Systmes dAide la Dcision

B. Ballaz, Professeur l IAE/UPMF Grenoble

Quest-ce quun SIAD ?

Systme Interactif dAide la Dcision

Interface

Base de
modles

Interface

Base
dinformations

Systme
dinformation
de lentreprise

Les thories de la dcision

l'homme rationnel de la thorie conomique classique (Smith,.., von

Neumann): la recherche de la solution optimale ...
la rationalit limite: la dcision comme un processus de rsolution de
problme dans un contexte organisationnel (Simon): la recherche de la
solution satisfaisante
la thorie gnrale des systmes: la dcision comme un processus de
pilotage (Bertalanffy, Ashby,....)
La thorie comportementale de la firme (Cyert, March, Argyris,..): la
dcision comme un processus de changement et d'apprentissage
organisationnel
la thorie politique de la dcision: la dcision comme un processus de
ngociation (Crozier, Etzioni, Lindblom)
le modle du Garbage Can (March): l'anarchie organise, la dcision
comme un processus de mise la poubelle du problme
La caverne de Platon

...

Arbre de dcision

Le positionnement conceptuel des SIAD:

Degr de structuration du problme

Rationalit
organisationnelle

Degr de programmation de la dcision

Rationalit limite
Thorie des systmes
Consensus sur les objectifs

Le processus de dcision:
- processus de pilotage de systme
- processus de rsolution de problme

Le degr de structuration du problme:

dcision programmable ou non programmable ? (H.Simon)
Un problme structur peut tre mis sous une forme dont la solution peut tre calcule
par un algorithme: dcision programmable
Un problme non structur ne peut tre rsolu qu en faisant appel l intuition: dcision
non programmable
La plupart des problmes de gestion se prsente sous une forme semi structure

La matrice de Gorry et Scott-Morton croise le type de problme et le niveau de management

Degr de structuration
Non structur

absentisme

Thme de pub

Nouveau produit
Modlisation

Semi structur

Structur

Gestion
des risques

Ordonnancement

Oprationnel

Analyse des cots

Lancement d un
nouveau produit
Management

Choix d investissement

Choix de financement
M LT
Niveau de management
Stratgie

2 - La dcision en tant que

processus de rsolution
de problme

Pratique de la dcision: la
rationalit limite
Sparation et traitement squentiel des
problmes (Rgles d'attention)
Recherche des solutions au voisinage des
symptmes
Reconduction des solutions prouves
Rduction de l'incertitude
Contrle par la structuration hirarchique des
activits

Le processus de dcision comme un processus rsolution de

problme (H. Simon)

Intelligence

Design
Choice
Review

Domaine
dapplication
des SIAD

La dcision en tant que processus de

rsolution de problme
Qu'est-ce qu'un problme?:
"Les touristes japonais"
"Je suis grant d'une agence de voyage qui travaille surtout avec
l'Extrme-Orient. Je viens d'aller chercher 40 Japonais Roissy.
Ils repartent demain matin pour Nice. Nous arrivons au PLM
St Jacques o les japonais doivent loger. J'apprends que la
rservation n'a pas t faite et qu'il n'y a plus de chambres.
Il est 19h 45...
(P. Lemaitre, Des mthodes efficaces pour tudier des problmes; Chotard 85)

Le problme : Les travers habituels de la dfinition d'un

problme
l'exprimer en terme de solution
"Rechercher un autre htel..."
YAKA: verbe l'infinitif exprimant une action

Rponse du type question

"Le problme c'est comment loger les japonais..."
rduction de l'espace des solutions

Rponse de type catgorie

"C'est un problme de logement...."
Il n'y a pas toujours de solution type applicable la catgorie
identifie

Rponse de type sanction

"Qui a oubli de faire la rservation?.."
recherche du responsable/coupable

Le problme
Un cart entre une situation relle perue
et une situation future dsire

Situation future
dsire

Les insatisfactions
actuelles

Situation relle
perue

Problme
Les objectifs

Le problme: les biais de perception

Problme rel

Situation future
dsire
Problme peru

Situation relle

Situation relle
perue

Modle

L'acteur et ses limitations cognitives

La capacit cognitive limite

Le non discernement des infrences
La dissonance cognitive
L'ancrage sur la premire information
La prfrence pour le statu-quo
La prfrence pour un choix justifiant des choix
antrieurs
Distorsions dans l'valuation de l'incertitude
Le style cognitif

