1

T.G. Crainic - Planification agrge statique - L.P.

Planification statique
Programmation linaire
2
T.G. Crainic - Planification agrge statique - L.P.
Programmation linaire
Un des outils les plus puissants et les plus utiliss en applications
industrielles parmi les technologies daide la dcision
Planification de la production
Rpartition des ressources
Choix de produits fabriquer
Planification dinvestissements
tablissement de routes et dhoraires
Planification des acheminements
Logistique
Distribution
Affectation et gestion du personnel
Gestion de projet,
3
T.G. Crainic - Planification agrge statique - L.P.
Programmation linaire (2)
Premire mthodologie propose
(George B. Dantzig 1949)
Facile rsoudre: mthode du simplexe
Permet de traiter de faon systmatique des problmes complexes o
plusieurs activits sont en comptition pour des ressources limites et un
objectif global (maximisation des profits, minimisation des cots, ...) est
recherch
Lapproximation linaire offre de bonnes indications
En prime des informations intressantes: cots marginaux ou
dopportunit : la valeur dune unit supplmentaire de produit ou de
ressource tant donn ltat actuel du systme
Analyses de scnarios
A la base dautres approches plus puissantes
4
T.G. Crainic - Planification agrge statique - L.P.
Programmation linaire Approche
Analyser et comprendre la situation
Identifier le problme
Donnes disponibles?
Btir un modle
Rsoudre le modle
Placer les rsultats dans le contexte du problme initial
Effectuer des analyses
Boucles de feed-back
Dcisions
5
T.G. Crainic - Planification agrge statique - L.P.
Nos objectifs
Se familiariser avec la modlisation travers de cas (trs) simples
Comprendre les principes et les limitations de la programmation
linaire
Illustrer lapproche
6
T.G. Crainic - Planification agrge statique - L.P.
Modle + Mthode de rsolution
Donnes
non contrlables
(description du systme)
Donnes Donnes
non contrlables non contrlables
( (description du systme description du systme) )
Donnes
contrlables
(variables de dcision)
Donnes Donnes
contrlables contrlables
( (variables de dcision variables de dcision)
Sortie:
Rsultats prvus
Sortie: Sortie:
Rsultats prvus Rsultats prvus
Modle Modle Modle
)
Mthode de
rsolution
Mthode de Mthode de
rsolution rsolution
7
T.G. Crainic - Planification agrge statique - L.P.
Modle
Paramtres (donnes non contrlables) qui dcrivent le systme et son
tat actuel
Objectif atteindre; normalement en termes conomiques : minimiser
les cots, maximiser les profits, ...
Des actions qui permettent de modifier ltat du systme et datteindre
les objectifs Les paramtres contrlables.
Les intensits de ces actions constituent les variables de dcision
Des relations entre les donnes du systme et les actions
(consommation de ressources pour produire une unit, par exemple)
Des contraintes qui limitent la porte des actions (disponibilits de
ressources, capacit de production, limites du march, par exemple)
Les relations et les contraintes dcrivent le systme et son
comportement
8
T.G. Crainic - Planification agrge statique - L.P.
Planification des oprations
Rpartition des ressources : Exemple
Une compagnie produit des btons de hockey et des jeux dchecs. Chaque
bton rapporte un profit de 2$ et chaque jeu un profit de 4$.
La compagnie utilise trois types de machines : A, B et C. Pour la
prochaine priode, lentreprise dispose de 120 heures de machines A, 72
heures de machines B et 10 heures de machines C.
La fabrication de chaque bton ncessite 4 heures de travail sur des
machines de type A et 2 heures sur des machines B.
La fabrication de chaque jeux dchecs ncessite 6 heures de machines A,
6 heures de machines B et 1 heure de machines C.
Assumons (pour simplifier) que les cots dachat des ressources et de
production ont t comptabiliss dans les profits unitaires et que la
compagnie pourra vendre toute sa production.
Combien de btons de hockey et combien de jeux dchecs produire afin
de maximiser les profits?
9
T.G. Crainic - Planification agrge statique - L.P.
Solution simple?
Le profit unitaire dun jeu dchecs est deux fois plus grand que celui
dun bton de hockey. Pourquoi de pas produire uniquement des jeux
