GPIUP

UNIVERSITE CHARLES DE GAULLE - LILLE III
UFR DE MATHEMATIQUES,
SCIENCES ECONOMIQUES
ET SOCIALES
Deuxi` eme ann ee de lIUP IIES
Gestion de la Production
Daniel DE WOLF
Villeneuve dAscq, F evrier 2003
Table des mati` eres
1 Introduction 7
1.1 Objectifs du cours . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.2 D enition de la gestion de production . . . . . . . . . . . . . . . 8
1.3 Classication 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 . . . . . . . . . 24
2.3.1 Cas o` u toutes les t aches sont ` a ex ecuter sur A puis B . . . 24
2.3.2 Cas de t aches ne seffectuant pas dans le m eme ordre . . . 26
2.4 Ordonnancement sur trois machines . . . . . . . . . . . . . . . . 27
3
4 Table des matières
2.5 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
3 La gestion calendaire de stock 31
3.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
3.2 Les politiques de gestion de stock . . . . . . . . . . . . . . . . . 32
3.3 Les co uts associ es aux stocks . . . . . . . . . . . . . . . . . . . 33
3.3.1 Les co uts de possession . . . . . . . . . . . . . . . . . . 33
3.3.2 Les co uts de rupture . . . . . . . . . . . . . . . . . . . . 35
3.3.3 Les co uts de commande . . . . . . . . . . . . . . . . . . 35
3.4 Gestion calendaire de stock ` a rotation nulle . . . . . . . . . . . . 36
3.5 Cas dune loi de demande continue . . . . . . . . . . . . . . . . 42
3.6 Les cons equences economiques de la solution optimale . . . . . . 44
3.7 Cas de stocks ` a rotation non nulle . . . . . . . . . . . . . . . . . 47
3.7.1 D etermination de la solution optimale . . . . . . . . . . . 50
3.7.2 Cas dune loi de demande discr` ete . . . . . . . . . . . . . 52
3.8 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53
4 La gestion par point de commande 55
4.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . 55
4.2 D etermination du point de commande . . . . . . . . . . . . . . . 56
4.3 D etermination de la quantit e economique de commande . . . . . . 57
4.4 Cas dune demande al eatoire . . . . . . . . . . . . . . . . . . . . 60
4.4.1 D etermination de q et s . . . . . . . . . . . . . . . . . . 61
4.4.2 Cons equences economiques du choix . . . . . . . . . . . 63
4.5 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 65
II Les d ecisions tactiques 67
5 La planication de la production 69
5.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . 69
5.2 La planication des besoins en composants . . . . . . . . . . . . 70
Table des matières 5
5.3 Principes de base de la MRP . . . . . . . . . . . . . . . . . . . . 72
5.3.1 D etermination des besoins nets dun composant . . . . . . 72
5.3.2 D etermination de la couverture des besoins nets . . . . . . 74
5.3.3 Utilisation en cascade de la logique de calcul . . . . . . . 74
5.4 Ajustement charge-capacit e . . . . . . . . . . . . . . . . . . . . 78
5.5 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 87
6 Les techniques de juste ` a temps 89
6.1 Origine et principe du JAT . . . . . . . . . . . . . . . . . . . . . 89
6.2 Les deux approches du JAT . . . . . . . . . . . . . . . . . . . . 91
6.2.1 Augmenter la r eactivit e du syst` eme logistique . . . . . . . 91
6.2.2 La rationalisation de la production . . . . . . . . . . . . . 91
6.3 Les facteurs cl es du JAT . . . . . . . . . . . . . . . . . . . . . . 92
6.3.1 Recherche dun plus grande r eactivit e . . . . . . . . . . . 92
6.3.2 Matrise des al eas . . . . . . . . . . . . . . . . . . . . . 92
6.4 La m ethode Kanban . . . . . . . . . . . . . . . . . . . . . . . . 93
6.4.1 Syst` eme Kanban ` a une boucle . . . . . . . . . . . . . . . 93
6.4.2 D etermination du nombre d etiquettes . . . . . . . . . . . 94
6.5 Exercice . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 97
III Les d ecisions strat egiques 99
7 Lordonnancement de projets 101
7.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . 101
7.2 Formulation du probl` eme . . . . . . . . . . . . . . . . . . . . . 103
7.3 Repr esentation graphique du probl` eme . . . . . . . . . . . . . . 104
7.4 Calcul de lordonnancement au plus t ot . . . . . . . . . . . . . . 107
7.5 Chemin critique et calcul des marges . . . . . . . . . . . . . . . 107
7.6 Lordonnancement par la m ethode PERT . . . . . . . . . . . . . 109
7.7 La minimisation des co uts . . . . . . . . . . . . . . . . . . . . . 112
7.8 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 115
6 Table des matières
8 Conception dun centre de production 119
8.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . 119
8.2 Conguration dun centre de production . . . . . . . . . . . . . . 120
8.2.1 Conguration en ateliers sp ecialis es . . . . . . . . . . . . 120
8.2.2 Conguration en ligne de production . . . . . . . . . . . 124
8.2.3 Conguration ` a poste xe . . . . . . . . . . . . . . . . . 128
8.3 D ecisions de capacit e . . . . . . . . . . . . . . . . . . . . . . . 129
8.4 D ecisions de localisation . . . . . . . . . . . . . . . . . . . . . . 132
8.5 Utilisation de la programmation math ematique . . . . . . . . . . 133
8.6 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 138
A Formulaire pour la gestion de production 143
A.1 La gestion calendaire de stock . . . . . . . . . . . . . . . . . . . 143
A.2 La gestion par point de commande . . . . . . . . . . . . . . . . . 144
A.3 Les techniques de juste ` a temps . . . . . . . . . . . . . . . . . . 145
A.4 Equilibrage dune chane de production . . . . . . . . . . . . . . 146
A.5 Calcul dannuit es . . . . . . . . . . . . . . . . . . . . . . . . . 146
B Tables pour la gestion de stocks 147
B.1 Table de la loi Poisson() . . . . . . . . . . . . . . . . . . . . . 147
B.2 Table de la loi normale Z N(0, 1) . . . . . . . . . . . . . . . . 152
B.3 Table pour le calcul de I
r
(S) . . . . . . . . . . . . . . . . . . . . 153
Chapitre 1
Introduction
1.1 Objectifs du cours
Lobjectif ducours est de donner une formation de base ` a lapproche quantitative
des probl` emes de gestion de lentreprise tels que :
la planication de la production;
lordonnancement 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 :
cest-` 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 n de ce
chapitre).
La connaissance doutils 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 [6] 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 [17].
7
8 Chapitre 1. Introduction
1.2 D enition de la gestion de production
Pour pouvoir donner une d enition de la gestion de production, il faut dabord
d enir ce que lon 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 dun bien seffectue par une succession dop erations consom-
mant des ressources et transformant les caract eristiques de la mati` ere. Un
exemple classique est la production de voitures.
La production dun service seffectue par une succession dop erations con-
sommant des ressources sans quil ny 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 enir la gestion de production comme suit.
D enition 1.1 La gestion de la production consiste en la recherche dune orga-
nisation efcace de la production des biens et services.
La gestion de production consiste donc ` a lobtention dun produit donn e dont les
caract eristiques sont connues en mettant en uvre 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 enition du produit;
le processus de fabrication;
la demande ` a satisfaire.
Ces trois caract eristiques du produit rel` event des sciences de ling enieur et de la
gestion commerciale. Nous verrons cependant au chapitre 7 la gestion de projets
qui est souvent utilis ee pour optimiser le processus de conception dun nouveau
produit. Nous verrons aussi au chapitre 8 comment optimiser le processus de
fabrication.
Les outils de la gestion de la production sont un ensemble de techniques
danalyse et de r esolution des probl` emes de mani` ere ` a produire au moindre co 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 classie
souvent les d ecisions de gestion en trois classes :
Section 1.2. Denition de la gestion de production 9
1. Les d ecisions strat egiques : il sagit de la formulation de la politique ` a
long terme pour lentreprise (cest-` a-dire ` a un horizon de plus de deux ans).
Entrent dans ces d ecisions :
la d enition du portefeuille dactivit es;
la d enition des ressources stables : aussi bien humaines (engagement,
licenciement, pr eretraite,. . . ) que mat erielles (d ecisions dinvestisse-
ment, de cession, de fermeture,. . . );
2. Les d ecisions tactiques : il sagit des d ecisions ` a moyen terme parmi les-
quelles on trouve la planication de la production ` a 18 mois. Il sagit de
produire au moindre co ut pour satisfaire la demande pr evisible en sinscri-
vant dans le cadre x e le plan strat egique de lentreprise (donc ` a ressources
mat erielles et humaines connues).
3. les d ecisions op erationnelles : il sagit des d ecisions de gestion 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 duvre;
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 lhorizon de temps consid er e :
les d ecisions op erationnelles se prennent au jour le jour;
les d ecisions tactiques concernent la planication ` a 18 mois;
les d ecisions strat egiques concernent la planication ` a long terme.
2. par le niveau dagr egation :
les d ecisions op erationnelles se prennent au niveau dun atelier;
les d ecisions tactiques se prennent au niveau dune usine;
les d ecisions strat egiques se prennent au niveau de lensemble de len-
treprise.
3. par le niveau de responsabilit e :
les d ecisions op erationnelles sont prises par les agents de matrise;
les d ecisions tactiques sont prises par les cadres;
les d ecisions strat egiques sont prises par la direction g en erale.
1.3 Classication des syst` emes productifs
On peut classer les modes dorganisation de la production en quatre grandes
classes :
lorganisation en s erie unitaire;
lorganisation en ateliers sp ecialis es;
lorganisation en ligne de production;
lorganisation en industries de process.
Nous examinerons dans chaque cas, le type de ressources ` a mettre en uvre et
le probl` eme principal de leur utilisation.
1.3.1 Organisation de type s erie unitaire
D enition 1.2 La production de type s erie unitaire est une production mobili-
sant sur une p eriode assez longue lessentiel des ressources dune 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 dun tunnel sous la manche ou la construction dun pont
suspendu,. . . ).
En ce qui concerne les ressources mobilis ees, on fait le plus souvent appel ` a
un personnel hautement quali e vu le caract` ere non r ep etitif des t aches.
En ce qui concerne le probl` eme dordonnancement, le probl` eme majeur est
larbitrage entre la recherche dun co ut comp etitif et le respect des d elais. En effet,
dune part, les commandes seront rapidement honor ees si beaucoup de ressources
sont mises en uvre. Mais, dautre part, le co ut des ressources est g en eralement
croissant avec leur niveau dutilisation : la location de machines suppl ementaires
et lengagement dint erimaires co utent g en eralement plus cher que lutilisation des
ressources propres de lentreprise. Nous verrons cela en d etails au chapitre 7.
Dans les deux cas, lordonnancement des t aches, cest-` a-dire la d etermination
de lordre dex ecution des t aches) est essentiel. En effet, non seulement lordre
dex ecution des t aches d etermine la date de livraison, mais, comme nous le verrons
au chapitre 7, il inuence les co uts dans la mesure o` u une mauvaise coordination
saccompagne souvent de ch omage technique pour certaines ressources et du paie-
ment de p enalit es pour non respect des d elais.
Section 1.3. Classication des systèmes productifs 11
1.3.2 Organisation en ateliers sp ecialis es
D enition 1.3 On parle dorganisation en ateliers sp ecialis es lorsque tous les
equipements assurant une fonction sp ecialis ee sont r eunis en un m eme lieu.
Comme exemple, on peut citer un atelier demboutissage des t oles de voitures ou
un atelier de peinture dans une usine dassemblage automobile.
En ce qui concerne les ressources mobilis ees, la main duvre est plut ot
quali ee et les equipements sont polyvalents.
En ce qui concerne le probl` eme de lorganisation efcace des ressources,
deux probl` emes principaux sont ` a consid erer :
Lors de la conception de latelier, le probl` eme principal est la gestion des
co uts de manutention entre les diff erents postes de travail. An de diminuer
ces co uts on d etermine la meilleure localisation des machines les unes par
rapport aux autres dans latelier. Ceci fait appel aux m ethodes dagencement
dans lespace (cfr chapitre 8 consacr e ` a la conguration dun centre de
production).
Lors de la gestion quotidienne de latelier, le probl` eme principal est de
d eterminer lordre dex ecution des diff erentes t aches sur une ou plusieurs
machines. Nous verrons cela en d etails au chapitre 2 consacr e ` a lordonnan-
cement en ateliers sp ecialis es.
1.3.3 Organisation en lignes de production
D enition 1.4 On parle dorganisation en lignes de production lorsque quun
ux r egulier de produits passe dun poste ` a lautre, lordre de passage etant x e.
Comme exemple, on peut citer les lignes dassemblage dautomobiles.
En ce qui concerne les ressources mises en uvre, les equipements sont
g en eralement tr` es sp ecialis es. En ce qui concerne lorganisation efcace des
ressources, le probl` eme majeur consiste en l equilibrage de la chane : cest-` a-
dire ` a d enir les t aches ` a r ealiser ` a chaque poste de mani` ere ` a avoir le m eme temps
de r ealisation ` a chaque poste (cfr chapitre 8). En effet, un mauvais equilibrage de
la chane entranera une sous-utilisation des ressources puisque la chane tourne ` a
la vitesse de l el ement le plus lent.
Deux autres probl` emes sont tr` es importants dans ce mode dorganisation de la
production. Il sagit de : la abilit e de la chane (un maillon d efectueux et toute
la chane sarr ete) et de la abilit e du syst` eme dinformations.
1.3.4 Les industries de process
D enition 1.5 On parle dindustries de process lorsque le mode dorganisation
est caract eris e par un ux r egulier et important de mati` eres premi` eres destin ees ` a
etre transform ees en mati` eres plus elabor ees.
Comme exemples, on peut citer la sid erurgie, la p etrochimie, le secteur de la chimie
lourde, le secteur agro-alimentaire, etc. . .
En ce qui concerne lorganisation efcace des ressources, vues limportance
et la r egularit e de la demande, le probl` eme dorganisation au co ut minimum est
g en eralement assez simple. Il peut etre r esolu par la programmation lin eaire.
1.4 Plan du cours
Partie I : les d ecisions op erationnelles.
Lordonnancement 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 planication de la production.
Les techniques de juste ` a temps.
Partie III : les d ecisions strat egiques.
La gestion de projets.
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 dun probl` eme de la vie r eelle. Nous allons illustrer la construction dun
mod` ele math ematique sur un exemple tr` es simpli e de planication de la produc-
tion tir e de Williams [17]. Une usine peut produire cinq produits (not es PROD1 ` a
PROD5). La marge b en eciaire unitaire, cest-` a-dire la diff erence entre le prix de
Section 1.5. Formulation en modèles mathematiques 13
Produit PROD1 PROD2 PROD3 PROD4 PROD5
Marge 550 600 350 400 200
Tableau 1.1: Prot net par produit
vente et le co ut de production dun produit, est donn ee pour chacun des produits
au tableau 1.1.
Chaque produit n ecessite le passage par trois etapes de fabrication. Les temps
requis ` a chaque etape sont donn es en heures 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 (en heures par produit)
Enn, 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 heures par jour jours par semaine
Etape 1 3 machines 16 6
Etape 2 2 machines 16 6
Etape 3 8 personnes 8 6
Tableau 1.3: Ressources en facteurs
troisi` eme ne n ecessite que lintervention de main duvre. En ce qui concerne les
deux premi` eres etapes, lusine 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 lusine est la suivante. Quelles sont
les quantit es ` a fabriquer de chaque produit pour maximiser le prot net ?
La construction dun mod` ele est, en g en eral, une op eration en trois etapes :
1. le choix des variables de d ecisions,
2. lexpression de lobjectif en fonction de ces variables,
3. lexpression des contraintes en fonction de ces variables.
La premi` ere etape consiste donc ` a d enir les variables de d ecision.
D enition 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 n de lalphabet (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 simpose. Il est fondamental de bien
pr eciser les unit es selon lesquelles sont exprim ees les variables. En effet, lordre
de grandeur des coefcients de lobjectif et des contraintes d epend de ces unit es.
La deuxi` eme etape consiste en la formulation de lobjectif.
D enition 1.7 Lobjectif est la quantit e que lon veut minimiser ou maximiser.
Ici, il sagit de la somme des contributions de chacune des productions au prot
net de lusine. Elle sexprime simplement par :
maxz = 550x
1
+ 600x
2
+ 350x
3
+ 400x
4
+ 200x
5
La troisi` eme etape consiste en la formulation des contraintes.
D enition 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 dutilisation 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 dheures 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 nalement la contrainte :
12x
1
+ 20x
2
+ 0x
3
+ 25x
4
+ 15x
5
288.
1
Remarquez ici limportance davoir pr ecis e que les quantit es produites
l etaient par semaine.
Section 1.5. Formulation en modèles mathematiques 15
La deuxi` eme contrainte concerne la limite dutilisation des machines ` a la
deuxi` eme etape. Le nombre maximum dheures dutilisation vaut :
2 (2 8) 6 = 192 heures,
et la contrainte sexprime comme :
10x
1
+ 8x
2
+ 16x
3
+ 0x
4
+ 0x
5
192.
La troisi` eme contrainte concerne la limite dutilisation du personnel ` a la
troisi` eme etape. Le nombre maximum dheures prest ees en une semaine par
les 8 personnes est de :
8 (1 8) 6 = 384 heures.
Et donc la contrainte sexprime comme :
20x
1
+ 20x
2
+ 20x
3
+ 20x
4
+ 20x
5
384.
Enn, il ne faut pas oublier les contraintes, presque toujours pr esentes, disant
que lon ne peut pas produire des quantit es n egatives :
x
1
, x
2
, . . .x
5
0.
Enn, g en eralement on conclut l etape de construction du mod` ele, en regrou-
pant lobjectif et les contraintes. On obtient le programme math ematique sui-
vant :
maxz = 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 quil sagit dun programme lin eaire car il ny 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 d u etre enti` eres (par exemple, la production
davions), on aurait eu un programme en nombres entiers.
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 lobjectif et des contraintes).
1.1. Un probl` eme de choix dinvestissements. Un epargnant veut investir
1000 euros. 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 er et mi-
Type valeur valeur
dinvestissement 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.
nimum garanti de 5% sur un an. Cependant, il a promis dinvestir au moins
600 euros sur B et C ensemble. Comment l epargnant pourrait-il r epartir
son investissement pour maximiser la valeur attendue globale apr` es un an ?
On suppose que linvestisseur utilise toute la somme disponible.
1.2. Un probl` eme de chargement dun haut fourneau. Une fonderie re coit
une commande de 1000 tonnes dacier. 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 est tel quune addition directe
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.
de mangan` ese est envisageable. Ce mangan` ese est disponible au prix de 8
millions la tonne. Les minerais co 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 lacier produit 450
Section 1.6. Exercices de formulation 17
millions les mille tonnes, quel doit etre son plan de production pour maxi-
miser son prot, sachant que le co ut de fonte de mille tonnes de minerai est
de 5 millions ? Le co ut de fonte ne sapplique pas au mangan` ese ajout e.
1.3. Un probl` eme de planication sur co 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 capacit e de production est
de 1200 articles par mois. A laide dheures suppl ementaires, ce niveau
peut etre elev e jusqu` a 400 articles en plus, mais il faut compter, dans ce
cas, un surco ut de 7 euros par article. La situation est telle quil peut se
permettre en r egime normal de produire moins de 1200 articles par mois.
Cela naura aucune incidence sur les co uts de production, ceux-ci etant xes
en r egime normal, mais leffet sur les co uts de stockage peut etre b en eque.
Les co uts de stockage sont de 3 euros par article en stock en n de mois.
Comment lindustriel doit-il planier sa production pour minimiser les co uts
variables, cest-` a-dire les co uts occasionn es par les heures suppl ementaires
et le stockage ?
1.4. Affectation davions ` a des lignes a eriennes. Une compagnie a erienne
r egionale d esire affecter sa otte davions aux4lignes quelle exploite (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 davions : 8 petits avions de 40 places et 3 avions moyens
de 180 places. Les avions, quils soient du mod` ele petit ou moyen, peuvent
effectuer un trajet aller-retour par jour. Le co ut dexploitation journalier dun
avion d epend de sa taille et de la ligne ` a laquelle il est affect e. Ces co uts
sont donn es au au tableau 1.6. On d esire minimiser le co ut dexploitation
Ligne A B C D
Demande 100 200 150 300
Co ut dun petit avion 40 30 70 40
Co ut dun moyen avion 200 100 300 350
Tableau 1.6: Demande et co uts dexploitation des avions par ligne
en satisfaisant la demande.
(a) Formulez math ematiquement le probl` eme de la meilleure affectation
de la otte de cette compagnie.
(b) Vos variables peuvent-elles prendre toutes les valeurs r eelles non n e-
gatives ?
1.5. Production de denr ees p erissables. Une compagnie produit 2 denr ees
p erissables, P et Q, qui sont achemin ees, chaque soir, chez le grossiste. Pour
le transport, la compagnie dispose dune camionnette dont la capacit e permet
dacheminer 2000 kg par jour. Lorsque la production quotidienne exc` ede
cette quantit e, la compagnie fait appel ` a un transporteur ind ependant. Le co ut
de transport est de 2 EURO par kg avec la camionnette propre, tandis que le
transporteur ind ependant demande 3 EURO par kg. La marge b en eciaire,
hors co ut de transport, est 42 EURO par unit e de P et 48 EURO lunit e de Q.
Les produits P et Q sont 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 la
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
compagnie dispose de 3 200 kg de M et de 2 400 kg de N.
Formuler le probl` eme sachant que la compagnie cherche ` a maximiser son
prot net.
1.6. Ajout dun nouveau produit ` a la gamme. Une soci et e envisage lajout
dun nouveau produit ` a sa gamme. Deux mod` eles du nouveau produit on et e
analys es : le mod` ele standard et le mod` ele de luxe. Le mod` ele standard peut
se fabriquer dans nimporte lequel des 3 ateliers (A, B ou C) de la soci et e.
Une unit e de mod` ele standard requiert en main duvre soit 5 heures dans
latelier A, soit 4 heures dans latelier B, soit 5 heures dans C. Quant au
mod` ele de luxe, latelier A ne dispose pas de l equipement n ecessaire et sa
fabrication devra etre con ee aux ateliers B et C. Une unit e du mod` ele de
luxe requiert en main duvre 5 heures dans latelier B, ou 8 heures dans
C. Les capacit es disponibles sont de 2 000 heures pour latelier A, 8 000
heures pour B et 4 000 heures pour C. Le salaire horaire vers e aux ouvriers
est de 11,50 $ dans latelier A, de 13 $ dans B et de 12 $ dans C. Le co ut des
mat eriaux est evalu e ` a 10 $ pour lunit e du mod` ele standard et ` a 15 $ pour
le mod` ele de luxe. Lentreprise se propose de vendre le mod` ele standard
` a 135 $ lunit e et le mod` ele de luxe ` a 145 $ lunit e. Le service marketing
estime quon ne peut esp erer vendre plus de 2 500 unit es du mod` ele standard
ni plus de 1 000 unit es du mod` ele de luxe.
Formuler le probl` eme correspondant ` a la maximisation du prot d ecoulant
du lancement de ce produit.
Partie I
Les d ecisions op erationnelles
19
Chapitre 2
Ordonnancement en ateliers sp ecialis es
2.1 Introduction
Rappelons quon parle dateliers sp ecialis es lorsque lensemble des equipements
n ecessaires pour assurer une fonction d etermin ee sont rassembl es dans un m eme
atelier. Le probl` eme de gestion quotidienne est de d eterminer lordre dex ecution
dun certain nombre de t aches, la r ealisation dune t ache n ecessitant le passage sur
une ou plusieurs machines.
Par exemple, lemboutissage de plusieurs types de porti` eres de voitures de-
mande le passage sur une m eme presse, lordre de passage des diff erents types de
porti` eres sur la presse n etant pas d etermin e ` a lavance.
Parmi les mod` eles dordonnancement en ateliers sp ecialis es, on distingue
Les mod` eles statiques pour lesquels on recherche lordonnancement opti-
mal dun ensemble donn e de t aches sur une p eriode donn ee : autrement dit,
au cours de la p eriode consid er ee, aucune nouvelle t ache non pr evue ne peut
etre prise en compte dans lordonnancement;
Les mod` eles dynamiques dordonnancement qui se caract erisent par des
arriv ees successives de t 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 dordonnancement sur 1 machine, sur 2 machines. Enn,
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 specialises
2.2 Ordonnancement sur une machine
Illustrons le probl` eme sur lexemple suivant tir e de Giard [6]. On a cinq t aches
` a effectuer sur la machine A. Le tableau 2.1 pr esente les diff erentes t aches ainsi
que leurs temps op eratoires. Il sagit de d eterminer lordre dans lequel on va
T 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 dheures)
effectuer ces diff erentes t aches. Il est clair que, quel que soit lordre choisi, le
temps op eratoire total est le m eme : il sagit de la somme des temps op eratoires. Il
faudra donc d enir 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
T ache programm ee(i) 3 4 1 5 2
Temps dex ecution (T
j
) 80 200 50 30 150
Tableau 2.2: Un ordonnancement possible
2.2.1 Le diagramme de Gantt
Illustrons tout dabord une technique de visualisation dun ordonnancement, le
graphique de Gantt. Celui-ci est construit ` a la gure 2.1 pour lordonnancement
machine A
3 4 1 5 2
1 2 3 4 5 temps
(heures)
Figure 2.1: Diagramme de Gantt
du tableau 2.2. Le diagramme de Gantt permet de visualiser ` a la fois :
lutilisation des moyens productifs;
lavancement de lex ecution des t aches.
Section 2.2. Ordonnancement sur une machine 23
En effet, une ligne horizontale illustre l evolution du temps. 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 t ache ` a effectuer sur la machine
est repr esent ee par un segment dont la longueur est proportionnelle ` a la dur ee
dex ecution de la t ache. On indiquera le num ero de la t ache au dessus du segment
tandis quune machine au repos est indiqu ee par un Z.
Si lon veille ` a aligner verticalement lorigine du temps pour chaque machine,
une ligne verticale indique donc ` a tout moment ` a quelle t ache est occup ee chacune
des machines. Un tableau mural peut etre ainsi dun grand recours pour les agents
de matrise responsable de laffectation des moyens humains et mat eriels.
2.2.2 La r` egle T.O.M.
Comme nous lavons indiqu e plus haut, tous les ordonnancements possibles con-
duisent au m eme temps total dex ecution des t aches. Dans lexemple, lex ecution
des 5 t aches n ecessite 510 centi` emes dheure. La question qui se pose est alors :
comment choisir parmi les n! ordonnancements possibles ?
Notons A
j
le temps dach` evement de la t ache programm ee en position j. Le
temps dach` evement dune t ache est la somme des temps dex ecution de la t ache
avec ceux des t aches pr ec edentes. Par exemple,
A
4
=
4
h=1
T
h
= T
1
+T
2
+T
3
+T
4
Le calcul des diff erents temps dach` evement des t 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 dach` evement des t aches
Le temps dach` 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 sagit donc dune somme pond er ee des temps op eratoires, chaque temps op era-
toire etant pond er e par un facteur dautant plus grand quil se trouve ex ecut e plus
t ot dans lordonnancement. La r` egle dordonnancement qui minimise le temps da-
ch` evement moyen est celle du temps op eratoire minimum : il sagit dex ecuter
les t aches par ordre croissant de dur ee :
T
1
T
2
. . . T
j
. . . T
n
Lapplication de cette r` egle donne lordonnancement illustr e au tableau 2.4. Cette
application donne le temps dach` evement moyen minimum :
A = 218
Ordre (j) 1 2 3 4 5
T aches (i) 5 1 3 2 4
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 dune t ache etant la diff erence entre le moment o` u la t ache est termin ee et
celui o` u elle aurait et e termin ee si lon lavait commenc e en premier lieu.
2.3 Ordonnancement avec deux centres de production
Chaque t ache n ecessite pour son ex ecution le passage sur deux machines : les
machines A et B. Soient t
iA
et t
iB
, les temps dex ecution de la t ache i sur les
machines A et B respectivement. On va utiliser comme crit` ere dordonnancement
la minimisation du temps total dex ecution des t aches sur les deux machines. On
va distinguer deux cas :
le cas o` u toutes les t aches sont ` a ex ecuter sur A puis B;
le cas o` u toutes les t aches nont pas le m eme ordre de passage sur les deux
machines.
2.3.1 Cas o` u toutes les t aches sont ` a ex ecuter sur A puis B
Supposons donc que cinq t aches soient ` a ex ecuter sur les machines A puis B. Les
temps op eratoires (en centi` emes dheure) sont repris au tableau 2.5.
Section 2.3. Ordonnancement avec deux centres de production 25
T 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
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
Z
Z
Figure 2.2: Diagramme de Gantt
Lordonnancement optimal est illustr e ` a la gure 2.2. Remarquez que durant
lex ecution de la premi` ere t ache sur A, la machine B dort. On a donc int er et ` a
mettre en t ete la t ache de temps t
iA
le plus faible. De fa con similaire, lors de
lex ecution de la derni` ere t ache sur la machine B, la machine A dort. On a donc
int er et ` a mettre en n la t ache de dur ee dex ecution t
iB
minimum.
En se basant sur ces deux observations, lalgorithme Johnson (1954) calcule
lordonnancement minimisant le temps total dex ecution des t aches :
1. Rechercher la t ache i de temps dex ecution t
im
minimum.
2. Si m = A, placer cette t ache ` a la premi` ere place disponible;
Si m = B, placer cette t ache ` a la derni` ere place disponible.
3. Supprimer la t ache i des t aches encore ` a programmer, retour en 1.
Appliquons ceci ` a lexemple. Dabord, la t ache 5 (t
5A
= 30) est mise en
premi` ere position. Puis, la t ache 1 (t
1A
= 50) est mise en deuxi` eme position. Puis
la t ache 2 (t
2B
= 50) est mise en derni` ere position. Puis la t ache 4 (t
2B
= 70)
est mise en avant derni` ere position. Enn, la t ache 3 est mise ` a la derni` ere place
disponible.
5 1 3 4 2
On obtient le graphique de Gantt de la gure 2.2 o` u le passage dune t ache dune
machine ` a lautre est visualis e ` a laide dune ` eche verticale.
2.3.2 Cas de t aches ne seffectuant pas dans le m eme ordre
Dans ce cas plus g en eral, certaines t aches ne n ecessitent que le passage sur une
machine, dautres sur les deux dans un ordre ou lautre. Les donn ees num eriques
sont reprises au tableau 2.6.
T aches ` a effectuer sur A puis B
T aches (i) 1 2 3 4 5 6
t
iA
50 80 10 50 30 70
t
iB
30 60 30 0 0 0
T aches ` a effectuer sur B puis A
T 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 lalgorithme de Jackson
Lordonnancement qui minimise le temps total dex ecution des t aches sur
les deux machines est obtenu par lalgorithme de Jackson (1957) qui est une
g en eralisation de lalgorithme de Johnson. Il consiste tout simplement ` a :
1. Faire une partition de lensemble des n t aches en
lensemble A des t aches ne passant que sur A : A = {4, 5, 6};
lensemble B des t aches ne passant que sur B : B = {10, 11};
lensemble AB des t aches passant sur A puis B : AB = {1, 2, 3};
lensemble BA des t aches passant sur B puis A : BA = {7, 8, 9}.
2. Calculer un ordonnancement pour chaque sous-ensemble :
lordonnancement optimal pour AB par Johnson : 3, 2, 1;
lordonnancement optimal pour BA par Johnson : 9, 8, 7;
un ordonnancement arbitraire pour A (par exemple, TOM) : 5, 4, 6;
un ordonnancement arbitraire pour B (par exemple, TOM) : 11, 10.
3. Remarquons que lon a int er et ` a d ebuter le plus vite possible sur Ales t aches
qui doivent ensuite aller sur B et ` a mettre en derni` ere place sur A celles qui
doivent dabord aller sur B. Ceci conduit ` a combiner ces ordonnancement
de la mani` ere suivante :
Section 2.4. Ordonnancement sur trois machines 27
Pour la machine A : la s equence optimale pour le sous-ensemble AB,
puis les t 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 t aches 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 gure 2.3.
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
Lalgorithme de Johnson ne sapplique quen pr esence de deux machines. Cepen-
dant, le cas de trois machines peut se ramener au cas de deux machines si la machine
B est compl` etement domin ee par la machine A ou par la machine C, cest-` a-dire
si lon 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
.
Illustrons ceci sur lexemple du tableau 2.7. o` u lon constate que :
minimum t
iA
= 12 = maximum t
iB
.
On est donc bien dans les conditions dapplication enonc ees ci-dessus. Remarquez
quil ne faut pas que les conditions soient simultan ement v eri ee. Ainsi dans
lexemple, la seconde condition nest pas v eri ee.
t 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 lon se trouve dans un des deux cas, on reformule alors le probl` eme en
un probl` eme ` a deux machines, la premi` ere groupant les machines A et B (t
iAB
=
t
iA
+t
iB
) et la seconde groupant les machines B et C (t
iBC
= t
iB
+t
iC
).
t 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
On applique alors lalgorithme de Johnson ` a ce probl` eme ` a deux machines pour
d eterminer lordonnancement optimal.
Place 1 2 3 4 5 6 7
t ache 5 4 7 3 2 1 6
On peut alors tracer le diagramme de Gantt correspondant au probl` eme original,
cest-` a-dire celui avec trois machines (voir gure 2.4).
Assemblage
5 1 7 4 2 3
5 1 7 4 2 3
6
6 Z Z Z Z Z
Z
Inspection
Expdition
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 o` u la machine centrale nest pas domin ee par la premi` ere o` u la
troisi` eme machine, le probl` eme peut etre mod elis e comme un probl` eme en nombres
entiers et r esolu par une technique de programmation en nombres entiers telle que
la m ethode de branch and bound.
Section 2.5. Exercices 29
2.5 Exercices
2.1. B atiments - travaux publics. Une entreprise de B atiments et Travaux
Publics est sp ecialis ee dans la r ealisation douvrages dart en b eton arm e.
Pour effectuer ses travaux, elle dispose de deux corps de m etier, les coffreurs
et les ma cons. Cette entreprise doit faire les devis pour six r ealisations. Une
premi` ere analyse des travaux permet de d eterminer les temps suivants :
Fabrication No 25
Coffrage 2 jours
B eton 4 jours
Fabrication No 26
Coffrage 1 jour
B eton 3 jours
Fabrication No 27
Coffrage 5 jours
B eton 7 jours
Fabrication No 28
Coffrage 10 jours
B eton 8 jours
Fabrication No 29
Coffrage 5 jours
B eton 2 jours
Fabrication No 30
Coffrage 3 jours
B eton 6 jours
(a) Cherchant ` a optimiser lemploi de tous les corps de m etier, vous devez
proposer ` a cette soci et e lordre de prise en compte des travaux.
(b) Avec cet ordre quel est le nombre de jours economis es par rapport ` a
une prise en compte des fabrications dans lordre de leur arriv ee ?
(c) Si on doit tenir compte dun temps inter-op eratoire xe de deux jours
entre la n du coffrage et le d ebut du b eton (1 jour imputable au coffrage
et lautre au b eton), que devient lordre que vous avez propos e ?
2.2. 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 etre usin ees sur la machine M
1
puis
sur la machine M
2
. Avant dusiner chaque lot, il faut proc eder au r eglage de
chaque machine. Les dur ees des t aches de r eglage et dusinage de chacun
des lots sur les deux machines sont donn ees au tableau ci-dessous en heures.
Machine R eglage A Usinage A R eglage B Usinage B
M1 1 2 2 2
M2 1 3 6 1
On veut minimiser le temps total dex ecution des pi` eces.
(a) Expliquez pourquoi lalgorithme de Johnson ne sapplique pas.
(b) Faites une enum eration de tous les ordonnancements possibles.
(c) Tracez le diagramme de Gantt dans chacun des cas.
2.3. Gestion du temps pour la composition dun travail de groupe. Deux
ing enieurs disposent de 10 jours pour r ealiser un travail de groupe. Ce
travail se compose de 4 t aches ind ependantes entre elles (lordre na pas
importance). Chacune de ces t aches peut etre divis ee en une phase danalyse,
r ealis ee par le premier etudiant, et une phase de calculs, r ealis ee par le second.
Lanalyse doit pr ec eder les calculs. Les temps n ecessaires (en jours) ` a la
r ealisation des t aches sont donn es au tableau ci dessous.
T ache Phase danalyse ( etudiant 1) Phase de calculs ( etudiant 2)
A 2 2
B 0,8 1,5
C 1,5 0,5
D 2 1
(a) Quel est lordonnancement des t aches qui minimise le temps de r eali-
sation du travail ?
(b) Les deux ing enieurs aimeraient ajouter en annexe 3 autres parties :
E, F et G. Les deux premi` eres (E et F) ne n ecessitent pas danalyse
pr ealable tandis que la derni` ere (G) comporte seulement une phase
danalyse. Les temps sont donn es au tableau ci-dessous.
T ache Analyse ( etudiant 1) Calculs ( etudiant 2)
E - 2
F - 1,5
G 1,5 -
La r ealisation des ces annexes ne n ecessite pas que les t aches princi-
pales (A, B, C et D) soient nies. Avec ces donn ees suppl ementaires,
d eterminez, pour chacun des ing enieurs, lordre dex ecution des 7
t aches qui minimise le temps total de r ealisation du travail.
(c) Illustrez ` a laide dun diagramme de Gantt.
(d) Pourront-ils rendre le travail ` a temps ?
2.4. Ordonnancement avec 3ateliers. Cinqt aches doivent passer par les ateliers
de montage, nition et exp edition. Les temps op eratoires sont les suivants.
T 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
D eterminez lordonnancement qui minimise le temps de r ealisation des
t 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 sil y a :
1. non concidence dans le temps et lespace 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 conserie pour la non concidence dans le temps, et les
supermarch es pour la non concidence dans lespace.
2. incertitude sur le niveau de demande ou sur le prix : sil 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. Sil 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. risque de probl` emes enchane : il sagit ici d eviter quune panne ` a unposte
ne se r epercute sur toute la chane : un retard dex ecution au poste pr ec edent
ou une gr` eve des transports narr etera pas imm ediatement lensemble du
processus de production sil y a des stocks tampons.
4. pr esence de co uts de lancement : dans ce cas, travailler par lots permet une
economie d echelle sur les co uts de lancement mais, en revanche, provoque
une augmentation des co uts de possession du stock.
La gestion des stocks pose cependant de multiples probl` emes : tenue dinven-
taires, valorisation du stock, d enition des capacit es de stockage et enn, 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 lapprovisionnement 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, lapprovisionnement du
stock est d eclench e lorsque lon observe que le stock descend en des-
sous dun niveau s, le point de commande.
En gestion calendaire, lapprovisionnement du stock est d eclench e ` a
intervalles r eguliers T, par exemple, chaque jour ou chaque semaine.
En gestion calendaire conditionnelle, lapprovisionnement du stock
est d eclench e ` a intervalles r eguliers T, mais uniquement lorsque lon
observe que le stock descend en dessous dun 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
xe, not ee q et appel ee quantit e economique de commande. Comme
nous le verrons au chapitre 4, sa d etermination r esulte dun calcul
doptimisation.
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 linter-
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` erement et s, le point de commande qui d eclenche lapprovisionnement
du stock.
Section 3.3. Les co uts associes aux stocks 33
3.3 Les co uts associ es aux stocks
Un stock est constitu e pour satisfaire une demande future. En cas de demande
al eatoire, il peut y avoir non concidence 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 co 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 lobjectif
C(q). Ces variables de commandes d eterminent en g en eral trois variables d etat
du syst` eme :
I
r
, la rupture moyenne, cest-` a-dire le nombre moyen de demandes non satis-
faites au cours dune p eriode, auquel est associ e un co ut unitaire de rupture,
not e c
r
;
I
p
, le stock moyen poss ed e au cours dune p eriode, auquel est associ e un co ut
unitaire de possession, c
p
;
I
c
, le nombre moyen de commandes pass ees au cours dune p eriode, auquel est
associ e un co ut unitaire de commande, c
c
.
La fonction de co 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 etails chacun des trois co uts partiels.
3.3.1 Les co uts de possession
Les co uts de possession comprennent :
1. les co uts de d etention dun article en stock durant une certaine p eriode en
fonction des conditions nanci` eres dacquisition et des eventuelles condi-
tions de reprise.
2. les co uts de stockage qui sont les d epenses de logistique, de conservation du
stock.
Comme signal e plus haut, en pr esence dune demande al eatoire, il peut y avoir
non concidence 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
lon se trouve dans
le cas du stock ` a rotation nulle, cest-` a-dire lorsque le stock r esiduel est
sans utilit e pour lentreprise. Ceci se pr esente notamment :
en cas dobsolescence technique ou commerciale : par exemple, les
v etements de modes,. . .
en cas o` u la consommation a un d elai maximum : par exemple, les
primeurs, les journaux,. . .
Dans ce cas, le co ut de possession dun article se calcule comme le co ut
dacquisition dun article moins la valeur de r ecup eration (solde).
Prenons un exemple. Un quotidien achet e 0,9 EURO par le libraire et dont
linvendu est repris 0,75 EURO par le grossiste : le co ut de possession est
de 0,9 - 0,75 = 0,15 EURO.
le cas du stock ` a rotation non nulle, cest-` a-dire lorsque linvendu peut etre
vendu ` a une p eriode ult erieure. Cest lexemple des botes de conserves en
epicerie non vendues une p eriode qui le seront aux p eriodes suivantes.
Dans ce cas, le co ut de possession li e ` a limmobilisation du capital. En
gelant la somme dargent correspondant au co ut dachat de larticle invendu,
la soci et e se prive du revenu dun placement nancier quelle aurait pu
r ealiser. Ce co ut est appel e co ut dopportunit e. Le taux dopportunit e est
la rentabilit e du meilleur investissement que lentreprise aurait pu faire.
Prenons un exemple. Si le taux dopportunit e est de 6 % lan, une bote de
conserves achet ee 1,20 EUROet restant en rayon un mois entier a co ut e 1,20
6 % 1/12 = 0,006 EURO.
Lautre partie du co ut de possession concerne les co uts de stockage. Ces co uts
de stockage, comprennent, en g en eral des frais xes, tels que le co ut de location
dentrep ots, ainsi que des frais variables, tels que le co ut de manutention. Le
co ut unitaire de stockage que lon doit prendre en consid eration dans la fonction
objectif est le co ut moyen de lensemble de ces frais. Malheureusement, ce ce co ut
moyen d epend du volume dactivit e et ne peut donc pas etre consid er e comme une
constante. Cette difcult e fait que souvent on ninclut pas de co ut de stockage
dans le co ut de possession et le co ut de possession se r eduit donc au seul co ut
dimmobilisation du capital.
Section 3.3. Les co uts associes aux stocks 35
3.3.2 Les co 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 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 co ut de rupture est le manque ` a gagner
de la non fourniture dune unit e, g en eralement la marge b en eciaire sur cet
article.
Prenons un exemple. Un journal achet e 0,90 EUROpar le libraire et revendu
1,20 EURO a un co ut de rupture de 1,20 - 0,90 = 0,30 EURO.
En cas de ventes diff er es, le co ut de rupture ninclut pas la marge car la
vente sera r ealis ee plus tard. Ce co ut de rupture est le co ut administratif
douverture dun dossier et eventuellement un co ut commercial (on fait une
ristourne pour ne pas perdre le client).
Prenons un exemple. Un garagiste qui na plus de stock le v ehicule d esir e
par son client va lui proposer une voiture de location gratuite durant le d elai
dattente pour ne pas perdre le client. Le co 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 entrane un ch omage technique
des postes en aval. Le co ut de rupture correspond au co ut nancier du ch omage
technique.
3.3.3 Les co uts de commande
A nouveau, il faut ici distinguer le cas dune demande interne et celui dune
demande externe :
Encas de stockde fabrication, le co ut de commande est le co ut de lancement
de la production. Il sagit du r eglage des machines, etc . . . Normalement,
ce co ut est ind ependant de la quantit e fabriqu ee.
En cas de stock dapprovisionnement, le co ut de commande est le co ut
administratif de gestion de la commande : etablissement dun bordereau,
contr ole de livraison, liquidation comptable,. . . . Normalement, ce co ut est
egalement ind ependant de la quantit e command ee.
3.4 Gestion calendaire de stock ` a rotation nulle
Pour rappel, on se trouve dans le cas dun stock ` a rotation nulle lorsquil ny 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, cest-` a-dire lintervalle
entre deux approvisionnements, not e T est g en eralement x e par la nature de
lapprovisionnement. Par exemple, un p atissier met en fabrication des g ateaux
chaque jour. Le libraire commande des journaux chaque jour, des p eriodiques
chaque semaine ou chaque mois.
Nous allons illustrer les choses sur lexemple du p atissier tir e de Giard [6] qui
est un exemple o` u la demande suit une loi de probabilit e discr` ete. Supposons un
co ut de fabrication de 25 F lunit e et un prix de vente de 60 F lunit e. Supposons
que la vente quotidienne de ce g 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 doccurrence de cette valeur. Ainsi on a 8,21 % de chances dobserver
aucun client un jour donn e. Les invendus de la journ ee sont donn es.
La question que se pose le p atissier est la suivante : combien mettre de g ateaux
en fabrication chaque jour pour maximiser son b en ece ?
Le co ut de possession, c
p
, li e ` a linvendu en n de journ ee est 25 F, cest-` a-dire
le co ut de production. Tandis que le co ut de rupture, c
r
, li e ` a une vente manqu ee
est egal ` a la marge, cest-` 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 n 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
Avant de voir comment d eterminer, en g en eral, le stock initial S
qui mi-
nimise le co ut moyen C(S), voyons sur lexemple comment on peut calculer
num eriquement ce minimum.
Nous allons dabord calculer I
r
(S), le nombre moyen de ruptures. Au tableau
3.2, on calcule explicitement le nombre de ruptures en fonction du stock initial
(S) et de la demande observ ee (x) : bien evidemment, ce nombre de ruptures
est la partie positive de (x S). Pour calculer le nombre moyen de ruptures, il
suft, pour chaque valeur de S de faire la moyenne pond er ee de ce nombre par la
probabilit e dobserver x. Ceci est fait en derni` ere ligne du tableau 3.2.
Calcul du nombre de ruptures (x S)
x P(X = x) S = 1 S = 2 S = 3 S = 4 S = 5 S = 6
0 0, 0821 0 0 0 0 0 0
1 0, 2052 0 0 0 0 0 0
2 0, 2565 1 0 0 0 0 0
3 0, 2138 2 1 0 0 0 0
4 0, 1336 3 2 1 0 0 0
5 0, 0668 4 3 2 1 0 0
6 0, 0278 5 4 3 2 1 0
7 0, 0099 6 5 4 3 2 1
8 0, 0031 7 6 5 4 3 2
9 0, 0009 8 7 6 5 4 3
I
r
(S) 1, 579 0, 867 0, 411 0, 169 0, 061 0, 019
Tableau 3.2: Calcul du nombre moyen de ruptures
Nous allons ensuite calculer I
p
(S), le stock moyen poss ed e. Au tableau 3.3,
on calcule explicitement le stock poss ed e en fonction du stock initial (S) et de
la demande observ ee (x) : bien evidemment, ce stock nal poss ed e est la partie
positive de (S x). Pour calculer le stock moyen poss ed e, il suft, pour chaque
valeur de S de faire la moyenne pond er ee de ce nombre par la probabilit e dobserver
x. Ceci est fait en derni` ere ligne du tableau 3.3.
Enn, nous calculons le co ut moyen de possession du stock en appliquant la
formule suivante :
C(S) = 35I
r
(S) + 25I
p
(S)
Ceci est fait au tableau 3.4. On constate (voir gure 3.1) que le co ut minimum est
obtenu pour
S
= 3.
Calcul du stock r esiduel (S x)
x P(X = x) S = 1 S = 2 S = 3 S = 4 S = 5 S = 6
0 0, 0821 1 2 3 4 5 6
1 0, 2052 0 1 2 3 4 5
2 0, 2565 0 0 1 2 3 4
3 0, 2138 0 0 0 1 2 3
4 0, 1336 0 0 0 0 1 2
5 0, 0668 0 0 0 0 0 1
6 0, 0278 0 0 0 0 0 0
7 0, 0099 0 0 0 0 0 0
8 0, 0031 0 0 0 0 0 0
9 0, 0009 0 0 0 0 0 0
I
p
(S) 0, 0821 0, 3694 0, 9132 1, 6708 2, 562 3, 52
Tableau 3.3: Calcul du stock moyen poss ed e
Calcul du co ut du stock
S 1 2 3 4 5 6
C(S) 57, 33 39, 58 37, 22 47, 69 66, 17 88, 66
Tableau 3.4: Calcul du co ut moyen de possession du stock
0
20
40
60
80
100
0 1 2 3 4 5 6 S
C(S)
S
=
Figure 3.1: Evolution du co ut moyen de possession du stock
En cas de co ut convexe (on peut v erier que le co ut est bien une fonction
convexe de S), le stock optimal S
est celui pour lequel le co 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 equivalent pour une fonction continue
de dire que la d eriv ee premi` ere doit etre n egative avant S
et positive apr` es S
. On
va donc etudier l evolution de la diff erence de co 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 co 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 lesp 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, de m eme, la rupture moyenne I
r
(S = 5) associ ee austockinitial 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)
On en conclut que la diminution de rupture moyenne I
r
(S) occasionn ee par
une augmentation dune 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 lannexe B donne le calcul de P(X > x) en fonction de , la
valeur du param` etre de la loi de Poisson.
Comme annonc e plus haut, il est possible de ramener la fonction de co ut comme
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 co ut de possession est le stock moyen
observ e en n de p eriode qui correspond donc ` a linvendu. 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 lesp erance math ematique suivante :
I
p
(S) =
S1
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. Do` u la relation entre I
p
et I
s
:
I
p
(S) = S

