suite) e Juin Juillet Assemblage F 131 113 Assemblage G 449 456 Assemblage H 692 666 Heures assemblage 1.182 1. Vutilise 0. e L’exc´dent de charge (38h) doit etre report´ de Mai a une p´ riode ant´ rieure par e ˆ e ` e e la constitution d’un stock.112 1.288 1.272 1. on aurait report´ encore plus e e e en amont jusqu’` report complet de l’exc` s de charge.111 Heures disponibles 1.Section 5.250 Exc` s de charge e Mars 118 394 600 1.200 Tableau 5.200 1.094 1.4. On respecte donc la contrainte de capacit´ .200 Septembre Octobre 113 419 423 650 650 1.235 Heures disponibles 1. les mois sauf en Mai pour lequel il y a un d´ passement de charge de 38 heures. a e La question qui se pose maintenant est la suivante : lequel des 3 sousensembles F.250 Mai 122 456 710 1.150 Avril 122 423 652 1.5 Fdemati`ere premi` re e .197 1. Ajustement charge-capacit´ e 83 La charge d´ coulant du plan directeur de production s’´ l` ve donc en Janvier a : e ee ` 113 + 383 + 598 = 1. Dans le cas o` il n’y aurait e e e e e u pas eu assez d’heures disponibles le mois pr´ c´ dent.

5 = 11.005 h. il est plus int´ ressant de stocker H bien qu’il ait un prix de revient e unitaire plus elev´ ! ´ e Le temps op´ ratoire unitaire etant de 0.25 Franc). 25 F = 2. l’exc´ dent de capacit´ du mois ` e e e d’Avril etait suffisant pour produire tout l’exc` s de charge du mois de Mai. 25 F pW = 0.800 Francs/h vphG = 9. 25 × 100 = 925 Francs/h vphH = 11. 02 = 1. 00 × 200 = 1. 25 + 1 × 2. D’o` les prix de revient unitaires : ` u pV = 0.900 a la production initialement d´ cid´ e (35.25 Francs) et 2 unit´ s de X (` 2 Francs). il faut 0. dans le cas pr´ sent. 25 + 1 × 2 + 1 × 2. 005 × 150 pY = 1. a e e On proc´ dera alors de mani` re semblable pour le niveau deux (voir exercices e e ci-dessous).02 h.005 h × 100 Francs/h de travail. 25 + 2 × 2 = 9. 0. le sous-ensemble F utilise 1 Franc de mati` re premi` re. les 38 heures d´ plac´ es correse ´ e e pondent a : ` 38/0. 00 × 50 = 550 Francs/h En conclusion. 00 F Pour assembler 1 unit´ de F. Dans ´ e le cas contraire. 25 + 1 × 2.900 unit´ s e On retranche donc 1. e Il est a remarquer que. 020 × 100 + 1 × 1. 50 F On peutalors calculerle prix derevient auniveau 1.84 Chapitre 5. 010 × 150 = 1.1 unit´ de W (` 2. On ` e e obtient l’ajustement de niveau 1 illustr´ au tableau 5. 010 × 100 + 1 × 2.600). Donc 200 sous-ensembles de F sont e assembl´ s par heure. Parexemple. 25 + 2 × 2 = 9. La planification de la production et 0.005 heure a 150 F/h. 75 + 0. on aurait du reporter l’exc` s de charge sur les mois pr´ c´ dents e e e jusqu’` couverture compl` te de l’exc` s de charge. 00 + 0. . 25 F pH = 1 + 0. 010 × 150 = 2. 00 F pG = 2 + 0. Les a e a e a prix de revient unitaires sont donc de : pF = 1 + 0. 1 unit´ e e e de V (` 1. On en d´ duit les valeurs de la production d’une heure de e e chacun des sous-ensembles : vphF = 9.25. 005 × 100 + 1 × 1. Et ainsi de suite pour tous les autres niveaux. 5 + 0.500) pour Mai ` e e et on ajoute cette valeur a la production initialement d´ cid´ e d’Avril (32.

288 1.900 24.500 32.250 Exc` s de charge e Ajustement Report de H Lancements F 26.600 33.000 Assemblage interm´ diaire (suite) e Juin Juillet Lancements F 26.900 30.400 42.900 42.600 21.000 Assemblage F 113 107 Assemblage G 383 404 Assemblage H 598 600 Heures d’assemblage 1.000 22.600 Septembre Octobre 22. Ajustement charge-capacit´ e 85 Assemblage interm´ diaire e Janvier F´ vrier e Lancements F 22.500 Tableau 5.500 23.250 38 -38 -1.400 45.500 122 456 710 1.900 32.600 41.300 40.500 42.400 41.900 45.4.400 Lancements G 38.600 Lancements G 44.400 45.250 +38 +1.182 1.200 32.400 30.600 Lancements H 34.400 42.000 118 394 600 1.094 1.600 33.600 39.300 Mars 23.200 32. e .600 39.400 Lancements de H 29.197 1.400 41.600 35.600 33.600 Lancements G 44.300 34.150 Exc` s de charge e Ajustement Report de H Lancements de F 22.280 1.300 Assemblage F 131 113 Assemblage G 449 456 Assemblage H 692 666 Heures d’assemblage 1.300 32.200 22.000 Aoˆ t u 22.400 Lancements H 29.000 112 412 640 1.400 Lancements de G 38.600 Lancements H 34.150 1.300 32.200 22.900 30.500 113 419 423 650 650 1.25: Ajustement charge-capacit´ de niveau 1.200 Mai 24.300 40.300 32.164 1.Section 5.111 Heures disponibles 1.600 122 423 652 1.235 Heures disponibles 1.600 41.200 1.900 45.900 24.272 1.400 30.200 22.112 1.150 Avril 24.600 21.

MBetMC.25. e e d´ duire les besoins bruts pour les composants de niveau 2 (V. La planification de la production 5. calculer les besoins nets pour ces composants et en d´ duire les e lancements de production pour ces composants a capacit´ infinie. Si c’est le cas. Planning de production d’un moteur.2. on proc´ dera a un ajustement charge-capacit´ de e ` e niveau deux. e Ensuite. V´ rifier si les charges r´ sultantes n’exc` dent pas la capacit´ de l’atelier de e e e e niveau 2.5 Exercices 5. Le stock en d´ but e de janvier est de 2 moteurs C et on pr´ voit une livraison de 5 moteurs C en e janvier. Un industriel cherche a etablir son `´ planning deproduction pour lesquatrepremiers mois del’ann´ eed’un moteur C intervenantdans l’assemblagedes trois typesdemachines MA.1. D´ terminez les besoins nets de moteurs C pour les quatre premiers e mois de l’ann´ e.86 Chapitre 5. W. A partir de l’ajustement charge-capacit´ de niveau 1 donn´ au tableau 5. . et Y).3. ` e 5. Le plan directeur de production pr´ voit la mise a disposition les six premiers e ` mois de l’ann´ e des quantit´ s suivantes pour les trois types de machines : e e Mois MA MB MC Janvier F´ vrier Mars e 3 1 2 1 3 1 2 4 1 Avril Mai 1 7 5 4 5 6 Juin 3 2 0 Le moteur doit etre mont´ dans l’avant dernier mois d’assemblage pour MA ˆ e et MB et dans le dernier mois d’assemblage pour MC. X. e 5.

En particulier. ´ e e Le voyageur souscrit a chaque etape une police d’assurance dont le coˆ t refl` te ` ´ u e le degr´ d’ins´ curit´ du voyage. Cette ` ´ e proc´ dure sera appliqu´ e a la planification de la production. il a le choix de se diriger vers plusieurs etats. on a repr´ sent´ chaque etat par un cercle. pour r´ soudre le probl` me non r´ solu au chapitre e e e 5 de la d´ termination des lancements de production a partir des besoins nets d’un e ` composant. A chaque etape.Chapitre 6 La programmation dynamique. tir´ de Hillier et Lieberman [7]. e ´ 87 .1 Le probl` me du voyageur e Un exemple purement fictif. Il va donc e e e e d´ terminer son itin´ raire de mani` re a choisir la route la plus sˆ re en minimisant e e e ` u la somme des polices d’assurance pour le passage d’´ tat en etat. va nous permettre e d’introduire la terminologie employ´ e en programmation dynamique. celui de derni` re etape. Il effectue son voyage en quatre e etapes. Son etat de d´ part est l’´ tat e e ´ ´ e e 1 et son etat d’arriv´ e est l’´ tat 10. A la ´ ´ ´ figure 6. Ensuite. et enproc´ e edant arebours. e e e Son point de d´ part et sa destination sont connus.1. La programmation dynamique a pour but de traiter les mod` les o` une s´ quence e u e optimale de d´ cisions doit etre prise. Il s’agit du e probl` me du voyageur devant traverser l’ouest am´ ricain il y a plus d’un si` cle. On part d’un sous probl` me.1. Elle est largement utilis´ e en planification e ˆ e de la production. e e ` 6. Nous verrons comment ce probl` me peut etre u e ˆ formul´ comme un probl` me dynamique. Ceux-ci sont donn´ s au tableau 6. on etendprogressivement ` ´ le probl` me en incluant les etapes pr´ c´ dentes et en calculant la politique optimale e ´ e e a chaque etape en se basant sur la politique optimale de l’´ tape suivante. e e L’id´e g´ n´ rale des proc´ dures de r´ solution en programmation dynamique e e e e e est la suivante. dont la e e ´ r´ solution esttriviale. Il s’agit de faire l’arbitrage entre les coˆ ts de lancement de production u et les coˆ ts de possession du stock.

cela devient vite un travail prohibitif. Cependant en sacrifiant un peu a la premi` re u ` e etape.1: Probl` me du voyageur e 5 2 1 2 3 4 4 3 2 3 4 7 3 4 6 7 4 6 2 4 1 5 5 6 7 8 9 10 1 4 8 6 3 3 3 9 3 4 Tableau 6.88 2 Chapitre 6. en suivant cette strat´ gie. En effet. La programmation dynamique. on choisirait le chemin 1 → 2 → 6 → 9 → 10 e avec un coˆ t total d’assurance de 13. u Une autre m´ thode serait d’´ valuer toutes les routes possibles. trouve la solution e optimale pour cette portion du probl` me. elles sont d´ j` au nombre de 3 × 3 × 2 = 18 et lorsque le nombre ea d’´ tapes et/ou le nombre d’´ tats croˆt. on consid` re le probl` me de fin de voyage. Ensuite on elargit progressivement le e ´ probl` me. ` e e on elargit d’une unit´ le nombre d’´ tapes a effectuer. e e ` e e Pour le probl` me du voyageur. lorsqu’il e e e n’y a plus qu’une etape a faire. e e ı C’est ici qu’intervient la programmation dynamique qui permet de calculer la solutionoptimale sansfairedel’´enum´ rationexplicite. 5 8 1 3 6 9 10 4 7 Figure 6. Laprogrammation dynae mique commence avec une petite portion du probl` me original. l’´ tat 10. par exemple la route 1 → ´ ´ e 4 → 6 → 9 → 10 permet un coˆ t total de 11. Cependant sur e e ce petit exemple. en d´ terminant la nouvelle solution optimale a partir de la pr´ c´ dente. On peut ensuite d´ duire la ´ e e ` e strat´ gie optimale pour la troisi` me etape en fonction de la strat´ gie optimale pour e e ´ e . on peut gagner aux etapes ult´ rieures. A l’it´ ration suivante.1: Coˆ ts d’assurance pour aller d’un etat a l’autre u ´ ` Notezd’abord que l’approche tr` s simple qui consiste achaque etape achoisir e ` ´ ` la police la moins ch` re ne conduit pas a une solution globalement la moins ch` re. Pour ce probl` me la solution optimale est evidente : ´ ` e ´ le voyageur doit aller directement a sa destination. e ` e En effet.

´ e ∗ ∗ La programmation dynamique va d´ terminer successivement f4 (s4 ).1. Cette ´ e e e e variable doit contenir toute l’information r´ sultant des choix effectu´ s aux etapes e e ´ ` e pr´ c´ dentes. Ainsi.2. si l’on se trouve au d´ but de l’´ tape t dans l’´ tat du syst` me st et que e e e e l’on prend xt comme d´ cision strat´ gique a l’´ tape t. sa route est enti` rement d´ termin´ e par ` e e e son etat courant s4 (ici s4 = 8 ou 9) et sa destination finale x4 = 10. x∗ ) t xt Ainsi. le coˆ t additionnel qu’il va encourir pour rejoindre sa destination e u ∗ a partir de l’´ tat 8 est donn´ dans la table 6. il s’agit de f4 (8) = 3. On a donc que : ft∗ (st ) = min ft (st . La variable st indique l’´ tat du syst` me au d´ but de l’´ tape t. La variable xt indique la d´ cision strat´ gique prise a l’´ tape t. S’il e ` choisit l’´ tat 8. qui donne un coˆ t minimum pour le chemin qui reste a parcourir u ` . e e ∗ ∗ f2 (s2 ). e ´ 89 Enprogrammation dynamique. c’est-` -dire lorsque le voyageur n’a plus qu’une etape a ´ a effectuer pour rejoindre sa destination. dans notre exemple. deux types devariables sont associ´ es a chaque e ` etape. e e e e dans notre exemple.8 = 1 ou c5. notons st l’´ tat de d´ part de l’´ tape t tandis que xt note la e e e destination de l’´ tape t. Nous allons maintenant appliquer ceci a l’exemple ` du voyageur. le voyageur est dans l’´ tat 5. s’il choisit l’´ tat 9. Pour t = 4. f3 (s3 ). f1 (s1 ) pour ∗ f2 (s2 ) pour calculer ∗ s x∗ f4 (s) 4 8 10 3 9 10 4 Tableau 6. xt ) note le coˆ t total de la meilleure strat´ gie u e pour les etapes restantes si le voyageur est dans l’´ tat st a l’´ tape t et s´ lectionne ´ e ` e e comme etat suivant l’´ tat xt . la solution ´ ` requi` re un peu plus de calculs.2: Coˆ ts minimaux de la derni` re etape u e ´ Lorsque le voyageur a encore deux etapes a effectuer (t = 3). Le probl`me du voyageur e la derni` re etape. par exemple. de sorte ` e e que son coˆ t total est de 1 + 3 = 4. Et donc l’´ tat qu’il va choisir comme destination est l’´ tat e e ∗ 8.2 reprend les coˆ ts minimaux de la derni` re etape ainsi que la d´ cision optimale u e ´ e en fonction de l’´ tat de d´ part. il devra u e additionner 4 + 4 = 8. xt ) et ft (st ) la valeur minimum correspondante.Section 6. e On note par ft (st . e chaque etat possible st a l’´ tape t et utiliser par exemple ´ ` e ∗ f1 (s1 ). xt ) le coˆ t total de la meilleure strat´ gie pour les etapes u e ´ restantes. il e e peutaller al’´ ` etape3 vers l’´ tat8 ou9 auncoˆutrespectifde c5. ft (st .9 = 4. Si. Semblablement. Le tableau ´ 6. xt ) = ft (st . donc x3 = 8. Notons par x∗ la valeur de e e ` e t ∗ xt qui minimise ft (st .

e e ´ ` e c’est-` -dire les etats s3 = 6 et s3 = 7 et on obtient les valeurs donn´ es dans la a ´ e table 6. le voyageur doit donc se diriger initialement vers l’´ tat 3 ou 4.4. Une des routes optimales est donc ` e 4 ∗ donnant un coˆ t total minimum de f1 (1) = 11. pour terminer. s2 = 3 ou s2 = 4. ∗ de f3 (5) = 4. le probl` me de premi` re etape (t = 1).5. le coˆ t minimum e e ´ u de la police optimale est a nouveau donn´ en fonction de l’´ tat destination de ` e e l’´ tape comme la somme du coˆ t de premi` re etape plus le coˆ t minimum des e u e ´ u etapes ult´ rieures.4: Coˆ t minimaux de la deuxi` me etape u e ´ Enfin. ˆ u e ∗ x2 = 5 x2 = 6 x2 = 7 x∗ f2 (s2 ) 2 s2 = 2 7 + 4 = 11 4 + 7 = 11 6 + 6 = 12 5 ou 6 11 s2 = 3 3 + 4 = 7 2 + 7 = 9 4 + 6 = 10 5 7 s2 = 4 4 + 4 = 8 1 + 7 = 8 5 + 6 = 11 5 ou 6 8 Tableau 6. La programmation dynamique. On proc` de de mˆ me pour les autres etats possibles a l’´ tape 3. x2 = 6 ou x2 = 7 tandis que les etats ´ de d´ part possibles sont s2 = 2. Pour t = 1. La strat´ gie optimale pour e ` e e ∗ s3 = 5 consite a choisir x3 = 8 (voir tableau 6.5: Coˆ t minimaux de la premi` re etape u e ´ On peut maintenant identifier une politique optimale.4). ce qui dans l’´ tape t = 3 conduit a l’´ tat s3 = 5.90 Chapitre 6. Pour les etats de d´ part 2 ou 4. Les etats destination sont cette e e ` ´ fois au nombre de trois : il s’agit de x2 = 5. e ´ e la destination optimale peut etre au choix 5 ou 6 puisque le coˆ t total est le mˆ me.3). On se retrouve en s4 = 8 et on ` choisit x∗ = 10 a l’´ tape 4 (voir tableau 6. la strat´ gie optimale pour s2 = 3 est x∗ = 5 (voir tableau e 1 2 6.2). Supposons qu’il choisisse e x∗ = 3. ´ e e ∗ x1 = 2 x1 = 3 x1 = 4 x∗ f1 (s1 ) 1 s1 = 1 2 + 11 = 13 4 + 7 = 11 3 + 8 = 11 3 ou 4 11 Tableau 6. Pour t = 2.3. On obtient les r´ sultats de la table 6. Elle est illustr´ e a la table 6. u 1 → 3 → 5 → 8 → 10 .3: Coˆ ts minimaux de la troisi` me etape u e ´ La solution pour le probl` me o` il reste trois etapes (t = 2) est obtenue de e u ´ mani` re similaire. ∗ x3 = 8 x3 = 9 x∗ f3 (s3 ) 3 s3 = 5 1 + 3 = 4 4 + 4 = 8 8 4 s3 = 6 6 + 3 = 9 3 + 4 = 7 9 7 s3 = 7 3 + 3 = 6 3 + 4 = 7 8 6 Tableau 6.

L’O. xt ) = pt (xt ) + ft+1 (st − xt ) avec ft∗ (st ) = max ft (st .M.S. e e e Notons pt (xt ) la mesure de l’efficacit´ de l’allocation de xt equipes m´ dicales e ´ e au pays t. dispose de 5 equipes m´ dicales disponibles qu’elle peut affecter a 3 pays ´ e ` pour accroˆtre leur niveau des soins.2 Un probl` me d’affectation de ressources rares e Nous illustrons le fait que le champs d’application de la m´ thode de r´ solution e e est tr` s large sur un deuxi` me exemple egalement tir´ de Hillier et Lieberman e e ´ e [7] : il s’agit du probl` me de l’organisation mondiale de la sant´ . e e ´ Nombre d’´ quipes e 1 2 3 Pays 1 45 70 90 Pays 2 Pays 3 20 50 45 70 75 80 Tableau 6. On suppose e que chaque pays doit b´ n´ ficier d’au moins une equipe.6: Milliers d’ann´ es-homme suppl´ mentaires e e La r´ solution de ce probl` me n´ cessite la prise de trois d´ cisions : Combien e e e e affecter d’´ quipes m´ dicales a chacun des ces trois pays ? Bien qu’il n’y ait e e ` pas de succession temporelle. Autrementdit. Si. Notons st le nombre e e d’´ quipes encore disponibles au d´ but de l’´ tape t.6. quelleestl’informationn´ecessaire ´ a une etape pour pouvoir d´ terminer la politique optimale ? Il s’agit simplement ` ´ e du nombre d’´ quipes m´ dicales qui restent disponibles. Ce qui est equivalent a l’augmentation de l’esp´ rance de vie e ´ ` e fois la population du pays. elle n’est plus disponible pour les autres pays. on peut ecrire : e ´ ∗ ft (st . Un probl`me d’affectation de ressources rares e 91 6.M. xt ) xt Remarquez la relation de r´ currence liant st et st+1 : e st+1 = st − xt . . comme pr´ c´ demment. on peut imaginer que les trois etapes d’un processus ´ dynamique consistent en l’affectation successive aux trois pays puisque lorsqu’une equipe est affect´ e a un pays. On a ´ e ` donc identifi´ les etapes. La mesure de l’efficacit´ est donn´ e en terme d’ann´ es-homme de e e e vie suppl´ mentaire. doit d´ terminer combien d’´ quipes ı e e elle affecte a chacun des trois pays de mani` re a maximiser l’efficacit´ g´ n´ rale de ` e ` e e e l’affectation.2.S. Ces donn´ es sont reprises au tableau 6. xt ) la contribution a e e ` l’objectif des etapes ult´ rieures a t et de l’´ tape t si l’on est dans l’´ tat st et que ´ e ` e e l’on prend la d´ cision xt . on note par ft (st . e ´ Commentidentifierles etats. On suppose que e e l’O.Section 6.