dchecs?
10 jeux pour un profit de 40$ et il reste 60 heures sur la machine A et
12 sur la machine B
Ou uniquement des btons?
Ou alors une combinaison de jeux et de btons? Laquelle?
Mme pour un problme trs simple, le nombre de solutions ralisables
est trs grand et beaucoup semblent tre intressantes
Besoin dun modle et dune mthode systmatique de recherche de
solution
10
T.G. Crainic - Planification agrge statique - L.P.
Modlisation
Comprendre le problme
Quelles sont les donnes non contrlables?
Les lignes de produits possibles et les profits esprs
Lquipement les ressources disponibles
Les recettes de fabrication
Quelles sont les facteurs contrlables? Les dcisions :
Quoi et combien produire : les variables de dcision
Quel est lobjectif? Maximiser le profit total
Quelles sont les contraintes? Le temps disponible sur chaque machine
Ecrire une description verbale de lobjectif et de chaque contrainte
Ecrire lobjectif et les contraintes en forme mathmatique , en
fonction des variables de dcision et des donnes du problme
11
T.G. Crainic - Planification agrge statique - L.P.
Modlisation
Variables de dcision
Les lments du problme que le gestionnaire peut contrler
Les actions possibles : fabriquer
des btons de hockey
ou
des jeux d'checs
ou les deux
Les dcisions
combien de btons de hockey fabriquer
combien de jeux dchecs fabriquer
12
T.G. Crainic - Planification agrge statique - L.P.
Modlisation Fonction-objectif
Maximiser le profit total =
le profit provenant de la vente des btons +
le profit provenant de la vente des jeux
Profit provenant de la vente des btons =
profit pour un bton * nombre de btons vendus
Profit provenant de la vente des jeux =
profit pour un jeu * nombre de jeux vendus
13
T.G. Crainic - Planification agrge statique - L.P.
Modlisation Contraintes
Contraintes de fabrication - disponibilit
Nombre dheures de machine A utilises
Nombre dheures de machine A disponibles
Nombre dheures de machine A utilises =
nombre dheures de machine A utilises pour fabriquer des btons +
nombre dheures de machine A utilises pour fabriquer des jeux
Nombre dheures utilises pour fabriquer des jeux =
nombre dheures ncessaire pour fabriquer un jeu * nombre de jeux
fabriqus
Nombre dheures utilises pour fabriquer des btons =
nombre dheures ncessaire pour fabriquer un bton* nombre de
btons fabriqus
14
T.G. Crainic - Planification agrge statique - L.P.
Le modle
Variables de dcision
H = nombre de btons de hockey fabriquer
C = nombre de jeux dchecs fabriquer
Fonction-objectif
Maximiser Z = 2$H + 4$C
Contraintes de fabrication - disponibilit
4 H + 6 C 120 (heures machines A)
2 H + 6 C 72 (heures machines B)
1 C 10 (heures machines C)
Contraintes de signe
H , C 0 (non-ngativit)
15
T.G. Crainic - Planification agrge statique - L.P.
Principes
Effet (cot, intensit, consommation, etc.) total
=
somme des effets individuels
Effet individuel dune action
=
effet unitaire * intensit de laction
16
T.G. Crainic - Planification agrge statique - L.P.
Hypothses (principes) de la
programmation linaire
Proportionnalit
Aditivit
Continuit (des variables de dcision)
17
T.G. Crainic - Planification agrge statique - L.P.
Rpartition des ressources
tant donn
des ressources en quantits limites,
une gamme de produits ralisables ,
la recette de production de chaque produit : la quantit de
chaque ressource consomme pour en fabriquer une unit,
des exigences sur les quantits produites,
le cot dacquisition dune unit de chaque ressource,
le profit unitaire pour chaque produit,
les niveaux de demande de chaque produit,
dterminer le niveau de production optimal pour chaque produit afin
de maximiser le profit tout en respectant toutes les conditions.
18
T.G. Crainic - Planification agrge statique - L.P.
Types de contraintes
Capacit: Limites sur la disponibilit des ressources, capacit de
production, de transport, de stockage,
Demande: Exigences minimales de production : prvisions de vente,
contrats, niveaux des commandes,
Les recettes de production apparaissent dans les contraintes de
capacit ou de demande
venir:
Niveau des inventaires et relations entre les priodes
Conservation des flux