X +I
r
(S)
(3.3)
qui peut sinterpr 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 lon peut exprimer le co ut total
C(S) en fonction du seul co 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)
_
Do` u lexpression de C(S) :
C(S) = c
p
(S

X) + (c
r
+c
p
)I
r
(S) (3.4)
Revenons maintenant au probl` eme de la d etermination de la solution opti-
male, cest-` 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 doptimalit 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 lexemple :
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.
Do` u
S
= 3.
On en conclut quil est optimale de produire chaque matin 3 g ateaux.
3.5 Cas dune loi de demande continue
Nous allons illustrer ce cas sur unexemple egalement tir e de Giard[6]. Consid erons
un marchand de journaux qui vent un quotidien ` a 3,5 F lunit e, qui lui-m eme
lacqui` ere ` a 2,8 F aupr` es de son grossiste qui lui reprend les invendus au prix de
2,6 F lunit e.
Le co ut de rupture, c
r
, est li e ` a linvendu et vaut donc la marge b en eciaire,
3,5 F - 2,8 F = 0,7 F tandis que le co ut de possession, c
p
, vaut la perte enregistr ee
par invendu, cest-` a-dire 2,8 F - 2,6 F = 0,2 F.
On suppose que la demande quotidienne suit approximativement une loi nor-
male de moyenne

X = 300 et d ecart type = 20. La question qui se pose
est la suivante : quel est le nombre dexemplaires ` a commander S de mani` ere ` a
minimiser le co ut de gestion :
C(S) = c
p
I
p
(S) +c
r
I
r
(S)
Le co ut de gestion s ecrit dans le cas dune 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 doptimalit e s ecrit dans le cas dune loi continue :
C
(S
) = 0
Comme dans le cas discret, on peut ramener ce co 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 lexpression 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 [6][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 dune loi de demande continue 43
cest-` a-dire exactement le m eme 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. Do` u lon 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 lexemple :
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
>
S
300
20
_
= 0, 2222
Par lecture dans la table de la normale r eduite, on d etermine :
t
S
=
S
300
20
= 0, 765
Do` u nalement :
S
= 315, 3 315.
Lapprovisionnement p eriodique optimal est donc de S
= 315.
Avant de passer au cas de stocks ` a rotation non nulle, examinons quelques
indicateurs que lon peut d eduire de la solution optimale.
3.6 Les cons equences economiques de la solution optimale
La rupture de stock
Dans le cas (discret) de la production de g ateau, le calcul de I
r
(s) seffectue comme
suit :
I
r
(S) =
x>S
(x S)P(X = x)
=
x>S
xP(X = x) S
x>S
P(X = x)
Do` u nalement :
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 , on montre que :
x>S
xP(X = x) = P(X > S 1)
Do` u lon tire nalement :
I
r
(S) = P(X > S 1) SP(X > S)
(3.8)
Ce qui nous donne dans le cas de lexemple :
I
r
(S
= 3) = 2, 5P(X > 2) 3P(X > 3)

= 2, 5 0, 4562 3 0, 2424
= 0, 4133.
Dans le cas de la vente de journaux (loi de demande continue), le calcul de I
r
(S)
seffectue par lint egrale suivante :
I
r
(S) =
_

S
(x S)f(x)dx
=
_

S
xf(x)dx S
_

S
f(x)dx
Do` u lon tire
I
r
(S) =
_

S
xf(x)dx SP(x > S)
Section 3.6. Les consequences economiques de la solution optimale 45
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(, ), on obtient la formule
suivante :
I
r
(S) = [f(t
S
) t
S
P(t > t
S
)] = g(t
S
)
avec :
t
S
=
S

X
et f(t
S
) =
e
t
2
S
/2
2
Appliquons ceci aux donn ees num eriques de lexemple pour lequel
t
s
=
315 300
20
= 0, 75.
La table B.3 donne directement :
g(t
S
= 0, 75) = 0, 1312
Lapplication de la formule donne donc :
I
r
(S) = 20 0, 1312 = 2, 624.
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 sobtient ` 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 p atissier, on aura donc :
I
p
(S
= 3) = (3 2, 5) + 0, 413 = 0, 9133 g ateaux.

Pour le marchand de journaux, on aura :
I
p
(S
= 315) = (315 300) + 2, 624 = 17, 624 journaux.

Remarquez que, dans les deux cas, le stock r esiduel se calcule comme le stock
initial diminu e de la demande satisfaite.
Le co ut moyen
Le co ut moyen C(S) peut etre calcul e par la relation suivante :
C(S) = c
r
I
r
(S) +c
p
I
p
(S)
Pour lexemple du p atissier, on obtient :
C(S) = 35 0, 4132 + 25 0, 9132 = 14, 46 + 22, 83 = 37, 30 F.
Pour lexemple du marchand de journaux, on obtient :
C(S) = 0, 7 2, 624 + 0, 2 17, 624 = 5, 36 F.
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 co ut de stockage :
B(S) = m
u

X C(S) (3.9)
Donnons quelques explications sur cette formule. Deux cas sont possibles quant
aux ventes manqu ees (aux ruptures de ventes) :
Soit les ventes manqu ees sont perdues, et dans ce cas, le co ut de rupture est
la marge b en eciaire. La formule (3.9) devient dans ce cas :
B(S) = c
r

X c
r
I
r
(S) c
p
I
p
(S)
= c
r
(

X I
r
(S)) c
p
I
p
(S)
Le b en ece net est donc la marge b en eciaire sur les ventes r ealis ees moins
le co ut des invendus.
Soit les ventes manqu ees sont diff er ees, et dans ce cas, la marge b en eciaire
sera r ealis ee sur lensemble de la demande exprim ee

X, ce qui justie di-
rectement la formule (3.9) .
Lapplication de cette relation ` a lexemple num erique du p atissier donne :
B(S) = m
u

X C(S) = 35 2, 5 37, 30 = 50, 20 F.
tandis que pour le marchand de journaux, elle donne :
B(S) = m
u

X C(S) = 0, 7 300 5, 36 = 204, 64 F.
Nous allons maintenant passer au cas de stock ` a rotation non nulle.
Section 3.7. Cas de stocks ` a rotation non nulle 47
3.7 Cas de stocks ` a rotation non nulle
Pour rappel, on parle de stocks ` a rotation non nulle lorsque les invendus dune
p eriode seront vendus aux p eriodes suivantes. Cest de loin le cas le plus r epandu.
La variable de commande du syst` eme est ici S, le niveau de recompl` etement,
cest-` a-dire le niveau du stock que lon 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 nest
plus xe. 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 etre report ees.
Pour illustrer le processus de d etermination de S
, le niveau optimal de re-

compl` etement, cest-` a-dire celui qui minimise le co ut :
C(S) = c
p
I
p
(S) +c
r
I
r
(S),
nous consid erons lexemple suivant de la ventes dampoules d eclairage tir e de
Giard [6].
On suppose que la demande hebdomadaire dampoules 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 dachat de 3 F lunit e. Les ampoules
sont vendues au prix de 3,5 F lunit e. On suppose un taux dopportunit e annuel de
20 %.
Do` u un co ut de possession annuel par ampoule en stock de :
3 F 0, 2 = 0, 6 F.
Pour arriver ` a un co ut de possession hebdomadaire, il faut tenir compte du nombre
de semaines sur lesquelles la demande sexprime. 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 nest plus son prix dachat mais la perte nanci` ere due au gel en
stock de son prix dachat.
Calculons maintenant le co 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
?
Pour le calcul du stock moyen poss ed e, il faudra distinguer deux cas de gure :
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 xer les id ees, quun niveau de recompl` etement de 320 ait
et e choisi.
1. Cas dune demande inf erieure ` a S : dans ce cas, il ny a pas de rupture
de stock. Cest lexemple dune demande observ ee de 310. Le stock de n
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 gure 3.2
S = 320
x = 310
T = 5 jours
_
_
_ _ _
S x = 10
Figure 3.2: 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
(3.10)
2. Cas dune demande sup erieure ` a S : dans ce cas, on observe une rupture
de stock. Cest le cas, par exemple, dune 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 gure 3.3). La demande journali` ere est donc
S = 320
x = 350
T = 5 jours
x S = 30
s = 0
Figure 3.3: Evolution du stock en cas de rupture
350
5
= 70 ampoules par jour. Et l evolution du stock moyen poss ed e peut
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. Do` 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 formule donne une solution analytique au probl` eme de la d etermination
du niveau optimal de recompl` etement S
assez difcile ` a mettre en uvre.

Une hypoth` ese simplicatrice, ` a savoir que la rupture se produit en n de
p eriode permet deffectuer des calculs simpli es. Sous cette hypoth` ese, le
stock varie entre S et 0 et donc :
Si x > S : I
p
(S) =
S
2
(3.11)
3.7.1 D etermination de la solution optimale
Sous cette hypoth` ese simplicatrice, nous allons pouvoir d eterminer le niveau de
recompl` etement optimal. Le co 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
Tandis que le nombre moyende ruptures, I
r
(S), peut se calculer comme lint egrale :
I
r
(S) =
_

S
(x S)f(x)dx
On peut maintenant tirer lexpression de I
p
(S) en fonction de I
r
(S) :
I
p
(S) =
_
S
0
(
S
2
+
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
(3.12)
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)
Do` u nalement :
C(S) = c
p
(S
X
2
) + (c
r
+
c
p
2
)I
r
(S)
Dans le cas dune loi de demande continue, il suft dannuler 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
do` u
P(X > S
) =
c
p
c
r
+c
p
/2
(3.13)
Appliquons ceci aux donn ees num eriques de notre exemple de ventes dam-
poules electriques. Par la relation (3.13) :
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
Do` u, le niveau optimal de recompl` etement : S
= 340.
Tout comme dans le cas de stock ` a rotation nulle, on peut d eduire les principaux
indicateurs de la solution optimale choisie :
Le nombre moyen de rupture se calcule par la formule suivante :
I
r
(S
) = [f(t
S
) t
S
P(t > t
S
)]
= 20 0, 0084
= 0, 168
Le stock moyen poss ed e se calcule ` a partir de la formule
I
p
(S
) = S
X
2
+
I
r
(S
)
2
= 340
300
2
+
0, 168
2
= 190, 08
Le co ut moyen de stockage se calcule comme
C(S
) = c
p
I
p
(S
) +c
r
I
r
(S
)
= 0, 01154 190, 08 + 0, 5 0, 168
= 2, 28
La marge hebdomadaire moyenne nette se calcule comme :
B(S
) = m
u

X C(S
)
= 0, 5 300 2, 28
= 147, 72
3.7.2 Cas dune loi de demande discr` ete
Terminons ce chapitre en voyant les formules de calcul dans le cas dune 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) =
S1
0
(S
x
2
)P(X = x) +
S
S
2
P(X = x)
=
S1
0
(S
x
2
)P(X = x) +
S
2
P(X S)
Exprimons ce stock moyen poss ed e en fonction du nombre moyen de rupture :
I
p
(S) =
S1
0
(
S
2
+
S
2

x
2
)P(X = x) +
S
2
S
P(X = x)
=
1
2
[S +
S
0
(S x)P(X = x)]
=
S
2
+
1
2
0
(S x)P(X = x)
1
2
S
(S x)P(X = x)
On obtient donc la relation suivante entre I
p
et I
r
:
I
p
(S) = S
X
2
+
I
r
(S)
2
(3.14)
cest-` a-dire exactement la m eme formule que 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)
= c
p
(S
X
2
) + (c
r
+
c
p
2
)I
r
(S)
Par des calculs analogues ` a ceux du cas de la rotation nulle, on d etermine nalement
le niveau optimal de recompl` etement S
par la formule suivante :