9: Calculs de l’´ tape 1 e La solution optimale est donc x∗ = 1 qui donne s2 = 5 − 1 = 4 pour la 1 deuxi` me etape ou encore x∗ = 3. ce qui donne un gain de 170 000 hommes-ann´ es. au gain de l’´ tape.7: Calculs de l’´ tape 3 e A l’´ tape 2. il faut ajouter le gain r´ sultant pour e ´ e e l’´ tape 3 avec s3 = s2 − x2 . Le d´ tail des calculs est donn´ au tableau 6. xt A l’´ tape t = 3. ce qui donne s3 = 4 − 3 = 1 pour l’´ tape 3 de e ´ e 2 ∗ sorte que x3 = 1. ∗ ∗ La relation de r´ currence liant fn et fn+1 s’´ crit donc : e e ∗ ft∗(st ) = max pt (xt ) + ft+1 (st − xt ) . il faut veiller agarder au moins une equipe disponible pour le dernier e ` ´ pays. A la deuxi` me etape. au gain de l’´ tape.92 Chapitre 6. Le d´ tail des calculs est donn´ au tableau 6. e e e ∗ s2 x2 = 1 x2 = 2 x2 = 3 x∗ f2 (s2 ) 2 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 Tableau 6. e .9. De mˆ me. on a int´ rˆ t a affecter toutes les equipes encore e ´ ee ` ´ disponibles (voir tableau 6.8: Calculs de l’´ tape 2 e De mˆ me a l’´ tape 1. les etats possibles vont de 2 (il faut au moins une equipe pour le e ´ ´ pays 2 et une equipe pour le pays 3) a 4 (on a au moins attribu´ une equipe au pays ´ ` e ´ 1). La programmation dynamique.8. e e ∗ s1 x1 = 1 x1 = 2 x1 = 3 x∗ f1 (s1 ) 1 5 45 + 125 = 170 70 + 90 = 165 90 + 70 = 160 1 170 Tableau 6. ∗ s3 x∗ f3 (s3 ) 3 1 1 50 2 2 70 3 3 80 Tableau 6. il faut ajouter ceux des etapes suivantes e ` e e ´ avec s2 = s1 − x1 .7). A la derni` re etape. les etats possibles vont de 1 (il faut au moins une equipe pour e ´ ´ le pays 3) juqu’` 3 (on a au moins affect´ une equipe au pays 1 et une equipe a e ´ ´ au pays 2).

Application ` la planification de la production. Ce coˆ t est la somme du coˆ t de production de l’´ tape t. xt ) = cpt (xt ) + cs st + ft+1 (st + xt − dt ) o` dt note la demande pr´ visionnelle qui est donn´ e au tableau 6. Ce dernier est la somme d’un coˆ t e u ` e u fixe de lancement est de cc = 150. ` e On d´ finit la fonction e ft (st . ` Nous allons maintenant voir comment la programmation dynamique permet de r´ soudre des probl` mes de planification de la production en pr´ sence de coˆ ts de e e e u production non convexes. d’un coˆ t de e u u e u possession du stock pendant le mois t ainsi que du coˆ t des etapes ult´ rieures : u ´ e ∗ ft (st . d´ finissons la variable d’´ tat de la p´ riode e e e t suivante : st = stock au d´ but de la p´ riode t. La e e fabrication de ce composant n´ cessite un certain nombre de r´ glages ind´ pendants e e e du nombre d’unit´ s fabriqu´ es. Le d´ lai de ` e u e e e fabrication est n´ gligeable (L = 0). On une capacit´ de stockage limit´ e e e e P´ riode t e Capacit´ de production a 200 e ` Capacit´ de production a 250 e ` Demande pr´ visionnelle e 1 2 3 2 2 2 3 1 3 3 3 4 4 3 3 2 5 3 3 4 Tableau 6.10: Demande pr´ visionnelle et capacit´ de production e e a 2 unit´ s.10. a 93 6. Le coˆ t de stockage est de 10 par unit´ stock´ e par mois. On s’interdit toute rupture de stock. xt ) comme etant le coˆ t de la meilleure planification pour les p´ riodes restantes si on ´ u e est dans l’´ tat st au d´ but de la p´ riode t et que l’on d´ cide de produire xt a la e e e e ` p´ riode t. Le tableau 6. Le coˆ t direct e e u u d´ pend de la main d’œuvre disponible. Pour cela.10 donne la production maximale en e heures normales et heures suppl´ mentaires. Le coˆ t est de 200 en heures normales. Le coˆ t de lancement cc est de 150. de e u 250 en heures suppl´ mentaires.3. La fonction u e e cpt (xt ) d´ note le coˆ t de production a l’´ tape t. et d’un coˆ t u . La demande pr´ visionnelle d’un composant est donn´ e au tableau 6.Section 6. Illustrons ceci sur un exemple. e e D´ finissons aussi la variable de d´ cision de la p´ riode t suivante : e e e xt = production a la p´ riode t.3 Application a la planification de la production. pour autant qu’il y ait production. e Nous allons tout d’abord formuler le probl` me en un probl` me de proe e grammation dynamique.10.

250 1. De plus la capacit´ de production est limit´ e a six unit´ s.000 760 570 .2: Coˆ t non convexe.010 1. de e 250 par unit´ produite en heures suppl´ mentaires.260 − 1.500 − − 4 3 2 1. Ce qui explique qu’il faut au moins produire e 4 unit´ s si s5 = 0 mais pas plus de 6 sinon le stock final sera sup´ rieur a deux e e ` unit´ s. Ce qui limitera a trois les etats e e ` e ` ´ du monde possibles a chaque etape.000 1. Ceci peut etre v´ rifi´ u u ˆ e e a la figure 6. A l’´ tape 5. La programmation dynamique. u La capacit´ de stockage est limit´ e a 2 unit´ s. Remarquez qu’en pr´ sence de e e e coˆ t de lancement le coˆ t de production n’est pas convexe. direct de main d’œuvre qui est de 200 par unit´ produite en heures normales. ` u cp5(x5 ) 1500 1250 1000 750 550 350 350 250 200 1 2 3 4 5 6 x5 Figure 6.2 qui illustre la fonction de coˆ t pour t = 5.020 1.94 Chapitre 6. On obtient les e e e ` e coˆ ts suivants des diff´ rentes strat´ gies : u e e ∗ d5 = 4 x5 = 2 x5 = 3 x5 = 4 x5 = 5 x5 = 6 x∗ f5 (s5) 5 s5 = 0 s5 = 1 s5 = 2 − − 570 − 760 770 1. ` ´ Nous allons maintenant r´ soudre le probl` me par la programmation dynae e mique. on a d5 = 4.

090 2.820 2.520 2.570 − − 3 2 0 1.410 2.550 1. on d´ termine semblablement le tableau de coˆ ts suivant : e e u ∗ d3 = 4 x3 = 2 x3 = 3 x3 = 4 x3 = 5 x3 = 6 x∗ f3 (s3) 3 s3 = 0 s3 = 1 s3 = 2 − − 2.510 2.040 2.510 1.290 2.140 1.Section 6. x4 ) = cp4 (x4 ) + f5 (s4 + x4 − d4 ) = (150 + 400) + 1. Application ` la planification de la production. A l’´ tape 4.270 2. Ainsi. Le coˆ t de 760 si s5 = 1 et x5 = 3 r´ sulte de la somme du coˆ t de stockage d’une u e u unit´ pendant un mois et du coˆ t de production des trois unit´ s : e u e 1 × 10 + 150 + 3 × 200 = 760.3.280 − 2.520 − − 4 3 4 2. le coˆ t correspond a l’applicae u u ` tion de la formule : ∗ f4 (s4 .040 A l’´ tape 2. On e e ` e ` e obtient le tableau de coˆ ts suivant : u ∗ d2 = 1 x2 = 0 x2 = 1 x2 = 2 x2 = 3 x∗ f2 (s2 ) 2 s2 = 0 s2 = 1 s2 = 2 − 2.020 − 1.320 1.510 1.600 − 2.820 2.330 2.130 1.020 A l’´ tape 3. dans le cas o` s4 = 0 et x4 = 2. a 95 Par exemple le coˆ t de 1.360 1.080 − 2.550 On obtient le tableau de coˆ ts suivant : u ∗ d4 = 2 x4 = 0 x4 = 1 x4 = 2 x4 = 3 x4 = 4 x∗ f4 (s4) 4 s4 = 0 s4 = 1 s4 = 2 − − 1.000 = 1.290 . on ajoute au coˆ t de production de l’´ tape.330 − 1. le coˆ t des etapes e u e u ´ ult´ rieures.000 si s5 = 0 et x5 = 4 r´ sulte du seul coˆ t de production u e u qui se calcule comme suit : 150 + 3 × 200 + 250 = 1000.320 1.570 2.860 2. on a une capacit´ de production a 200 limit´ e a deux unit´ s.630 2.520 2.510 2.840 − − 2 0 0 2.270 2.

La strat´ gie optimale pour la deuxi` me e e p´ riode est dans ce cas de ne produire rien du tout. la demande est de 2 et on a le tableau de coˆ ts suivant : e u ∗ d1 = 2 x1 = 2 x1 = 3 x1 = 4 x∗ f1 (s1 ) 1 s1 = 0 3. le coˆ t de production devient convexe en fonction de la quantit´ u e produite et une proc´ dure plus efficace consiste a e ` 1. La strat´ gie optimale e e est dans ce cas de produire x4 = 3. On se retrouve avec un stock initial s4 = 0. Remarquez aussi qu’en p´ riode 4. c’est-` -dire lademande a de la p´ riode. soit une unit´ de plus que la demande. On se retrouve avec un stock e initial s3 = 0. on e ´ e ´ se retrouve avec un stock initial s2 = 1. une unit´ disponible a 200 (+ 10 de coˆ t e e e ` u de stockage) au mois pr´ c´ dent. on a pr´ f´ r´ ne pas produire la seule unit´ dee eee e mand´ e car une unit´ en premi` re etape mˆ me en heures suppl´ mentaires et avec e e e ´ e e un coˆ t de stockage revient mois cher (260) qu’une unit´ en heure normale a la u e ` p´ riode 2 (350). e e Signalons pour terminer qu’il existe un algorithme plus efficace dans le le cas o` il n’y a pas de coˆ t fixe et que les coˆ ts marginaux sont croissants. satisfaire la demande de la deuxi` me p´ riode en utilisant les moyens de e e production les plus avantageux de la seconde p´ riode ou de la p´ riode e e pr´ c´ dente.320 3. En e premi` re etape. Il y a. satisfaire la demande de la premi` re p´ riode en utilisant les moyens de e e production les plus avantageux de la p´ riode. et calculer les capacit´ s r´ sie e e duelles.340 3 3. La planification optimale est donc la suivante : t= 1 2 3 4 5 dt st x∗ t 2 1 4 2 4 0 1 0 0 1 3 0 4 3 3 Remarquez qu’en p´ riode 2. 2. on produit une unit´ de plus e e e que la demande pour eviter de produire a 250 en p´ riode 5 la quatri` me unit´ ´ ` e e e demand´ e cette p´ riode.320 On peut ensuite d´ terminer la politique optimale en partant de s1 = 0.96 Chapitre 6. dans ce cas. Lastrat´ egieoptimaleestdeproduire x3 = 4. la strat´ gie optimale est de produire 3. . puis modifier en cons´ quence les capacit´ s de production r´ e e e e e siduelles. La demande etant de 2.370 3. En u u u effet. A l’´ tape 1. On se e retrouve avec un stock initial s5 = 1 et on produit x5 = 3. en effet. La programmation dynamique.

la demande est de 2. e ` e Les demandes et capacit´ s r´ siduelles sont donn´ es par : e e e P´ riode t e 1 2 2 3 1 3 4 3 3 3 3 4 2 5 3 3 4 Capacit´ r´ siduelle a 200 F 0 e e ` Capacit´ r´ siduelle a 250 F 3 e e ` Demande r´ siduelle e 0 En p´ riode 2. e ` e . Application ` la planification de la production. Elle est satisfaite par : e -une production en p´ riode 4 a 200 F (2 unit´ s). la demande est de 2. e e e Nous appliquons cette proc´ dure au mˆ me exemple en supposant qu’il n’y a pas e e de coˆ t fixe de lancement de production. etc. En p´ riode 1. a 97 3.3. ` e e Les demandes et capacit´ s r´ siduelles sont donn´ es par : e e e P´ riode t e 1 2 0 3 0 3 4 0 3 3 3 0 2 5 3 3 4 Capacit´ r´ siduelle a 200 F 0 e e ` Capacit´ r´ siduelle a 250 F 3 e e ` Demande r´ siduelle e 0 En p´ riode 4. e ` e -une production a 200 F en p´ riode 2 (1 unit´ ). .Section 6. e ` e Les demandes et capacit´ s r´ siduelles sont donn´ es par : e e e P´ riode t e 1 2 1 3 0 3 4 3 3 3 3 4 2 5 3 3 4 Capacit´ r´ siduelle a 200 F 0 e e ` Capacit´ r´ siduelle a 250 F 3 e e ` Demande r´ siduelle e 0 En p´ riode 3. satisfaire la demande de la troisi` me p´ riode en utilisant les moyens de e e production les plus avantageux de la p´ riode 3 ou des p´ riodes pr´ c´ dentes. . e e e e puis modifier en cons´ quence les capacit´ s de production r´ siduelles. Elle u e est satisfaite par : -une production en p´ riode 2 a 200 F (2 unit´ s). Elle est satisfaite par : e -une production en p´ riode 3 a 200 F (3 unit´ s). la demande est de 1. la demande est de 4. Elle est satisfaite par : e -une production en p´ riode 2 a 200 F (1 unit´ ).

e ` e -une production a 200 F en p´ riode 4 (1 unit´ ). et une e e ` e unit´ de demandede p´ riode5 produite ala p´ riode 4) pour b´ n´ ficierdes capacit´ s e e ` e e e e encore disponible en heures normales qui coˆ tent moins cher que la production en u heures suppl´ mentaires. La programmation dynamique. la demande est de 4. Elle est satisfaite par : e -une production en p´ riode 5 a 200 F (3 unit´ s). a disparu. on obtient lescapacit´ utilis´ es achaque e e es e ` etape et donc le plan optimal de production et stockage suivant : ´ P´ riode t 1 e dt st x∗ t 2 0 2 2 1 0 2 3 4 1 3 4 5 2 4 0 1 3 3 o` st repr´ sent le stock initial de p´ riode t. ´ e On produit bien une unit´ en p´ riode 2 qui coˆ te moins cher que de la produire en e e u p´ riode 1 et de la stocker durant un mois. u e e Remarquez que. ` e e Les demandes et capacit´ s r´ siduelles sont donn´ es par : e e e P´ riode t e 1 2 0 3 0 3 4 0 0 3 3 0 0 5 0 3 0 Capacit´ r´ siduelle a 200 F 0 e e ` Capacit´ r´ siduelle a 250 F 3 e e ` Demande r´ siduelle e 0 Par diff´ rence avecles capacit´ s initiales. par rapport au cas avec coˆ t de lancement. a e e ` savoir eviter de mettre en route une production pour une faible quantit´ .98 Chapitre 6. on a encore avanc´ u e des productions (une unit´ de demande de p´ riode 3 produite a la p´ riode 2. e . Mais la deuxi` me cause d’anticipation de production. Les demandes et capacit´ s r´ siduelles sont donn´ es par : e e e P´ riode t e 1 2 0 3 0 3 4 0 1 3 3 0 0 5 3 3 4 Capacit´ r´ siduelle a 200 F 0 e e ` Capacit´ r´ siduelle a 250 F 3 e e ` Demande r´ siduelle e 0 En p´ riode 5.

600 mars 2.100 16. et a 200 F si on fait appel a une seconde tranche d’heures e ` ` suppl´ mentaires. il ne reste aucun ` e M200 en stock. les commandes e e e a honorer sont les suivantes : ` P´ riode t 13 e T 100 3 T 110 1 T 180 2 14 1 3 2 15 16 2 1 1 0 0 2 17 1 2 1 18 3 2 0 Lafabrication dumoteurM200demandeunesemaineetlecoˆ utdelancement dans l’atelier moteurs est estim´ a 500 F. Le coˆ t variable unitaire est de 300 e` u F pour les trois premi` res unit´ s produites au cours d’une semaine et de e e 400 F pour les unit´ s suivantes.4. u (a) D´ terminer les besoins nets en M200 pour les p´ riodes 13 a 16. celui de T180 de trois semaines. La capacit´ de stockage est limit´ e a deux e e e ` moteurs et le coˆ t unitaire hebdomadaire de stockage est de 50 F. et de 175 F si l’on fait appel a une premi` re tranche d’heures ` e suppl´ mentaires. 6. Les services commerciaux estiment que la e e demande pour la p´ riode de ventes etal´ es sur les mois de novembre a mars e ´ e ` devrait correspondre aux estimations suivantes : P´ riode e Demande novembre d´ cembre e 16. Pendant un mois quelconque. T110 et T180 qui utie lisent tous le mˆ me moteur M200.2.200 47. Le d´ lai d’assemblage pour les engins e e T100 et T110 est de deux semaines.1. e (b) D´ terminer le plan de production optimal du moteur M200 pour les e semaines 12 a 15. La production quotidienne en heures normales est de 1000 e . Exercices 99 6. la production en heures normales s’effectue a un coˆ t moyen ` u de 150 F. Une soci´ t´ de construction ee automobile assemble trois types de v´ hicules T100.000 Le planning de production est etabli en tenant compte de la possibilit´ de ´ e produire le mod` le pendantles mois de septembre af´ e ` evrier. Plan de production hebdomadaire optimal.4 Exercices 6. sachant e e ` qu’au d´ but de semaine 13. sachant qu’au d´ but de semaine 12.Section 6. Une soci´ t´ sp´ cialis´ e dans e ee e e la fabrication de vˆ tements de pluie d´ cide de lancer pour la rentr´ e un e e e nouveau mod` le d’imperm´ able. Planification de la production de vˆ tements. Le moteur M200 est mont´ durant la deuxi` mpe semaine d’assemblage et ceci e e pour les trois v´ hicules.500 janvier f´ vrier e 28. Au d´ but de la douzi` me semaine. il ne reste aucun M200 en stock.

Le tableau qui suit donne l’augmentation du nombre de ventes dans chaque r´ gion en fonction du nombre de vendeurs envoy´ s. Un editeur de livres educatifs doit d´ cider du nombre de ´ ´ e vendeurs qu’il envoie dans chacune des r´ gions du pays pour maximiser le e nombre de ventes. Fabrication en heures suppl´ mentaires etau moyen d’int´ rimaires. u (b) D´ terminer les lancements de production sachant que le d´ lai de fabrie e cation est d’un mois.4.100 Chapitre 6.800 F 5 ` Demande 12 2 12 2 5 17 3 4 10 15 1 3 5 5 13 21 5 15 3 5 18 Donnez la politique optimale de production et de stockage sachant que le taux annuel de possession utilis´ est de 24 %. 6. Les capacit´ s de production ainsi que e ` e e les demandes pr´ visionnelles sont donn´ es au tableau suivant : e e P´ riode t e 1 Production a 1.400 F 2 ` Production a 1. La programmation dynamique.800 F).000 F 15 ` Production a 1. a laquelle peut s’ajouter 100 imperm´ ables par jour e ` e si l’on fait appel a la premi` re tranche d’heures suppl´ mentaires et autant ` e e pour la seconde. Une e e soci´ t´ dispose d’une certaine capacit´ de production en heures normales ee e (coˆ t direct de 1. imperm´ ables par jour.3. e e Nombre de vendeurs R´ gion 1 e 1 4 2 6 3 9 4 11 R´ gion 2 e 3 6 8 10 R´ gion 3 e 5 7 12 12 Il y a 6 vendeurs mais il est d´ cid´ d’en envoyer au mois un dans chaque e e r´ gion. Formuler et r´ soudre par la programmation dynamique. u 6. u e u Elle peut aussi faire appel a des int´ rimaires (coˆ t de 1. La capacit´ ` e u e de stockage est limit´ e a 10 unit´ s. Le coˆ t de stockage se r´ duit e u e au seul coˆ t d’immobilisation du capital. e e . u (a) D´ terminer les capacit´ s disponibles par mois pour les trois tranches e e de coˆ t de production. Le coˆ t de stockage u ee e u durant un mois d’un article est de 2 % de son coˆ t de production. Ventes de livres.000 F) et heures suppl´ mentaires (coˆ t direct de 1.400 F). Le nombre de jours ouvrables est donn´ au tableau suivant e Mois Jours septembre octobre 22 23 novembre d´ cembre e 19 21 janvier f´ vrier e 20 20 Le coˆ t de lancement est consid´ r´ comme n´ gligeable.

Il y a donc conflit entre la gestion en grande s´ rie (qui permet de r´ duire les coˆ ts de fabrication) et la gestion a la carte (qui est e e u ` beaucoup plus souple). sansd´ laietencomprimant ` e ˆ au maximum le cout de fabrication. ilfaut produire alademandeduclient. e En conclusions.Chapitre 7 Les techniques de juste a temps ` 7. Le principe est appliqu´ de proche en proche jusqu’aux fournisseurs. e Ceci entraˆne la suppression des stocks interm´ diaires : on parle de gestion en flux ı e 101 . La logique e e fondamentale du JAT est la suivante : Production = Demande Autrement dit. e • La concurrence internationale impose de produire une bonne qualit´ a un e` prix tr` s bas. on produit la quantit´ strictement n´ cessaire aux besoins imm´ diats e e e du client. • Le d´ lai admissible par les clients est plus court : on ne peut donc plus e produire a la commande. c’est-` -dire lancer une commande sp´ ciale avec ` a e des d´ lais longs.1 Origine et principe du JAT Comme le souligne Baglin et al [1]. L’id´ du JAT est de chercher a concilier les avantages de la grande s´ rie (flux ee ` e rapides et importants) avec ceux de la petite s´ rie (grande adaptabilit´ ). les techniques de juste a temps trouvent leur ` origine dans les nouvelles exigences du march´ : e • La variabilit´ de la demande : l’augmentation du nombre de mod` les et la e e diminution de la dur´ e de vie des produits n´ cessitent une adaptation plus e e rapide des produits.