19
T.G. Crainic - Planification agrge statique - L.P.
Programmation linaire rsolution
Solutions graphiques : pour illustrer les caractristiques des modles et
mthodes de programmation linaire
Mthode du simplexe : ce qui est le plus largement utilis et inclus
dans tous les logiciels
Autres mthodes (ex: de point intrieur) pour des cas extrmes
Analyse de sensibilit : validation des rsultats et analyse de scnarios;
ralise partir de la solution optimale
De nombreux logiciels
20
T.G. Crainic - Planification agrge statique - L.P.
Solution graphique
Maximiser Z = 2$H + 4$C
4 H + 6 C 120 (heures machines A)
2 H + 6 C 72 (heures machines B)
1 C 10 (heures machines C)
H , C 0 (non-ngativit)
21
T.G. Crainic - Planification agrge statique - L.P.
C
10
20
30
0,0
Valeurs
ralisables des
niveaux de
production
Valeurs
ralisables des
niveaux de
production
4 6 120
0 20
0 30
4 6 120
H C
H C
C H
H C
+ =
= =
= =
+
H
10 20 30 40
22
T.G. Crainic - Planification agrge statique - L.P.
C
0,0
10 20 30 40
10
20
30
H
2 6 72
0 12
0 36
2 6 72
H C
H C
C H
H C
+ =
= =
= =
+
Valeurs
ralisables des
niveaux de
production
Valeurs
ralisables des
niveaux de
production
23
T.G. Crainic - Planification agrge statique - L.P.
C
0,0
10 20 30 40
10
20
30
H
4 6 120
2 6 72
H C
H C
+
+
Valeurs
ralisables des
niveaux de
production
Valeurs
ralisables des
niveaux de
production
24
T.G. Crainic - Planification agrge statique - L.P.
C
0,0
10 20 30 40
10
20
30
H
A
B
C
E
D
4 6 1 2 0
2 6 7 2
1 0
H C
H C
C
+
+

25
T.G. Crainic - Planification agrge statique - L.P.
10 20 30 40
4 6 120
2 6 72
10
2 4
H C
H C
C
Z H C
+
+

= +
C
0,0
10
20
30
H
A
B
C
E
D
Z
H C
=
= =
8
4 2 ,
Z
H C
=
= =
52
6 10 ,
Z
H C
=
= =
64
24 4 ,
SOLUTION
OPTIMALE
C:
H=24
C= 4
Z=64
26
T.G. Crainic - Planification agrge statique - L.P.
Solution
Nombre de btons (H) fabriquer: 24
Nombre de jeux d'checs (C) fabriquer: 4
Profit prvu : 64$
27
T.G. Crainic - Planification agrge statique - L.P.
Mthode du simplexe
Mthode algbrique itrative
Solutions toujours dans un coin (point extrme) du domaine
ralisable :
Si n variables (ex. 100 produits possibles)
et m contraintes (ex. 25 limites de capacit, demande, etc.),
le simplexe ne choisira que m (25) produits (au plus) !!
La mthode passe de coin en coin , en modifiant le choix des m
variables et lcriture des quations, guide par les contributions
relatives (marginales) des variables au profit
28
T.G. Crainic - Planification agrge statique - L.P.
Analyse post-optimale
Effectue afin de
Compenser les hypothses dterministes et faire face l'imprvu
Identifier les lments critiques
Analyser des scnarios et tablir des plans de contingence
Modifier les modles
29
T.G. Crainic - Planification agrge statique - L.P.
Analyse post-optimale
Questions: partir de la formulation initiale
Si le profit unitaire change, est-ce que la solution optimale change?
De combien le niveau de la ressource peut baisser sans qu'on doive
reprogrammer la chane de production?
Quel serait l'impact de lamlioration de la productivit dun
atelier?
Doit-on se lancer dans la production dun nouveau produit?
...
Rponses: partir de la solution optimale
30
T.G. Crainic - Planification agrge statique - L.P.
Types danalyses post-optimales
Sensibilit
Quelles ont les limites de la variation d'un lment du problme sans
que la solution optimale change?
variation des coefficients de cot
variation des membres droits
variation des coefficients technologiques
Paramtrique
Modifications successives d'un lment.
Introduction de nouvelles activits
(variables)
Introduction de nouvelles restrictions
(contraintes)