P(X > S
)
c
p
c
r
+c
p
/2
P(X > S
1)
(3.15)
Il est ` a noter que si la loi de demande est du type Poisson, I
r
(S), le nombre
moyen de demandes non satisfaites, se calcule par la m eme formule que pr ec e-
demment ` a savoir :
I
r
(S) = P(X > S 1) SP(X > S)
3.8 Exercices
3.1. Achat de pi` eces de rechange. Ling enieur en chef dune usine passe la
commande dun mod` ele de pi` eces d etach ees dune machine pour laquelle
il craint un approvisionnement difcile. Les cons equences dun arr et de la
machine ` a cause dun retard de livraison de la pi` ece sont particuli` erement
on ereuses : le co ut dun arr et de la production pour manque de pi` ece est
de 25.000 F. En achetant cette pi` ece en m eme temps que la machine, le
co ut unitaire dapprovisionnement est de 1.000 F. Lexp erience pass ee de
ling enieur lincite ` 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 lobsolescence
technique rapide de la machine.
(a) Quelle est la politique optimale ` a suivre ?
(b) Quel est le co ut nancier de cette politique de commande de pi` eces de
rechange ?
3.2. Ventes dhebdomadaires. Un libraire commande r eguli` erement un hebdo-
madaire aupr` es de son grossiste. Son co ut dachat 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 dexemplaires ` a commander aupr` es de son grossiste
chaque semaine si le co ut de reprise est de 10 F ?
(b) Quelle est sa marge nette moyenne ?
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 lann ee. Il sagit dune calculatrice scientique qui est achet ee 45 F
et revendue 55 F. Le taux dopportunit e utilis e est de 20 %. La demande
hebdomadaire de ce mod` ele est denviron 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 dapprovisionnement 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 niveau optimal de recompl etement du 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 connat une grande popularit e. La demande sur une
semaine suit approximativement une loi normale de moyenne 100 et d ecart-
type 30. La m eme politique de gestion calendaire est suivie. Les donn ees
de co ut sont les m 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 de cette 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 sapin 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 ees sur la premi` ere quinzaine de d ecembre suivent une loi normale de
moyenne 30.000 et d ecart type 200. Le co ut de production est de 10 EURO
lunit e et le prix de vente de 24 EURO. Le producteur travaille uniquement
sur commande de sorte quil ne coupe que les arbres demand es lann ee
courante. Quelle quantit e doit-il mettre en production pour minimiser son
co ut de gestion ? On suppose un taux dopportunit e de 10 % lan.
3.6. Ventes de eurs. Un epicier va chercher deux fois par semaine des eurs
coup ees au march e en gros de sa ville. En effet, au del` a de trois jours, il ne
peut plus les revendre. Son co ut dachat dune botte de eurs est de 50 F et
son prix de vente 75 F. On suppose que la demande de bottes de eurs suit
une loi de Poisson. En moyenne, 30 clients se pr esentent chaque semaine
pour ce produit.
(a) Quel est le nombre de bottes de eurs coup ees ` a aller chercher le lundi
matin et le jeudi matin ?
(b) Combien de clients en moyenne sortent de son magasin par semaine
sans eurs ?
(c) Quel est le nombre moyen de bottes de eurs jet ees par semaine ?
Chapitre 4
La gestion par point de commande
4.1 Introduction
La gestion calendaire se caract erise, comme nous lavons vu au chapitre 3 par :
des commandes ` a intervalles xes 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 (lorsquon 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 gures 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 ny a pas de co 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 co 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 co 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 es de mani` ere ` a
minimiser le co 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)
55
56 Chapitre 4. La gestion par point de commande
4.2 D etermination du point 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 [6] . Il sagit dun 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 lann ee : cest-` a-dire quelle ne subit pas de variations saisonni` eres.
Vu le caract` ere certain de la demande et du d elai dobtention (ici de 20 jours
ouvrables), on peut eviter toute rupture dapprovisionnement en passant commande
` a temps. On consid` ere que lann ee comporte 48 semaines de 6 jours ouvrables,
soit 288 jours. Le co ut de passation dune commande de 300 F et est ind ependant
de la quantit e command ee. Larticle est vendu 40 F lunit e.
La question qui se pose ici est : Quand commander ?
Ande minimiser le stockposs ed e, le chef de rayona int er et ` a passer commande
exactement 20 jours ouvrables avant la rupture (voir gure 4.1) de mani` ere ` a ce
que le stock soit nul au moment de la livraison. Il evitera ainsi un stock dormant.
Remarquez que cela revient ` a d eclencher la commande au moment o` u il reste
exactement en stock de quoi satisfaire la demande de 20 jours.
Comme le d elai dobtention est de 20 jours ouvrables, cest-` 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 lon arrondi au point de commande
s = 167.
En g en eral, le point de commande est tel que
s = DL
(4.1)
avec D = demande annuelle;
L = d elai dobtention exprim e en ann ee.
Section 4.3. Determination de la quantite economique de commande 57
490
167
niveau du stock
q
quantit e economique de commande