Ce qui occasionne egalement des stocks ´ elev´ s de mati` res qui ne sont pas imm´ diatement consomm´ es. ´ e e e e 5. Pour raison de coˆ t. Les flux de production peuvent etre tir´ s non par des commandes clients ˆ e mais par le plan directeur de production. Cequientraˆıne u aussi des stocks importants. on met en place des capacit´ s de production corresponu e dant a la demande moyenne qui sont satur´ es en permanence : la variabilit´ ` e e de la demande n´ cessite donc des stock de produits finis. e e e 2. e 2. La suppression des stocks apparaˆt donc comme une cons´ quence de la ı e logique du JAT. . les usines ne fonctionnent que partiellement en flux tendus : en flux tendus au moment o` l’on personnalise le produit.102 Chapitre 7. Ses cons´ quences sont : e e e 1. ). A chaque stade du produit. o e e Le fonctionnement en JAT appelle cependant les remarques suivantes : 1. on a des unit´ s de fabrication de grande e e e taille organis´ es en ateliers sp´ cialis´ s. Le JAT n´ cessite tout de mˆ me l’´ tablissement d’un plan directeur de proe e e duction et le calcul des besoins. 3. on transporte en grande quantit´ u e (camions. Le mode d’organisation traditionnel a pour objectif essentiel la recherche de la plus grande productivit´ du syst` me. Pour d´ coupler les probl` mes. Les techniques de juste ` temps a tendus. maintenance. Pour diminuer le coˆ t de manutention. e e o Onenconclutque chacun atendance a gonflerlesstocks. . On lancedegrandess´eriespouramortir lecoˆ tdelancement. ` ` plutˆ t que d’essayer de g´ rer l’ing´ rable propose de supprimer les stocks. Ceci va a l’encontre des politiques traditionnelles d’organisation de la produc` tion. On a donc des flux importants et e e e discontinus entre ces unit´ s n´ cessitant des stock interm´ diaires. avec des stocks u d’approvisionnement pour les pi` ces standards. on ajoute un d´ lai d’obtention pour tenir compte e des arrˆ ts fr´ quents (contrˆ le. . on constitue des stocks interm´ diaires. e 3. containers complets). LeJATdevantceconstat. e e e 6. Pour raison d’´ conomie d’´ chelle.. Souvent. 4.

En conclusions. . . les lenteurs administratives.2. Le moyen utilis´ est le suivant : pour raccourcir le cycle e de fabrication. Onpeuticiciter l’imagedeTaichiOhno(deToyota) quiditque. dans l’approche JAT : on drague le ´ fleuve. dans l’approche traditionnelle : on augmente le niveau e de l’eau et on passe au dessus des epaves. . e • Pour r´ duire les stocks de mati` re premi` re. . stocker. Ainsi.. Le e ´ principe fondamental est que les seuls temps utiles sont ceux pendant lesquels le produit voit sa valeur s’accroˆtre. etc. on r´ duit les stocks. ce qui permet un niveau d’eau plus faible. u ´ 7. .Section 7. il faut s’attaquer a leur cause : les pannes e ` machines. Remarquez que. e e . on am´ liore la productivit´ globale du syst` me e e e et on am´ liore la qualit´ des produits. . Pour pouvoir diminuer e o ces op´ rations improductives. les temps de r´ glage longs. les fournisseurs doivent livrer e e e plus souvent.2 La rationalisation de la production Le but est ici d’am´ liorer la performance globale en eliminant les gaspillages. pour r´ duire les stocks. les retards.2. diversifier e e e e la production.2. • diminuer le coˆ t global de production : en eliminant les gaspillages inutiles. pourtraverser une rivi` re sans encombre. les pannes.1 Augmenter la r´ activit´ du syst` me logistique e e e Le but est ici de pouvoir r´ pondre rapidement aux variations quantitative et quae litative de la demande. on doit pouvoir changer souvent de e fabrication. contrˆ ler. grouper. en s’attaquant aux causes de dysfonctionnement.2 Les deux approches du JAT Le JAT a donc un double objectif : • augmenter la r´ activit´ du syst` me logistique : diminuer le d´ lai. e 7. Les deux approches du JAT 103 7.. les op´ rations suivantes sont non ı e productives : d´ placer. il faut s’attaquer a leurs causes : les d´ fauts de e ` e fabrication. • Pour r´ duire les stocks d’en-cours de production. • Pour r´ duire les stocks de produits finis. on doit r´ duire le temps e e entre ateliers. .. .

il existe relation plus etroite entre le client et le fournisseur car le ´ fournisseur d’une usine JAT est g´ n´ ralement plus conscient des cons´ quences de e e e l’envoi d’une pi` ce d´ fectueuse pour le client.. en l’absence de stock. par exemple. a la sous-traitance. constitueront des stocks. autrement. e o o ` Il faut egalement assurer la fiabilit´ des equipements. les pannes machine. e e e e ı e 7. Le z´ ro d´ faut sera recherch´ e e ı e e e par la pr´ vention plutˆ t que par le contrˆ le a posteriori. ainsi les retards de livraison.104 Chapitre 7.3. ` e – la polyvalence du personnel est egalement souhaitable. En effet. Les techniques de juste ` temps a 7. en gardant les ane ciennes machines lors d’un renouvellement. aux heures suppl´ mentaires. La e fiabilit´ est obtenue par des proc´ dures de maintenance pr´ ventive. . e e e Enfin.2 Maˆtrise des al´ as ı e Il faut ici se pr´ munir contre les causes des stocks que sont les pi` ces re¸ ues e e c d´ fectueuses. ´ 7. le d´ faut e e e e e d’une pi` ce livr´ e interrompt la chaˆne de montage. ` e • La flexibilit´ qualitative est la capacit´ de traiter une grande vari´ t´ de e e ee produits : – il faut pouvoir passer rapidement d’un produit a l’autre : on utilisera ` des machines a commandes num´ riques. ` – il faut faire appel a la flexibilit´ de la main d’œuvre : appel aux teme poraires. On distingue deux types de flexibilit´ : ` e • La flexibilit´ quantitative estla capacit´ defaireface apointes de demande: e e ` – il faut surdimensionner la capacit´ .1 Recherche d’un plus grande r´ activit´ e e On atteindra une plus grande r´ activit´ en augmentant la flexibilit´ de la produce e e tion.3. . En effet.3 Les facteurs cl´ s du JAT e La r´ ussite du passage d’une organisation classique a une organisation JAT e ` n´ cessite des m´ thodes de gestion tr` s r´ actives ainsi que la maˆtrise des al´ as. ı e De mˆ me pour les machines en amont qui. e e . On visera ici le e z´ ro d´ faut pour les pi` ces fabriqu´ es. On peut d´ finir la flexibilit´ comme la capacit´ du syst` me de production a e e e e ` s’adapter en permanence a la demande. l’arrˆ t d’une ´ e ´ e machine entraˆne l’arrˆ t de toutes les machines en aval faute d’approvisionnement.

4 La m´ thode Kanban e L’id´e de la m´ thode est que la production soit tir´ e par l’aval : chaque poste e e e ne travaille que pour satisfaire une demande du poste aval.4.1) : e ` • L’´tiquette est appos´ e sur le conteneur de pi` ces qui viennent d’ˆ tre fae e e e briqu´ es en amont (a). d´ termin´ e par le rythme de consommation des pi` ces. les etiquettes ne remontent plus et la ` ´ fabrication s’arrˆ te. e • la quantit´ par conteneur. L’´ etiquette est donc un ordre de fabrication des pi` ces qui e • descend le flux de pi` ces (lors de la fabrication). e • remonte ce flux une fois les pi` ces consomm´ es. e Cette technique utilise en effet des conteneurs standards pour la circulation entre les postes. La m´thode Kanban e 105 7.4. elle-mˆ me. si la consommation vient a se tarir. e • le syst` me a deux boucles lorsqu’il y a passage par un stock interm´ diaire. e . e e ´ Le rythme de fabrication est donc egal a la vitesse de circulation des etiquettes ´ ` qui est. Par e e e e exemple.1 Syst` me Kanban a une boucle e ` Le fonctionnement du syst` me Kanban a une boucle est le suivant (cfr figure 7. il faut une capacit´ suffisante des e e postes amont pour r´ pondre a la demande : ceci n´ cessite donc en g´ n´ ral de e ` e e e pr´ voir une surcapacit´ . e e On distingue deux types de syst` mes Kanban : e • le syst` me a une boucle est utilis´ lorsque les conteneurs sont conserv´ s e ` e e aupr` s du poste de travail. e Pour un bon fonctionnement du syst` me. e ` e 7. L’information sur la demande du poste aval est transmise par un document appel´ Kanban (´ tiquette) e e donnant : • la description de la pi` ce et de l’op´ ration a effectuer. e e ` • le lieu d’origine et de destination de la pi` ce.Section 7.

le responsable du poste e amont peut choisir ses priorit´ s de fabrication d’apr` s les besoins des agents e e des diff´ rents postes aval qu’il fournit. le volume des en cours. ee • Il entre dans le planning du poste amont (d) d’o` il sort au moment d’une u nouvelle fabrication.1: Syst` me Kanban a une boucle. e ` • Elle accompagne le conteneur au poste suivant et reste sur le conteneur en attente (b). Une etiquette libre (c’est-` -dire non attach´ e a un conteneur) repr´ sente un ´ a e ` e ordre de fabrication pour une quantit´ fixe de pi` ces sur un poste de travail e e d´ termin´ . c’est-` -dire le nombre a de conteneurs entre les postes. est inf´ rieur ou egal au nombre d’´ tiquettes e ´ e en circulation. Le nombre d’´ tiquettes en circulation entre deux postes fixe les stocks d’en e cours de fabrication : en effet. En observant son planning d’´ tiquettes en attente. Les techniques de juste ` temps a (b) Transport entre postes (c) POSTE AVAL Conteneur avec étiquette Etiquette libre Figure 7. 4.106 (a) POSTE AMONT (d) Chapitre 7. le Kanban u est lib´ r´ et retourne au poste amont (c). Tout conteneur rempli poss` de obligatoirement une etiquette (c’est-` -dire e ´ a son ordre de fabrication). On peut faire les remarques suivantes sur le fonctionnement du syst` me kane ban a une boucle : ` 1. e . • Au momento` leconteneur estmis enfabrication surle posteaval. 2. e e 3.

Section 7. e • Quand le manutentionnaire sort le conteneur du magasin.4. il d´ tache l’´ tiquette de e e e transfert qui est remise a un manutentionnaire qui va chercher un nouveau ` conteneur plein dans le magasin interm´ diaire (a). • Les etiquettes sont alors plac´ es sur les conteneurs sortant de la production ´ e du poste amont (d).2).2: Syst` me kanban a deux boucles. e ` On utilisera. On e ´ e utilise un magasin interm´ diaire pour stocker les conteneurs (cfr figure 7. ´ • une etiquette de transfert circule entre le magasin et le poste aval. dans ce cas. Son principe de fonctionnement est le suivant : • Lorsque le poste aval entame un conteneur de pi` ces.4. . e P P P P P P (b) T (a) (c) P P T Conteneur avec étiquette de production Conteneur avec étiquette de transfert T T POSTE AVAL POSTE AMONT (d) P P P Figure 7. le principe de double etiquetage : ´ ´ • une etiquette de production circule entre le poste en amont et le magasin. ´ • L’´ tiquette de production d´ tach´ e est renvoy´ e vers le planning du poste e e e e amont (c). il d´ tache l’´ tie e quette de production et la remplace par une etiquette de transfert (b). La m´thode Kanban e 107 7.2 Syst` me Kanban a deux boucles e ` Le syst` me a deux boucles est n´ cessaire lorsque les pi` ces ne peuvent etre e ` e e ˆ stock´ es dans l’atelier par manque de place ou en cas de postes eloign´ s.

d’un temps de production de 0.1 minute par pi` ce (donc 10 minutes e pour 100 pi` ces). d’un r´ glage de la machine e de 10 minutes. la e e demande moyenne du poste aval par journ´ e de 8 heures de travail. On en d´ duit e e une consommation en unit´ s par minute de : e Cu = 2000 = 4. Soit D = 2000 pi` ces. la capacit´ d’un conteneur. ´ e e e e • un nombre pas trop faible : sinon le poste aval risque de tomber en rupture. la taille economique des lots fabriqu´ s en amont.108 Chapitre 7. Les techniques de juste ` temps a 7. – le r´ glage de la machine amont. 1667 8 × 60 Soit k = 100 pi` ces. e Illustrons ceci sur un exemple tir´ de Baglin et al [1]. la consommation du poste aval en unit´ s par minute. e – la production du premier conteneur. donc un temps moyen d’une demi heure). la capacit´ d’un conteneur plein. temps de r´ action e e e qui r´ sulte d’un temps de retour du ticket de 30 minutes (le ramassage des tickets e s’effectue toutes lesheures. r´ sulter d’un compromis entre : e • un nombre pas trop elev´ : sinon on g´ n` re des stocks interm´ diaires. e • Qe. e • Tr . d’un temps de transport de l’amont vers l’aval de 35 minutes : e Tr = 30 + 10 + 10 + 10 + 35 = 95 . – l’attente au planning amont. Ce nombre doit.3 D´ termination du nombre d’´ tiquettes e e Un probl` me fondamental est la d´ termination du nombre d’´ tiquettes a mettre e e e ` en circulation. d’une attente moyenne de 10 minutes au planning du poste amont. – le transport du conteneur jusqu’au poste aval.4. Le principe utilis´ pour d´ terminer le nombre d’´ tiquettes est le suivant : le e e e nombre de conteneurs dans la boucle correspond au strict minimum pour que le syst` me fonctionne sans rupture pour le poste aval. le d´ lai de r´ action du syst` me lorsque le stock atteint le seuil de lancee e e ment d’une production. ´ e • k. en effet. Soit Tr . Les donn´ es du probl` me sont les suivantes : e e • Cu . Ce d´ lai de r´ action comprend e e – le retour du ticket d’alerte vers l’amont.

Section 7. ` e . augment´ d’une marge de s´ curit´ e e e α: (1 + α)Cu Tr • du lot economique Qe produit par le poste amont : ´ Qe le tout divis´ par k. 83 = = 4. 1 × 395. 96 k Si l’on veut prendre une marge de s´ curit´ de α = 10 % : e e (1 + α)Tr Cu 1. e e Le nombre de conteneurs dans la boucle correspond donc en g´ n´ ral a la e e ` somme : • du stock correspondant au seuil d’alerte. e ´ c’est-` -dire a 6 conteneurs (Qe/k). 35 k 100 (7.1) Ce qui correspond a 11 conteneurs de 100 pi` ces. la consommation du poste aval est de : e Tr Cu = 95 × 4.4. 83 109 Il en r´ sultera qu’il faut au moins 4 etiquettes en permanence dans le syst` me : e ´ e N≥ Tr Cu = 3. 1667 = 395. Il faudra donc attendre d’avoir six etiquettes a ` accroch´ es au planning du poste amont avant de pouvoir lancer en fabrication de e quoi remplir le premier conteneur. 3541. k 100 Il faudra donc au moins 5 etiquettes en permanence dans le syst` me. Il faudra donc ajouter ces 6 conteneurs aux 5 pr´ c´ dents. la capacit´ d’un conteneur : e e (1 + α)CuTr + Qe k Le r´ sultat est arrondi a l’entier sup´ rieur. c’est-` -dire au stock permettant de a faire fonctionner le poste aval durant Tr . La m´thode Kanban e Pendant le temps de r´ action. Ce qui donne ici : e ` e N= N= (1 + α)CuTr + Qe 435 + 600 = = 10. ´ e N≥ Supposons maintenant que le temps de lancement en fabrication justifie une production par lot (cette taille economique est d´ termin´ e en arbitrant entre le coˆ t ´ e e u de lancement et le coˆ t de possession) au poste amont de taille optimale : u Qe = 600 pi` ces.

Les caract´ ristiques e e de la production sont les suivantes : l’atelier fonctionne 8 heures par jour. Les techniques de juste ` temps a 7. il faut une heure pour ı r´ gler la machine de l’atelier et cinq secondes pour produire une pi` ce. le temps ı a d’attente moyen au planning amont peut etre estim´ a trente minutes.5 Exercice 7. Flux tendus. (a) V´ rifier l’´ quilibre entre la charge et la capacit´ puis d´ terminer le e e e e nombre de tickets a mettre en circulation dans la boucle. c’est-` -dire toutes les heures. la chaˆne consomme 2 000 sous-ensembles par jour. Quelles ` e am´ liorations devrait-on r´ aliser pour pouvoir fonctionner ainsi ? Que e e deviennent alors les param` tres du syst` me pr´ c´ demment calcul´ s ? e e e e e . La r´ gularit´ de la production incite la direction a mettre en place e e ` un syst` me d’appel par l’aval entre ces deux postes. la manutention d’un conteneur d’un poste a e ` l’autre n´ cessite dix minutes. Calculer le nombre de lancements r´ alis´ s par jour. le ramassage des tickets s’effectue lors de e l’approvisionnement de la chaˆne. ` (b) Ond´ ecidemaintenantder´eduirelatailledess´ eriesdefabricationde500 a 250.1. On ˆ e` retiendra pour l’ensemble des calculs un coefficient de s´ curit´ de 20 poure e cents. Comparez` e e le a celui obtenu avec les hypoth` ses de la question (a). Un atelier de fabrication de sous-ensembles approvisionne la chaˆne de montage de petits articles electrom´ nagers situ´ e dans un bˆ timent ı ´ e e a proche. la e e taille economique des lots en amont s’´ l` ve a 500 pi` ces.110 Chapitre 7. la capacit´ des ´ ee ` e e conteneurs est de 250 pi` ces.

Partie III Les d´ cisions strat´ giques e e 111 .

.

Par exemple. Onveutconstruireunnouveaubˆ atimentpourlafacult´ede mani` re a pouvoir d´ m´ nager au plus tˆ t. Par exemple. les travaux d’´ lectricit´ et de plomberie peuvent etre e e e ˆ men´ s de pair. de divers types e 113 . e e No 1 2 3 4 5 6 7 8 9 10 11 tˆ che a terrassement fondations colonnes porteuses charpente toiture couverture ma¸ onnerie c plomberie. d’un avion.1 pour cet exemple. d’un bˆ timent. Certaines tˆ ches ne peuvent s’ex´ cuter e ` e e o a e qu’apr` s que d’autres soient termin´ es. On ne peut monter les murs que lorsque les fondations sont termin´ es.). Les donn´ es sont reprises au tableau 8. Le probl` me est de d´ terminer dans quel ordre doivent s’enchaˆner les a e e ı diverses tˆ ches de mani` re a minimiser le temps total d’ex´ cution du projet. D’autres tˆ ches peuvent s’ex´ cuter e a e simultan´ ment. dans les probl` mes d’ordonnancement. electricit´ ´ e coulage dalle b´ ton e chauffage plˆ tre a finitions dur´ e (jours) e 5 4 2 2 3 5 3 3 4 10 5 pr´ alables e 1 2 3 4 3 2 7 8 et 6 9 et 5 10 Tableau 8. a e ` e Prenons unexemple .1 Introduction Lors detout projet de grande envergure (construction d’un bateau.. on ne peut commencer e e les fondations que lorsque le terrassement est fini..1: Construction d’un bˆ timent a On doit tenir compte.Chapitre 8 L’ordonnancement de projets 8. un probl` me crucial qui se pose est celui du calendrier d’ex´ cution a e e des tˆ ches..

aussi bien pour sa formulation que pour sa r´ solution. la pr´ sentation du r´ sultat de calcul (l’ordonnancement e e destˆ aches)serabeaucoup plusclairesurcegraphiquequesuruntableaudechiffres. e e` Algorithmiquement. r´ soudre le probl` me e e e e e graphiquement. Ilexistedeuxm´ethodesder´esolutionpourceprobl`eme. De plus. e e e repr´ senter le probl` me sur un graphe de r´ seau et. e Le probl` me d’ordonnancement avec des contraintes de localisation tempoe relle et de succession temporelle seulement est appel´ probl` me central d’ordone e nancement. et chaque relation a ` e d’ant´ riorit´ a un nœud. e e e e comme nous allons le voir. les deux m´ thodes de r´ solution sont equivalentes. • Les contraintes disjonctives expriment le fait que deux tˆ ches ne peuvent a avoirlieu enmˆ emetempssansquel’on puissedirelaquelledoit etre effectu´ e ˆ e avant l’autre (par exemple. ce e probl` me utilise la notion math´ matique de graphe de r´ seau. Chapitre 8.114 de contraintes. une mˆ me grue est utilis´ e sur deux chantiers e e diff´ rents). Nous allons voir que. on ne coule pas les fondations si le e terrassement n’est pas fini). On peut. tandis ` a e que les relations d’ant´ riorit´ sont repr´ sent´ es par des arcs entre les tˆ ches. ou a a apr` s une telle date (par exemple. elle. Ils’agitrespectivement de • la m´ thode du potentiel d´ velopp´ e en France dans les ann´ es 60 et qui. ensuite. e e e . Il s’agit donc de d´ terminer le calendrier de d´ but de chacune des e e tˆ ches de mani` re a terminer le chantier au plus vite en respectant les contraintes a e ` temporelles. Elles se e e ´ distinguent seulement par la mani` re d’´ crire le graphe de r´ seau. e • Les contraintesde succession temporelle expriment lesrelations d’ant´ rioe rit´ entre les tˆ ches : une telle tˆ che ne peut commencer avant la terminaison e a a compl` te d’une autre (par exemple. associe chaque tˆ che a un arc du r´ seau. L’ordonnancement de projets • Les contraintes de localisation temporelle expriment la localisation d’une tˆ che dans le temps : une tˆ che ne peut commencer avant une telle date. e e e e a • la m´ thode PERT d´ velopp´ e parall` lement aux Etats Unis d’Am´ rique e e e e e et qui. associe a chaque tˆ che un nœud du r´ seau. en raison des conditions climatiques). en effet.