La capacit cognitive
Test: quel est le N de tlphone de mon voisin?
La loi des 7 +/- 2 de Miller
Quantit d'informations
reconnues
7

Quantit d'informations
transmises
Miller G.A., The magical number seven, plus or minus two: some limits on our capacity for processing Information, The Psychological Review, Vol. 63, N2, 1956

Le modle STI de H. Simon

Mmoire associative
de stockage

Mmoire
long
terme

Mmoire de
travail: sige des
processus cognitifs
conscients

Environnement

Mmoire
court
terme

Stimulis

Capacit limite: 7+/-2

Capacit infinie
Accs moins rapide

Accs rapide

Capacit cognitive: Consquences pour la conception

de SIAD

Ncessit de disposer de modles mentaux simples et gnriques

Avantage des reprsentations graphiques
Structuration hirarchise des informations
Utilisation de graphes conceptuels
Utilisation systmatique des interfaces graphiques

Capacit cognitive: Avantage des reprsentations graphiques

Production
mensuelle
35
45
55
65
55
40
25
0
30
65
50
35

Charges
d'exploitation
20300
23000
27000
30000
26000
20000
17000
9000
18000
30000
25000
20000

Charges d'exploitation

35000
30000
25000
20000
15000
10000
5000
0
0

20

Avantage aux reprsentations graphiques.

40

60

80

Exemple du cours

Capacit cognitive:

Opration
A
B
C
D
E
F
G
H
I

reprsentation
conceptuelle par un
graphe

Contraintes

Dure Ressource

Dbut si A termine et B avance aux 4/5

Dbut si B termine et C avance aux 3/4
Dbut si A termine et B avance aux 3/5
Dbut si B et D termines
Dbut si B, E, F termines
Dbut 3j aprs la fin de E et si G termine

2
5
4
3
4
4
6
6
3

4
2
4
4
2
4
2
4
2

Courbe de charge : nivellement 8

Rseau PE RT -Potentiel

A
0

2
2
D

Dbut

B1

C1
0

B2
3

1
3

G
7

B3

C2
3

1
15

4
6

10

Dl ai 3
9

10

13

13

Fi n
16

16

La dissonance cognitive
(L. Festinger)

Choix, incertitude et stress

Filtrage des informations et renforcement
des choix antrieurs

Le non discernement des infrences

"le bureau est clair. Sur la porte, il est
crit: Mr Dupont, Directeur"
question1: Il fait nuit? O N (?)
question2: Mr Dupont est le directeur de la socit ?
O N (?)

La prfrence pour le choix prservant le

statu-quo
Rompre le statu-quo engage l'action donc la prise de
responsabilit, de risques et expose d'ventuels futurs
regrets et/ou la critique
Plus les choix sont multiples, plus le statu-quo est prfr

Hammond J.S., Keeney R.L., Raiffa H., The hidden traps in decision making, Harvard Business Review, Sept-Oct 1998

L'ancrage sur la premire information

La population de l'Indonsie est-elle suprieure
80 millions d'habitants?
Quelle est votre estimation de la population de
l'Indonsie?

La population du Bresil est-elle suprieure 150

millions d'habitants?
Quelle est votre estimation de la population du Bresil ?

Hammond J.S., Keeney R.L., Raiffa H., The hidden traps in decision making, Harvard Business Review, Sept-Oct 1998

La prfrence pour un choix justifiant

des choix antrieurs
Le refus de reconnatre une erreur passe,
par crainte du jugement des autres ou par
crainte de blesser sa propre estime, pse sur
la libert de choix et peut conduire
persister dans l'erreur
L'acteur surestime les chances
d'amlioration des situations (ex prts
bancaires une entreprise en difficults)
Hammond J.S., Keeney R.L., Raiffa H., The hidden traps in decision making, Harvard Business Review, Sept-Oct 1998

Le conditionnement de la prfrence par la

structuration du problme

L'opportunit ci-aprs est-elle intressante?

(A) Vous avez 2000 Euros sur votre compte, acceptez vous
une opportunit 50-50 de perdre 300 ou de gagner 500 ?
(B) Prfrez vous conserver 2000 euros sur votre compte ou
accepter une opportunit 50-50 d'avoir 1700 euros ou 2500
euros?