s point de commande
temps
L
L
Figure 4.1: Point de commande
4.3 D etermination de la quantit e economique de commande
Le co ut de possession annuel unitaire peut etre calcul e en tenant compte du taux
dopportunit 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 co ut annuel moyen soit minimum ?
Avant de d eterminer la quantit e optimale, raisonnons sur une valeur quelconque
de q, par exemple, q = 400. En cas de demande uniforme sur lann ee, on doit
passer commande tous les
400
2 400
=
1
6
ann ee,
cest-` a-dire tous les deux mois. La p eriode economique de commande est donc :
=
q
D
Le nombre moyen de commandes par an vaut :
I
c
(q) =
D
q
Do` u le co 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
co 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
.
Le co ut annuel de possession vaut donc :
c
p
I
p
(q) = 6
400
2
= 1 200 F.
Do` u le co 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. On cherche donc ` a d eterminer la valeur de la seule
variable de d ecision, cest-` a-dire q, la commande p eriodique, qui minimise le
co 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 lexemple ci-dessus. On obtient :
C(q) = c
p
I
p
(q) +c
c
I
c
(q)
= c
p
q
2
+c
c
D
q
Il est facile de calculer loptimum dune telle fonction. Il suft dannuler sa
d eriv ee premi` ere :
C
(q) = c
p
1
2
c
c
D
q
2
= 0
Do` u le point optimum :
q
2Dc
c
c
p
(4.2)
Cette quantit e est appel ee quantit e de Wilson. V erions quil sagit bien dun
minimum en calculant la d eriv ee seconde :
C(q) = 2c
c
D
q
3
> 0
Section 4.3. Determination de la quantite economique de commande 59
Remarquez quau point optimum, on a egalit e des co 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 lexemple num erique. La quantit e economique de com-
mande vaut donc :
q
2 2 400 300
6
= 489, 9 490
Do` u la dur ee optimale de consommation :
=
q
D
=
490
2 400
= 0, 204 ann ees.
Examinons les cons equences de la politique optimale. Le stock moyen 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 co 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.
On peut en d eduire la marge b en eciaire nette par la formule :
B(q
) = m
u
D C(q
)
= 10 2.400 2939, 39
= 21.060, 61 F.
4.4 Cas dune 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 lann 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,
cest-` a-dire que les caract eristiques de la distribution restent stables dans le
temps.
Nous maintenons lhypoth` ese dun d elai dobtention certain. Ce qui est le
plus souvent le cas.
Nous illustrons ce cas sur lexemple introductif, ` a savoir la vente dustensiles
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 co ut de rupture vaut la marge qui
est ici de 10 F. Le co ut de possession annuel reste de 6 F. Le co ut unitaire de
commande reste de 300 F.
Passons au probl` eme de la d etermination de q et s. Tout dabord, remarquons
que pendant le d elai dobtention de 20 jours la demande est al eatoire. Calculons
les param` etres de sa distribution. Tout dabord, le d elai dobtention de 20 jours
sexprime en fraction dann ee comme :
L =
20
288
ann ees.
La demande X
L
en 20 jours suit une loi Normale
de moyenne :
L
= L =
20
288
2 400 = 167
de variance :
2
L
= L
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 :
L
=
20
288
189, 74 = 50.
Section 4.4. Cas dune demande aleatoire 61
4.4.1 D etermination de q et s
La fonction de co 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 lobservation suivante.
Dans lexpression 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 variable 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 co ut de com-
mande et le co ut de possession ` a partir de la demande moyenne.
2. D eterminer le point de commande s en arbitrant entre le co ut de rupture
et le co ut de possession en utilisant la gestion calendaire pendant le d elai
dobtention L, en retenant comme s le niveau de recompl` etement optimal.
Le probl` eme de la d etermination de la quantit e economique de commande nest
rien dautre que le probl` eme etudi e en univers certain si lon remplace la demande
annuelle certaine par la demande annuelle moyenne :
D = = 2 400.
En minimisant le co ut de gestion :
C(q) = c
c
I
c
(q) +c
p
I
p
(q),
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 co ut dune gestion calendaire durant le d elai dobtention L :
C(S) = c
p
I
p
(S) +c
r
I
r
(S)
avec I
r
(S), le nombre moyen darticles 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 lan
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 co ut unitaire de possession est de :
c
p
= c
p
q
D
= 6 0, 2042 F/article/59 jours.
En effet, un article encore en stock ` a lissue des 20 jours du d elai dobtention
augmentera dune unit e la valeur du stock durant toute la dur ee d ecoulement de
la suivante commande, cest-` a-dire durant 59 jours. Do` 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 dobtention de 20 jours est une N(167,50). On lit
dans la table de la normale N(0,1) :
P(Z > 1, 2) = 0, 115
Do` u
1, 2 =
S
167
50
Do` u nalement
S
= 227.
Section 4.4. Cas dune demande aleatoire 63
4.4.2 Cons equences economiques du choix
Le stockde s ecurit e est d eni comme diff erence entre le niveau de recompl` 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 dun cycle, not e I
c
r
, se calcule par la
formule de la gestion calendaire :
I
c
r
(s = 227) = 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) = I
c
(q) I
c
r
(q) = 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 [6], 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 co 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 dob-
tention). Le co 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)
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 co 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 b en e-
ciaire sur la demande moyenne le co 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 appel e le taux de rotation du stock.
D enition 4.1 On d enit le taux de rotation du stock comme le quotient de la
demande moyenne sur le stock moyen poss ed e.
Dans le cas de lexemple, il se calcule comme suit :
r =
D
I
p
=
2 400
306, 4
= 7, 83
Le lecteur int eress e trouvera dans Giard [6] de nombreuses am eliorations du
mod` ele vu ici, notamment :
La politique optimale (q, s) dans le cas de demande et d elai dobtention
al eatoires,
La prise en compte de linterd ependance entre articles,
La prise en compte de rabais uniformes,
La prise en compte de rabais progressifs,
. . .
4.5 Exercices
4.1. Gestion de lapprovisionnement du stock de transistors. Une soci et e de
distribution de mat eriel et composants electroniques ayant comme client` ele
les artisans r eparateurs de mat eriel hi- grand public est en train de red enir
sa politique dapprovisionnement des stocks. On vous charge de laider dans
cette t ache. Le responsable des achats vous soumet, ` a titre dexemple, le
cas dun transistor dont le prix dachat est de 16 F et dont la consommation
est de 15.000 unit es sur lann ee. La demande est uniform ement r epartie sur
toute lann ee qui comporte 50 semaines douverture. Le co ut de passation
dune commande est estim e ` a 24 F. Par ailleurs, etant donn e l evolution
technique rapide et les risques dobsolescence associ es, on applique un taux
de d etention en stock tr` es elev e : 50 % par an. Pour le moment la technique
des deux casiers est appliqu ee : on dispose de deux casiers, de contenance de
500 transistors. D` es quun casier est vide, on entame le second et on passe
une commande de 500 transistors. Le d elai dobtention de la commande est
dune semaine.
(a) Calculez le co ut de la politique actuelle de gestion de stock. Pour cela,
d eterminez le stock moyen et le nombre de commandes par an.
(b) D eterminez la politique optimale de gestion du stock. Donnez le mon-
tant de la commande et le point de commande.
(c) Quelle est l economie annuelle de votre solution par rapport ` a la tech-
nique des deux casiers utilis ee aujourdhui ?
4.2. Vente de verre de cristal. Un grand magasin vend chaque semaine 150
cartons de six verres du mod` ele Elite. Le co ut dachat de 6 verres est de
8 euros, et le co ut associ e ` a une commande est evalu e ` a 30 euros. Le co ut
de possession utilis e ne fait intervenir quun co ut dopportunit e, lequel se
calcule ` a laide dun taux de 15 %. On suppose que la demande est une
certaine et quil nest pas possible davoir de rupture de stock. La gestion
de stock est du type point de commande.
(a) Calculez la commande optimale.
(b) Le d elai de livraison etant egal ` a deux semaines, d eterminez le point
de commande (lann ee comporte 52 semaines).
(c) Calculez le co ut de gestion de stock correspondant ` a cette solution.
4.3. Vente de verre de cristal en univers al eatoire. La demande hebdomadaire
nest 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 co ut de
rupture est estim e ` a 2 euros, parce que la demi-douzaine est vendue 10
euros et que la direction estime que la rupture de stock de cet article nest
pas pr ejudiciable ` a son image de marque. Calculez le nouveau point de
commande, le nombre moyen annuel de demi-douzaines de verres que le
grand magasin na pas et e en mesure de vendre, le stock moyen poss ed e
ainsi que le co ut de gestion annuel.
4.4. Ventes de carafes ` a eau. Un supermarch e vend des carafes ` a eau 50 F. Il
les ach` ete aupr` es de son fournisseur 35 F. La demande hebdomadaire suit
une loi de Poisson de param` etre 5. On utilise un taux dopportunit e de
15 % lan. Le co ut de passation dune commande est de 30 F. Le d elai
dapprovisionnement est de deux semaines.
(a) Quelle est la quantit e ` a commander ?
(b) Quel est le niveau de stock qui doit d eclencher la commande ?
(c) Quel est le nombre moyen de clients non satisfaits pendant le d elai de
deux semaines entre la passation de la commande et sa r eception ?
4.5. Vente par correspondance. Une soci et e sp ecialis ee dans le vente par cor-
respondance a un article peu vendu. Il sagit dun matelas orthop edique.
La demande mensuelle de cet article suit une loi de Poisson de moyenne 8.
Lacheteur responsable de lapprovisionnement h esite entre trois syst` emes :
(a) La gestion calendaire avec une p eriode de r evision calendaire de deux
mois. Le co ut de commande est estim e ` a 20 euros, le produit est achet e
200 euros et revendu 350 euros (y compris le co ut moyen de transport
vers le client de 50 euros). La r egularit e de lapprovisionnement permet
davoir un d elai dobtention insigniant. Une demande non satisfaite
est diff er ee avec un co ut de 10 euros (frais administratifs).
(b) Une gestion du type quantit e economique de commande - point de
commande avec les m emes co uts que pr ec edemment, mais avec cette
fois un d elai dobtention de 15 jours environ.
(c) Servir dinterm ediaire en r epercutant au fournisseur la commande, ce
qui permet ` a lentreprise de percevoir une commission de 50 euros.
Lentreprise estime que la rentabilit e marginale de son capital est de 24 %.
Apr` es etude du b en ece net dans les trois cas, que pr econisez-vous ?
Partie II
Les d ecisions tactiques
67
Chapitre 5
La planication de la production
5.1 Introduction
La planication de la production consiste en la r egulation ` a moyen terme de la
production. Cest 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-
cation de la production sadresse uniquement au cas de la production en s erie.
Elle ne sapplique donc pas au cas de la production en s erie unitaire.
Il existe deux types dapproches en planication de la production :
la planication des besoins en composants qui vise ` a etablir une program-
mation pr evisionnelle des composants;
la planication juste ` a temps dont le principe fondamental est de produire la
quantit e strictement n ecessaire aux besoins imm ediats du client.
La planication des besoins en composants ou M.R.P. (Material Require-
ment Planning) cherche ` a etablir la programmation de la production sur base dun
syst` eme dinformation. Partant des donn ees physiques (stocks disponibles, li-
vraisons attendues, demandes pr evisionnelles, capacit es de production,. . . ) et des
donn ees comptables (co uts de production, dapprovisionnement, 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-nis et nis et lutilisation des facteurs travail et
machines. Lutilisation des techniques doptimisation aboutit ` a une program-
mation pr evisionnelle : on utilisera la programmation dynamique lorsque lon 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.
69
70 Chapitre 5. La planication de la production
5.2 La planication des besoins en composants
Illustrons le principe de la planication des besoins en composants sur un exemple
tir e de Giard [6] : il sagit de lassemblage de trois v ehicules ` a moteur. La plani-
cation des besoins en composants n ecessite lexistence des el ements suivants :
1. Une nomenclature compl` ete : cest-` a-dire une codication de tous les
composants qui permet d ecrire le sch ema arborescent du tableau 5.1. Dans
lexemple, pour faire une voiture (T27), il faut une bote de vitesse (E1001),
elle m eme constitu ee dun engrenage (E2010), lui-m eme 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 naux. 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 naux.
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
Exxxx 0 0 0 0 0 0 0 0
Tableau 5.2: Plan directeur de production.
Section 5.2. La planication des besoins en composants 71
3. Un syst` eme dinformation sur les stocks qui permet de connatre l etat
exact du stock de chaque composant en d ebut de chaque p eriode. Les stocks
de n de p eriode 15 (not es SF
15
) sont donn es au tableau 5.3.
Element SF
15
LA
16
LA
17
T27 0 0 0
T28 0 0 0
T29 0 0 0
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 chier des livraisons attendues : cest-` a-dire donnant le nombre de
pi` eces r esultant de commandes du pass e qui nont pas encore et e livr ees.
Les livraisons attendues de p eriode t (not ees LA
t
) sont donn ees au tableau
5.3.
5. Un chier des d elais dobtention : le d elai dobtention etant la somme
des temps op eratoire, de lancement de production et dattente entre deux
productions. Les d elais dobtention sont donn es au tableau 5.4.
Element D elai dobtention
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 dobtention.
6. Fichier des capacit es des centres de production pour chaque p eriode de
lhorizon de planication.
7. Existence de r` egles de priorit e en cas de surcharge.
5.3 Principes de base de la MRP
La logique de calcul de la MRP consiste ` a lutilisation en cascade
de la d etermination des besoins nets dun composant;
de la mani` ere de couvrir ces besoins.
5.3.1 D etermination des besoins nets dun composant
Illustrons ceci sur lexemple 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 dassemblage dune semaine pour les trois
mod` eles (voir tableau 5.4). On suppose egalement quau niveau z ero, il ny a pas
de stock initial ni de livraisons attendues. Au niveau z ero, on fait du lot par lot,
cest-` a-dire que lon 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 puisquil 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 73
quil 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 nont pas encore et e livr ees. Le stock initial
en p eriode 16 est le stock nal 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
Stock nal 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, cest-` a-dire
ceux qui vont n ecessiter de nouveaux ordres de lancement de production. Deux
cas sont possibles :
Cas 1 : Le disponible est sufsant pour couvrir les besoins bruts. Dans ce cas,
le besoint net, not e BN
t
, est nul et le stock nal de p eriode t, not e SF
t
, se
calcule comme le stock en n de p eriode pr ec edente, accru des livraisons
attendues de p eriode t, not ees LA
t
, et diminu e de la demande de la p eriode
(les besoins bruts, not es BB
t
) :
Si SF
t1
+LA
t
BB
t
, alors
_
BN
t
= 0
SF
t
= SF
t1
+LA
t
BB
t
Cas 2 : Dans le cas contraire, on a des besoins nets ` a couvrir par de nouveaux
ordres de fabrication. Les besoins nets de la p eriode t, not es BN
t
, se calcu-
lent comme la diff erence entre les besoins bruts et la somme des livraisons
attendues et du niveau initial du stock de la p eriode :
Si BB
t
SF
t1
+LA
t
, alors
_
BN
t
= BB
t
LA
t
SF
t1
SF
t
= 0
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 planication de la production, on suppose que les besoins nets sont connus
sufsamment ` a lavance 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 co uts de lancement de production;
les co uts de possession.
Une m ethode permet de faire cet arbitrage : il sagit de la programmation dy-
namique. 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
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
dobtention, suppos e ici de 1 semaine. Remarquez que le lancement de 30 en
p eriode 16 provient non pas dune livraison programm ee de p eriode 17 mais bien
dune 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 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 bote 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 naux);
puis ` a celles de niveau 1;
puis ` a celles de niveau 2;
. . . etc.
Illustrons ceci sur lexemple. Au niveau 0, les lancements programm es (cfr
tableau 5.9) sont d etermin es conform ement au plan directeur de production.
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.
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
Stock nal 17 0 10 0 - - - - -
Besoins nets 0 0 0 25 15 25 20 15
Tableau 5.10: Lancements en composant E1001.
dune unit e par produit T27 et dune 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 dune 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 dune unit e par composant de niveau 1 E1001. Toujours au niveau 2, les
P eriode 15 16 17 18 19 20 21 22 23
Besoins bruts pour T 29 4 8 3 5 12 2 8 7
Stock nal 4 0 3 0 - - - - -
Besoins nets 0 0 0 5 12 2 8 7
Lancements de production 11 0 5 12 2 8 7 0 0
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 0 0 0 0 0
Stock nal 10 0 0 0 - - - -
Besoins nets 0 0 25 15 25 20 15
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 dune unit e par
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
Stock nal 0 0 12 0 - - -
Besoins nets 0 0 0 2 8 7
Lancements de production 17 0 2 8 7 0 0
composant de niveau un E1004.
Au niveau 3, les lancements 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
P eriode 15 16 17 18 19 20 21
Total 0 29 31 39 26 15
Livraisons attendues 0 0 0 0 0 0
Stock nal 0 0 0 0 0 0 0
Besoins nets 0 29 31 39 20 15
Lancements de production 29 31 39 20 15 -
dune unit e par composant de niveau deux E2010 et de deux unit es par composant
de niveau deux E2040.
Remarquons pour terminer quil peut exister unlot technique pour le lancement
de production. Par exemple, la production de moteurs dautomobile se fait par
multiple de 8 car les moules de fonderie sont pr evus pour couler 8 moteurs par
moule. Dans ce cas, il faut evidemment prendre un multiple de ce lot technique
pour le lancement de production. Ce cas sera illustr e par lexercice 5.5.
5.4 Ajustement charge-capacit e
Lorsque les lancements de production sont d etermin es, on peut calculer les charges
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
nest pas le cas, un ajustement charge-capacit e est effectu e.
Illustrons ceci sur un second exemple tir e egalement de Giard [6]. Une entre-
prise assemble trois produits A, B et C dans un atelier dassemblage nal. Cette
production seffectue ` a partir de trois sous-ensembles F,G et H assembl es dans
un autre atelier dassemblage interm ediaire. Ces sous-ensembles font appel aux
composants V,W, X et Y dont X est achet e ` a lext erieur tandis que V,W et Y sont
fabriqu es dans latelier dusinage. La nomenclature est donn ee au tableau 5.15.
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.
Pour cet exemple, on suppose quil ny a pas de probl` eme de capacit e au niveau
0. Le tableau 5.16 donne les capacit es de production des ateliers dassemblage
interm ediaire (F, G et H) et dusinage (V, W et Y).
Janvier F evrier Mars Avril Mai
Ass. nal (A,B,C)
Ass. interm. (F,G,H) 1.150 h 1.150 h 1.150 h 1.250 h 1.250 h
Usinage (V,W,Y) 1.630 h 1.600 h 1.700 h 1.650 h 1.650 h
Juin Juillet Ao ut Septembre Octobre
Ass. nal (A,B,C)
Ass. interm. (F,G,H) 1.280 h 1.250 h 1.200 h 1.200 h 1.200 h
Usinage (V,W,Y) 1.700 h 1.600 h 1.650 h 1.650 h 1.650 h
Tableau 5.16: Capacit es de production.
Section 5.4. Ajustement charge-capacite 79
Le plan directeur de production, donn e au tableau 5.17, comporte les livraisons
pr evues en produits naux mais aussi les demandes comme pi` eces d etach ees en
sous-ensembles et en composants.
Janvier F evrier Mars Avril Mai Juin
Produits nis
A 10.300 12.800 9.700 10.500 9.700 10.000
B 12.600 13.400 12.000 10.700 10.100 11.500
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 Ao ut Septembre Octobre Novembre D ecembre
Produits nis
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
Les livraisons attendues et les positions initiales de stock sont reprises au
tableau 5.18.
Le co ut horaire dans chacun des ateliers est donn e au tableau 5.19.
Les temps op eratoires unitaires, les d elais dobtention ainsi que le co ut des
Janvier F evrier
Produits nis
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 nis
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 Stock nal
Tableau 5.18: Livraisons attendues et position du stock.
(Francs/heure)
Assemblage nal (A,B,C) 90 F/h
Assemblage interm ediaire (F,G,H) 100 F/h
Usinage (V,W,Y) 150 F/h
Tableau 5.19: Co ut horaire des ateliers.
mati` eres premi` eres ajout ees aux diff erents etapes de fabrication sont repris au
tableau 5.20.
Temps op eratoire
Produits nis
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 nis
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
Co ut mati` eres premi` eres
Produits nis
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
Tableau 5.20: Temps op eratoires, d elais dobtention et co ut des mati` eres premi` eres.
Calculons les lancements du niveau assemblage nal. Comme ` a ce niveau,
il ny a pas de probl` emes de capacit e, les productions programm ees couvriront
exactement les besoins nets. En tenant compte du d elai dobtention dun mois, on
obtient les lancements du tableau 5.21.
D eterminons maintenant les lancements de production de niveau 1. Les
productions Aet Butilisent 1 sous-ensemble F. Aces besoins bruts de Janvier pour
A (12.800) et B (13.400), il faut ajouter les besoins bruts pour pi` eces d etach ees
(1.500). Remarquez quil ny a pas de d ecalage 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 laddition du stock nal au mois pr ec edent (500)
et des livraisons attendues (27.400). Le niveau du stock en n 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 t 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.
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
SF
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)
BB
t
10.600 11.000 13.000 10.000 10.000 10.000
LA
t
SF
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
BB
t
12.600 13.400 12.000 10.700 10.100 11.500
LA
t
12.500
SF
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)
BB
t
12.000 11.600 11.200 11.000 11.000 11.000
LA
t
SF
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
BB
t
17.400 20.100 16.300 17.500 18.000 19.000
LA
t
17.300
SF
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)
BB
t
21.500 20.900 20.100 19.000 19.500 19.500
LA
t
SF
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).
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
SF 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 Ao ut 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
SF 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
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
SF 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 innie (partie 1).
D etermination des lancements de G (suite)
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
SF 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
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
SF 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)
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
SF 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 innie (suite).
On peut maintenant calculer la charge de travail r esultante au 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, un calcul similaire conduit ` a 383 heures.
Tandis que pour H, il faut 598 heures. 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. Un calcul similaire (cfr tableau 5.24) montre un exc edent
de capacit e pour tous les mois sauf en Mai pour lequel il y a un exc` es de charge
de 38 heures. Celui-ci doit etre report e de Mai ` a une p eriode ant erieure. Comme
on a un exc edent de capacit e sufsant le mois pr ec edent, la totalit e de lexc` es de
charge est report e au mois dAvril.
Il faut encore d eterminer sur quel sous-ensemble F, Gou Hse fera le transfert
dactivit e. On va constituer le stock de valeur economique la plus faible possible.
Ce calcul se fait au moyen du co ut des composants. Par exemple, V utilise 0,5 F
de mati` ere premi` ere et 0,005 heure ` a 150 F/h. Do` u son co ut de revient :
c
V
= 0, 5 + 0, 005 150 = 1, 25 F.
Un calcul similaire conduit ` a
c
W
= 2, 25 F
c
Y
= 2, 50 F.
On peut alors calculer le co ut de revient au niveau 1. Par exemple, F utilise 1 F de
mati` ere premi` ere, 0,005 heure ` a 100 F/h, 1 V (` a 1,25 F),1 W (` a 2,25 F) et 2 X (` a 2
F). Son co ut est de :
c
F
= 1 + 0, 005 100 + 1 1, 25 + 1 2, 25 + 2 2 = 9, 00 F.
Un calcul similaire conduit ` a
c
G
= 9, 25 F
c
H
= 11, 00 F.
On en d eduit le co ut de production dune heure de chacun des sous-ensembles :
cph
F
= 9, 00 200 = 1.800 F/h
cph
G
= 9, 25 100 = 925 F/h
cph
H
= 11, 00 50 = 550 F/h
En conclusion, il est plus int eressant de stocker H bien quil ait un co ut de revient
unitaire plus elev e ! Le temps op eratoire unitaire etant de 0,02 h, les 38 heures
d eplac ees correspondent ` a : 38/0, 02 = 1.900 unit es qui sont d eplac ees de Mai
vers Avril. On obtient lajustement de niveau 1 illustr e au tableau 5.24.
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 dassemblage 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 Ao 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 dassemblage 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 5.24: Ajustement charge-capacit e de niveau 1.
5.5 Exercices
5.1. Planning de production dun moteur. Un industriel cherche ` a etablir son
planning de production pour les quatre premiers mois de lann ee dun moteur
Cintervenant dans lassemblage des trois types de machines MA, MBet MC.
Le plan directeur de production pr evoit la mise ` a disposition les six premiers
mois de lann 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 etre mont e dans lavant dernier mois dassemblage pour MA
et MB et dans le dernier mois dassemblage pour MC. Le stock en d ebut de
janvier est de 2 moteurs et on pr evoit une livraison de 5 moteurs en janvier.
(a) D eterminer les besoins nets de moteur pour janvier ` a avril.
(b) D eterminer les lancements de production qui permettent de couvrir
ces besoins nets en utilisant la technique du lot par lot, le d elai de
fabrication du moteur etant dun mois.
5.2. Production dengrenages. Une entreprise sp ecialis ee dans la fabrication
dengrenages. Pour lun de ces engrenages, on connat les besoins en n de
mois pour les huit mois ` a venir (voir tableau 5.25). Le co ut de lancement
Mois 1 2 3 4 5 6 7 8
Besoins 30 45 60 40 35 30 35 50
Tableau 5.25: Production dengrenages.
dune production est de 150 F, le co ut de d etention unitaire est de 1 F par
mois. On suppose que les livraisons et sorties de stock se font en n de mois.
Ce qui signie quun article fabriqu e en p eriode t et livr e en n de p eriode t
pour une demande de p eriode t ne supporte pas de co ut de d etention pendant
cette p eriode. Les ruptures sont interdites.
(a) En utilisant la formule de la quantit e economique de commande de
lunivers certain, d eterminez la quantit e ` a mettre en production. Pour
cela, d eterminer la moyenne du besoin mensuel.
(b) En d eduire, le plan de production et de stockage de mani` ere ` a eviter
les ruptures.
(c) En d eduire le co ut de cette politique (somme des co uts de mise en route
et de stockage). Comparez avec le co ut dune politique de lot par lot.
5.3. D etermination des besoins et lancements de production de niveau 2. A
partir de lajustement charge-capacit e de niveau 1 du tableau 5.24, d eduire
les besoins bruts pour les composants de niveau 2. Ensuite, calculer les
besoins nets et les lancements de production ` a capacit e innie.
5.4. Ajustement charge-capacit e de niveau 2. V erier si la charge r esultante
nexc` ede pas la capacit e de latelier. Si cest le cas, faire lajustement.
5.5. Planication des besoins en composants. Consid erons une entreprise qui
utilise la planication des besoins en composants pour g erer la production
dun ensemble E qui utilise une pi` ece P1 et deux pi` eces P2 par ensemble.
Le plan directeur de production, donn e au tableau 5.26, pr evoit egalement
la mise ` a disposition de pi` eces P1 et P2 commes pi` eces de rechange.
P eriode 0 1 2 3 4 5
Demande E 100 150 150 250 250
Demande P1 10 20 15 25 20
Demande P2 30 20 25 25 30
Les stocks initiaux (d ebut de p eriode 1), les livraisons attendues de premi` ere
p eriode et les d elais dobtention sont donn es au tableau 5.27.
Element Stock initial LA
1
D elai dobtention
E 300 0 1 semaine
P1 150 500 2 semaines
P2 300 300 1 semaine
Tableau 5.27: Stock initiaux, livraisons attendues et d elais dobtention.
(a) D eterminer les besoins nets en composant E et la mani` ere de couvrir
ces besoins nets par des lancements de production en tenant compte du
fait que le lancement ne peut se faire que par lot de 250 ensembles E.
(b) En d eduire les besoins nets de pi` eces P1 et les lancements de produc-
tions de pi` eces P1 en tenant compte du fait que la production de pi` eces
P1 se fait par lot de 500 pi` eces.
(c) D eterminer les besoins nets de pi` eces P2 et les lancements de produc-
tions de pi` eces P2 en tenant compte du fait que la production de pi` eces
P2 par lot de 300 pi` eces.
Chapitre 6
Les techniques de juste ` a temps
6.1 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 : laugmentation 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, cest-` 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.
Enconclusions, il faut produire ` alademande duclient, sans d elai et encomprimant
au maximum le co ut de fabrication. Il y a donc conit entre la gestion en grande
s erie (qui permet de r eduire les co uts de fabrication) et la gestion ` a la carte (qui est
beaucoup plus souple).
Lid ee du JAT est de chercher ` a concilier les avantages de la grande s erie (ux
rapides et importants) avec ceux de la petite s erie (grande adaptabilit e). La logique
fondamentale du JAT est 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 jusquaux fournisseurs.
Ceci entrane la suppression des stocks interm ediaires : on parle de gestion en ux
89
90 Chapitre 6. Les techniques de juste ` a temps
tendus. La suppression des stocks apparat donc comme une cons equence de la
logique du JAT.
Ceci va ` a lencontre des politiques traditionnelles dorganisation de la produc-
tion. Le mode dorganisation 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 ux importants et
discontinus entre ces unit es n ecessitant des stock interm ediaires.
2. Pour raison de co 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 stocks de produits nis.
3. On lance de grandes s eries pour amortir le co ut de lancement. Ce qui entrane
aussi des stocks importants.
4. Pour diminuer le co 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 dobtention pour tenir compte
des arr ets fr equents (contr ole, maintenance,. . . ).
On en conclut que chacun ` a tendance ` a goner les stocks. Le JATdevant ce constat,
plut ot que dessayer de g erer ling erable propose de supprimer les stocks.
Le fonctionnement en JAT appelle cependant les remarques suivantes :
1. Souvent, les usines ne fonctionnent que partiellement en ux tendus : en
ux tendus au moment o` u lon personnalise le produit, avec des stocks