Ce second cas de figure se rencontre. not´ ti pour la tˆ che i.Section 8. e ˆ e On associe donc au probl` me central d’ordonnancement un graphe dont les e sommets repr´ sentent les diverses tˆ ches du probl` me d’ordonnancement.2. dans le cas du lissage de la dalle de b´ ton : celui-ci doit etre effectu´ avant que le ciment ne soit sec.2 Formulation et repr´ sentation du probl` me e e Fixons-nous les notations suivantes.1) o` t(i) est la fonction potentiel au nœud i. Utilisons egalement la notation di pour e e a ´ d´ signer la dur´ e d’ex´ cution de la tˆ che i (qui est ici une donn´ e). On e a e ajoute un nœud 0 qui correspond a la date de d´ but de chantier et un nœud n + 1 ` e qui correspond a la fin de chantier. indic´ es a ` e e i = 1. par exemple. . Nous allons voir que ces diverses contraintes peuvent toutes se mettre sous la forme suivante t(j) − t(i) ≥ dij (8. Les arcs du r´ seau repr´ sentent les diverses ` e e contraintes temporelles. soit que l’on doit commencer la tˆ che j au plus tard un certain laps de temps a apr` s la tˆ che i : e a tj ≤ ti + e i . reprenons les diverses formes u de contraintes temporelles : ti ≥ li ti ≤ ui tj ≥ ti + di tj ≤ ti + ei ⇔ ⇔ ⇔ ⇔ t(i) − t(0) ≥ li t(0) − t(i) ≥ −ui t(j) − t(i) ≥ di t(i) − t(j) ≥ −ei . La variable a d´ terminer pour chaque tˆ che est son temps de d´ but ` e a e d’ex´ cution. Formulation et repr´sentation du probl`me e e 115 8. e e e a e Les contraintes temporelles que l’on consid` re dans le probl` me central d’ore e donnancement sont de deux types : • les contraintes de localisation temporelle qui expriment que la tˆ che i ne a peut d´ buter avant une certaine date ou apr` s une certaine date : e e t i ≥ li ti ≤ u i • Les contraintes de succession temporelle qui expriment soit qu’une tˆ che a j ne peut commencer avant qu’une tˆ che i ne soit finie : a tj ≥ ti + di . . En effet. . Nous avons n tˆ ches a ex´ cuter.n.

Dans l’exemple. On doit donc avoir a e e a t2 ≥ t1 + d 1 . On relie d’abord toutes les tˆ ches qui peuvent etre effectu´ es sans pr´ alable a ˆ e e au nœud 0. ∀i ∈ N Nous devons aussi exprimer que toutes les tˆ ches doivent etre finies avant la fin du a ˆ chantier. ∀i ∈ N .2) s. e Reprenons l’exemple. On trace le nœud 2 et on le relie au nœud 1 par un arc de longueur d1 . d´ but de chantier par un arc de longueur nulle. . Par exemple. Elles s’expriment par : e a t(i) − t(0) ≥ 0. On peut construire syst´ matiquement le graphe associ´ e e au probl` me d’ordonnancement de la mani` re suivante (voir figure 8. L’ordonnancement de projets Enfin. c’est-` -dire que ti ≥ 0. c’est-` -dire que ti + di ≤ tn+1 . ∀i ∈ N.1). chaque arc correspondant a une contrainte u e ` du type (8. 3 4 0 0 1 5 2 4 7 3 8 3 9 2 2 6 5 4 2 5 3 10 4 10 11 5 12 Figure 8. ∀i ∈ N Le probl` me central d’ordonnancement se formule donc par : e min t(n + 1) (8. nous devons exprimer que chacune des tˆ ches ne peut commencer avant a le d´ but du chantier. j) ∈ A o` A note l’ensemble des arcs du r´ seau.116 Chapitre 8.q. ∀(i. Ensuite. Elles s’expriment par : a t(n + 1) − t(i) ≥ di. t(j) − t(i) ≥ dij . e seule la tˆ che 1 est dans ce cas.1) : e e 1.c.1: graphe associ´ . on prend une tˆ che d´ j` dans le graphe et on examine si elle pr´ c` de a ea e e d’autres. a 2. la tˆ che 1 doit pr´ c´ der la tˆ che 2.

supposons que la tˆ che 5 doive etre commenc´ e avant le temps 40 : a ˆ e t5 ≤ 40 ⇔ t0 ≥ t5 − 40. les contraintes temporelles peuvent venir de divers services et e etre incompatibles entres elles. Ceci se repr´ sente en joignant l’origine 0 au nœud 3 par un arc de longueur 10. quand toutes les tˆ ches sont dans le graphe. En effet. pour les seules tˆ ches qui a a ne sont suivies d’aucune autre.2. seulela tˆ chefinition ´ ` e a a est dans ce cas. Enfin. Ceci se repr´ sente en joignant le nœud 5 au nœud 0 par un arc de “longueur” -40. Formulation et repr´sentation du probl`me e e 117 3. fin de chantier. Ce qui est repr´ sente par un arc de “longueur” -5 entre les nœuds 9 et 8 a la figure e ` 8. que la tˆ che 3 ne puisse come a mencer avant le temps 10 : t3 ≥ 10 ⇔ t3 ≥ t0 + 10. supposons que la tˆ che 9 doive commencer au plus tard 5 jours apr` s le a e d´ but de la tˆ che 8 : e a t9 ≤ t8 + 5 ⇔ t8 ≥ t9 − 5. Avant de voir l’algorithme qui permet de r´ soudre le probl` me d’ordonnane e cement. e Ensuite. ˆ . e Enfin. a Disons un mot de la repr´ sentation des trois autres types de contraintes non e pr´ sents dans l’exemple. par exemple. on les relie au nœud n + 1.2.2: Trois autres types de contraintes. -40 10 4 0 0 1 5 2 4 3 2 2 4 2 5 3 10 5 6 3 5 3 9 -5 10 4 11 12 7 8 Figure 8. Supposons. nous allons dire un mot des conditions sous lesquelles ce probl` me est e r´ alisable. Ici. avec un arcde longueur egale ala dur´ e dela tˆ che. et il faut que cette tˆ che soit finie pour la fin du chantier.Section 8.

e ` e Cette situation est repr´ sent´ e a la figure 8.3: Circuit de longueur positive. Supposons que nous ayons la situation suivante. L’ordonnancement de projets 2 d1 1 d3 d2 3 Figure 8. En effet. e Lemme 8. comme vu ci-dessus. Il est clair qu’un ˆ e a tel probl` me va conduire a une impossibilit´ . a doit etre termin´ e avant que la tˆ che 2 ne commence. La tˆ che 1. on obtient -2 ≤ 0. . qui dure d2 ˆ e a a jours. Par exemple.118 Chapitre 8. ecrivons les contraintes correspondantes : ´ t1 + d1 ≤ t2 t2 + d2 ≤ t3 t3 + d3 ≤ t1 En sommant et en simplifiant. On voit ici que le graphe contient e e ` un circuit (cycle avec tous lesarcs dans lemˆ eme sens)dont lasomme des longueurs des arcs est positive.1 Les contraintes temporelles sont compatibles entre elles si et seulement si le graphe associ´ ne comporte aucun circuit de longueur (somme des e longueurs des arcs le constituant) positive. qui dure d1 jours. en e e sommant les deux contraintes. La tˆ che 2. doit etre termin´ e avant que la tˆ che 1 ne commence. on obtient la condition suivante : d1 + d2 + d3 ≤ 0 On peut alors montrer le r´ sultat suivant. par une fl` che de 8 vers 9 de longueur 3 e e et une fl` che retour de longueur -5. En effet. qui dure ˆ e a a d3 jours. Remarquez qu’un cycle avec une somme des longueurs n´ gative ne pose pas de e probl` me. la tˆ che 8 de longueur 3 doit etre finie avant que ne e a ˆ commence la tˆ che 9 et la tˆ che 9 doit commencer en d´ ans les 5 jours de d´ but a a e e de la tˆ che 8 : a t8 + 3 ≤ t9 t9 − 5 ≤ t8 Ceci se repr´ sente. La tˆ che 3. doit etre termin´ e avant que la tˆ che 3 ne commence. Ceci ne pose pas de probl` me.3.

.. .3) Reprenons notre exemple.3 Calcul de l’ordonnancement au plus tˆ t o Nous allons maintenant voir un algorithme de calcul de l’ordonnancement au plus tˆ t. Ensuite. j) ∈ A} Il faut satisfaire les contraintes temporelles suivantes t(j) ≥ t(i) + dij . Supposons maintenant qu’un certain nombre de sommets ont d´ j` et´ marqu´ s. . e e directs sont marqu´ s. o e La date au plus tˆ t de d´ but de chantier est t(0) = 0. c’est-` -dire decommencer o e a tout de suite. par un arc de longueur nulle.4: Pr´ d´ cesseurs de j. On peut marquer un nouveau nœud j si tous ses pr´ d´ cesseurs e e i dij j Figure 8. tout en respectant les contraintes temporelles. c’est-` -dire a e a a t(2) = t(1) + d1 = 5 et ainsi de suite. La tˆ che 1 peut commencer au plus tˆ t en 0 puisa o qu’elle est reli´ e au au nœud 0. Cet ensemble est d´ fini par e P (j) = {i|(i. t(4) = 11. ea´ e e c’est-` -dire que t(i). Calcul de l’ordonnancement au plus tˆt o 119 8.3. L’ordonnancement au plus tˆ t d´ termine les dates de d´ but au plus tˆ t. les temps au plus tˆ t ont d´ j` et´ d´ termin´ s a o ea ´e e e pour ces nœuds. ∀i ∈ P (j) La plus petite valeur admissible pour t(j) est donc t(j) = max {t(i) + dij } i∈P (j) (8. La e e tˆ che 2 peut commencer d` s la fin de la tˆ che 1.Section 8. on marque t(3) = 9. i ∈ T ⊂ N . pour o o e e o les diff´ rentes tˆ ches. d´ but de chantier. l’ensemble des pr´ d´ cesseurs directs de j e e e dans le graphe. Ces dates au e a plus tˆ t sont not´ es t(i). on va marquer progressivement les nœuds. Notons P (j).

L’ordonnancement de projets Lorsqu’un sommet (comme le sommet 9) a plus d’un pr´ d´ cesseur (8 et 6). a .5: Ordonnancement au plus tˆ t. cela n’aura pas de e a r´ percussion. Par exemple. t(10) = 20. car ce n’est pas a partir de ce nœud que son successeur (10) a et´ e ` ´e marqu´ mais bien a partir du nœud 9. si on retarde la date e de d´ but de la tˆ che 11 (finition). la date de d´ but de la tˆ che 5 peut etre retard´ e jusqu’` la valeur : e a ˆ e a t(10) − d5 = 20 − 3 = 17 sans retarder la date de d´ but de la tˆ che 10. En effet t(5) = 13. ` e e L’ordonnancement au plus tˆ t est indiqu´ a la figure 8. De mˆ me. C’est-` -dire que la tˆ che 5 peut etre commenc´ e a cette a a a ˆ e ` date au plus tard sans allonger la dur´ e totale minimale des travaux. o 8. t(8) + d8 } = 16 On arrive ainsi a d´ terminer la dur´ e totale minimum qui est ici de 35 jours. et d5 = 3.5 o` le temps de d´ but o e` u e au plus tˆ t est indiqu´ au dessus des nœuds. Autrement dit.120 Chapitre 8. cela va directement retarder la date de fin de e a chantier. o e 9 3 2 0 0 0 0 1 5 5 2 4 4 2 6 9 7 3 12 8 5 3 11 11 4 2 3 20 10 10 16 4 9 30 11 5 35 12 13 5 Figure 8. si on retarde le d´ but de la tˆ che 5 (couverture). On voit donc que l’on peut retarder la date e ` de d´ but de la tˆ che 5 sans cons´ quence sur la date de fin de chantier jusqu’` un e a e a certain point. On dit que 17 est la date de d´ but au e a e plus tard de la tˆ che 5.4 Chemin critique et calcul des marges Certaines tˆ ches sont telles que si on retarde leur date de d´ but. cela va retarder la date de e a a d´ but de la tˆ che 11 (finition) qui elle-mˆ me retarde la date de fin de chantier. cela aura des a e r´ percussions sur la date de fin de chantier. e On voit directement que l’on a deux sortes de tˆ ches. on e e d´ termine la date au plus tˆ t par un maximum : e o t(9) = max {t(6) + d6 . si on retarde la tˆ che 10 (plˆ tre). e a e Par contre.

c’est-` -dire les tˆ ches non critiques. on peut a a a d´ terminer la dateded´ebutauplus tard dela mani` resuivante. a .6.2. ` On peut alors d´ finir la marge d’une tˆ che comme la diff´ rence entre son e a e temps de d´ but au plus tard et au plus tˆ t : e o m(i) = t(i) − t(i) (8.6: Ordonnancement au plus tard.4) et donc la marge m(i) est strictement positive pour les tˆ ches non critiques tandis a qu’elle est nulle pour les tˆ ches critiques. L’ensemble des successeurs e directs. 9 3 4 0 0 0 0 0 1 0 5 5 2 5 4 9 2 2 11 9 7 10 3 11 4 15 11 6 5 12 3 8 13 2 13 5 17 3 20 10 30 11 30 5 35 12 35 10 20 4 16 9 16 Figure 8.11. dans l’exemple. Il s’agit. on ne retient que les sommets qui ont permis de joindre n+1 a partir du nœud 1.6. Elles forment ce que l’on appelle ` le chemin critique qui donne l’ensemble des tˆ ches a surveiller en premier a ` si l’on veut respecter le d´ lai minimum de r´ alisation du projet.4. peut etre d´ termin´ de la mani` re e e` ˆ e e e suivante. Chemin critique et calcul des marges 121 • Les tˆ ches critiques sont celles qui servent a marquer de proche en proche a ` le sommet n + 1 a partir du sommet 0.6. est d´ fini comme e e S(i) = {j|(i. j) ∈ A} On peut alors calculer la date ded´ ebutau plus tard de la tˆ che i par la formule a suivante t(i) = min {t(j) − dij } j∈S(i) On obtient ainsil’ordonnancement auplus tardillustr´ endessous des nœuds e a la figure 8. des ` nœuds 12. illustr´ en hachur´ a la figure 8. not´ s S(i).Section 8.10. • Pour toutes les autres tˆ ches.3.9. Le chemin e e critique. Partant du nœud n + 1. On peut marquer un sommet i ` si tous ses successeurs directs sont marqu´ s. Onproc` e e ede par marquage a partir de t(n + 1) = t(n + 1).1 et 0.

sur cet exemple.5 L’ordonancement par la m´ thode PERT e La m´ thode PERT (pour Program Evaluation Review Technique) s’est d´ velope e p´ e. d’une ` u e ` oe part. 2 3. d’autre part. la dur´ e de la tˆ che. L’ordonnancement de projets 8. 3 10. 3 6. 3 8. La diff´ rence majeure r´ side donc dans la ` e e e construction du graphe : le graphe de la m´ thode PERT est souvent plus difficile a e ` construire que celui de la m´ thode du potentiel car on peut etre amen´ a introduire e ˆ e` des arcs fictifs qui ne correspondent a aucune tˆ che. dans ce cas. La construction du e e graphe PERT pose divers probl` mes qui am` nent a ajouter des arcs fictifs qui ne e e ` correspondent a aucune tˆ che. 10 11.7 o` l’on a not´ . Il faut introduire un arc joignant l’origine des travaux a l’origine de l’arc repr´ sentant la tˆ che i et ayant pour longueur la date ` e a en question li. ` a Un premier probl` me se rencontre lorsque l’on veut tenir compte des conte raintes de localisation temporelle. 5 Figure 8. 4 7. e ` a e a 4. Les sommets ` e a sont utilis´ s pour traduire les relations de succession temporelle. 5 2. La e a e ` longueur de l’arc correspondant a la dur´ e de la tˆ che en question. Elle se distingue de la m´ thode du potentiel par le fait que les tˆ ches ne sont plus associ´ es aux nœuds e a e mais bien aux arcs du r´ seau. le graphe de la m´ thode du potentiel et celui de la m´ thode e e PERT sont tr` s proches. 5 9.122 Chapitre 8. Par exemple. supposons qu’une tˆ che i ne a peut commencer avant une date li. ı e e e a Ceci permet de tracer le graphe pour l’exemple d´ j` consid´ r´ pour la m´ thode ea ee e du potentiel. l’extr´ mit´ terminale de l’arc repr´ sentant la tˆ che i a a e e e a co¨ncidera avec l’extr´ mit´ initiale de l’arc repr´ sentant la tˆ che j. ` a Dans la m´ thode PERT. Ceci est fait a la figure 8.chaque tˆ che est donc associ´ e a un arc du graphe. aux Etats-Unis en 1958 pour la e e ` e planification de la construction des sous-marins Polaris. Ainsi. a cˆ t´ de chaque arc. 2 1.7: Graphe associ´ pour la m´ thode PERT. e e Si. il n’en va pas toujours de mˆ me. si la e tˆ che j doit suivre la tˆ che i. ` a . L’algorithme de r´ solution est tr` s semblable e e e a celui de la m´ thode du potentiel. parall` lement a la m´ thode du potentiel. 4 5. On est donc amen´ . le num´ ro correspondant a la tˆ che. a ajouter un arc fictif qui ne e ` correspond a aucune tˆ che.

3 20 10.9. 4 12 8. se rencontre pour les contraintes de suce e cession temporelle. plus d´ licat. On pourrait tracer le graphe de la figure 8. 3 9. Pour r´ soudre la difficult´ .10. a e e a Mais ce graphe introduit une contrainte suppl´ mentaire qui dit que la tˆ che 4 doit e a 1 4 2 3 Figure 8.8. o . 5 0 5 2.10: Ordonnancement au plus tˆ t. L’ordonancement par la m´thode PERT e 123 Un second probl` me. 4 9 7. 5 35 Figure 8. il faut a nouveau ajouter un arc e e a e e ` fictif entre l’extr´ mit´ de la tˆ che 1 et le d´ but de la tˆ che 3. 1 2 4 3 Figure 8. 2 1. 10 30 11. Ceci est illustr´ a la e e a e a e` figure 8. Les datesded´ebutauplus tˆ tdes tˆ ches vont egalement etrescalcul´ par maro a ´ ˆ ees quage des sommets du graphe. 2 13 5. 3 16 6.5. e` 11 3. L’application a l’exemple donne l’ordonnancement ` illustr´ a la figure 8.8: Introduction d’un contrainte. En effet. pr´ c´ der la tˆ che 2.Section 8. supposons que la tˆ che 1 pr´ c` de les tˆ ches 2 et 3 a e e a et que la tˆ che 4 pr´ c` de la tˆ che 3. 5 4.9: Arc fictif.