En gnral l'opportunit 50-50 est accepte dans le cas (B) et refuse dans
le cas (A)

Hammond J.S., Keeney R.L., Raiffa H., The hidden traps in decision making, Harvard Business Review, Sept-Oct 1998

Difficults et distorsions dans l'estimation de l'incertitude

L'estimation de probabilit est peu fiable: il serait ncessaire de

disposer de feed-back pour soutenir un processus d'apprentissage dans
l'valuation d'une probabilit (constitution d'historique de situations
comparables: ex mto)
Confiance excessive: elle sous estime les dispersions de valeur (ex la
fourchette d'estimation 95% d'une prvision est fixe une valeur
trop troite en gnral)
Prudence excessive : facteur de scurit trop important dans des
dcisions reposant sur des estimations. ex: plan de production ou
niveau de stock partir d'une prvision commerciale
Influence excessive, sur une prvision, des informations affectant la
capacit se souvenir d'vnements antrieurs.(ex listes de
personnalits H/F 50-50: plus d'hommes (ou femmes ) si plus
d'hommes (femmes) trs connus.) C'est particulirement le cas des
vnements passs "catastrophiques" .

Hammond J.S., Keeney R.L., Raiffa H., The hidden traps in decision making, Harvard Business Review, Sept-Oct 1998

Consquences des limitations cognitives

Pour les thories
La rationalit limite et le dveloppement de thories de
l'entreprise (Simon, March, Williamson)
Pour l'intrt des modles:
les difficults dans la matrise de la complexit et de
l'incertitude justifient l'utilit du recours des supports
externes ( prothse cognitive ) que constituent les systmes
d'aide la dcision
Elles expliquent la diffrence entre situation perue et situation relle
La conception et la mise en oeuvre des SIAD: le style cognitif
Le processus de dcision selon H. Simon

3 - La dcision en tant que

processus de
pilotage de systme

Qu'est ce qu'un systme?

4 mots cls.

Ensemble de parties interdpendantes (structure)

Chaque partie est le sige de processus E/S
Les processus sont finaliss (objectif)
Le systme est plong dans un environnement
Lentreprise systme soppose lentreprise dcoupe en fonction

Lentreprise systme
Privilgier lapproche transversale:
Ex: stock et drive fonctionnelle des objectifs

Achat
+
Fournisseurs

Vente

Production
Composants,
En-cours

Stock PF

Finance

La solution: le concept de chane de la valeur

Clients

Un concept structurant: la chane de la valeur (Porter)

Marketing
Acha t

Marketing
Vente

Etudes et Recherche

Processus de con ception de nouv eaux prod uits:

Fonctions de support:

Stratgie, Marketing,
Finances, Achats, Ressources humaines,
Dveloppement technologique
Processus oprationnel de production de la valeur perue

Approvisionnement

Fabrication

Distribution

L information irrigue en profondeur la chane de la valeur

SAV

Schank, 1995

Schank, 1995

Systme dInformation: l intgration fonctionnelle

Enterprise
Ressource
Planning

Customer
Relationship
Management

Supply Chain Management

Clients

Supplier
Relationship
Management

Gestion intgre
des ressources

Gestion
de la relation
client

E-ventes

Fournisseurs

E-Achats

Gestion
de la
relation
fournisseur

Reach
+ SI
Mentzer et Al, Dfinir le Supply Chain Management, Logistique et Management, Vol. 9, N2, 2001

Range
Keen, Shaping the future, HBSP, 1991

La dcision: acte de pilotage de systme

Systme de pilotage
Objectifs
S.I. dcisionnel

Systme d'information transactionnel

Systme physique

Le contrle efficace
La loi de la varit requise (Ashby) :
Varit (contrle) >= varit (systme)
varit: nombre d'tats que peut prendre un systme

Consquence: la hirarchisation des systmes

le schma ultra stable d'Ashby

Contrleur

Objectifs

Rgulateur
Perturbations
Systme

Rsultats

La hirarchisation du contrle : application de la loi dAshby pour

la matrise de la complexit (Anthony)
Moyen et
long terme

Management stratgique

Management

}
Temps rel

Management
oprationnel

Management
oprationnel

Processus commerciaux, industriels, administratifs,...