dapprovisionnement pour les pi` eces standards.
2. Les ux de production peuvent etre tir es non par des commandes clients
mais par le plan directeur de production.
3. Le JAT n ecessite tout de m eme l etablissement dun plan directeur de pro-
duction et le calcul des besoins.
Section 6.2. Les deux approches du JAT 91
6.2 Les deux approches du JAT
Le JAT a donc un double objectif :
augmenter la r eactivit e du syst` eme logistique : diminuer le d elai, diversier
la production,. . .
diminuer le co ut global de production : en eliminant les gaspillages inutiles.
6.2.1 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 den-cours de production, on doit r eduire le temps
entre ateliers.
Pour r eduire les stocks de produits nis, on doit pouvoir changer souvent de
fabrication.
Remarquez que, pour r eduire les stocks, il faut sattaquer ` a leur cause : les pannes
machines, les temps de r eglage longs, etc. . .
6.2.2 La rationalisation de la production
Le but est ici dam 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 saccrotre. Ainsi, les op erations suivantes sont non
productives : d eplacer, stocker, grouper, contr oler,. . . Pour pouvoir diminuer
ces op erations improductives, il faut sattaquer ` a leurs causes : les d efauts de
fabrication, les retards, les pannes, les lenteurs administratives,. . .
On peut ici citer limage de Taichi Ohno (de Toyota) qui dit que, pour traverser
une rivi` ere sans encombre, dans lapproche traditionnelle : on augmente le niveau
de leau et on passe au dessus des epaves, dans lapproche JAT : on drague le
euve, ce qui permet un niveau deau plus faible. En conclusions, en sattaquant
aux causes de dysfonctionnement, on am eliore la productivit e globale du syst` eme
et on am eliore la qualit e des produits.
6.3 Les facteurs cl es du JAT
La r eussite du passage dune organisation classique ` a une organisation JAT
n ecessite des m ethodes de gestion tr` es r eactives ainsi que la matrise des al eas.
6.3.1 Recherche dun plus grande r eactivit e
On atteindra une plus grande r eactivit e en augmentant la exibilit e de la produc-
tion. On peut d enir la exibilit e comme la capacit e du syst` eme de production ` a
sadapter en permanence ` a la demande. On distingue deux types de exibilit e :
La exibilit e quantitative est la capacit e de faire face ` a pointes de demande :
il faut surdimensionner la capacit e, par exemple, en gardant les an-
ciennes machines lors dun renouvellement.
il faut faire appel ` a la exibilit e de la main duvre : appel aux tem-
poraires, ` a la sous-traitance, aux heures suppl ementaires,. . .
La exibilit e qualitative est la capacit e de traiter une grande vari et e de
produits :
il faut pouvoir passer rapidement dun produit ` a lautre : on utilisera
des machines ` a commandes num eriques.
la polyvalence du personnel est egalement souhaitable.
6.3.2 Matrise 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 labsence de stock, le d efaut
dune pi` ece livr ee interrompt la chane de montage. Le z ero d efaut sera recherch e
par la pr evention plut ot que par le contr ole ` a posteriori.
Il faut egalement assurer la abilit e des equipements. En effet, larr et dune
machine entrane larr et de toutes les machines en aval faute dapprovisionnement.
De m eme pour les machines en amont qui, autrement, constitueront des stocks. La
abilit e est obtenue par des proc edures de maintenance pr eventive.
Enn, il existe relation plus etroite entre le client et le fournisseur car le
fournisseur dune usine JAT est g en eralement plus conscient des cons equences de
lenvoi dune pi` ece d efectueuse pour le client.
Section 6.4. La methode Kanban 93
6.4 La m ethode Kanban
Lid ee de la m ethode est que la production soit tir ee par laval : chaque poste
ne travaille que pour satisfaire une demande du poste aval. Linformation sur la
demande du poste aval est transmise par un document appel e Kanban ( etiquette)
donnant :
la description de la pi` ece et de lop eration ` a effectuer;
le lieu dorigine 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 ux de pi` eces (lors de la fabrication);
remonte ce ux une fois les pi` eces consomm ees.
Le rythme de fabrication est donc egal ` a la vitesse de circulation des etiquettes
qui est, elle-m 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 sarr ete.
Pour un bon fonctionnement du syst` eme, il faut une capacit e sufsante des
postes amont pour r epondre ` a la demande : ceci n ecessite donc en g en eral de
pr evoir une surcapacit e.
6.4.1 Syst` eme Kanban ` a une boucle
Le fonctionnement du syst` eme Kanban ` a une boucle est le suivant (cfr gure 6.1) :
L etiquette est appos ee sur le conteneur de pi` eces qui viennent d etre fa-
briqu ees en amont (a);
Elle accompagne le conteneur au poste suivant et reste sur le conteneur en
attente (b);
Au moment o` u le conteneur est mis en fabrication sur le poste aval, le Kanban
est lib er e et retourne au poste amont (c);
POSTE
AMONT
Transport
entre postes
POSTE
AVAL
(a)
(d)
(c)
(b)
Conteneur avec tiquette Etiquette libre
Figure 6.1: Syst` eme Kanban ` a une boucle.
Il entre dans le planning du poste amont (d) do` u il sort au moment dune
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 (cest-` a-dire
son ordre de fabrication).
2. Une etiquette libre (cest-` a-dire non attach ee ` a un conteneur) repr esente un
ordre de fabrication pour une quantit e xe de pi` eces sur un poste de travail
d etermin e.
3. Le nombre d etiquettes en circulation entre deux postes xe les stocks den
cours de fabrication : en effet, le volume des en cours, cest-` 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 dapr` es les besoins des agents
des diff erents postes aval quil fournit.
6.4.2 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 dun 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.
Section 6.4. La methode Kanban 95
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 dun conteneur;
T
r
, le d elai de r eaction du syst` eme lorsque le stock atteint le seuil de lance-
ment dune production. Ce d elai de r eaction comprend
le retour du ticket dalerte vers lamont,
lattente au planning amont,
le r eglage de la machine amont,
la production du premier conteneur,
le transport du conteneur jusquau 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 dun conteneur. Soit T
r
, temps de r eaction qui
r esulte dun temps de retour du ticket de 30 minutes (le ramassage des tickets
seffectue toutes les heures, donc un temps moyen dune demi heure), dune attente
moyenne de 10 minutes au planning du poste amont, dun r eglage de la machine
de 10 minutes, dun temps de production de 0,1 minute par pi` ece (donc 10 minutes
pour 100 pi` eces), dun temps de transport de lamont vers laval de 35 minutes :
T
r
= 30 + 10 + 10 + 10 + 35 = 95
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 quil faut au moins 4 etiquettes en permanence dans le syst` eme :
N
T
r
C
u
k
= 3, 96
Si lon veut prendre une marge de s ecurit e de = 10 % :
N
(1 +)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 justie une
production par lot (cette taille economique est d etermin ee en arbitrant entre le co ut
de lancement et le co ut de possession) au poste amont de taille optimale :
Q
e
= 600 pi` eces,
cest-` a-dire ` a 6 conteneurs (Q
e
/k). Il faudra donc attendre davoir 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 dalerte, cest-` a-dire au stock permettant de
faire fonctionner le poste aval durant T
r
, augment e dune marge de s ecurit e
:
(1 +)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 dun conteneur :
N
(1 +)C
u
T
r
+Q
e
k
(6.1)
Le r esultat est arrondi ` a lentier sup erieur. Ce qui donne ici :
N
(1 +)C
u
T
r
+Q
e
k
=
435 + 600
100
= 10, 35
Ce qui correspond ` a 11 conteneurs de 100 pi` eces.
Section 6.5. Exercice 97
6.5 Exercice
6.1. Flux tendus. Un atelier de fabrication de sous-ensembles approvisionne la
chane de montage de petits articles electrom enagers situ ee dans un b atiment
proche. La r egularit e de la production incite la direction ` a mettre en place
un syst` eme dappel par laval entre ces deux postes. Les caract eristiques
de la production sont les suivantes : latelier fonctionne 8 heures par jour,
la chane consomme 2 000 sous-ensembles par jour, il faut une heure pour
r egler la machine de latelier 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 dun conteneur dun poste ` a
lautre n ecessite dix minutes, le ramassage des tickets seffectue lors de
lapprovisionnement de la chane, cest-` a-dire toutes les heures, le temps
dattente moyen au planning amont peut etre estim e ` a trente minutes. On
retiendra pour lensemble des calculs un coefcient de s ecurit e de 20 %.
(a) D eterminer le nombre de tickets ` a mettre en circulation dans la boucle.
(b) V erier l equilibre entre la charge et la capacit e.
(c) On d ecide maintenant de r eduire la taille des s eries de fabrication de
500 ` a 250. Calculer le nombre de lancements r ealis es par jour. Quelles
am eliorations devrait-on r ealiser pour pouvoir fonctionner ainsi ?
6.2. Calcul du nombre d etiquettes. Une entreprise fabrique de fa con r eguli` ere
les produits A, B, C et D ` a partir des produits achet es E, F et G. Voici la
nomenclature pour ces produits :
A utilise 1 C
et 1 E
B utilise 1 C
et 1 F
C utilise 1 D
D utilise 1 G
Cette entreprise, souhaitant fabriquer ces produits sur une ligne de production
pilot ee par KANBAN, organise ses machines de la fa con suivante :
----> M3
|
M1 ------> M2 ------|
|
-----> M4
Lentreprise, devant produire 20 A et 30 B par jour, souhaite ne pas d enir
au hasard le nombre de Kanbans et la taille des containers ` a mettre en place
pour piloter la production entre le poste M1 et M2. Elle fait appel ` a vous
pour laider.
Dans votre phase danalyse, vous relevez les informations suivantes :
la dur ee journali` ere de travail est de 8 heures,
le poste M1 fabrique les pi` eces D, X et Y,
le poste M2 fabrique la pi` ece C,
le poste M3 assemble la pi` ece A,
le poste M4 assemble la pi` ece B,
la fabrication des pi` eces D n ecessite 0,5 heure de r eglage du poste et
0,08 heure de fabrication unitaire,
les pi` eces D, pesant chacune 5 kg, sont transport ees dans des containers
ne pouvant pas supporter plus de 50 kg de charge,
le transfert dun Kanban (retour de l etiquette) peut se faire entre M2
et M1 en 5 minutes,
le temps de transport des containers (temps de transport) effectu e par
un chariot automoteur entre les postes M1 et M2 peut etre estim e ` a 10
minutes,
le poste M1 est destin e ` a fabriquer 2 autres pi` eces (X et Y) n ecessitant
des r eglages diff erents de la pi` ece D. La fabrication des 2 autres pi` eces,
egalement g er ee par Kanban, est estim ee ` a 2,25 heures par jour.
(a) Quel est le ux journalier de production de la pi` ece D ?
(b) Combien de r eglages de s eries de pi` eces Dpouvez-vous faire par jour ?
(c) Quelle est la taille du container de la pi` ece D ?
(d) Quel est le nombre de Kanbans qui doivent etre utilis es entres les
postes M1 et M2 sachant que lon peut etre en attende au poste M1
pendant 2,25 heures par jour (parfois dune traite) ` a cause des autres
productions (X et Y) ` a ce poste ? Pour d eterminer la taille du lot
minimum qui doit etre lanc e au poste M1, tenir compte du nombre
maximum de lancements admissibles par jour.
Partie III
Les d ecisions strat egiques
99
Chapitre 7
Lordonnancement de projets
7.1 Introduction
Lors de tout projet de grande envergure (construction dun bateau, dun avion, dun
b atiment,...), un probl` eme crucial qui se pose est celui du calendrier dex ecution
des t aches. Le probl` eme est de d eterminer dans quel ordre doivent senchaner les
diverses t aches de mani` ere ` a minimiser le temps total dex ecution du projet.
Prenons un exemple. On veut construire un nouveau b atiment de mani` ere ` a
pouvoir d em enager au plus t ot. Certaines t aches ne peuvent sex ecuter quapr` es
que dautres soient termin ees. Par exemple, on ne peut commencer les fondations
que lorsque le terrassement est ni. On ne peut monter les murs que lorsque les
fondations sont termin ees. Dautres t aches peuvent sex ecuter simultan ement. Par
exemple, les travaux d electricit e et de plomberie peuvent etre men es de pair. Les
donn ees sont reprises au tableau 7.1 pour cet exemple.
No t 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 pl atre 10 9 et 5
11 nitions 5 10
Tableau 7.1: Construction dun b atiment
On doit tenir compte, dans les probl` emes dordonnancement, de divers types
101
102 Chapitre 7. Lordonnancement de projets
de contraintes.
Les contraintes de localisation temporelle expriment la localisation dune
t ache dans le temps : une t ache ne peut commencer avant une telle date, ou
apr` es une telle date (par exemple, en raison des conditions climatiques).
Les contraintes de succession temporelle expriment les relations dant e-
riorit e entre les t aches : une telle t ache ne peut commencer avant la n dune
autre (par exemple, on ne coule pas les fondations si le terrassement nest
pas ni).
Les contraintes disjonctives expriment le fait que deux t aches ne peuvent
avoir lieu en m eme temps sans que lon puisse dire laquelle doit etre effectu ee
avant lautre (par exemple, une m eme grue est utilis ee sur deux chantiers).
Le probl` eme dordonnancement avec des contraintes de localisation tempo-
relle et de succession temporelle seulement est appel e probl` eme central dordon-
nancement. Il sagit donc de d eterminer le calendrier de d ebut de chacune des
t aches 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 de graphe. On peut, en effet, repr esenter le probl` eme sur
ungraphe et, ensuite, r esoudre le probl` eme graphiquement. De plus, la pr esentation
du r esultat de calcul (lordonnancement des t aches) sera beaucoup plus claire sur
ce graphique que sur un tableau de chiffres.
Il existe deux m ethodes de r esolution pour ce probl` eme, ` a savoir :
la m ethode du potentiel d evelopp ee en France dans les ann ees 60 et qui as-
socie ` a chaque t ache un nud du r eseau, tandis que les relations dant eriorit e
sont repr esent ees par des arcs entre les t aches (voir gure 7.1);
i
j
Figure 7.1: Graphe de la m ethode des potentiels.
la m ethode PERT d evelopp ee parall` element aux Etats Unis dAm erique
et qui, elle, associe chaque t ache ` a un arc du r eseau, et chaque relation
dant eriorit e ` a un nud (voir gure 7.2).
Algorithmiquement, les deux m ethodes de r esolution sont equivalentes, mais la
m ethode du potentiel permet d ecrire le graphe de r eseau de mani` ere syst ematique
(sans ajouter darc ctif).
Section 7.2. Formulation du problème 103
i j
Figure 7.2: Graphe de la m ethode des potentiels.
7.2 Formulation du probl` eme
Fixons-nous les notations suivantes. Nous avons n t aches ` a ex ecuter, indic ees
i = 1, . . .n. Utilisons egalement la notation d
i
pour d esigner la dur ee dex ecution
de la t ache i (qui est ici une donn ee).
Les variables du probl` eme sont les suivantes : t
0
note le temps de d ebut
dex ecution du chantier, t
i
note le temps de d ebut dex ecution de la t ache i, et t
f
(= t
n+1
) note le temps de n de chantier.
Formulons maintenant lobjectif : il sagit simplement de minimiser le temps
de r ealisation du chantier, autrement dit :
minz = t
f
t
0
qui consistera ` a minimiser t
f
si on se xe initialement t
0
= 0.
Formulons maintenant les contraintes du probl` eme central dordonnancement.
Elles sont de trois types :
Les contraintes de localisation temporelle expriment que la t ache i ne peut
commencer avant le d ebut de chantier :
t
i
t
0
, i = 1, 2, . . .n (7.1)
Les contraintes de succession temporelle expriment que la t ache j ne peut
d ebuter avant que toute t ache i pr ealable ` a j ne soit nie :
t
i
+d
i
t
j
, t ache i ant erieure ` a la t ache j (7.2)
Les contraintes de n de chantier expriment que toute t ache i doit etre nie
avant la n de chantier :
t
i
+d
i
t
f
, i = 1, 2, . . .n (7.3)
Remarquez que vu la pr esence des contraintes de sucession temporelle (7.2), il
suft d ecrire (7.1) pour toute t ache nayant pas de pr ed ecesseur et (7.3) pout toute
t ache nayant pas de successeur.
7.3 Repr esentation graphique du probl` eme
On associe donc au probl` eme central dordonnancement un graphe dont les som-
mets repr esentent les diverses t aches du probl` eme dordonnancement. On ajoute
un nud 0 qui correspond ` a la date de d ebut de chantier et un nud f = n + 1
qui correspond ` a la n de chantier. Les arcs du r eseau repr esentent les diverses
contraintes qui peuvent toutes se mettre sous la forme suivante
t
i
+d
i
t
j
en d enissant d
0
= 0. Le probl` eme central dordonnancement se formule donc
ainsi :
min t
f
(t
0
)
s.c.q. t
i
+d
i
t
j
, (i, j) A
(7.4)
o` u A note lensemble des arcs du r eseau.
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 7.3: graphe associ e.
Reprenons lexemple. On peut construire syst ematiquement le graphe associ e
au probl` eme dordonnancement de la mani` ere suivante (voir gure 7.3) :
1. On relie dabord toutes les t aches qui peuvent etre effectu ees sans pr ealable
au nud 0, d ebut de chantier par un arc de longueur nulle. Dans lexemple,
seule la t ache 1 est dans ce cas. Remarquez quil sagit de la repr esentation
des contraintes (7.1).
2. Ensuite, on prend une t ache d ej` a dans le graphe et on examine si elle pr ec` ede
dautres. Par exemple, la t ache 1 doit pr ec eder la t ache 2. On doit donc avoir
t
2
t
1
+d
1
.
On trace le nud 2 et on le relie au nud 1 par un arc de longueur d
1
. On
fait de m eme pour repr esenter toutes les contraintes de type (7.2).
Section 7.3. Representation graphique du problème 105
3. Enn, quand toutes les t aches sont dans le graphe, pour les seules t aches qui
ne sont suivies daucune autre, on les relie au nud n + 1, n de chantier,
avec un arc de longueur egale ` a la dur ee de la t ache. Ici, seule la t ache nition
est dans ce cas, et il faut que cette t ache soit nie pour la n du chantier. Il
sagit ici de repr esenter les contraintes du type (7.3).
Disons un mot de la repr esentation des trois autres types de contraintes :
1. Supposons dabord que la t ache 3 ne puisse commencer avant 10 :
t
3
10 t
3
t
0
+ 10.
Ceci se repr esente en joignant les nuds 0 et 3 par un arc de longueur 10.
2. Ensuite, supposons que la t ache 5 doive etre commenc ee avant 40 :
t
5
40 t
0
t
5
40.
Ceci se repr esente en joignant les nuds 5 et 0 par un arc de longueur -40.
3. Enn, supposons que la t ache 9 doive commencer au plus tard 5 jours apr` es
le d ebut de la t ache 8 :
t
9
t
8
+ 5 t
8
t
9
5.
Ceci se repr esente en joignant les nuds 9 et 8 par une arc de longueur -5.
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 7.4: Trois autres types de contraintes.
Avant de voir lalgorithme qui permet de r esoudre le probl` eme dordonnan-
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
etre incompatibles entres elles.
Supposons que nous ayons la situation suivante. La t ache 1, qui dure d
1
jours,
doit etre termin ee avant que la t ache 2 ne commence. La t ache 2, qui dure d
2
jours, doit etre termin ee avant que la t ache 3 ne commence. La t ache 3, qui dure
d
3
jours, doit etre termin ee avant que la t ache 1 ne commence. Il est clair quun
tel probl` eme va conduire ` a une impossibilit e.
3
2
1
d
1
d
2
d
3
Figure 7.5: Circuit de longueur positive.
Cette situation est repr esent ee ` a la gure 7.5. On voit ici que le graphe contient
un circuit (cycle avec tous les arcs dans le m eme sens) dont la somme des longueurs
des arcs est positive. 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 simpliant, on obtient la condition suivante :
d
1
+d
2
+d
3
0
On peut alors montrer le r esultat suivant.
Lemme 7.1 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 quun cycle avec une somme des longueurs n egative ne pose pas de
probl` eme. Par exemple, ` a la gure 7.4, la t ache 8 de longueur 3 doit etre nie avant
que ne commence la t ache 9 et la t ache 9 doit commencer end eans les 5 jours de
d ebut de la t ache 8 :
t
8
+ 3 t
9
t
9
5 t
8
Ceci se repr esente, comme vu ci-dessus, par une ` eche de 8 vers 9 de longueur 3
et une ` eche retour de longueur -5. Ceci ne pose pas de probl` eme, la somme des
longueurs etant n egative.
Section 7.4. Calcul de lordonnancement au plus t ot 107
7.4 Calcul de lordonnancement au plus t ot
Nous allons maintenant voir un algorithme de calcul de lordonnancement au plus
t ot. Lordonnancement au plus t ot d etermine les dates de d ebut au plus t ot des
diff erentes t aches, not ees t
i
, en partant du nud de d ebut de chantier.
Illustrons les choses sur lexemple. La t ache 1 peut commencer au plus t ot en
0 puisquelle est reli ee au au nud 0, d ebut de chantier, par un arc de longueur
nulle. La t ache 2 peut commencer d` es la n de la t ache 1, cest-` a-dire
t
2
= t
1
+d
1
= 5
et ainsi de suite, on marque t
3
= 9, t
4
= 11, t
5
= 13, ...
Lorsquun sommet (comme le sommet 9) a plus dun pr ed ecesseur (8 et 6), on
d etermine la date au plus t ot par un maximum :
t
9
= max {t
6
+d
6
, t
8
+d
8
} = 16.
Il faut, en effet, que les deux t aches pr ec edentes soients nies avant de pouvoir
d ebuter la t ache 9. On arrive ainsi ` a d eterminer la dur ee totale minimum qui est
ici de 35 jours.
Lordonnancement au plus t ot est indiqu e ` a la gure 7.6 o` u le temps de d ebut
au plus t ot est indiqu e au dessus des nuds.
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 7.6: Ordonnancement au plus t ot.
7.5 Chemin critique et calcul des marges
Certaines t aches sont telles que si on retarde leur date de d ebut, cela aura des
r epercussions sur la date de n de chantier. Par exemple, si on retarde la date
de d ebut de la t ache 11 (nition), cela va directement retarder la date de n de
chantier. De m eme, si on retarde la t ache 10 (pl atre), cela va retarder la date de
d ebut de la t ache 11 (nition) qui elle-m eme retarde la date de n de chantier.
Par contre, si on retarde le d ebut de la t ache 5 (couverture), cela naura pas de
r epercussion, car ce nest pas ` a partir de ce nud que son successeur (10) a et e
marqu e mais bien ` a partir du nud 9. On voit donc que lon peut retarder la date
de d ebut de la t ache 5 sans cons equence sur la date de n 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 t ache 5 peut etre retard ee jusqu` a la valeur :
t
10
d
5
= 20 3 = 17
sans retarder la date de d ebut de la t ache 10. On dit que 17 est la date de d ebut au
plus tard de la t ache 5. Cest-` a-dire que la t ache 5 peut etre commenc ee ` a cette
date au plus tard sans allonger la dur ee totale minimale des travaux.
On notera une date de d ebut au plus tard par t
i
. On peut calculer lordonnan-
cement au plus tard de la mani` ere suivante (voir gure 7.7). Partant du nud n,
pour lequel la date de d ebut au plus tard concide avec la date de d ebut au plus t ot
t
12
= t
12
= 35,
on retranche ` a la date au plus tard la dur ee de la derni` ere t ache. On d etermine ainsi
la date de n au plus tard de la t ache 11 :
t
11
= t
12
d
11
= 35 5 = 30.
On marque ensuite ` a rebours les nuds 10, 5, ...
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 7.7: Ordonnancement au plus tard.
Lorsquun nud a plusieurs successeurs, on ne peut marquer ce sommet que
si tous ses successeurs directs sont marqu es. Prenons, ` a titre dillustration, le cas
du nud 3. Dans ce cas, il faut prendre le minimum :
t
3
= min{t
4
d
4
, t
6
d
6
} = min{15 2, 11 2} = 9,
Section 7.6. Lordonnancement par la methode PERT 109
sans quoi on retarderait la date de n de chantier.
On voit directement que lon a deux sortes de t aches.
Les t 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 lon appelle
le chemin critique qui donne lensemble des t aches ` a surveiller en premier
si lon veut respecter le d elai minimum de r ealisation du projet. Le chemin
critique, illustr e en hachur e ` a la gure 7.7, peut etre d etermin e de la mani` ere
suivante. Partant du nud n + 1, on ne retient que les sommets qui ont
permis de joindre n+1 ` a partir du nud 1. Il sagit, dans lexemple, des
nuds 12,11,10,9,6,3,2,1 et 0.
Pour toutes les autres t aches, cest-` a-dire les t aches non critiques, on peut
d eterminer la marge dune t ache comme la diff erence entre son temps de
d ebut au plus tard et au plus t ot :
m
i
= t
i
t
i
(7.5)
et donc la marge m
i
est strictement positive pour les t aches non critiques
tandis quelle est nulle pour les t aches critiques.
i 4 5 7 8
m
i
4 4 1 1
7.6 Lordonnancement par la m ethode PERT
La m ethode PERT (pour Program Evaluation Review Technique) sest d evelop-
p ee, parall` element ` a la m ethode du potentiel, aux Etats-Unis en 1958 pour la
planication de la construction des sous-marins Polaris. Elle se distingue de la
m ethode du potentiel par le fait que les t aches ne sont plus associ ees aux nuds
mais bien aux arcs du r eseau. Lalgorithme 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 PERT est souvent plus difcile ` a
construire que celui de la m ethode du potentiel car on peut etre amen e ` a introduire
des arcs ctifs qui ne correspondent ` a aucune t ache.
Dans la m ethode PERT, chaque t ache est donc associ ee ` a un arc du graphe. La
longueur de larc correspondant ` a la dur ee de la t ache en question. Les sommets
sont utilis es pour traduire les relations de succession temporelle. Ainsi, si la
t ache j doit suivre la t ache i, lextr emit e terminale de larc repr esentant la t ache i
concidera avec lextr emit e initiale de larc repr esentant la t ache j.
Ceci permet de tracer le graphe pour lexemple d ej` a consid er e pour la m ethode
du potentiel. Ceci est fait ` a la gure 7.8 o` u lon a not e, ` a c ot e de chaque arc, dune
part, le num ero correspondant ` a la t ache, dautre part, la dur ee de la t ache.
i j
Figure 7.8: 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 nen va pas toujours de m eme. La construction du
graphe PERT pose divers probl` emes qui am` enent ` a ajouter des arcs ctifs qui ne
correspondent ` a aucune t ache.
Un premier probl` eme se rencontre lorsque lon veut tenir compte des cont-
raintes de localisation temporelle. Par exemple, supposons quune t ache i ne
peut commencer avant une date l
i
. Il faut introduire un arc joignant lorigine des
travaux ` a lorigine de larc repr esentant la t ache i et ayant pour longueur la date
en question l
i
. On est donc amen e, dans ce cas, ` a ajouter un arc ctif qui ne
correspond ` a aucune t ache.
Un second probl` eme, plus d elicat, se rencontre pour les contraintes de suc-
cession temporelle. En effet, supposons que la t ache 1 pr ec` ede les t aches 2 et 3
et que la t ache 4 pr ec` ede la t ache 3. On pourrait tracer le graphe de la gure 7.9.
Mais ce graphe introduit une contrainte suppl ementaire qui dit que la t ache 4 doit
1
2
3
4
Figure 7.9: Introduction dun contrainte.
pr ec eder la t ache 2. Pour r esoudre la difcult e, il faut ` a nouveau ajouter un arc
ctif de longueur nulle entre lextr emit e de la t ache 1 et le d ebut de la t ache 3.
Ceci est illustr e ` a la gure 7.10.
Lordonnancement se calcule ainsi. Dabord, on d etermine les dates de d ebut
au plus t ot des nuds, que nous noterons t
i
. Ceci est fait par marquage des nuds
` a partir de lorigine comme dans la m ethode du potentiel. On additionne au temps
du nud pr ec edent le temps de la t ache. En cas de plusieurs pr ed ecesseurs, on
prend le maximum. Ensuite, on d etermine les dates au plus tard des nuds, not ees
t
i
, par marquage ` a partir de la n, en soustrayant au temps du nud suivant le
temps de la t ache. En cas de plusieurs successeurs, on prend le minimum. Ensuite,
Section 7.6. Lordonnancement par la methode PERT 111
1
2
3 4
Figure 7.10: Arc ctif.
on calcule la marge de la t ache (i, j) entre les nuds i et j comme :
m
ij
= t
j
(t
i
+d
ij
)
Autrement dit, la marge est la diff erence entre le temps de d ebut au plus tard du
nud j et larriv ee au plut ot ` a ce nud pour la t ache (i, j) qui peut partir au plus t ot
en t
i
du nud i. On obtient alors les dates au plus tard des t aches en additionnant
` a la date au plus t ot du noeud de d epart, la marge de la t ache. Les r esultats sont
indiqu es au tableau ci-dessous.
T ache 1 2 3 4 5 6 7 8 9 10 11
Date au plus t ot 0 5 9 11 13 11 9 12 16 20 30
Marge 0 0 0 4 4 0 1 1 0 0 0
Date au plus tard 0 5 9 15 17 11 10 13 16 20 30
Un chemin critique peut alors se construire ` a partir du nud de n en ne retenant
que les arcs critiques. Lapplication ` a lexemple donne lordonnancement illustr e
` a la gure 7.11.
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
13 16
13
35 30 20
0 5
9
0
0
0
0
11
4
17
4
1
1
12 16
0
0
0
35 30 20
Figure 7.11: Ordonnancement par la m ethode PERT.
7.7 La minimisation des co uts
Jusqu` a pr esent, on a consid er e la dur ee de chaque t ache comme donn ee. Or la
dur ee dune t ache particuli` ere i peut varier en fonction, par exemple, de lem-
bauche de personnel suppl ementaire, de lachat ou de la location de mat eriel
suppl ementaire. On voit donc que lon pourra, en g en eral, r eduire la dur ee de
chaque t ache moyennant un co ut suppl ementaire. Nous allons voir ici comment
arbitrer entre les deux crit` eres : diminution de la dur ee dex ecution des t aches et
donc du chantier et, dautre part, augmentation des co uts dex ecution des t aches.
Consid erons la t ache i. Sa dur ee dex ecution d
i
peut varier entre une dur ee
minimale (incompressible) d
i
et une dur ee maximumd
i
. Si lon admet que le co ut
c
i
d
i
d
i
d
i
m
i
Figure 7.12: Co ut dex ecution de la t ache i.
varie lin eairement en fonction de la dur ee, on obtient le graphique de la gure 7.12.
Notons par m
i
la pente. Pour une dur ee d
i
comprise entre les bornes inf erieure et
sup erieure, le co ut de la t ache i est alors calcul e par l equation suivante :
c
i
(d
i
) = c
i
(d
i
) +m
i
(d
i
d
i
)
Si on r ep` ete la m eme op eration pour chacune des t aches, lobjectif de la minimi-
sation du co ut total dex ecution des t aches peut s ecrire:
minz =
n
i=1
[c
i
(d
i
) +m
i
(d
i
d
i
)]
= K +
n
i=1
m
i
d
i
Le premier terme etant constant, il revient au m eme de minimiser le seul second
Section 7.7. La minimisation des co uts 113
terme et on obtient lobjectif 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 t ache i;
d
i
= la dur ee dex ecution de la t ache i;
t
f
= le temps de n de chantier.
Moyennant ce choix de variables, le probl` eme de minimisation des co uts dex ecu-
tion des t aches se formule donc comme suit :
c
D
() = minz
=
n
i=1
m
i
d
i
s.c.q
_
_
t
i
t
0
(localisation temporelle)
t
j
t
i
+d
i
(succession temporelle)
t
f
t
i
+d
i
(n de chantier)
t
f
(borne sur t
f
)
d
i
d
i
d
i
(bornes sur la dur ee)
P()
La borne sup erieure sur t
f
a du etre ajout ee car il est clair, au vu de la forme des
fonctions de co ut c
i
(d
i
) que sinon on aura tendance ` a prendre d
i
= d
i
pout toute
t ache et donc ` a augmenter au maximum la dur ee du chantier.
On peut alors r esoudre ce probl` eme en fonction du param` etre . En ajoutant
le terme constant que nous avions n eglig e, on obtient un graphique du genre de
celui repr esent e ` a la gure 7.13. Ce graphique appelle plusieurs commentaires :
1. Tout dabord, le param` etre doit etre sup erieur ` a une certaine valeur mi-
nimum qui correspond au temps dex ecution minimum lorsque toutes les
t aches critiques sont ` a leur dur ee minimum d
i
.
2. Ensuite, remarquons que la fonction c() est convexe, d ecroissante et lin eaire
par morceaux.
3. Enn, ` a partir dune certaine valeur de , on aura syst ematiquement d
i
= d
i
et lobjectif devient constant. Cette valeur correspond au temps minimum
dex ecution du projet lorsque toutes les t aches critiques sont ` a leur dur ee
maximum d
i
c( )
Figure 7.13: Co ut dex ecution en fonction de .
Comment va-t-on alors choisir le temps optimum ? A voir la forme de la
courbe 7.13, il vaudrait mieux prendre = , le temps maximum. Mais ceci ne
tient compte que des co uts directs dex ecution des t aches.
Il existe aussi des co uts indirects li es ` a la dur ee du chantier. Ce sont les frais
dassurances, les salaires de lencadrement, 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. On note c
I
() ces co uts indirects.