La seconde e e e e e exprime bien que la tˆ che j doit etre finie avant que ne d´ bute la tˆ che i. a ˆ e a (8.5) par les contraintes suivantes e e a ti + di ≤ tj + M (1 − xij ) tj + dj ≤ ti + M xij avec M une borne sup´ rieure sur la date de fin des travaux. Le syst` me (8. pour chaque disjonction entre les tˆ ches i et j. on introduit la variable a binaire xij qui vaut 1 si la tache i est r´ alis´ e avant la tˆ che j et 0 si la tˆ che j est e e a a r´ alis´ e avant la tˆ che i. l’autre o` l’on impose que j soit r´ alis´ e avant i. Le syst` me (8.6 Prise en compte des contraintes disjonctives Venons-en maintenant au troisi` me type de contraintes g´ n´ rales : les contraintes e e e disjonctives. L’ordonnancement de projets 8.6) devient e ti + di ≤ tj tj + dj ≤ ti + M La premi` re in´ quation exprime bien que la tˆ che i doit etre finie avant que ne e e a ˆ d´ bute la tˆ che j. on prend le temps u e e d’ex´ cution leplus court. a priori. Par exemple. Consid´ rons d’abord le cas e xij = 1. On va alors remplacer (8. On peut ecrire la relation e e ´ d’exclusion sous la forme : soit ti + di ≤ tj si i est r´ alis´ e avant j e e tj + dj ≤ ti si j est r´ alis´ e avant i e e (8. On veut pouvoir indiquer que deux tˆ ches ne peuvent avoir lieu a en mˆ me temps sans que l’on puisse dire. On peut alors le r´ soudre le probl` me grˆ ce au recours a la programmation ı e e a ` en nombres entiers. laquelle doit etre effectu´ e e ` ˆ e avant l’autre. la contrainte suppl´ mentaire que xij e e u e est binaire (0/1) exprime exactement la disjonction. En effet. vu la d´ finition de M . bien sˆ r. leurs dates respectives de d´ but d’ex´ cution. e V´ rifions que ce syst` me avec. on peut evidemment r´ soudre ´ e deux probl` mes d’ordonnancement : un o` l’on impose que i soit r´ alis´ e avant e u e e j.124 Chapitre 8. C’est le cas lorsque l’on partage une mˆ me ressource entre plusieurs e chantiers. vu la d´ finition de M . e a e e e Consid´ rons maintenant le cas xij = 0. Ensuite. La seconde est toujours v´ rifi´ e.6) devient e e ti + di ≤ tj + M tj + dj ≤ ti La premi` re in´ quation toujours v´ rifi´ e. Mais cettem´ e ethode d’´ num´ ration explicite detoutesles e e possibilit´ s devient vite impraticable lorsque le nombre de contraintes disjonctives e croˆt. Consid´ rons les tˆ ches i et j. une mˆ me grue.6) .5) Si on n’a qu’une seule contrainte disjonctive. dont on e e a note ti et tj .

r´ duire la dur´ e de e e e e e chaque tˆ che moyennant un coˆ t suppl´ mentaire. On voit donc que l’on pourra.11: Coˆ t d’ex´ cution de la tˆ che i. u e a le coˆ t d’op´ ration de la tˆ che i est not´ ci tandis que pour la dur´ e maximum il u e a e e est not´ ci. de l’achat ou de la location de mat´ riel e e suppl´ mentaire.11. de l’eme a e bauche de personnel suppl´ mentaire.7. Sa dur´ e d’ex´ cution di peut varier entre une dur´ e e a e e e minimale (incompressible) di et une dur´ e maximum di. e u e e on obtient le graphique de la figure 8. Nous allons voir ici comment a u e arbitrer entre les deux crit` res : diminution de la dur´ e d’ex´ cution des tˆ ches et e e e a donc du chantier et. La pente de la droite est donn´ e par : e mi = ci − ci di − di Pour une dur´ e di comprise entre les bornes inf´ rieure et sup´ rieure. on a consid´ r´ la dur´ e de chaque tˆ che comme donn´ e. Or la a e ee e a e dur´ e d’une tˆ che particuli` re i peut varier en fonction. d’autre part. La minimisation des coˆ ts u 125 8. Si l’on admet que le coˆ t varie lin´ airement en fonction de la dur´ e. par exemple.7 La minimisation des coˆ ts u Jusqu’` pr´ sent. le coˆ t de la e e e u tˆ che i est alors a ci = ci + mi(di − di ) Si on r´ p` te la mˆ me op´ ration pour chacune des tˆ ches. e e ci ci ci ¯ di ¯ di di Figure 8. l’objectif de la minimie e e e a sation du coˆ t total d’ex´ cution des tˆ ches peut s’´ crire: u e a e n min z = i=1 [ci + mi(di − di )] . u e a Consid´ rons la tˆ che i. en g´ n´ ral.Section 8. augmentation des coˆ ts d’ex´ cution des tˆ ches. Pour la dur´ e minimum.

des variables pour le probl` me.12. ` e d´ croissante et lin´ aire par morceaux. le temps maximum. Enfin. Ce graphique appelle plusieurs commentaires. les di etant. cette fois. Mais ceci ne tient compte que des coˆ ts directs d’ex´ cution des tˆ ches. il vaudrait mieux prendre λ = λ. En ajoutant e e e letermeconstantque nousavionsn´eglig´ . e e ` on aura syst´ matiquement di = di et l’objectif devient constant.c. e e a tf = le temps de fin de chantier. Ensuite.12. u e a  tf      tf        di ≤ di ≤ di (bornes sur la dur´ e) e . e a di = la dur´ e d’ex´ cution de la tˆ che i. Nous avons donc comme ´ e variables du probl` me : e ti = le temps de d´ but de la tˆ che i. e Comment va-t-on alors choisir le temps optimum ? A voir la forme de la courbe 8.126 n Chapitre 8.q On peut alors r´ soudre ce probl` me en fonction du param` tre λ. a partir d’une certaine valeur λ de λ. le probl` me de minimisation des coˆ ts d’ex´ cue u e tion des tˆ ches se formule donc comme suit : a n min z =     ti       t   j   i=1 mi d i ≥ li ≥ ti + di ≥ ti + di ≤λ (localisation temporelle) (succession temporelle) (fin de chantier) (borne sur tf ) P (λ) s. il revient au mˆ me de minimiser le seul second ´ e terme et on obtient l’objectif suivant : n min z = i=1 mi di. remarquons que la fonction c(λ) est convexe.on obtientungraphiquedu genredecelui e repr´ sent´ a la figure 8. le param` tre λ doit etre sup´ rieur a une certaine valeur minimum λ qui e ˆ e ` correspond au temps d’ex´ cution minimum lorsque toutes les tˆ ches critiques sont e a a leur dur´ e minimum di. Tout e e` d’abord. Moyennant ce choix de variables. L’ordonnancement de projets n = i=1 (ci − midi) + midi i=1 Le premier terme etant constant.

La minimisation des coˆ ts u c(λ) 127 λ ¯ λ λ Figure 8.7. u On a donc arbitr´ entre les deux objectifs de e • diminution des coˆ ts u • diminution du temps d’ex´ cution.Section 8. . les salaires de l’encadrement. Tous ces frais sont evidemment croissants avec la e e ´ dur´ e du chantier. on obtient la courbe de coˆ t total dont on peut d´ terminer le minimum. u e c(λ) coˆ ts totaux u coˆ t indirect u co ut direct ˆ λ ¯ λ λ Figure 8. e Si on additionne les deux courbes (coˆ ts directs et coˆ ts indirects).12: Coˆ t d’ex´ cution en fonction de λ.13. comme a la u u ` figure 8. et e les p´ nalit´ s par jour de retard. u e Il existe aussi des coˆ ts indirects li´ s a la dur´ e du chantier. les frais de location du mat´ riel. Ce sont les frais u e ` e d’assurances. e Nous verrons une application de ceci dans les exercices qui suivent.13: Coˆ ts totaux.

Construction d’un bˆ timent. a No 1 2 3 4 5 6 7 8 9 10 11 12 tˆ che a dur´ e pr´ alables e e fondations 6 murs 10 1 plomberie int´ rieure e 5 2 electricit´ ´ e 7 2 toit 6 2 plomberie ext´ rieure e 4 5 menuiserie 8 3 et 4 sols 4 7 peinture int´ rieure e 5 7 finitions int´ rieures e 6 8 et 9 peinture ext´ rieure e 9 6 finitions ext´ rieures e 2 11 .1. L’ordonnancement de projets 8.128 Chapitre 8. Elles sont reprises ci-dessous. on veut que la tˆ che 7 ne commence a pas avant 8 trimestres ? (d) Comment modifier le graphe si on veut en plus que la tˆ che 8 ne a commence pas apr` s 4 trimestres ? e 8. e o e D´ terminer le chemin critique. les dates de d´ but au plus tard. Consid´ rons lesdiff´ rentes tˆ ches a effectuer a e e a ` pour construire un bˆ timent. e (c) Comment modifier le graphe si.2. ` e (b) Calculer les dates de d´ but au plus tˆ t. Equipement d’un ensemble minier.8 Exercices 8. a e e No 1 2 3 4 5 6 7 8 tˆ che a dur´ e pr´ alables e e Construction d’un port provisoire 3 Commande d’une piste 6 Commande de mat´ riel portuaire e 2 Pose d’une voie ferr´ e e 4 1 Construction du port d´ finitif e 2 1 Construction d’une cit´ administrative e 7 1 Construction de l’installation mini` re e 4 2 et 4 Equipement portuaire d´ finitif e 3 3 et 5 (a) Construire le graphe relatif a la m´ thode du potentiel. L’´quipement d’un ensemble minier e comporte les tˆ ches suivantes dont la dur´ e est exprim´ e en trimestres.

3.Section 8. (c) L’entreprise voudrait r´ duire la dur´ e totale d’ex´ cution des travaux. Une entreprise d´ cide de commerciae liser un nouveau produit. De combien peut-on r´ duire la dur´ e totale a e e des travaux et a quel coˆ t ? ` u No 1 2 3 4 5 6 7 8 9 10 11 12 13 tˆ che a S´ lection des equipements e ´ Choix de la m´ thode de production e Proc´ dures de contrˆ le de qualit´ e o e Choix des mati` res premi` res e e R´ ception des equipements e ´ Commande des mati` res premi` res e e R´ ception des mati` res premi` res e e e Essais de production Premi` re fourniture aux magasins e Conception du conditionnement Production du conditionnement R´ union des vendeurs e Formation des vendeurs dur´ e pr´ alables e e 1 2 1 2 2 2 1 7 1 1 4 3 6 2 5. Lancement d’un nouveau produit. La planification de ce lancement fait apparaˆtre ı les tˆ ches reprises au tableau 8. ` e (b) Calculez lesdatesded´ebutauplustˆot. il est possible de r´ duire la dur´ e des tˆ ches 5 et 11 de une e e a ou deux semaines au prix d’un coˆ t suppl´ mentaire de 100 000 EURO u e par semaine de r´ duction pour la tˆ che 5 et de 200 000 EURO par e a semaine pour la tˆ che 11. Comment r´ soudre e e e cette disjonction ? La date de fin des travaux est-elle affect´ e ? e 8. les marges et d´ terminez le e o e chemin critique.2 avec leur dur´ e (en semaines) et leurs a e pr´ alables.2: Lancement d’un nouveau produit . (c) Les tˆ ches9(peinture int´ rieure)et11 (peintureext´ a e erieure)doivent etre ˆ disjointes car effectu´ es par les mˆ mes ouvriers.8. ` e 129 (b) Calculez les dates de d´ but au plus tˆ t. e (a) Tracer le graphe correspondant a la m´ thode PERT.auplus tardet lechemin critique. e e e Pour cela.3 et 7 6 8 et 11 4 1 5 10 1 11 1 12 Tableau 8. Exercices (a) Tracez le graphe relatif a la m´ thode du potentiel.

e e Tableau 8. e ` Que sugg´ rez-vous ? e .4.4: R´ duction possible de la dur´ e e e (e) Le directeur commercial souhaite raccourcir la dur´ e d’ex´ cution du e e projet d’une semaine. (c) Calculer les dates de d´ but au plus tˆ t. tˆ che dur´ e ancˆ tre(s) a e e A 7 C. e (b) V´ rifier sur le graphique que le probl` me est soluble (expliquer suce e cinctement pourquoi). e o (d) Donner tous les chemins critiques.000 EURO B 5. les marges.3. Lancement d’un nouveau produit. Une soci´ t´ met a l’´ tude le lancement ee ` e d’un nouveau produit. L’ordonnancement de projets 8.G J D J et I G et H E et B observations Recouvrement possible avec C de 3 semaines Ne peut commencer avant le d´ but de la 14` me semaine.3: Lancement d’un nouveau produit (a) Etablir le graphique de la m´ thode du potentiel.000 EURO F 15. Les tˆ ches sur lesquelles il est possible d’agir a ainsi que le coˆ t correspondant a leur diminution de dur´ e d’une seu ` e maine sont donn´ s a la table 8. et dont les caract´ ristiques sont donn´ es a la ee ` e e ` table 8. au plus tard. tˆ che a coˆ t u C 10. Ce lancement n´ cessite la r´ alisation de 10 tˆ ches e e a rep´ r´ es par les lettres A a J.000 EURO Tableau 8.000 EURO I 6.F B C D E F G H I J 3 6 3 2 5 4 5 7 4 D.4.H.130 Chapitre 8.

D’autre part. 50000 et 10 000 EURO. (d) Les tˆ ches supportent des frais directs (main d’œuvre.5. Donner ` e e la forme de la courbe repr´ sentant les variations de ce coˆ t en fonction e u de tf .8. ` e (b) D´ terminer les dates de d´ but au plus tˆ t au plus tard et le chemin e e o critique. Minimisation des coˆ ts. Tˆ che a dur´ e coˆ t e u (jours) 1 2 3 4 5 4 6 5 8 7 tˆ ches a pr´ alables e 1 2 et 3 4 Tableau 8. Ecrire le programme exprimant la minimisation du coˆ t direct pour une dur´ e totale tf donn´ e.5. Exercices 131 8. e (e) Ond´ esire etudier. On consid` re un chantier de construction qui fait u e intervenir cinq tˆ ches dont les dur´ es et les tˆ ches pr´ alables sont donn´ es a e a e e au tableau 8. .Section 8. (f) D´ terminer num´ riquement l’´ volution du coˆ t direct CD en fonction e e e u de tf en partant du r´ sultat de la question (b) et en r´ duisant progrese e sivement la dur´ e tf de fa¸ on a ce que le coˆ t direct soit toujours e c ` u minimal.5: Minimisation des coˆ ts u (a) Tracer le graphe correspondant a la m´ thode du potentiel. enfonctionduparam`etre tf . lesvariationsducoˆutmi´ nimal direct total CD obtenu a l’aide du programme pr´ c´ dent. (c) Ecrire ce probl` me d’ordonnancement sous forme d’un programme e lin´ aire dont les variables seront les dates ti de d´ but des tˆ ches et tf . e e a la date de fin du chantier. 40000. les dur´ es des tˆ ches 3 et 5 peuvent e a etre r´ duites jusqu’` 3 et 5 jours au prix d’accroissements de coˆ ts ˆ e a u de 20 000 et 10 000 EURO par jour. On u e e commencera par exprimer les coˆ ts directs c3 et c5 des tˆ ches 3 et 5 u a comme fonctions affines des dur´ es d3 et d5 qui deviennent variables. heures machine) a dontlesmontantssontrespectivementde30000.50000.

D´ crire sur un a e e mˆ me graphique l’´ volution du coˆ t indirect CI . Quelle valeur u e donner a cette dur´ e ? ` e . l’entreprise supporte aussi des frais indirects. L’ordonnancement de projets (g) En plus des coˆ ts directs. des frais de location de mat´ riel. des frais d’assurance et des frais financiers e pour un montant total de 10 000 + 5 000 tf et aussi une p´ nalit´ de e e 10 000 EURO par jour de retard au del` du 22` me jour. du coˆ t direct CD et e e u u du coˆ t total en fonction de la dur´ e de fin de chantier. u Ces frais indirects comportent les salaires de l’encadrement.132 Chapitre 8.

. e o e A titred’exemple. . Ce sera le cas de la nouvelle usine de Toyota pr` s de e Valenciennes. la configuration du centre de production : il s’agit de d´ terminer comment e les diff´ rents equipements et postes de travail doivent etre dispos´ s.Chapitre 9 Conception d’un centre de production 9. . e e e e • la qualit´ des hˆ pitaux. la qualit´ du cadre de vie. on implante souvent une nouvelle usine par phases successives. e u • la disponibilit´ des mati` res premi` res. e e e • les aides nationales et locales a l’investissement.1 Introduction Les d´ cisions d’implantation d’un centre de production incluent e 1. la d´ cision de localisation du centre qui d´ pend de : e e • la localisation des clients : il faut minimiser les coˆ ts de transport vers u ceux-ci. qui est situ´ e au cœur de l’Europe et dans le pays e e europ´ en le plus protectionniste en faveur de ses marques nationales. le choix de la capacit´ de production qui d´ pend : e e • de la pr´ vision de la demande a long terme. ` • la volont´ de p´ n´ trer un march´ local difficile. 3. e e • de la possibilit´ de r´ pondre rapidement a des variations de demande. • la disponibilit´ et le coˆ t de la main d’œuvre. onpeutciter lalocalisationd’unenouvelle usineTOYOTA pr` s de Valenciennes. e ` • de la volont´ de l’entreprise de dominer un march´ . e e ` Vu l’incertitude sur la demande. e ´ ˆ e 133 . e 2.

Par exemple. On peut alors regrouper dans un ee e ` atelier l’ensemble des machines assurant une fonction donn´ e. On doit tenir compte de : e . e e e • un magasinier qui se d´ place entre les diff´ rents rayonnages d’un mae e gasin de stockage de carrelage. 9. On peut citer comme exemples : e • un client qui se d´ place entre les diff´ rents rayons d’un super march´ . l’atelier carrosserie. Conception d’un centre de production 9. l’atelier de peinture. e dans un garage. .2. On organise la production soit enligne (c’estlecas deslignesd’assemblage d’automobiles)soit enindustrie de process (c’est le cas des raffineries de p´ trole).. 2.2 Configuration d’un centre de production Il s’agit donc ici de d´ terminer la mani` re de disposer les equipements et les e e ´ postes de travail les uns par rapport aux autres . . Il existe au moins trois types de configurations possibles : 1. On parle de configuration a poste fixe lorsque l’op´ rateur doit se d´ placer ` e e entre deux op´ rations. La configuration en ateliers sp´ cialis´ s est utilis´ e lorsqu’il y a une grande e e e vari´ t´ d’articles diff´ rents a produire.1 Configuration en ateliers sp´ cialis´ s e e Illustrons cette configuration par l’exemple d’une maternit´ qui regroupe les diff´ e e rents services concern´ s sur un mˆ me etage d’un hˆ pital : e e ´ o • accueil • salle d’attente • consultation pr´ natale e • consultation p´ diatrie e • echographie ´ • chambres de maternit´ e • salle d’accouchement Une question cruciale pour une bonne organisation de ce type de configuration est la localisation relative de ces diff´ rents services.134 Chapitre 9. e 3. La configuration en terme de produit est utilis´ e lorsqu’il y a une demande e importante et continue de quelques produits.

du fait qu’il peut y avoir incompatibilit´ (par exemple. du fait que certains services ne peuvent changer de place (par exemple.Section 9. 4.2. la e consultation maternit´ et le service echographie). e Une matrice de proximit´ peut etre utilis´ e pour indiquer la proximit´ voulue : e ˆ e e A S I G : : : : : X : Absolument n´ cessaire e Sp´ cialement important e Important G´ n´ ralement proche e e sans importance a eviter `´ La figure 9. donner une matrice de ´ o e flux entre les diff´ rents services. la salle d’accouchee ment ne doit pas etre situ´ e a cot´ de l’accueil) ou n´ cessit´ absolue de ˆ e ` e e e mitoyennet´ (par exemple.1: Matrice de proximit´ e On peut egalement.1 illustre cette matrice dans le cas de la maternit´ . On peut alors concevoir une localisation des e diff´ rentes services qui minimise la somme des flux entre services pond´ r´ e par la e ee distance entre ces services. du volume de trafic entre deux services de sorte que deux services avec un flux important soient localis´ s proches l’un de l’autre (par exemple. e ´ 2. plutˆ t que de noter la proximit´ . e ` e l’accueil). la chaufferie). Configuration d’un centre de production 135 1. 3. du fait que certains services doivent avoir acc` s a l’ext´ rieur (par exemple. e ACCUEIL G SALLE D'ATTENTE I CONSULTATIONS S ECOGRAPHIE A SALLE ACCOUCHEMENT X Figure 9. . la salle d’accouchement a int´ rˆ t a se trouver e ee ` pr` s des couveuses).

l). = 0 sinon. . ∀j = 1. j. ´ ` c’est-` -dire que le service i soit en lieu j et le service k en lieu l . l’objectif peut s’´ crire de la mani` re suivante : e e n n n n min i=1 k=1 j=1 l=1 wik djl xij xkl avec djl la distance entre les localisations j et l et wik . k). On choisitici comme ` ` variables : xij = 1 si le service i est en place j. .136 Chapitre 9. Conception d’un centre de production Formulation en un probl` me d’affectation quadratique : e Supposons n services alocaliser aune des n placespossibles. . a Les contraintes sont de deux types : • “Toute place est occup´ e :” e n i=1 xij = 1. pond´ r´ e par l’importance d’une localisation ee proche des paires de services (i. e` Il faut bien sˆ r egalement imposer le caract` re entier des variables : u ´ e xij ∈ {0.n La contrainte indique que chaque place j est occup´ e par exactement un e service i • “Toute fonction est plac´ e :” e n j=1 xij = 1. . Dans ce cas. le poids dans la matrice de proximit´ : e 4 3 2 1 0 -1 : : : : : : Absolument n´ cessaire e Sp´ cialement important e Important G´ n´ ralement proche e e sans importance a eviter `´ Expliquons la forme de cette fonction : l’objectif minimise la somme des distances entre les paires de lieux (j. . 1}.n La contrainte indique que chaque service i est plac´ a une place j. . ∀i = 1. pour autant que xij et xkl soient egaux a un. ∀i. .

Le e ` e ` tableau 9.G I 9 attacher B7 au chassis A J 10 attacher B9 a B8 ` K 4 attacher B10 a B8 ` L 8 attacher B11 a B8 ` J. on peut gagner en efficacit´ e e e en organisant la production en ligne.D F 7 attacher SA1 sur chassis A. e On peut tracer un graphe de pr´ s´ ance qui n’est rien d’autre que le graphe de ee la m´ thode du potentiel o` chaque tˆ che est repr´ sent´ e par son label et sa dur´ e.1: Equilibrage d’une chaˆne ı d’assemblage est de 100 minutes au minimum. On dispose de cinq op´ rateurs. ´ e` Illustrons ceci sur l’exemple suivant.2.Section 9. e e ` . Le temps total a e e Label Temps Objet Pr´ d´ cesseurs e e A 2 placer le chassis sur la chaˆne ı B 7 attacher B4 sur chassis A C 5 attacher B2 sur B1 D 2 attacher B3 sur B1 E 15 tester SA1 C. leurs dur´ es et leurs pr´ alables.1 fournit les tˆ ches. not´ s B1 a B11. e u a e e e On a repr´ sent´ ce graphe a la figure 9.K M 6 attacher SA3 au chassis A. de 3 sous-ensembles not´ s SA1 a SA3.E G 6 attacher B6 a B5 ` H 4 attacher SA2 au chassis B. on peut citer les usines d’assemblage automobiles ou les tunnels de lavage de voitures (car-wash). Configuration d’un centre de production 137 9. Un appareil electrom´ nager est constitu´ ´ e e de 11 composants.L N 15 tester l’appareil tous Total 100 Tableau 9. A titre d’exemple. Le probl` me principal r´ side dans l’´ quilibrage de la chaˆne : il faut que les e e e ı diff´ rentes op´ rations prennent le mˆ me temps car la chaˆne tourne a la vitesse de e e e ı ` l’op´ ration la plus lente.2. e Une ligne d’assemblage est dite parfaitement equilibr´ e si chaque poste de ´ e travail (main d’œuvre et equipement) est occup´ a 100 %.2.2 Configuration en ligne de production Lorsqu’un produit est fabriqu´ en grande quantit´ .

4 Poste 4 B.138 Chapitre 9.10 L.N 21 min Figure 9.2: Une affectation possible .L 22 min M.I 19 min J.15 M.B.H.6 J.9 E.5 Poste 1 D.F 22 min G.D 16 min E.2 A.7 I.8 K.6 opérateur 1 opérateur 2 opérateur 3 opérateur 4 opérateur 5 A. Conception d’un centre de production C.4 Poste 3 Poste 5 N.15 Poste 2 F.2 G.7 H.K.C.

A. Au d´ but.2. Remarquons qu’il n’est pas toujours possible d’atteindre l’´ quilibre parfait de la e chaˆne puisque les tˆ ches ne sont pas divisibles a l’infini. est de : 5 op´ rateurs × 22 minutes par cycle = 110 homme-minutes. N. M. e Il y a donc un temps mort de 10 minutes. I. G. Trouver l’affectation e e qui minimise RE est un probl` me en nombres entiers particuli` rement difficile a e e ` r´ soudre. K. On se fixe une dur´ e maximum pour chaque poste de travail. ı a ` Voyons maintenant comment r´ soudre le probl` me. ce qui correspond a un pourcentage de : ` 10 = 9. 1% 110 Une mesure de la qualit´ de la solution est pr´ cis´ ment ce rapport du temps e e e mort sur le temps total de montage. comme SCORE 1. Remarquons qu’ici on n’a pas atteint l’objectif d’un equilibrage parfait qui ´ impliquerait deconstruire 3articles par heureavecuntempsdecyclede20minutes. D Pas 2.2. ` a a e Ici. K. Attribuer un score a chaque tˆ che et classer les tˆ ches par score d´ croissant. L. C. B. G. H. On va alors remplir ces postes de la e mani` re suivante : e Pas1. Une heuristique qui permet de trouver rapidement une solution est la e suivante. C.Section 9. Ce rapport est appel´ retard d’´ quilibre et se e e calcule par la formule suivante : RE = avec n c T = = = = nc − T nc nombre de postes de travail. D} . e temps total requis par un article somme des temps individuels. A. Configuration d’un centre de production 139 Une affectationpossibledestˆachesauxop´erateurs estobtenueentra¸cantcinq sous-ensembles. correspondant aux tˆ ches des cinq op´ rateurs. Le temps total de montage. pour le choix fait a la ee ` figure 9. cesontcelles sans e e pr´ d´ cesseur : e e S = {J. temps d’un cycle = inverse de la fr´ quence. F. nous allons tout simplement prendre la dur´ e des e tˆ ches : a E. J. Ici fixons e nous une dur´ e maximum de 19 minutes. tout en respectant a e les contraintes de pr´ s´ ance. Mettre ajour l’ensemble des tˆ ches disponibles (c’est-` -dire les tˆ ches dont ` a a a tous lespr´ ecesseursimm´ ed´ ediats sontaffect´ s).

= {L. H. M. C. = {I. D} : C en 2. Le calcul du second score donne les r´ sultatssuivants : a e 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 Le classement des tˆ ches suivant ce second score est le suivant : a A. H et N.7 L. A. = {N} : N en 7 On peut alors calculer le retard d’´ quilibre de cette solution : e RE = nc − T 7 × 19 − 100 = = 24. C. a la dur´ e de la tˆ che A. Conception d’un centre de production Pas 3. L. I.15 10 15 7 15 Le d´ tail des it´ rations est repris ci-dessous : e e S S S S S S = {G.10 G.8 D.6 H. Ainsi.15 F. A. D} : I en 3. Aller en au Pas 2.2 18 Poste 2 Poste 3 C. = {C. I. F. = {M. S S S S S S S = {B. = {D} : D en 2. K. On peut utiliser e e plutˆ t un second score qui consiste a aditionner a la dur´ e de la tˆ che. D} : K en 2. K. G. = {E} : E en 5.5 I. B. A.140 Chapitre 9. M. J. 81% nc 7 × 19 On voit que la solution n’est pas d’une tr` s grande qualit´ . D} : A en 1. = {F } : F en 6. D} : H en 4.7 Poste 7 N.4 Poste 5 Poste 6 E. = {A. D} : M en 4. = {H. Affecter la tˆ che avec le score le plus elev´ dans le premier poste o` la a ´ e u capacit´ et les contraintes de pr´ s´ ance ne sont pas viol´ es : e ee e J au poste 1.9 K. On remplit alors progressivement le tableau suivant. Poste 1 J. M. D} : G en 1. M. N . H.2 19 16 Poste 4 M. A. = {K. K. D} : B en 3. E.6 A. on ajoute le temps a ` e a des tˆ chesF. B. D. D} : L en 2. B. celles de o ` ` e a toutes les tˆ ches qui la suivent.4 B.

B. • le temps maximum d’acc` s dans le cas. . = {E.4 15 19 Poste 5 F. = {L. e e ` o Le probl` me principal r´ side dans la localisation des aires de stockage de e e mani` re a minimiser soit e ` • le coˆ t total de manipulation en mettant les produits les plus utilis´ s aux u e endroits les plus accessibles.7 I. I. D. H} : I en 4. on parle de conception e e e a poste fixe. K. u e • les entrepˆ ts de stockage de carrelages. 3% 19 × 6 9. B. = {K. = {M. on peut citer : ` • les magasins en self-service o` le client se d´ place de rayon en rayon. . K.2 J. M. G.9 H.15 141 19 13 15 Le d´ tail des it´ rations est donn´ ci-dessous.15 K. I} : D en 1. H} : F en 5. K. de tapis-pleins. . I} : E en 2. e ee • une infirmi` re qui se d´ place d’une chambre a l’autre dans un hˆ pital. F. G. H} : M en 5. I. F. . S S S S S S S = {B. I. I} : C en 1. J. B.. I. F } : L en 3. J. F. M} : B en 3. = {C.2 C. B. M } : G en 4. G. Comme exemples. e e e S S S S S S S = {A. E. = {D. Configuration d’un centre de production On remplit le tableau comme suit Poste 1 A.5 D. = {H} : H en 4 = {N} : N en 6. = {I. B. G. = {J.2. C. o • une centrale de stockage interm´ diaire d’une soci´ t´ de distribution. D. F } : K en 2.6 Poste 6 N. etc.6 B. K. = {F.2. de la localisation de e centres d’intervention d’urgence.3 Configuration a poste fixe ` Lorsque l’op´ rateur voyage entre les diff´ rentes op´ rations. par exemple. G.7 M. B. = {G. G. G.8 G. J. On peut alors calculer le retard d’´ quilibre de cette solution : e RE = 19 × 6 − 100 = 12. K.10 19 Poste 2 E. . M. G} : A en 1.4 Poste 3 Poste 4 L. I} : J en 1.Section 9.

et la hauteur dans le rayon. ´ ` e Pour le placement optimal des rouleaux. Le stockage est rendu n´ cessaire par la diff´ rence entre la taille e e economique d’un lot a la production et la taille moyenne d’un lot demand´ . l’objectif est de minimiser le temps d’acc` s au client le e plus eloign´ . Ce qui facilite le contrˆ le et l’information. L’inconv´ o enient est que l’on perd beaucoup de place car chaque emplacement est rempli a 50 % en ` moyenne. la e e e distance dans l’all´ e. On approvisionne le stock en grandes quantit´ s (de l’ordre de 200 roue leaux d’un mˆ me type). La solution. e e . • Stocker a la premi` re place disponible : ceci n´ cessite un syst` me infor` e e e matique de localisation : chaque lot est localis´ par le num´ ro de l’all´ e. dans le cas des pompiers. dans un service hospitalier. est de construire un etage ´ circulaire avec le local des infirmi` res au centre. on veut localiser le local ´ e des infirmi` res de mani` re a avoir un temps de r´ action aupr` s de chaque patient e e ` e e aussi court que possible. e e e ` Cas des centres d’intervention d’urgence : Dans ce second cas. e La solution adopt´ e chez Sommer est le d´ dicacement par zone : on place le e e produit danslapremi`ereplacedisponible dansune zone(assezlarge) correspondant a son taux de rotation. Remarquez qu’ici souvent la e solution impliquera des localisations multiples afin de bien couvrir une zone : par exemple.142 Cas d’un entrepˆ t : o Chapitre 9. Il y a deux mani` re de stocker : e • Stocker a des places d´ di´ es : une r´ f´ rence donn´ e sera toujours a la mˆ me ` e e ee e ` e place. on aura diverses antennes d´ localis´ es e e permettant d’atteindre rapidement des villages d´ centr´ s. en petites quantit´ s (un ou e e ` e deux rouleaux). a la demande. Par exemple. Conception d’un centre de production Illustrons ce cas par l’exemple de la soci´ t´ Sommer qui produit en grandes s´ ries ee e ses diff´ rentes r´ f´ rences de tapis pleins qui sont vendues en quelques unit´ s a ses e ee e ` clients qui sont les centres de bricolage et les surfaces sp´ cialis´ es en revˆ tement e e e de sol. On d´ stocke. Ceci est donc un compromis entre une capacit´ de stockage ` e r´ duite et la rapidit´ d’acc` s aux produits a forte rotation de stock. on a int´ rˆ t a placer les articles ee ` ayant le plus fort taux de rotation de stock aux emplacements les plus accessibles. dans ce cas.

5 millions d’EURO. une capacit´ de 2 000 unit´ s par semaine sera suffisante et la e e e compagnie fera un profit de 16 000 EURO par semaine. e 3. Les donn´ es num´ riques sont les suivantes : e e 1. Un carr´ repr´ sente une d´ cision. on va s´ lectionner la capacit´ d’esp´ rance de e e e e ´ e profit la plus elev´ e. Si la construction d’un incin´ rateur s’impose. une capacit´ suppl´ mentaire e e e de 5 000 unit´ s par semaine sera n´ cessaire pour un profit de 40 000 EURO e e par semaine hors frais d’amortissement du capital. Mod´ lisation de la demande : il y a incertitude sur la demande future du e produit. a e e e e ` nouveau. Les ˆ ´ ` e surcapacit´ s sont sans valeur. Un cercle e e e e repr´ sente un etat du monde. . 5. La dur´ e de vie des equipements est de 20 ans. Donn´ es de coˆ t d’investissement. Si le succ` s du produit est important. e ´ Pour le choix d’une capacit´ .3. La demande est connue au bout d’un an. Le facteur d’annualisation. La probabilit´ de succ` s du lancement du produit est estim´ e a 20 % sur e e e ` base d’exp´ riences d’introduction d’autres produits. une d´ cision cruciale est a prendre : Quelle capacit´ lui donner ? e ` e Nous illustrerons les choses sur l’exemple d’une boulangerie industrielle.3. En effet. Une capacit´ de 5 000 unit´ s par ˆ e e semaine peut etre construite pour 1.3 D´ cisions de capacit´ e e Nous allons illustrer les d´ cisions de choix d’une capacit´ sur l’exemple d’une e e boulangerie industrielle qui fournit les supermarch´ s de sa r´ gion et qui s’attend e e a une croissance de la demande. Une d´ cision strat´ grique est a prendre : Quelle ` e e ` capacit´ lui donner ? e Remarquez que le mˆ me genre de d´ cision est a prendre dans des exemples e e ` non commerciaux tel que le traitement des d´ chets m´ nagers. Si le succ` s du produit e est mitig´ . Une capacit´ de ˆ e 2 000 peut etre etendue a une capacit´ de 5 000 pour 1 million d’EURO. n´ cessaire car les profits sont r´ partis dans le e e futur. e Les diff´ rents choix possibles peuvent etre utilement illustr´ s sur un arbre de e ˆ e d´ cision tel que celui de la figure 9.Section 9. Une capacit´ de 2 000 unit´ s par semaine e u e e peut etre construite pour 800 000 EURO. la r´ e e e glementation europ´ enne pr´ voit de limiter progressivement le d´ versement en e e e d´ charge des ordures m´ nag` res. D´cisions de capacit´ e e 143 9. e ´ 4. est de 25 % l’an. 2.

000 ne rie nc faible demande ons 800. 953883 − 1 500 000 = 6 724 077.3: Arbre de d´ cision e D´ finition 9.000 16. Consid´ rons maintenant la construction initiale de 5 000 en cas de demande e faible : j 20 1 (16 000 × 52) × − 1 500 000 = 1 789 631. la somme actualis´ e des profits e e e futurs moins l’investissement initial.000 co ns tr r ui 0 e5 00 faible demande étendre à 5000 1.000 1. 800.000 40. Conception d’un centre de production haute demande Investiss. 1. Profit. j=1 1. 25 On obtient donc une valeur nette au bout d’un an de : 40 000 × 52 × 3.000 0 0 tru ire Figure 9. 25)−20 = 3. ` Consid´ rons la construction initiale de 5 000 en cas de demande forte : e 20 j (40 000 × 52) × j=1 1 1. Appliquons ceci a l’exemple.000 construire 2000 ute e ha and m de rester à 2000 800.000 40. 953883 0.000 16. 25 − 1 500 000 On peut d´ monter la formule suivante pour le calcul d’annuit´ s : e e n j=1 1 1+i j = 1 − (1 + i)−n i Appliquons ceci a notre exemple : ` 20 j=1 1 1. 25 .000 16.144 Chapitre 9. 25 j = 1 − (1.500.500.1 On appelle valeur nette pr´ sente.

2 × 5 625 677 + 0. 25 1 + (40 000 × 52) 1. e e e e D´ cision e construire 5 000 construire 5 000 construire 2 000 + 3 000 construire 2 000 construire 0 construire 0 demande forte faible forte faible forte faible VNP 6 724 077 1 789 631 5 625 677 2 489 631 0 0 Tableau 9. .2: Calcul de la VNP On peut alors calculer les profits esp´ r´ s dans chacun des trois cas : e e • Construire 5 000 : E(V N P ) = 0. • Construire 2 000 : E(V N P ) = 0. 25 − 1 000 000 000) 1 19 1 ( (40 000 × 52) 1. 25 j=2 = −134 400 + = 5 625 677. 2 × 6 724 077 + 0. 8 × 1 789 631 = 2 776 520 EU RO. D´cisions de capacit´ e e 145 Consid´ rons la construction initiale de 2 000 augment´ e de 3 000. 25 (16 000 × 52) × j=1 1 1. en cas de e e demande forte. 25 j − 800 000 = 2 489 631.2. Les r´ sultats dans les diff´ rents cas sont r´ sum´ s au tableau 9. Consid´ rons maintenant la construction de 2000 en cas de demande faible : e 20 20 j − 1 000 000 000 j 1 1.Section 9. 25 j=1 1. L’investissement initial de 2 000 rapporte 16 000 EURO durant la premi` re ann´ e et l’investissement de deuxi` me ann´ e rapporte 40 000 EURO les e e e e 19 ann´ es suivantes : e 1 (16 000 × 52) − 800 000 1.3. 8 × 2 489 631 = 3 116 840 EU RO.

e u 3. on perd des clients et on permet aux concurrents de rentrer e sur le march´ . e e e Soulignons ici l’importance de bien choisir la capacit´ . Si la probabilit´ est de 50 %. 5. la disponibilit´ des mati` res premi` res. si l’on choisit une capacit´ trop grande.4 D´ cisions de localisation e La d´ cision de localisation d’un centre de production doit etre analys´ e en tenant e ˆ e compte de plusieurs crit` res : e 1. u 4. les attitudes des autorit´ s locales et nationales. En conclusions. . ´ 9. A l’inverse. Remarquons que le r´ sultat d´ pend crucialement de la probabilit´ e e e e de succ` s du produit. qualification et le coˆ t de la main d’œuvre. Si l’on choisit une e capacit´ trop faible. e ` Ceci illustre toute l’importance d’une bonne pr´ vision a long terme : que ce e soient les pr´ visions de ventes dans le secteur automobile.146 • Construire 0 : Chapitre 9. la facilit´ d’acc` s. e L’importance relative de ces crit` res d´ pend du type d’activit´ a localiser : e e e` • localiser un super-march´ : les coˆ ts de transport et l’attraction des clients e u sont pr´ pond´ rants. Conception d’un centre de production E(V NP ) = 0 EU RO. les pr´ visions de ventes e e d’´ lectricit´ . la disponibilit´ . e e e 6. Une parade devant l’incertitude sur la demande est donc e e la construction par phases successives d’usines d’assemblage et des centrales electriques. . les taxes locales. on inonde le march´ et on fait baisser le prix e e et on risque de rencontrer des difficult´ s de remboursement des emprunts. le coˆ t de construction. on rentabilise e e moins bien une usine sous-utilis´ e. e e u 2.3 ). etc. il devient plus int´ ressant de e e e construire d` s le d´ but une capacit´ de 5 000 (voir exercice 9. e e • localiser une usine : le coˆ t de la main d’œuvre et la disponibilit´ des u e mati` res premi` res sont pr´ pond´ rants. e e e e . il vaut mieux construire une petite capacit´ et etendre apr` s un an e ´ e si n´ cessaire. les coˆ ts de transport. . l’attraction des clients.

´ e ` e e Nous allons maintenant voir comment calculer le centre de gravit´ . u Le centre de gravit´ est le point (x∗ . ` le coˆ t de transport d’une tonne de mati` re premi` re venant de i. Par exemple. e • La m´ thode de discr´ tisation. Si l’on veut minimiser le nombre total de e tonnes-kilom` tres de produit transport´ . le nombre de tonnes de mati` re premi` re a aller chercher en i. dans la localisation d’une e usine de production de b´ tons. Ce qui conduit a implanter des antennes d´ centralis´ es. Deux techniques sont appliqu´ es suivant l’objectif poursuivi : la technique de e gravit´ si on veut minimiser les coˆ ts totaux de transport ou celle de discr´ tisation e u e si on veut minimiser le temps d’acc` s au client le plus eloign´ : e ´ e • La technique du centre de gravit´ . e e ` le nombre de tonnes de produits finis a conduire chez le client j. Rj . y∗ ) qui minimise la somme des coˆ ts de e u transport des mati` res premi` res et des produits finaux en supposant des distances e e .4. ri. u e e le coˆ t de transport d’une tonne de produit fini chez j.Section 9. on a repr´ sent´ la localisation dans le plan des diff´ rents clients et des e e e diff´ rents fournisseurs de mati` re premi` re. Par exemple. A la e figure 9. on a int´ rˆ t a se situer au centre de gravit´ e ee ` e des carri` res et des gros clients. Lorsque le crit` re temps d’acc` s est le plus e e e e important.4: Centre de gravit´ e MPi .4. Notons : e e e Cl1 MP2 MP1 Cln Cl2 MPm Figure 9. on a int´ rˆ t a se situer au centre de e e ee ` gravit´ des clients et fournisseurs. D´cisions de localisation e 147 Les mod` les de localisation optimale consid` rent g´ n´ ralement un seul crit` e e e e e re. lors de la localisation d’un centre e ` d’intervention de pompiers. on veut minimiser le temps d’acc` s au client le e plus eloign´ . Clj . on aura recours le plus souvent a des emplacements multiples afin ` d’avoir un bon acc` s a tous.

8 0.040 0.032 0.029 0.018 0.027 0.029 0. u .8 0.050 0. Les capacit´ s deproduction sont donn´ es es e e en millions de kg par jour.032 0.029 0. Vers le le client 1 2 3 4 5 6 7 8 9 10 Coˆ t de l’usine (EURO/kg) u A B C 0.048 0.5 0.041 0. sur un exemple.4. e e e Les demandes des clients sont donn´ es en millions de kg par jour.024 0. Les coˆ ts de e u production sontdonn´ enEUROpar kg.5 0.6 0.9 0.3 et 9. l’utilit´ de la e programmation math´ matique dans les d´ cisions de localisation.047 0. nous allons illustrer.035 0.035 0.3: Coˆ ts de transport et demandes u On veut d´ terminer le plan de distribution qui minimise les coˆ ts de production e u et les coˆ ts de transport.7 Tableau 9.037 0.8 0. Les coˆ ts de transport e e u entre les diff´ rentes usines et les diff´ rents clients sont donn´ s en EURO par kg.1 Utilisation de la programmation math´ matique e Pour terminer ce chapitre.034 0.020 0.024 0.021 0.018 Demande du client (106 kg/jour) 0. Les diff´ rentes e e e donn´ es du probl` me sont reprises aux tableaux 9.6 0.041 0. Conception d’un centre de production en ligne droite et des coˆ ts lin´ aires : u e m m rixiM Pi + x ∗ Rj xj Clj j=1 m = i=1 m riM Pi + i=1 m j=1 m Rj Clj Rj yj Clj j=1 m riyi M Pi + y ∗ = i=1 m ri M Pi + i=1 j=1 Rj Clj 9.041 0.023 0.034 0.034 0.019 0.4.019 0.148 Chapitre 9.026 0.9 0.039 0.

347 0. Notons xij .4: Coˆ ts et capacit´ s de production u e Nous allons formuler le probl` me comme un probl` me de programmation e e math´ matique : e • Choix des variables. le coˆ t de fourniture d’un million d’unit´ s de l’usine i vers le client u e j. u u u • Expression des contraintes. soit CAPi” : e 10 j=1 xij ≤ CAPi – “Satisfaire la demande du client j. Supposons que l’usine C doive etre remplac´ e. D´cisions de localisation e Usine Coˆ t de production (EURO/kg) u Capacit´ de production (106 kg/jour) e A B 0. Elles sont de deux types : – “Respecter la capacit´ de l’usine i.6 149 Tableau 9.326 1.8 4 C 0. e • Expression de l’objectif. Construire une nouvelle C de 4 millions de kg/jour. Construire une nouvelle C de 2 millions de kg/jour. 3.4. Ce coˆ t est la somme du coˆ t de production et du coˆ t de transport. Examinons maintenant le probl` me de la e e e localisation d’une nouvelle usine. ı ` 2. ˆ e Les alternatives possibles sont : 1. Il s’exprime simplement par : 3 10 min i=1 j=1 cij xij avec cij . Accroˆtre l’usine B a 6 millions de kg par jour.Section 9.351 1. soit DEMj ” : 3 xij = DEMj i=1 La solution optimale peut etre trouv´ e par l’algorithme du Simplexe puisqu’il ˆ e s’agit d’un probl` me purement lin´ aire. le nombre de millions de kg produits a ` l’usine i et livr´ s au client j. .