Si on additionne les deux courbes (co uts directs et co uts indirects), comme ` a la
gure 7.14, on obtient la courbe de co ut total dont on peut d eterminer le minimum:
c
T
() = c
D
() +c
I
()
c( )
co ut direct
co ut indirect
co uts totaux
Figure 7.14: Co uts totaux.
On a donc arbitr e entre les deux objectifs de diminution des co uts et de dimi-
nution du temps dex ecution.
7.8 Exercices
7.1. Equipement dun ensemble minier. L equipement dun ensemble minier
comporte les t aches suivantes dont la dur ee est exprim ee en trimestres.
No t ache dur ee pr ealables
1 Commande dune piste 6 -
2 Construction dun port provisoire 3 -
3 Commande de mat eriel portuaire 2 -
4 Pose dune voie ferr ee 4 2
5 Construction dune cit e administrative 7 2
6 Construction du port d enitif 2 2
7 Construction de linstallation mini` ere 4 1 et 4
8 Equipement portuaire d enitif 3 3 et 6
(a) Construire le graphe relatif ` a la m ethode du potentiel.
(b) Calculer les dates de d ebut au plus t ot, les dates de d ebut au plus tard.
D eterminer le chemin critique.
(c) Comment modier le graphe si, on veut que la t ache 7 ne commence
pas avant 8 trimestres ? Recalculez les dates de d ebut au plus t ot, les
dates de d ebut au plus tard.
(d) Comment modier le graphe si on veut en plus que la t ache 8 ne
commence pas apr` es 4 trimestres ? Dites si le probl` eme reste soluble.
7.2. Construction dun b atiment. Consid erons les diff erentes t aches ` a effectuer
pour construire un b atiment. Elles sont reprises ci-dessous.
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 nitions int erieures 6 8 et 9
11 peinture ext erieure 9 6
12 nitions ext erieures 2 11
(a) Tracez le graphe relatif ` a la m ethode du potentiel.
(b) Calculez les dates de d ebut au plus t ot, les marges et d eterminez le(s)
chemin(s) critique(s).
(c) Les t aches 9 (peinture int erieure) et 11 (peinture ext erieure) doivent etre
disjointes car effectu ees par les m emes ouvriers. Comment r esoudre
cette disjonction ? La date de n des travaux est-elle affect ee ?
7.3. La m ethode PERT. Une entreprise d ecide de commercialiser un nouveau
produit. La planication de ce lancement fait apparatre les t aches reprises
au tableau 7.2 avec leur dur ee (en semaines) et leurs pr ealables.
(a) Tracer le graphe correspondant ` a la m ethode PERT.
(b) Calculez les dates de d ebut au plus t ot, au plus tard, les marges et le
chemin critique.
(c) Lentreprise voudrait r eduire la dur ee totale dex ecution des travaux.
Pour cela, il est possible de r eduire la dur ee des t aches 5 et 11 de une
ou deux semaines au prix dun co ut suppl ementaire de 100 000 EURO
par semaine de r eduction pour la t ache 5 et de 200 000 EURO par
semaine pour la t ache 11. De combien peut-on r eduire la dur ee totale
des travaux et ` a quel co ut ?
1 S election des equipements 1 -
2 Choix de la m ethode de production 2 1
3 Proc edures de contr 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 7.2: Lancement dun nouveau produit
7.4. Minimisation des co uts. On consid` ere un chantier de construction qui fait
intervenir cinq t aches dont les dur ees, les t aches pr ealables et les frais directs
(main duvre, heures machine) sont donn ees au tableau 7.3.
T ache dur ee t aches frais directs
(jours) pr ealables (EUR)
1 4 - 30 000
2 6 - 40 000
3 5 1 50 000
4 8 2 et 3 50 000
5 7 4 10 000
Tableau 7.3: Minimisation des co uts
(a) Tracer le graphe correspondant ` a la m ethode du potentiel.
(b) D eterminer les dates de d ebut au plus t ot au plus tard et le chemin
critique.
(c) Les dur ees des t aches 3 et 5 peuvent etre r eduites jusqu` a 3 et 5 jours
au prix daccroissements de co uts de 20 000 et 10 000 EURO par jour.
Ecrire le programme exprimant la minimisation du co ut direct pour une
dur ee totale t
f
donn ee. On commencera par exprimer les co uts directs
c
3
et c
5
des t aches 3 et 5 comme fonctions afnes des dur ees d
3
et d
5
qui deviennent variables.
(d) Ond esire etudier, enfonctionduparam` etre t
f
, les variations duco ut mi-
nimal direct total C
D
obtenu ` a laide du programme pr ec edent. Donner
la forme de la courbe repr esentant les variations de ce co ut en fonction
de t
f
. D eterminer num eriquement l evolution du co ut direct C
D
en
fonction de t
f
en partant du r esultat de la question (b) et en r eduisant
progressivement la dur ee t
f
de fa con ` a ce que le co ut direct soit toujours
minimal.
(e) En plus des co uts directs, lentreprise supporte aussi des frais indirects.
Ces frais indirects comportent les salaires de lencadrement, des frais
de location de mat eriel, des frais dassurance et des frais nanciers
pour un montant total de 10 000 + 5 000 t
f
et aussi une p enalit e de
10 000 EURO par jour de retard au del` a du 22` eme jour. D ecrire sur un
m eme graphique l evolution du co ut indirect C
I
, du co ut direct C
D
et
du co ut total en fonction de la dur ee de n de chantier. Quelle valeur
donner ` a cette dur ee ?
7.5. Lancement dun nouveau produit. Une soci et e met ` a l etude le lancement
dun nouveau produit. Ce lancement n ecessite la r ealisation de 10 t aches
rep er ees par les lettres A ` a J, et dont les caract eristiques sont donn ees ` a la
table 7.4.
t ache dur ee anc 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 7.4: Lancement dun nouveau produit
(a) Etablir le graphique de la m ethode du potentiel.
(b) V erier sur le graphique que le probl` eme est soluble (expliquer suc-
cinctement pourquoi).
(c) Calculer les dates de d ebut au plus t ot, au plus tard, les marges.
(d) Donner tous les chemins critiques.
t ache co ut
C 10.000 EURO
F 15.000 EURO
B 5.000 EURO
I 6.000 EURO
Tableau 7.5: R eduction possible de la dur ee
(e) Le directeur commercial souhaite raccourcir la dur ee dex ecution du
projet dune semaine. Les t aches sur lesquelles il est possible dagir
ainsi que le co ut correspondant ` a leur diminution de dur ee dune se-
maine sont donn es ` a la table 7.5. Que sugg erez-vous ?
Chapitre 8
Conception dun centre de production
8.1 Introduction
Les d ecisions dimplantation dun centre de production incluent
1. la d ecision de localisation du centre qui d epend de :
la localisation des clients : il faut minimiser les co uts de transport vers
ceux-ci;
la disponibilit e et le co ut de la main duvre;
la disponibilit e des mati` eres premi` eres;
les aides nationales et locales ` a linvestissement;
la volont e de p en etrer un march e local difcile;
la qualit e des h opitaux, la qualit e du cadre de vie,. . .
Atitre dexemple, on peut citer la localisation dune nouvelle usine TOYOTA
pr` es de Valenciennes, qui est situ ee au cur de lEurope 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 lentreprise de dominer un march e;
de la possibilit e de r epondre rapidement ` a des variations de demande.
Vu lincertitude 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 conguration du centre de production : il sagit de d eterminer comment
les diff erents equipements et postes de travail doivent etre dispos es.
119
120 Chapitre 8. Conception dun centre de production
8.2 Conguration dun centre de production
Il sagit 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
congurations possibles :
1. La conguration en ateliers sp ecialis es est utilis ee lorsquil y a une grande
vari et e darticles diff erents ` a produire. On peut alors regrouper dans un
atelier lensemble des machines assurant une fonction donn ee. Par exemple,
dans un garage, latelier de peinture, latelier carrosserie,. . .
2. La conguration en terme de produit est utilis ee lorsquil y a une demande
importante et continue de quelques produits. On organise la production soit
en ligne (cest le cas des lignes dassemblage dautomobiles) soit en industrie
de process (cest le cas des rafneries de p etrole).
3. On parle de conguration ` a poste xe lorsque lop 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 dun super march e;
un magasinier qui se d eplace entre les diff erents rayonnages dun ma-
gasin de stockage de carrelage.
8.2.1 Conguration en ateliers sp ecialis es
Illustrons cette conguration par lexemple tir e de Mac Clain [13] dune maternit e
qui regroupe les diff erents services concern es sur un m eme etage dun h opital :
accueil
salle dattente
consultation pr enatale
echographie
salle daccouchement
Une question cruciale pour une bonne organisation de ce type de conguration
est la localisation relative de ces diff erents services. On doit tenir compte de :
1. du volume de trac entre deux services de sorte que deux services avec un
ux important soient localis es proches lun de lautre;
Section 8.2. Conguration dun centre de production 121
2. du fait quil peut y avoir r epulsion entre deux services.
Une matrice de proximit e peut 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 gure 8.1 illustre cette matrice dans le cas de la maternit e. On peut egalement,
ACCUEIL
SALLE D'ATTENTE
CONSULTATIONS
ECOGRAPHIE
SALLE ACCOUCHEMENT
G
I
S
A
X
Figure 8.1: Matrice de proximit e
plut ot que de noter la proximit e, donner une matrice de ux entre les diff erents
services. On peut alors concevoir une localisation des diff erentes services qui
minimise la somme des ux entre services pond er ee par la distance entre ces
services.
Supposons que lon note lint er et d etre proche par la grille de poids suivante :
4 : Absolument n ecessaire
3 : Sp ecialement important
2 : Important
1 : G en eralement proche
0 : sans importance
-1 : ` a eviter
On peut alors d enir la matrice de poids w
ik
mesurant limportance pour le
service i d etre proche du service k donn ee au tableau 8.1.
Les cinq services sont ` a placer ` a une des cinq places disponibles sur le plateau
de lh opital repr esent e ` a la gure 8.2.
On peut mesurer la distance d
jl
entre les emplacements j et l. Elles sont reprises
au tableau 8.2.
w
ik
k = 1 k = 2 k = 3 k = 4 k = 5
i = 1 1 1
i = 2 1 2
i = 3 2 3
i = 4 3 4
i = 5 1 4
Tableau 8.1: Matrice de poids mesurant limportance d etre proches
d
14
j = 1
j = 2
j = 3
j = 4 j = 5
Figure 8.2: Disposition relative des locaux ` a affecter
d
jl
l = 1 l = 2 l = 3 l = 4 l = 5
j = 1 5 7 5 4
j = 2 5 4 2 3
j = 3 7 4 2 3
j = 4 5 2 2 1
j = 5 4 3 3 1
Tableau 8.2: Matrice des distances entre locaux
Nous allons maintenant formuler le probl` eme comme un probl` eme daffecta-
tion quadratique. On a donc 5 services ` a localiser ` a une des 5 places possibles.
On choisit ici comme variables :
x
ij
= 1 si le service i est localis e en place j,
= 0 sinon.
Dans ce cas, lobjectif 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.
Expliquons la forme de cette fonction : on ne retrouvera dans cet objectif
que les termes o` u x
ij
x
kl
= 1, cest-` a-dire o` u i est mis en place j et k en place l.
Lobjectif minimise la somme des distances entre les paires de lieux (j, l), pond er ee
par limportance dune localisation proche des paires de services (i, k), pour autant
que x
ij
et x
kl
soient egaux ` a un. An de minimiser ce produit, on mettra donc
comme coefcient des w
ik
les plus elev es, les d
jl
les plus faibles, cest-` a-dire les
plus proches lun de lautre ceux qui y ont le plus grand int er et.
Les contraintes sont de deux types :
Toute place j 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.
Tout service i est plac e :
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 s ur egalement imposer le caract` ere entier des variables :
x
ij
{0, 1}, i, j.
Nous ne verrons pas, dans le cadre de ce cours, de m ethode de r esolution de ce
probl` eme.
8.2.2 Conguration en ligne de production
Lorsquun produit est fabriqu e en grande quantit e, on peut gagner en efcacit e
en organisant la production en ligne. A titre dexemple, on peut citer les usines
dassemblage automobiles ou les tunnels de lavage de voitures (car-wash).
Le probl` eme principal r eside dans l equilibrage de la chane : il faut que les
diff erentes op erations prennent le m eme temps car la chane tourne ` a la vitesse de
lop eration la plus lente.
Une ligne dassemblage est dite parfaitement equilibr ee si chaque poste de
travail est occup e ` a 100 %.
Illustrons ceci sur lexemple suivant tir e de Mac Clain [13]. 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 8.3 fournit les t aches, leurs dur ees et
leurs pr ealables. Le temps total dassemblage est de 100 minutes au minimum.
Label Temps Objet Pr ed ecesseurs
A 2 placer le chassis sur la chane -
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 lappareil tous
Total 100
Tableau 8.3: Equilibrage dune chane
On dispose de cinq op erateurs.
On peut tracer un graphe de pr es eance qui nest rien dautre que le graphe de
la m ethode du potentiel o` u chaque t ache est repr esent ee par son label et sa dur ee.
On a repr esent e ce graphe ` a la gure 8.3.
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
oprateur 1 oprateur 2 oprateur 3 oprateur 4 oprateur 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 8.3: Une affectation possible
Une affectationpossible des t aches auxop erateurs est obtenue entra cant cinq
sous-ensembles, correspondant aux t 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
gure 8.3, 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 dun cycle
= inverse de la fr equence,
T = temps total requis par un article
= somme des temps individuels.
Remarquons quici on na pas atteint lobjectif dun equilibrage parfait qui
impliquerait de construire 3 articles par heure avec un temps de cycle de 20 minutes.
Remarquons quil nest pas toujours possible datteindre l equilibre parfait de la
chane puisque les t aches ne sont pas divisibles ` a linni.
Voyons maintenant comment r esoudre le probl` eme. Trouver laffectation
qui minimise RE est un probl` eme en nombres entiers particuli` erement difcile ` a
r esoudre. Une heuristique qui permet de trouver rapidement une solution (sans
garantie quelle soit optimale) est la suivante. On se xe une dur ee maximum pour
chaque poste de travail. Ici xons 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 t ache et classer les t aches par score d ecroissant.
Ici, on utilise comme score 1 la dur e de la t ache. On obtient :
E, N, J, I, L, B, F, G, M, C, H, K, A, D
Pas 2. Mettre ` a jour lensemble des t aches disponibles (cest-` a-dire les t aches dont
tous les pr ed ecesseurs imm ediats sont affect es). Au d ebut, ce sont celles sans
pr ed ecesseur :
S = {J, G, C, K, A, D}
Pas 3. Affecter la t 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 nest pas dune tr` es grande qualit e. On peut utiliser
plut ot un second score qui consiste ` a additionner ` a la dur ee de la t ache, celles
de toutes les t aches qui la suivent. Ainsi, ` a la dur ee de la t ache A, on ajoute le
temps des t aches F, B, I, M, H et N. Le calcul du second score donne les r esultats
suivants :
A B C D E F G H I J K L M N
50 26 42 39 37 22 25 19 24 39 33 29 21 15
Le classement des t aches suivant ce second score est le suivant :
A, C, D, J, E, K, L, B, G, I, F, M, H, N
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%
On voit que la solution est meilleure sans etre optimale. On peut egalement agir
sur la dur ee maximum de 19 qui est un param` etre de lheuristique.
8.2.3 Conguration ` a poste xe
Lorsque lop erateur voyage entre les diff erentes op erations, on parle de conception
` a poste xe. Comme exemples, on peut citer :
les magasins en self-service o` u le client se d eplace de rayon en rayon;
les entrep ots de stockage de carrelages, de tapis-pleins, etc. . .
une centrale de stockage interm ediaire dune soci et e de distribution;
une inrmi` ere qui se d eplace dune chambre ` a lautre dans un h opital,. . .
Le probl` eme principal r eside dans la localisation des aires de stockage de
mani` ere ` a minimiser soit
le co ut total de manipulation en mettant les produits les plus utilis es aux
endroits les plus accessibles;
le temps maximum dacc` es dans le cas, par exemple, de la localisation de
centres dintervention durgence.
Cas dun entrep ot :
Illustrons ce cas par lexemple 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 rev etement
de sol. On approvisionne le stock en grandes quantit es (de lordre de 200 rou-
leaux dun m 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 dun lot ` a la production et la taille moyenne dun lot demand e.
Pour le placement optimal des rouleaux, on a int er 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 :
Section 8.3. Decisions de capacite 129
Stocker ` a des places d edi ees : une r ef erence donn ee sera toujours ` a la m eme
place. Ce qui facilite le contr ole et linformation. Linconv enient est que
lon 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 lall ee, la
distance dans lall ee, et la hauteur dans le rayon.
La solution adopt ee chez Sommer est le d edicacement par zone : on place le
produit dans la premi` ere place disponible dans une zone (assez large) correspondant
` a son taux de rotation. Ceci est donc un compromis entre une capacit e de stockage
r eduite et la rapidit e dacc` es aux produits ` a forte rotation de stock.
Cas des centres dintervention durgence :
Dans ce second cas, lobjectif est de minimiser le temps dacc` es au client le
plus eloign e. Par exemple, dans un service hospitalier, on veut localiser le local
des inrmi` 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 inrmi` eres au centre. Remarquez quici souvent la
solution impliquera des localisations multiples an de bien couvrir une zone :
par exemple, dans le cas des pompiers, on aura diverses antennes d elocalis ees
permettant datteindre rapidement des villages d ecentr es.
8.3 D ecisions de capacit e
Nous allons illustrer les d ecisions de choix dune capacit e sur lexemple tir e de
Mac Clain [13] dune boulangerie industrielle qui fournit les supermarch es de sa
r egion et qui sattend ` a une croissance de la demande.
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 prot de 40 000 $
par semaine hors frais damortissement du capital. Si le succ` es du produit
est mitig e, une capacit e de 2 000 unit es par semaine sera sufsante et la
compagnie fera un prot de 16 000 $ par semaine. La demande est connue
au bout dun an. On suppose que les b en eces sont comptabilis es en n
dann ee. Une ann ee comporte 52 semaines douverture du magasin.
2. Donn ees de co ut dinvestissement. Une capacit e de 2 000 unit es par semaine
peut etre construite pour 800 000 $. Une capacit e de 5 000 unit es par semaine
peut etre construite pour 1,5 millions de $. Une capacit e de 2 000 peut etre
etendue ` a une capacit e de 5 000 pour 1 million de $. Les surcapacit es sont
sans valeur.
3. La dur ee de vie des equipements est de 20 ans.
4. Le facteur dactualisation, n ecessaire car les prots sont r epartis dans le
futur, est de 25 % lan.
5. La probabilit e de succ` es du lancement du produit est estim ee ` a 20 % sur
base dexp eriences dintroduction dautres produits.
Les diff erents choix possibles peuvent etre utilement illustr es sur un arbre de
d ecision tel que celui de la gure 8.4. Un carr e repr esente une d ecision. Un cercle
construire 2000
haute demande
faible demande
h
a
u
t
e
d
e
m
a
n
d
e
faible demande
tendre 5000
rester 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 8.4: Arbre de d ecision
repr esente un etat du monde.
Pour le choix dune capacit e, on va s electionner la capacit e desp erance de
prot la plus elev ee.
D enition 8.1 On appelle valeur nette pr esente, la somme actualis ee des prots
futurs moins linvestissement initial.
Appliquons ceci ` a lexemple. Si, au d ebut de la deuxi` eme ann ee, on etend la
capacit e de 2 000 ` a 5 000, ceci rapporte un suppl ement de prot pour les ann ees 2
` a 20, rapport e ` a la n de la premi` ere ann ee de :
19
j=1
(40 000 16 000) 52
_
1
1, 25
_
j
Section 8.3. Decisions de capacite 131
On peut d emonter la formule suivante pour le calcul dannuit es :
n
j=1
_
1
1 +i
_
j
=
_
1 (1 +i)
n
i
_
Appliquons ceci ` a notre exemple :
19
j=1
_
1
1, 25
_
j
=
_
1 (1, 25)
19
0, 25
_
= 3, 942
On obtient donc une valeur nette au bout dun an de :
24 000 52 3 942 = 4 920 057.
dont on d eduit la valeur nette pr esente de linvestissement fait au bout dun an :
VNP = 4 920 057 1 000 000 = 3 920 057.
On en conclut que lon a int er et ` a faire linvestissement puisque la Valeur Nette
Pr esente est positive : on aura un return positif de linvestissement.
Consid erons la construction initiale de 2 000 augment ee de 3 000, en cas de
demande forte. Linvestissement initial de 2 000 rapporte 16 000 $ durant 20 ans
et linvestissement de 2` eme ann ee rapporte 3 920 057 au bout dun an :
(16 000 52)
20
j=1
_
1
1, 25
_
j
+ 3 920 057
1
1, 25
800 000 = 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.
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 = 6 724 076.
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.
Les r esultats dans les diff erents cas sont r esum es au tableau 8.4.
On peut alors calculer les prots esp er es dans chacun des trois cas :
D ecision demande VNP
construire 5 000 forte 6 724 076
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 8.4: Calcul de la VNP
Construire 5 000 :
E(V NP) = 0, 2 6 724 076 + 0, 8 1 789 631 = 2 776 519 $.
Construire 2 000 :
E(V NP) = 0, 2 5 625 677 + 0, 8 2 489 631 = 3 117 039 $.
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 (voir exercice ci-dessous).
8.4 D ecisions de localisation
La d ecision de localisation dun centre de production doit etre analys ee en tenant
compte de plusieurs crit` eres :
1. la facilit e dacc` es, les co uts de transport;
2. la disponibilit e, qualication et le co ut de la main duvre;
3. le co ut de construction, les taxes locales;
4. lattraction des clients;
5. la disponibilit e des mati` eres premi` eres;
6. les attitudes des autorit es locales et nationales.
Section 8.5. Utilisation de la programmation mathematique 133
Limportance relative de ces crit` eres d epend du type dactivit e ` a localiser :
localiser un super-march e : les co uts de transport et lattraction des clients
sont pr epond erants;
localiser une usine : le co ut de la main duvre et la disponibilit e des
mati` eres premi` eres sont pr epond erants.
Les mod` eles de localisation optimale consid` erent g en eralement un seul crit` e-
re. Deux techniques sont appliqu ees suivant lobjectif poursuivi : la technique de
gravit e si on veut minimiser les co uts totaux de transport ou celle de discr etisation
si on veut minimiser le temps dacc` es au client le plus eloign e.
Comme nous lavons dit, il existe deux techniques qui correspondent chacune
` a un choix dobjectif :
La technique du centre de gravit e. Si lon veut minimiser le nombre total de
tonnes-kilom` etres de produit transport e, on a int er et ` a se situer au centre de
gravit e des clients et fournisseurs. Par exemple, dans la localisation dune
usine de production de b eton, on a int er 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 dacc` es est le plus
important, on aura recours le plus souvent ` a des emplacements multiples an
davoir un bon acc` es ` a tous. Par exemple, lors de la localisation dun centre
dintervention de pompiers, on veut minimiser le temps dacc` es au client le
plus eloign e. Ce qui conduit ` a implanter des antennes d ecentralis ees.
8.5 Utilisation de la programmation math ematique
Pour terminer ce chapitre, nous allons illustrer lutilit e de la programmation math e-
matique dans les d ecisions de localisation et de choix de capacit es sur un exemple
egalement tir e de tir e de Mac Clain [13].
Les diff erentes donn ees du probl` eme sont reprises aux tableaux 8.5 et 8.6. Les
co uts de transport entre les diff erentes usines et les diff erents clients sont donn es
au tableau 8.5 en $ par kg. Les demandes des clients sont donn ees au tableau 8.5
en millions de kg par jour. Les co uts de production sont donn es au tableau 8.6 en
$ par kg. Les capacit es de production sont donn ees au tableau 8.6 en milliers de
kg par jour.
On veut d eterminer le plan de distribution qui minimise les co uts de production
et les co uts de transport.
Vers le Co ut de lusine ($/kg) Demande du client
le client A B C (10
6
kg/jour)
1 0,021 0,039 0,035 0,5
2 0,024 0,029 0,034 0,8
3 0,019 0,040 0,029 0,5
4 0,048 0,027 0,026 0,9
5 0,037 0,024 0,032 0,9
6 0,029 0,023 0,041 0,8
7 0,020 0,041 0,032 0,6
8 0,041 0,034 0,019 0,6
9 0,050 0,034 0,018 0,8
10 0,047 0,035 0,018 0,7
Tableau 8.5: Co uts de transport et demandes
Usine A B C
Co ut de production ($/kg) 0,347 0,326 0,351
Capacit e de production (10
6
kg/jour) 1,8 4 1,6
Tableau 8.6: Co 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 lusine i et livr es au client
j.
Expression de lobjectif.
Il sexprime simplement par :
min
3
i=1
10
j=1
c
ij
x
ij
avec c
ij
, le co ut de fourniture dun million dunit e de lusine i vers le client
j. Ce co ut est la somme du co ut de production et du co ut de transport.
Expression des contraintes.
Elles sont de deux types :
Respecter la capacit e de lusine i :
10
j=1
x
ij
CAP
i
o` u CAP
i
note la capacit e de lusine i.
Satisfaire la demande du client j :
3
i=1
x
ij
= DEM
j
o` u DEM
j
note la demande du client j.
La solution optimale peut etre trouv ee par lalgorithme du Simplexe puisquil
sagit dun probl` eme purement lin eaire. Examinons maintenant le probl` eme de la
localisation dune nouvelle usine. Supposons que lusine Cdoive etre remplac ee.
Les alternatives possibles sont :
1. Accrotre lusine 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.
Les alternatives co ut xe co ut marginal
6 millions B 18 millions de $ 0,326
2 millions C 18 millions de $ 0,335
4 millions C 34 millions de $ 0,320
Tableau 8.7: Donn ees de co ut des alternatives
Leurs co uts respectifs sont donn es au tableau 8.7.
Effectuons une comparaison des 3 alternatives et de la situation actuelle. Il
sagit de r esoudre successivement quatre probl` emes lin eaires not es (LP1) ` a (LP4)
au tableau 8.8. Dans la colonne co ut journalier, on donne la somme du co ut de
production et du co ut de transport, hors frais xes dinvestissement.
Les alternatives co ut journalier co ut xe
(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 8.8: Donn ees de co ut des alternatives
Une premi` ere conclusion qui peut etre tir ee de ce tableau est que (LP2) peut
etre elimin e car ayant un co ut xe identique ` a celui de (LP3), une alternative qui
a un co 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 de $. Cet investissement est certainement rentable, quel que soit le facteur
dactualisation.
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 de $. A nouveau, cet investissement est hautement
protable. 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), lusine A nest plus utilis ee du
tout et peut etre ferm ee.
Enn, terminons ce chapitre en illustrant limportance de lutilisation de va-
riable binaires dans les d ecisions de choix de capacit e. Prenons lexemple de lou-
verture eventuelle dune nouvelle usine D de 2 millions de capacit e. La d ecision
douverture de la nouvelle usine peut etre mod elis e par la variable binaire :
y
4
{0, 1}
avec y
4
valant 1 si lusine 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 lusine D est ferm ee, le membre de droite est nul et rien ne peut sortir
de lusine.
Cette variable interviendra aussi dans la fonction objectif. En effet, ` a la somme
des co uts de transport, on peut ajouter le co ut xe du nouvel investissement. Ceci
conduit ` a lexpression suivante pour lobjectif :
minz =
4
i=1
10
j=1
c
ij
x
ij
+
4
i=2
K
i
y
i
o` u K
i
est le co ut xe douverture de lusine i.
Remarquez aussi que les variable binaires peuvent etre utilis ees pour d ecider
du niveau de la capacit e dune nouvelle usine parmi un nombre discret de valeurs
possibles. Ainsi, si lusine D peut avoir comme capacit e 2 millions ou 5 millions
dunit 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 quune seule des deux capacit es est s electionn ee.
Remarquez enn que lutilisation de variables binaire conduit ` a un probl` eme en
nombres entiers. Il sagit dun probl` eme plus difcile ` a r esoudre que les probl` emes
lin eaires (LP1) ` a (LP4). Il peut etre r esolu par application de la m ethode de branch
and bound.
8.6 Exercices
8.1. Equilibrage dune chane. Pour lexemple de la section 8.2.2,
(a) au moyen dun 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 chane ainsi obtenue.
8.2. Montage en chane dune lampe. Le montage dune lampe de bureau
n ecessite la r ealisation de 7 t aches (not ees A ` a G) dont les temps el ementaires
de montage sont donn es en deuxi` eme colonne du tableau 8.9. Les contraintes
dant eriorit e sont donn ees en troisi` eme colonne du tableau 8.9. Lobjectif
de production est de 9 000 lampes par mois. Un mois est constitu e de 20
jours de 8 heures par jour.
T ache 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 8.9: Montage de lampes ` a la chane.
(a) D eterminez le temps maximum de cycle de la chane dassemblage
pour respecter cet objectif. Autrement dit, une lampe doit sortir de la
chane 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 dant eriorit e.
(c) Calculez le SCORE 2 pour chacune des t aches de montage. Pour
rappel, le SCORE 2 est la somme du temps de la t ache et de toutes les
t aches qui la suivent.
(d) En utilisant ce SCORE 2, d eterminez, en utilisant lheuristique vue au
cours, une affectation des 7 t aches aux postes de travail successifs de
la chane.
(e) Calculez le retard d equilibre de votre solution.
8.3. Choix dune capacit e. Pour les donn ees dinvestissement de la section 8.3
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) d eterminer la probabilit e pour laquelle la d ecision optimale change.
8.4. Optimisationde ux de transports. Lentreprise B atiment Travaux 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 suft 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 dutiliser 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
m eme 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 8.10: Co uts de transport des gravillons
Les co uts de transport unitaire (en EURO/tonne) des gravillons sont donn es
` a la table 8.10 tandis que les co uts de transport unitaire (en EURO/tonne)
des b eton sont donn es ` a la table 8.11.
On veut d eterminer comment satisfaire les commandes accept ees ` a co ut de
transport minimum, tout en nayant recours ` a la sous-traitance que pour les
capacit es manquantes de fa con interne. Formulez le probl` eme.
8.5. Ouverture de d ep ots. Une rme travaille uniquement pour 4 gros clients
situ es ` a Bruxelles, Charleroi, Namur et Ostende, respectivement. Elle veut
r eorganiser sa distribution et a la possibilit e de satisfaire la demande de ses
EURO/tonne vers C1 vers C2 vers C3
de B1 40 50 60
de B2 25 30 30
de B3 40 45 60
Tableau 8.11: Co uts de transport des b eton
clients ` a partir de 3 d ep ots diff erents, ` a Anvers, Li` ege et Mons, respec-
tivement. Si un d ep ot est ouvert une ann ee, cela repr esente un co ut xe
(administration, gardiennage, etc. . . ) de 25 pour Anvers, 15 pour Li` ege et
15 pour Mons. Les capacit es annuelles de ces d ep ots, si ils sont ouverts,
sont de 40, 25 et 25 respectivement.
Le directeur des ventes de cette rme consulte ses ches de commandes des
derni` eres ann ees et estime que, pour lann ee prochaine, il devra livrer 20, 12,
9 et 14 unit es du produit ` a ses quatre clients. Les co uts de transport dune
unit e de produit entre les usines et les villes sont donn es au tableau 8.12.
Co ut de transport Bruxelles Charleroi Namur Ostende
Anvers 100 150 180 90
Li` ege 120 170 80 210
Mons 70 30 90 140
Tableau 8.12: Co uts unitaires de transport.
Sachant que lapprovisionnement dunclient peut se faire ` a partir de plusieurs
d ep ots, on veut d eterminer :
quels d ep ots la rme doit-elle ouvrir lann ee prochaine ?
comment organiser le transport entre les d ep ots et clients?
pour minimiser la somme des co uts dinvestissement et de transport. Les
co uts de production sont identiques dans les trois usines et nentrent donc
pas en consid eration. Formuler le probl` eme de minimisation des co uts.
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
Users guide Release 2.25, The Scientic Press, San Francisco, 1992.
[3] CHV
ATAL Va sek, Linear Programming, Freeman and Company, 1983.

[4] DE WOLF Daniel, Olivier JANSSENS dE BISTHOVEN et Yves SMEERS,
The Simplex algorithm extended to piecewise linearly constrained problems,
CORE DISCUSSION Paper 9119, Universit e Catholique de Louvain, 1991.
[5] EXCEL, Guide de lutilisateur, Microsoft, 1992.
[6] GIARD Vincent, Gestion de la production, Economica, Paris, 1988.
[7] GUERRIEN Bernard, Initiation aux math ematiques, Economica, 1991.
[8] F.S. HILLIER et G.S. LIEBERMAN, Introduction to Operations Research,
6` eme edition, Mac Graw-Hill International Editions, Singapour, 1995.
[9] F.S. HILLIER, M.S. HILLIER et G.S. LIEBERMAN, Introduction to Mana-
gement Sciences, 1` ere edition, Mac Graw-Hill International Editions, Boston,
2000.
[10] G. JAVEL, Organisation et gestion de la production, MASSON, 1997.
[11] LACAZE Dominique, Optimisation appliqu ee ` a la gestion et ` a l economie,
Economica, 1990.
[12] D. G. LUENBERGER, Linear and Nonlinear Programming, Addison Wes-
ley, 1984.
[13] J.O. MAC CLAIN, L.J. THOMAS et J.B. MAZZOLA, Operations Manage-
ment: Production of Goods and Services, Prentice Hall, 1992.
141
142 Bibliographie
[14] NEMHAUSER, G.L. et L.A. WOLSEY, Integer and Combinatorial Optimi-
zation, Wiley, New York, 1988.
[15] Y. NORBERT, R. OUELLET et R. PARENT, La recherche op erationnelle,
Ga etan Morin Editeur, Montr eal-Paris, 1995.
[16] SIMMONARD Michel, La programmation lin eaire, Dunod 1972.
[17] M.P. WILLIAMS, Model building in Mathematical Programming, John Wi-
ley, 1990.
[18] M.P. WILLIAMS, Model solving in Mathematical Programming, John Wiley,
1992.
[19] 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
Co 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) = P(X > S 1) SP(X > S) si X Poisson()
I
r
(S) = [f(t
S
) t
S
P(t > t
S
)] si X N(, )
avec :
t
S
=
S