Calculons l’´ conomie de (LP3) sur 300 jours de u e e production par rapport a la situation actuelle : ` (2 561 600 − 2 533 100) × 300 = 8 555 000 Soit une economie de 8.6: Donn´ es de coˆ t des alternatives e u Une premi` re conclusion qui peut etre tir´ e de ce tableau est que (LP2) peut e ˆ e etre elimin´ car ayant un coˆ t fixe identique a celui de (LP3). u Les alternatives coˆ t journalier u situation actuelle 2 561 600 6 millions B 2 547 300 2 millions C 2 533 100 4 millions C 2 469 700 coˆ t fixe u 18 millions 18 millions 34 millions (LP1) (LP2) (LP3) (LP4) Tableau 9. u e Effectuons une comparaison des 3 alternatives et de la situation actuelle. Remarquons que. dans la solution de (LP4). On choisira donc la solution (LP4) : construire la nouvelle usine C a 4 ` millions de kg par jour.555 millions par an pour un investissement initial de 18 ´ millions d’EURO. une alternative qui ˆ ´ e u ` a un coˆ t journalier inf´ rieur.150 Chapitre 9.6. cet investissement est hautement profitable.335 4 millions C 34 millions EURO 0. on donne la somme du coˆ t de u u production et du coˆ t de transport. ˆ e . l’usine A n’est plus utilis´ e du e tout et peut etre ferm´ e.326 2 millions C 18 millions EURO 0.5.320 Tableau 9. hors frais fixes d’investissement. Conception d’un centre de production Les alternatives coˆ t fixe u coˆ t marginal u 6 millions B 18 millions EURO 0. Cet investissement est certainement rentable. Calculons maintenant l’´ conomie additionnelle de (LP4) par rapport a (LP3) : e ` (2 533 100 − 2 469 700) × 300 = 19 020 000 Soit un economie additionnelle de 19.5: Donn´ es de coˆ t des alternatives e u Leurs coˆ ts respectifs sont donn´ s au tableau 9. Dans la colonne “coˆ t journalier”. A nouveau.020 millions par an pour un investissement ´ additionnel de 16 millions d’EURO. quel que soit le facteur d’actualisation. Il s’agit de r´ soudre successivement quatre probl` mes lin´ aires not´ s (LP1) a (LP4) e e e e ` au tableau 9.

D´cisions de localisation e 151 9.Section 9. si l’usine D peut avoir comme capacit´ 2 millions ou 5 millions e d’unit´ s. La d´ cision ´ e e d’ouverture de la nouvelle usine peut etre mod´ lis´ par la variable binaire : ˆ e e y4 ∈ {0. a la somme ` des coˆ ts de transport.4. 1} avec y4 valant 1 si l’usine D est ouverte et z´ ro sinon. ce qui va assurer qu’une seule des deux capacit´ s est s´ lectionn´ e.4. e e e Remarquez enfin que l’utilisation de variables binaire conduit a un probl` me en ` e nombres entiers. on peut ajouter le coˆ t fixe du nouvel investissement. si l’usine D est ferm´ e. u u Remarquez aussi que les variable binaires peuvent etre utilis´ es pour d´ cider ˆ e e du niveau de la capacit´ d’une nouvelle usine parmi un nombre discret de valeurs e possibles. Il peut etre r´ solu par application d’une m´ thode de e ` ˆ e e programmation en nombres entiers telle que la m´ thode de “branch and bound”. terminons ce chapitre en illustrant l’importance de l’utilisation de variable binaires dans les d´ cisions de choix de capacit´ . Cette variable interviendra aussi dans la fonction objectif. En effet. Il s’agit d’un probl` me plus difficile a r´ soudre que lesprobl` e ` e emes lin´ aires (LP1) a (LP4). le membre de droite est nul et rien ne peut sortir e de l’usine. Prenons l’exemple de l’ouvere e ture eventuelle d’une nouvelle usine D de 2 millions de capacit´ .2 Utilisation de variables binaires Enfin. on peut ecrire : e ´ 10 j=1 x4j ≤ 2y4 + 5y4 avec la contrainte suppl´ mentaire que e y4 + y4 = 1. Ainsi. e Cette variable binaire interviendra dans la contrainte de capacit´ de la nouvelle e usine comme suit : 10 j=1 x4j ≤ 2y4 En effet. Ceci u u conduit a l’expression suivante pour l’objectif : ` 4 10 4 min z = i=1 j=1 cij xij + i=2 Ki yi o` Ki est le coˆ t fixe d’ouverture de l’usine i. e .

7. On demande de ı d´ terminer c.2.7.2. e e e e (c) Calculez le SCORE 2 pour chacune des tˆ ches de montage. Autrement dit. Equilibrage d’une chaˆne. Les contraintes d’ant´ riorit´ sont donn´ es en troisi` me colonne du tableau 9. e (b) Repr´ sentez sur un graphique de r´ seau les relations d’ant´ riorit´ .7: Montage de lampes a la chaˆne.E F Tableau 9. ı (e) Calculez le retard d’´ quilibre de votre solution.5 Exercices 9.2.1. L’objectif e e e e de production est de 9 000 lampes par mois. ` ı (a) D´ terminez le temps maximum de cycle de la chaˆne d’assemblage e ı pour respecter cet objectif. Un mois est constitu´ de 20 e jours de 8 heures par jour (60 secondes par minute). une affectation des 7 tˆ ches aux postes de travail successifs de a la chaˆne. Pour l’exemple de la section 9. une lampe doit sortir de la chaˆne toute les c secondes pour respecter cet objectif.152 Chapitre 9. d´ terminez. e ı 9. Tˆ che Temps (secondes) a A B C D E F G 22 14 27 40 9 41 12 Pr´ alables e A B. Montage en chaˆne d’une lampe. e (b) calculer le retard d’´ quilibre de la chaˆne ainsi obtenue. Le montage d’une lampe de bureau ı n´ cessite la r´ alisation de7 tˆ ches(not´ A aG) dont lestemps el´ mentaires e e a ees ` ´e demontage sontdonn´ esendeuxi`eme colonnedu tableau9. ı (a) au moyen d’un heuristique au choix.C D. a (d) En utilisant ce SCORE 2. Conception d’un centre de production 9. en utilisant l’heuristique vue au e cours. e . le SCORE 2 est la somme du temps de la tˆ che et de toutes les a tˆ ches qui la suivent. d´ terminer une r´ partition entre e e 7 op´ rateurs de temps de cycle maximum de 18 minutes. Pour a rappel.

u Les capacit´ s annuelles existantes de ces usines sont de 55.5. 30 et 30 millions d’EURO respectivement).Section 9.3 e e mais avec une probabilit´ de succ` s du produit de 50 %. Actuellement. e e 9. e (b) expliquer pourquoi la d´ cision optimale change. Namur et Ostende. 35 et 40 mile lions de tonnes respectivement. respectivement. respectivement. Formulez math´ matiquement le probl` me. Le directeur e examine les fiches de commandes des derni` res ann´ es et estime que. e (c) illustrer l’importance de faire une analyse de sensibilit´ a cette probae` bilit´ de succ` s. pour e e l’ann´ e prochaine. Cette filiale travaille uniquement pour 4 gros clients situ´ s a e ` Bruxelles. 12. e e . 9 et 14 millions de tonnes de coke e a ses quatre clients.8: Coˆ ts unitaires de transport. Restructuration d’un groupe sid´ rurgique. de 15 pour Li` ge et de 15 pour Mons. e e (a) recalculer les valeurs pr´ sentes nettes des trois investissements. Les coˆ ts de transport d’une tonne de coke e u entre les usines et les villes sont donn´ s au tableau 9. il devra livrer 20. ` e ` Li` ge et Mons. Charleroi. la demande de ses clients est satisfaite a partir de 3 usines situ´ es a Anvers. e Coˆ t de transport Bruxelles u Anvers Li` ge e Mons 100 120 70 Charleroi Namur 150 170 30 180 80 90 Ostende 90 210 140 Tableau 9. vu e e l’exc` s structurel de capacit´ . Pour les donn´ es d’investissement de la section 9. La fermeture d’une des usines deproduction repr´ sente un coˆ t (correspondant a une demi ann´ e de salaires) de 25 mile u ` e lions d’EURO pour Anvers.8.3. lafirme doitd´ eterminer quelles usines elle maintientouvertes l’ann´ e e prochainedemani`ere aminimiserlasomme descoˆ tsdefermeture. descoˆ ts ` u u salariaux des usines maintenues en activit´ et des coˆ ts de transport vers les e u clients. Choix d’une capacit´ . d´ cide de restructurer sa filiale de produce e e tion de coke. Ce coˆ t e u est a comparer au coˆ t de paiement des salaires si l’on maintient l’usine ` u en activit´ (50. ` Sachantquel’approvisionnementd’unclientpeutsefaire apartirdeplusieurs ` usines.4. Exercices 153 9. Un groupe sid´ rurgique.

e e ` EURO/tonne vers C1 de B1 40 de B2 25 de B3 40 vers C2 vers C3 50 60 30 30 45 60 Tableau 9. La carri` re e e du sous-traitant G3 peut fournir 100 tonnes au maximum.10.154 Chapitre 9. EURO/tonne vers B1 de G1 100 de G2 60 de G3 120 vers B2 vers B3 80 85 70 65 180 140 Tableau 9. e 200 et 130 tonnes. tout en n’ayant recours a la sous-traitance que pour les ` capacit´ s manquantes de fa¸ on interne. Elle poss` de 2 unit´ s e e de production de b´ ton. Optimisation deflux de transports. L’entrepriseBˆ timentTravaux Publics a Nantes Atlantique a 3 chantiers en cours : C1. et 2 carri` res. il est possible de faire appel a la sous-traitance pour la ` production de gravillons (unit´ G3) et/ou pour la production de b´ ton (unit´ e e e B3). Conception d’un centre de production 9. B2 et B3 utilisent uniquement les e e ` e gravillons provenant de G1.9: Coˆ ts de transport des gravillons u Les coˆ ts de transport unitaire (en EURO/tonne) des gravillons sont donn´ s u e a la table 9. Les centrales a b´ ton B1. Si la production e interne ne suffit pas. C2 et C3 sont respectivement 100. C2. Le sous-traitant B3 a une capacit´ de 600 tonnes pendant la e mˆ me p´ riode. Les capacit´ s de production en gravillons des unit´ s G1 e e et G2 sont respectivement 75 et 60 tonnes pendant la p´ riode. Il ´ faut 1/2 tonne de gravillons pour 1 tonne de b´ ton.10: Coˆ ts de transport des b´ tons u e On veut d´ terminer comment satisfaire les commandes accept´ es a coˆ t de e e ` u transport minimum. Dans la mesure du possible. o` sont produits e e u les gravillons qui entrent dans la fabrication du b´ ton.5. on evite d’utiliser la sous-traitance. C3. Les capacit´ s e de production en b´ ton des unit´ s B1 et B2 sont respectivement de 60 et e e 120 tonnes. Les quantit´ s de b´ ton a e e e ` fournir dans la p´ riode aux chantiers C1. G1 et G2. B1 et B2. e c e . Formulez le probl` me.9 tandis que les coˆ ts de transport unitaire (en EURO/tonne) des ` u b´ tons sont donn´ s a la table 9. G2 ou G3.

Singapour. Paris. New York. [11] NEMHAUSER. ´ [3] CHVATAL Va˘ek. Olivier BRUEL. Microsoft. 1990. LIEBERMAN. LUENBERGER. WILLIAMS.S. 1995. Michel GREIF et e Christian VAN DELFT. 1988.25. Addison-Wesley. HILLIER et G. La recherche op´ rationnelle. 1996. Model building in Mathematical Programming. MAZZOLA. e ` ` e Economica. Introduction to Operations Research. [9] D. 1992. Wiley. Management Industriel et Logistique. The Scientific Press. G. 1988. e ´ [8] LACAZE Dominique. [5] GIARD Vincent. 1990. 6` me edition. John Wiley. [12] Y. [6] GUERRIEN Bernard. 1984. Alain GARREAU.Bibliographie [1] BAGLIN G´ rard. La programmation lin´ aire. 1992. Integer and Combinatorial Optimization. GAMS User’s guide Release 2.P. e Ga¨ tan Morin Editeur. Mac Graw-Hill International Editions. OUELLET et R. R. Optimisation appliqu´ e a la gestion et a l’´ conomie. 1992. 1995. PARENT.L. David KENDRICK et Alexander MEERAUS. [2] BROOKE Anthony. L. Operations Management: Production of Goods and Services. 155 . 1991. San Francisco. Economica. s [4] EXCEL. NORBERT.B. Guide de l’utilisateur. Montr´ al-Paris.O. MAC CLAIN. Linear and NonlinearProgramming. Economica. Initiation aux math´ matiques.A. [10] J. Dunod 1972. Prentice Hall. Economica.S. Gestion de la production. WOLSEY. Paris.J. THOMAS et J. G. e [7] F. et L. e e [13] SIMMONARD Michel. 1983. e [14] M. Freeman and Company. Linear Programming.

P.WILLIAMS. 1992.156 Bibliographie [15] M. User Guide and Reference Manual. 1997. Dash Associate. [16] XPRESS-MP. . Release 10. ModelsolvinginMathematicalProgramming . JohnWiley.

1 La gestion calendaire de stock Coˆ t de gestion : u C(S) = cp Ip (S) + cr Ir (S) + cc 1 avec Ip (S) = stock moyen poss´ d´ : e e ¯ Ip (S) = S − X + Ir (S) (cas de stock a rotation nulle) ` Ip (S) = et Ir (S) = nombre moyen de demandes non satisfaites : Ir (S) = λP (X > S − 1) − SP (X > S) Ir (S) = avec : σ [f (tS ) − tS P (t > tS )] si X ∼Poisson(λ) si X ∼ N(µ.Annexe A Formulaire pour la gestion de production A. σ) Politique optimale en stock a rotation non nulle : ` S ∗ tel que P (X > S ∗ ) < S ∗ tel que cp cp cr + 2 ∗ < P (X > S ∗ − 1) cp cp cr + 2 si X ∼ Poisson(λ) si X ∼ N(µ. σ) S− ¯ X 2 + Ir (S) 2 (cas de stock a rotation non nulle) ` 2 ¯ S−X e−tS /2 tS = et f (tS ) = √ σ 2π Politique optimale en stock a rotation nulle : ` S ∗ tel que P (X > S ∗ ) < S ∗ tel que cp < cp +cr ∗ P (X > S ) = P (X > S ∗ − 1) cp cr +cp si X ∼ Poisson(λ) si X ∼ N (µ. σ) P (X > S ) = 157 .

la marge unitaire. Formulaire pour la gestion de production Cons´ quences economiques du choix optimal : e ´ • coˆ t de gestion : u C(S ∗) = cr Ir (S ∗ ) + cp Ip (S ∗ ) + cc 1 • marge nette moyenne : ¯ B(S ∗ ) = mu X − C(S ∗) avec mu . u et cp . u Point de commande : s = DL avec L = d´ lai d’approvisionnement.2 A. e e e Cons´ quences du choix optimal : e Ic (q). le coˆ t unitaire de possession durant un an en stock. le stock moyen poss´ d´ donn´ par : e e e Ip (q) = q∗ 2 D q∗ . exprim´ en ann´ e.2.1 La gestion par point de commande Cas de l’univers certain.158 Annexe A. le nombre moyen de commande par an donn´ par : e Ic (q) = Ip (q). A. Coˆ t de gestion en univers certain : u C(q) = ccIc (q) + cp Ip (q) Niveau optimal de commande : q∗ = 2cc D cp o` D est la demande annuelle.

la demande moyenne annuelle donn´ e par : ` e D= λ D= µ si X ∼ Poisson(λ) si X ∼ N (µ.Section A. σ) Le point de commande s∗ est d´ termin´ en arbitrant entre le coˆ t de rupture et le e e u coˆ t de possession en utilisant la gestion calendaire pendant le d´ lai d’obtention : u e s∗ tel que P (XL > s∗ ) < s∗ tel que cp cr + cp 2 < P (XL > s∗ − 1) cp cr + cp 2 si XL ∼ Poisson(λL ) si XL ∼ N(µL . Ir (s∗ . . q ∗ ). σL ) P (XL > s∗ ) = avec XL . not´ Ir . σL ) σg(ts ) d’o` le nombre moyen de ventes manqu´ es par an. q∗ ) = Ic (q ∗)Ir (s∗ ).2. donn´ par : u e e c Ir (s∗ .2 Cas d’une demande al´ atoire e La quantit´ optimale a commander q ∗ est d´ termin´ e en arbitrant entre le coˆ t e ` e e u de commande et le coˆ t de possession : u q∗ = 2cc D cp a partir de D. se calcule par : e c c Ir (s∗ ) = λP (XL > s∗ − 1) − s∗P (XL > s∗ ) c Ir (s∗ ) = si XL ∼ Poisson(λL ) si XL ∼ N(µL . le coˆ t unitaire de possession entre deux commandes : u cp = cp Cons´ quences du choix optimal : e • Le stock de s´ curit´ est la diff´ rence entre le point de commande et la dee e e mande moyenne durant L : s∗ − DL • Le nombre moyen de commandes : Ic (q∗ ) = D q∗ q∗ .2. D • Le nombre moyen de ruptures par commande. la demande durant le d´ lai d’obtention L e et cp . La gestion par point de commande 159 A.

q ∗ ) = muD − C(s∗ . u c e • Le stock moyen poss´ d´ en cas de ventes manqu´ es diff´ r´ es : e e e ee Ip (s∗ . . q∗ ) • La marge nette moyenne annuelle est obtenue en soustrayant a la marge ` annuelle sur la demande moyenne le coˆ t de gestion annuel : u B(s∗ . u c e • Le coˆ t de gestion annuel est le suivant : u C(s∗ . e taux d’actualisation annuel. temps total requis par un article. Formulaire pour la gestion de production • Le stock moyen poss´ d´ en cas de ventes manqu´ es perdues : e e e Ip (s∗ . temps d’un cycle. 2 2 o` Ir (s∗) note les ruptures par cycle (durant le d´ lai d’obtention). q∗ ) = q∗ DL c + (s∗ − DL) + ∗ Ir (s∗ ).160 Annexe A. s∗) + cr Ir (s∗ . RE = avec n c T = = = A. 2 2q o` Ir (s∗) note les ruptures par cycle (durant le d´ lai d’obtention).4 Calcul d’annuit´ s e n t=1 1 1+i t = 1 − (1 + i)−n i avec n i = = nombre d’ann´ es. q∗ ) = q∗ I c (s∗ ) + (s∗ − DL) + r . A. q ∗ ).3 Equilibrage d’une chaˆne de production ı Le retard d’´ quilibre : e nc − T nc nombre de postes de travail. q∗ ) = ccIc(q∗ ) + cp Ip (q ∗.