X
et f(t
S
) =
e
t
2
S
/2
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()
S
tel que P(X > S
) =
c
p
c
r
+c
p
si X N(, )
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()
S
tel que P(X > S
) =
c
p
c
r
+
c
p
2
si X N(, )
143
144 Annexe A. Formulaire pour la gestion de production
Cons equences economiques du choix :
co 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
Co ut de gestion en univers certain :
C(q) = c
c
I
c
(q) +c
p
I
p
(q) = c
c
D
q
+c
p
q
2
avec I
c
(q) = nombre moyen de commandes par an;
I
p
(q) = stock moyen poss ed e;
D = demande annuelle;
q = quantit e command ee.
Niveau optimal de commande :
q
2c
c
D
c
p
avec c
p
, le co ut unitaire de possession durant un an en stock.
Point de commande :
s = DL
avec L = d elai dapprovisionnement, exprim e en ann ee.
Co ut de gestion en cas de demande al eatoire :
C = c
c
I
c
+c
p
I
p
+c
r
I
r
Section A.3. Les techniques de juste ` a temps 145
La quantit e economique q est d etermin ee en arbitrant entre le co ut de commande
et le co ut de possession ` a partir de D, la demande moyenne annuelle :
q
2c
c
D
c
p
Le point de commande s est d etermin e en arbitrant entre le co ut de rupture et le
co ut de possession en utilisant la gestion calendaire pendant le d elai dobtention
L et en retenant comme s le niveau de recompl` etement optimal S :
P(X > S
) =
c
p
c
r
+c
p
/2
avec c
p
, le co ut unitaire de possession entre deux commandes :
c
p
= c
p
q
D
.
Cons equences economique du choix :
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 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 dobtention).
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 dobtention).
A.3 Les techniques de juste ` a temps
D etermination du nombre d etiquettes :
N
(1 +)C
u
T
r
+Q
e
k
avec C
u
= consommation du poste aval en unit es par minute;
Q
e
= taille economique des lots fabriqu es en amont;
k = la capacit e dun conteneur;
T
r
= temps de r eaction du syst` eme.
146 Annexe A. Formulaire pour la gestion de production
A.4 Equilibrage dune chane de production
Le retard d equilibre :
RE =
nc T
nc
avec n = nombre de postes de travail,
c = temps dun cycle,
T = temps total requis par un article.
A.5 Calcul dannuit es
n
t=1
_
1
1 +i
_
t
=
_
1 (1 +i)
n
i
_
avec n = nombre dann ees,
i = taux dactualisation annuel.
Annexe B
Tables pour la gestion de stocks
B.1 Table de la loi Poisson()
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() > x]
147
148 Annexe B. Tables pour la gestion de stocks
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
Section B.1. Table de la loi Poisson() 149
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
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
Section B.1. Table de la loi Poisson() 151
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
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) 153
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
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
)]

GPIUP

Enviado por

Dados do documento

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

GPIUP

Enviado por

Direitos autorais:

Formatos disponíveis

UNIVERSITE CHARLES DE GAULLE - LILLE III

Etape Ressources en facteurs heures par jour jours par semaine

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

optimal si P(X > S

= 3) = 2, 5P(X > 2) 3P(X > 3)

= 3) = (3 2, 5) + 0, 413 = 0, 9133 g ateaux.

= 315) = (315 300) + 2, 624 = 17, 624 journaux.

, le niveau optimal de re-

assez difcile ` a mettre en uvre.

par la formule suivante :

quantit e economique de commande

ATAL Va sek, Linear Programming, Freeman and Company, 1983.

tel que P(X > S

tel que P(X > S

tel que P(X > S

tel que P(X > S

x 0,55 0,6 0,65 0,7 0,75 0,8 0,85 0,9 1 1,5

x 2 2,5 3 3,5 4 4,5 5 5,5 6 6,5

x 7 7,5 8 8,5 9 9,5 10 11 12 13

Você também pode gostar