Annexe B Tables pour la gestion de stocks
B.1
x
0 1 2 3 4 5

Table de la loi Poisson(λ)
λ
0,05 0,0488 0,0012 0,0000 0,0000 0,0000 0,0000 0,1 0,0952 0,0047 0,0002 0,0000 0,0000 0,0000 0,15 0,1393 0,0102 0,0005 0,0000 0,0000 0,0000 0,2 0,1813 0,0175 0,0011 0,0001 0,0000 0,0000 0,25 0,2212 0,0265 0,0022 0,0001 0,0000 0,0000 0,3 0,2592 0,0369 0,0036 0,0003 0,0000 0,0000 0,35 0,2953 0,0487 0,0055 0,0005 0,0000 0,0000 0,4 0,3297 0,0616 0,0079 0,0008 0,0001 0,0000 0,45 0,3624 0,0754 0,0109 0,0012 0,0001 0,0000 0,5 0,3935 0,0902 0,0144 0,0018 0,0002 0,0000

Donne la probabilit´ P [Poisson(λ) > x] e

161

162

Annexe B. Tables pour la gestion de stocks λ x
0 1 2 3 4 5 6 7 8 0,55 0,4231 0,1057 0,0185 0,0025 0,0003 0,0000 0,0000 0,0000 0,0000 0,6 0,4512 0,1219 0,0231 0,0034 0,0004 0,0000 0,0000 0,0000 0,0000 0,65 0,4780 0,1386 0,0283 0,0044 0,0006 0,0001 0,0000 0,0000 0,0000 0,7 0,5034 0,1558 0,0341 0,0058 0,0008 0,0001 0,0000 0,0000 0,0000 0,75 0,5276 0,1734 0,0405 0,0073 0,0011 0,0001 0,0000 0,0000 0,0000 0,8 0,5507 0,1912 0,0474 0,0091 0,0014 0,0002 0,0000 0,0000 0,0000 0,85 0,5726 0,2093 0,0549 0,0111 0,0018 0,0003 0,0000 0,0000 0,0000 0,9 0,5934 0,2275 0,0629 0,0135 0,0023 0,0003 0,0000 0,0000 0,0000 1 0,6321 0,2642 0,0803 0,0190 0,0037 0,0006 0,0001 0,0000 0,0000 1,5 0,7769 0,4422 0,1912 0,0656 0,0186 0,0045 0,0009 0,0002 0,0000

Donne la probabilit´ P [Poisson(λ) > x] e

Section B.1. Table de la loi Poisson(λ) λ x
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 2 0,8647 0,5940 0,3233 0,1429 0,0527 0,0166 0,0045 0,0011 0,0002 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 2,5 0,9179 0,7127 0,4562 0,2424 0,1088 0,0420 0,0142 0,0042 0,0011 0,0003 0,0001 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 3 0,9502 0,8009 0,5768 0,3528 0,1847 0,0839 0,0335 0,0119 0,0038 0,0011 0,0003 0,0001 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 3,5 0,9698 0,8641 0,6792 0,4634 0,2746 0,1424 0,0653 0,0267 0,0099 0,0033 0,0010 0,0003 0,0001 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 4 0,9817 0,9084 0,7619 0,5665 0,3712 0,2149 0,1107 0,0511 0,0214 0,0081 0,0028 0,0009 0,0003 0,0001 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 4,5 0,9889 0,9389 0,8264 0,6577 0,4679 0,2971 0,1689 0,0866 0,0403 0,0171 0,0067 0,0024 0,0008 0,0003 0,0001 0,0000 0,0000 0,0000 0,0000 0,0000 5 0,9933 0,9596 0,8753 0,7350 0,5595 0,3840 0,2378 0,1334 0,0681 0,0318 0,0137 0,0055 0,0020 0,0007 0,0002 0,0001 0,0000 0,0000 0,0000 0,0000 5,5 0,9959 0,9734 0,9116 0,7983 0,6425 0,4711 0,3140 0,1905 0,1056 0,0538 0,0253 0,0110 0,0045 0,0017 0,0006 0,0002 0,0001 0,0000 0,0000 0,0000 6 0,9975 0,9826 0,9380 0,8488 0,7149 0,5543 0,3937 0,2560 0,1528 0,0839 0,0426 0,0201 0,0088 0,0036 0,0014 0,0005 0,0002 0,0001 0,0000 0,0000 6,5 0,9985 0,9887 0,9570 0,8882 0,7763 0,6310 0,4735 0,3272 0,2084 0,1226 0,0668 0,0339 0,0160 0,0071 0,0030 0,0012 0,0004 0,0002 0,0001 0,0000

163

Donne la probabilit´ P [Poisson(λ) > x] e

3249 0.0001 0.0000 13 1.0415 0.0213 0.0177 0.3113 0.9999 0.0000 0.0000 0.0000 0.0035 0.3547 0.0374 0.0000 12 1.0638 0.0427 0.0057 0.9958 0.9998 0.0001 0.0007 0.0600 0.0000 0.0024 0.9741 0.0835 0.2834 0.4075 0.0020 0.0015 0.2236 0.0000 0.0001 0.0000 0.6144 0.0001 0.0000 0.0000 0.0000 0.8342 0.9707 0.0250 0.2940 0.5 0.0128 0.8568 0.0000 0.0000 9.0000 0.8351 0.1645 0.0000 0.0000 0.0322 0.9862 0.9004 0.1695 0.0005 0.9992 0.0040 0.9849 0.9893 0.0093 0.0001 0.0138 0.7586 0.0000 0.9981 0.0000 0.0003 0.0103 0.0000 0.1095 0.0739 0.0000 0.0003 0.0000 0.0000 10 1.1460 0.0427 0.0089 0.2187 0.0000 0.0000 0.0023 0.0000 0.5384 0.0001 0.2280 0.1355 0.0011 0.0000 11 1.0066 0.0000 0.9999 0.0000 9 0.1019 0.0000 0.6468 0.0046 0.0002 0.0020 0.0016 0.0000 0.0116 0.4754 0.0143 0.3185 0.2364 0.0007 0.9988 0.4013 0.0008 0.5 0.0000 0.9002 0.4240 0.0000 0.0000 0.0082 0.4126 0.7680 0.0173 0.0005 0.0000 0.1242 0.9542 0.0000 0.9999 0.0000 0.9994 0.0000 0.8504 0.4207 0.9788 0.9576 0.0030 0.0270 0.9797 0.6082 0.2709 0.0007 0.7438 0.0000 0.0047 0.0020 0.0009 0.9927 0.0076 0.9450 0.9995 0.0061 0.0043 0.0013 0.0000 0.0030 0.0000 8 0.6528 0.0003 0.4170 0.0000 0.0514 0.0000 0.0000 0.0001 0.1013 0.3470 0.6866 0.0000 0.0000 0.0000 0.0985 0.0000 Donne la probabilit´ P [Poisson(λ) > x] e .6218 0.0559 0.7483 0.0111 0.9924 0.0000 0.0792 0.0270 0.5369 0.0005 0.0003 0.4270 0.9989 0.0000 1.0000 0.0000 0.0274 0.0220 0.0000 8.9329 0.0004 0.8699 0.0000 0.4769 0.7313 0.9963 0.9797 0.9256 0.0533 0.0177 0.1841 0.9851 0.9972 0.0010 0.0024 0.1119 0.0001 0.0000 0.9897 0.7798 0.0000 0.9409 0.0001 0.0000 0.1378 0.164 Annexe B.9597 0.0000 0.0216 0.0002 0.1636 0.1513 0.0053 0.9951 0.0000 0.9953 0.3380 0.0000 0.0909 0.0000 0.5421 0.1556 0.2366 0.6672 0.6761 0.0000 0.8270 0.0001 0.0037 0.9991 0.5401 0.0000 0.9105 0.8843 0.9988 0.2084 0.5470 0.1970 0.9214 0.0926 0.0010 0.4782 0.9704 0.0342 0.0002 0.0141 0.9938 0.5443 0.0002 0.0001 0.0000 0.8088 0.8679 0.0000 0.9115 0.0004 0.0010 0.8450 0.9970 0.9995 0.6595 0.5 0.2480 0.0335 0.0698 0.6993 0.9699 0.0000 0.9182 0.0487 0.0001 0.5503 0. Tables pour la gestion de stocks λ x 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 7 0.0016 0.0000 0.9997 0.0072 0.9977 0.0630 0.9907 0.0000 0.0004 0.9625 0.9998 0.9998 0.7932 0.0000 0.0000 7.7576 0.3032 0.9460 0.

8650 0.9226 0.0001 0.9971 0.7192 0.9999 0.0000 1.0000 0.0018 0.0327 0.2511 0.5343 0.9997 0.0003 0.0010 0.8730 0.0026 0.0282 0.6368 0.5356 0.0479 0.0011 0.9995 0.3359 0.0000 1.1318 0.0223 0.0000 1.9998 0.0112 0.Section B.0683 0.0000 0.4340 0.0765 0.9626 0.0093 0.0000 0.0000 1.0167 0.0000 0.0000 0.7133 0.0001 0.0288 0.0000 0.0406 0.0003 0.0103 0. Table de la loi Poisson(λ) λ x 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 14 1.0000 0.0001 0.0000 0.0000 0.0152 0.9820 0.4378 0.0000 1.0004 0.9945 0.0446 0.0000 0.0000 15 1.7400 0.9982 0.4319 0.1248 0.5323 0.1011 0.0006 0.7991 0.9924 0.1945 0.9696 0.1.2441 0.9990 0.9083 0.0001 0.9946 0.0001 0.9301 0.0000 0.2009 0.0531 0.9991 0.3450 0.1878 0.9874 0.0000 17 1.9986 0.0041 0.3306 0.0002 0.0000 1.9846 0.0007 0.9900 0.0006 0.1449 0.8243 0.0000 0.9509 0.0000 0.0022 0.9684 0.0088 0.0000 1.2693 0.7324 0.0000 0.1174 0.0000 0.0050 0.8069 0.0892 0.9451 0.0001 0.5314 0.0000 0.8152 0.0173 0.5333 0.6415 0.9379 0.6325 0.0000 165 .8574 0.0000 0.0027 0.0005 0.9993 0.0001 0.9567 0.0033 0.0013 0.0000 16 1.4296 0.0195 0.0000 1.9996 0.0033 0.0000 0.1805 0.1385 0.0000 1.9972 0.0000 1.0002 0.0000 0.0004 0.0830 0.0002 0.0000 0.0582 0.9153 0.0059 0.6249 0.9999 0.0050 0.3491 0.0017 0.1728 0.0000 0.0062 0.0075 0.0009 0.0953 0.6285 0.9780 0.9929 0.7919 0.0252 0.0014 0.0367 0.9739 0.4360 0.2577 0.0131 0.0633 0.9998 0.8815 0.0000 1.2637 0.9960 0.8906 0.9858 0.9999 0.0001 0.3407 0.9979 0.0000 18 1.7255 0.

0885 0.4247 0.0 1.0052 0.0427 0.0080 0.2033 0.4443 0.0162 0.0505 0.4325 0.0485 0.1075 0.0071 0.2483 0.0023 0.0054 0.1020 0.1230 0.1894 0.1515 0.2061 0.2776 0.0668 0.0011 0.0022 0.1736 0.0019 0.1814 0.0043 0.0764 0.1492 0.1379 0.0089 0.0113 0.3821 0.0170 0.1112 0.0014 0.0091 0.0013 0.1635 0.0465 0.2358 0.0013 0.1038 0.0020 0.4840 0.1292 0.0055 0.0132 0.9 1.0217 0.0344 0.0643 0.0281 0.2119 0.3 1.1190 0.0044 0.3745 0.1762 0.3264 0.1401 0.0013 0.0392 0.3 0. 1) zj 0.4641 0.0047 0.4920 0.0143 0.1949 0.0202 0.0475 0.5 2.0901 0.0010 Donne la probabilit´ P (Z > zi + zj ) e .0256 0.0436 0.0029 0.0606 0.0039 0.2946 0.7 0.4129 0.3669 0.3974 0.7 1.3446 0.3897 0.0078 0.0681 0.4562 0.0139 0.1539 0.0110 0.3121 0.0322 0.0401 0.4 0.0026 0.0853 0.4364 0.2981 0.3594 0.3156 0.0495 0.1 0.1469 0.0192 0.1003 0.0212 0.0094 0.0183 0.0244 0.0618 0.0057 0.4052 0.0027 0.1271 0.0823 0.2546 0.05 0.0537 0.1093 0.1788 0.2 1.0418 0.4721 0.4404 0.0179 0.0010 0.0384 0.1446 0.0158 0.4483 0.1841 0.0082 0.0030 0.1 2.2 0.0017 0.4168 0.0869 0.2177 0.0274 0.0708 0.0808 0.3632 0.0011 0.0721 0.2451 0.0968 0.1711 0.4880 0.0655 0.0336 0.2090 0.0526 0.2709 0.0069 0.3372 0.0136 0.3192 0.0033 0.4 2.0012 0.4960 0.3859 0.0051 0.0174 0.0166 0.0068 0.0014 0.0207 0.0154 0.0018 0.02 0.1 1.0838 0.1314 0.03 0.0016 0.0250 0.0099 0.0015 0.0021 0.0073 0.3707 0.4207 0.0041 0.2266 0.01 0.3 2.0035 0.0125 0.4801 0.4681 0.3050 0.0301 0.0516 0.0096 0.2 2.2611 0.3409 0.9 2.0059 0.9 3.2676 0.2843 0.0375 0.5 0.0119 0.2148 0.1210 0.1660 0.0222 0.0571 0.3783 0.0018 0.0107 0.0036 0.0329 0.2327 0.0075 0.0012 0.0102 0.0793 0.0116 0.06 0.0548 0.0446 0.0025 0.0087 0.0024 0.0951 0.0011 0.1867 0.0559 0.0228 0.0028 0.0038 0.0066 0.2236 0.3300 0.0934 0.0015 0.3557 0.2 P zi 0.2420 0.08 0.2389 0.6 0.0023 0.0287 0.1977 0.4 1.0188 0.1922 0.0735 0.3520 0.3936 0.0031 0.1685 0.0019 0.0233 0.0104 0.0 Table de la loi normale Z ∼ N(0.8 2.0062 0.2643 0.0 2.07 0.0262 0.0021 0.3336 0.8 1.2005 0.0455 0.0084 0.5 1.4013 0.0314 0.1423 0.2743 0.0985 0.8 0.0307 0.2296 0.0630 0.0045 0.0409 0.166 Annexe B.0197 0.00 0.2206 0.6 1.1131 0.4090 0.3228 0.1611 0.1151 0.0778 0.2810 0.0026 0.0122 0.0268 0.0064 0.0 0.1251 0.0359 0.0694 0.6 2.4761 0.0048 0.2877 0.4522 0.04 0.0239 0.0016 0.7 2.2912 0.1056 0.0049 0.3483 0.0037 0.2514 0.0032 0.4602 0.0060 0.3015 0.1335 0.0150 0.0146 0.1170 0.1587 0.5000 0.4286 0.0918 0.1357 0.1562 0.0040 0. Tables pour la gestion de stocks B.0294 0.0129 0.0582 0.0034 0.0351 0.0749 0.3085 0.0594 0.0367 0.2578 0.09 0.

9360 0.3632 2.6636 0.5716 2.04 3.4000 1.6214 2.6704 0.2839 2.4456 g(tS ) ti -3 -2.0903 2.8277 0.4829 1.1556 2.3455 1.2 -0.9207 1.2916 1.9 -2.3037 2.02 3.8 -1.7010 2.8143 1.4090 0. Table pour le calcul de Ir (S) 167 B.8735 0.3828 2.5424 0.0476 1.3929 2.5069 0.8107 2.9305 2.9105 2.0868 1.07 3.5855 0.4721 2.4193 0.5949 1.9045 0.5 -1.2034 1.4126 2.9204 2.7661 1.6436 0.8308 2.8506 2.9406 2.5574 1.1 0 .9 -0.6239 0.8433 1.4 -0.2828 1.5387 1.2049 2.7 -1.0333 0.9987 1.00 3.0505 2.6909 0.6138 1.5817 2.6811 2.9281 0.5419 2.6706 1.8207 2.3.4 -2.8405 2.5668 0.6611 1.0304 2.6115 2.2739 1.3234 2.5855 1.4821 2.5293 1.1164 2.0250 0.3186 1.6 -1.9606 2.4920 2.6840 0.5186 0.3137 2.0084 1.01 3.2641 2.5981 0.8906 2.05 3.6711 2.4183 1.5606 0.5792 0.6422 1.4027 2.1064 2.9402 1.6 -0.4618 0.0403 2.8705 2.1773 1.9680 0.7257 0.1599 1.2296 1.9111 1.0104 2.4349 0.6503 0.6 -2.0749 0.1261 2.7471 0.0702 2.3909 1.6232 1.5915 2.3730 2.3006 1.8625 1.0771 1.4040 0.9923 0.6370 0.1859 1.2473 1.9904 2.4141 0.0804 2.7209 2.6801 1.6772 0.2650 1.2561 1.3989 0.9499 1.8054 0.5218 2.6414 2.8203 0.4673 0.0168 0.3726 1.9 -1.4297 0.4784 0.0666 0.8047 1.1949 2.7542 0.3 Table pour le calcul de Ir (S) tj 0.7566 1.8812 0.8 -2.3434 2.8504 0.1654 2.1 -2 -1.8335 1.4366 1.2445 2.Section B.6896 1.5245 0.7951 1.8529 1.4624 2.6109 0.09 3.2 -1.5517 2.0967 1.9013 1.9305 1.4402 0.7760 0.5127 0.5730 0.2 -2.3334 2.3531 2.7 -2.0202 2.5617 2.2246 2.7117 0.9760 0.5918 0.7906 0.3818 1.8723 1.1852 2.1753 2.7508 2.6304 0.8240 1.9842 0.4564 0.7109 2.5 -0.8889 0.7833 0.7279 1.6569 0.08 3.7409 2.9597 1.2938 2.4736 1.5011 0.7980 0.6045 0.6174 0.1171 1.6978 0.6612 2.9599 0.6014 2.1 -1 -0.3 -0.7088 1.5200 1.3275 1.7708 2.4954 0.7686 0.0574 1.7758 1.9694 1.7309 2.6910 2.8353 0.5545 0.4225 2.7809 2.4425 2.7182 1.4244 0.4897 0.4458 1.2209 1.1513 1.6312 2.5020 2.7328 0.7853 1.0603 2.1947 1.9440 0.5479 1.7909 2.0499 0.9704 2.7399 0.8805 2.3365 1.0415 0.9504 2.3096 1.9004 2.7047 0.0918 1.7470 1.1002 1.4524 2.9805 2.3 -1.8607 2.9202 0.6043 1.0005 2.6327 1.4840 0.1342 1.2740 2.4728 0.7608 2.3546 1.5318 2.8128 0.8820 1.9519 0.06 3.3 -2.8 -0.4 -1.3636 1.7374 1.4643 1.0004 0.7 -0.8006 2.03 3.0086 0.2384 1.0183 1.5667 1.8429 0.1686 1.5363 0.8967 0.5107 1.4551 1.5761 1.8916 1.9792 1.0833 1.2543 2.1256 1.6513 2.5304 0.5013 1.4092 1.0378 1.6992 1.9123 0.5 -2.9889 1.5484 0.1457 2.4922 1.1359 2.8658 0.0280 1.4326 2.2344 2.8581 0.7614 0.2146 2.5120 2.2121 1.0672 1.4274 1.6516 1.4509 0.1087 1.0582 0.7187 0.1428 1.

1 2.0054 0.0020 0.0004 0.0005 0.0550 0.0011 0.0067 0.1042 0.0742 0.3989 0.0043 0.0153 0.1381 0.1404 0.2445 0.0135 0.0005 0.0003 Donne g(tS ) = [f (tS ) − tS P (t > tS )] .2009 0.0322 0.1477 0.0358 0.0061 0.0713 0.3197 0.2 1.0021 0.0005 0.1060 0.0011 0.0267 0.0400 0.0026 0.2481 0.0123 0.0107 0.0102 0.1202 0.0170 0.0158 0.0279 0.0002 0.8 1.1160 0.0046 0.3 0.0756 0.0201 0.3841 0.3111 0.0018 0.0174 0.0609 0.1633 0.7 0.1503 0.0007 0.0008 0.0052 0.1119 0.0009 0.0008 0.0105 0.3556 0.3 2.6 1.0686 0.0006 0.0125 0.9 3 Annexe B.0007 0.0087 0.0009 0.0986 0.1771 0.0041 0.0528 0.1099 0.1686 0.0005 0.0188 0.1917 0.0064 0.6 0.3602 0.0287 0.1245 0.3328 0.0080 0.9 1 1.0049 0.0374 0.1181 0.0728 0.04 0.1080 0.0111 0.8 0.0057 0.0044 0.0899 0.0006 0.5 2.0561 0.1312 0.0004 0.0010 0.0182 0.06 0.0151 0.5 0.0017 0.0140 0.0094 0.1828 0.0166 0.01 0.0039 0.1580 0.0313 0.0021 0.0097 0.0078 0.0025 0.0008 0.0015 0.0802 0.2518 0.0024 0.0020 0.0455 0.3697 0.0274 0.0621 0.0147 0.0072 0.2592 0.0031 0.2304 0.1554 0.0699 0.0056 0.1857 0.2904 0.0584 0.1714 0.1223 0.7 1.00 0.0116 0.0024 0.07 0.2784 0.0238 0.0003 0.0012 0.2668 0.0004 0.0040 0.0161 0.0038 0.0027 0.2374 0.3890 0.3744 0.1335 0.05 0.0007 0.3418 0.0436 0.2706 0.1606 0.0329 0.1023 0.0496 0.168 g(tS ) ti 0 0.0059 0.0366 0.0037 0.0010 0.0017 0.2945 0.0017 0.2 0.0833 0.0673 0.1 0.0005 0.0028 0.2203 0. Tables pour la gestion de stocks tj 0.3373 0.2863 0.4 0.0129 0.0008 0.3649 0.0227 0.0787 0.3 1.2555 0.0014 0.2072 0.0222 0.0261 0.3284 0.0232 0.0506 0.0009 0.0206 0.2104 0.1453 0.0029 0.1004 0.0046 0.09 0.02 0.0343 0.0020 0.0016 0.0659 0.0866 0.2 2.1887 0.2270 0.0133 0.0351 0.3027 0.2986 0.0113 0.0933 0.0968 0.1660 0.0383 0.1429 0.0196 0.0002 0.0446 0.0014 0.0089 0.0004 0.0037 0.0092 0.0018 0.0049 0.0026 0.0392 0.0005 0.0034 0.0573 0.0003 0.0647 0.0083 0.3154 0.0005 0.1289 0.3509 0.0293 0.0211 0.9 2 2.0192 0.0015 0.0771 0.0012 0.0950 0.0068 0.0030 0.3240 0.0099 0.1528 0.0009 0.2040 0.3464 0.0596 0.0409 0.0216 0.2409 0.1140 0.0009 0.0004 0.3069 0.0034 0.0255 0.0882 0.0243 0.1267 0.0019 0.0005 0.0849 0.5 1.1 1.0307 0.0076 0.0009 0.8 2.7 2.0486 0.0915 0.2745 0.0004 0.1799 0.6 2.0084 0.0074 0.0006 0.4 1.0516 0.0032 0.2824 0.0539 0.0818 0.0014 0.0064 0.1978 0.0053 0.0006 0.2136 0.0179 0.0071 0.0025 0.08 0.0006 0.2339 0.1742 0.4 2.0249 0.0004 0.1947 0.0004 0.0336 0.0634 0.0426 0.0013 0.0120 0.0475 0.0300 0.0045 0.0034 0.1358 0.03 0.0465 0.2169 0.2236 0.0143 0.3940 0.3793 0.2630 0.0418 0.

Sign up to vote on this title
UsefulNot useful