Dsagrgation

Management

Agrgation

Mois,
semaine

Piloter un systme ?
Dfinir les objectifs atteindre
Concevoir la trajectoire prvisionnelle (programmer les tapes
intermdiaires)
Evaluer les moyens ncessaires
Les mettre en uvre dans un environnement perturb
Contrler les ralisations (mise en vidence des carts)
Dfinir les actions correctrices

Les SIAD interviennent dans ces diffrentes tapes

afin damliorer la capacit de lorganisation
atteindre ses objectifs

Pour piloter un systme:

il faut disposer dune reprsentation du systme et de son

environnement
but: reconstruire ltat actuel et prvoir les tats futurs du systme.
moyen: disposer de modles, reprsentations symboliques du systme
et de son environnement

La mtaphore cartographique:
la carte modle du territoire

La mtaphore du nnuphar :
Surface

Rsolution
du problme?
Perception
du problme

Prvision
t

Constante de temps

t'

temps

Pilotage dynamique des systmes feed-back dinformations

Etat futur dsir

(Objectifs)
Systme de dcisions
retards

retards
Etat actuel apparent

biais

Systme dactions

(-)

Systme dinformations

retards

Systme organisationnel piloter

Inertie,
retards

Le pilotage dun systme: la boucle de rtro-action (feedback)

par retour dinformation
Dcision Boucle ouverte:
Information sur le
problme

Dcision /
Action

Pilotage Boucle ferme:

Dcision /
Action

Informations sur
le problme

Le modle gnrique fondamental

Feedback

Rsultats

Objectifs

Rsultats

Le pilotage dun systme: la boucle de dcision - contrle

par rtro-action (feedback)

Le modle gnrique

La mtaphore

Objectif

Action

(Dcision)

Flux

Modle mental
Flux deau

Action
Information

Niveau

Niveau
(Stock, tat)

Formalisme de J. Forrester

J. Forrester, Industrial Dynamics, MIT press

Modle gnrique: exemples en gestion

La boucle de dcision: modle gnrique

Constante de temps (delay)

Objectif

Flux

(Dcision)
Encaissements

Livraisons

Embauches

Action

Commandes
clients

Bilan au 01/01

Information
Trsorerie
(Stock, tat)

Niveau

Dcaissements

Stock produits effectif

Distribution

Dparts

Carnet de
commandes

Livraisons

Compte dexploitation
mensuels

Bilan au 31/12

Passer du modle graphique conceptuel,

au modle numrique programm
Objectif

Lquation de niveau: quation fondamentale de ltat du systme linstant t :

Entres

(Dcision)

Stock(t) = Stock(t-dt) + (Entres - Sorties) * dt

Action
Information

(Stock, tat)
(Dcision)

Les entres et les sorties sont supposes constantes pendant dt

Niveau

Sorties

Soit depuis linstant t:

t
Stock(t) = Stock(t0) +

(Entres - Sorties) * dt
t

Dans le formalisme de Vensim:

Stock = INTEG(Entres - Sorties, Stock(t))

Principes de modlisation des systmes dynamiques

- Flux et niveaux sont les deux seuls concepts ncessaires

- on distingue les flux dinformation, non conservatifs, des autres flux, conservatifs

- Les niveaux changent selon les seules variations des flux dentre ou de sortie,
ils ne dpendent jamais dautres niveaux.

- Le dbit des flux est contrl uniquement par des valeurs de niveaux,
jamais directement par dautres flux

- Les dcisions qui rglent le dbit des flux rsultent du rapprochement entre les valeurs
des niveaux (ltat du systme) et la valeur des objectifs qui sont assigns au systme.

Capacit cognitive:Utilisation systmatique des interfaces

graphiques

Gestion conomique d'un stock

Fournisseur

Atelier
Stock
Sorties

Livraisons

Besoin exprim

Dlai de livraison
Commandes fournisseur
En
commande
Stock minimum

Graphe de dpendance entre variables (modlisation avec VENSIM)

Capacit cognitive: Utilisation systmatique des interfaces

graphiques

Besoin exprim =INTEGER(5+(5/3)* RANDOM NORMAL())

Sorties =Besoin exprim
Commandes fournisseur = IF THEN ELSE(Stock+En commande<=Stock
minimum,50,0)
Dlai de livraison = 3+INTEGER(3*RANDOM 0 1())
En commande = INTEG(+Commandes fournisseur-Livraisons,0)
Livraisons = DELAY FIXED(Commandes fournisseur,Dlai de livraison,0)
Stock = INTEG(Livraisons-Sorties,50)
Stock minimum = 20
Simulation Control Paramaters
FINAL TIME = 100
INITIAL TIME = 0
SAVEPER = TIME STEP
TIME STEP = 1

Modle programm, gnr partir du graphe construit dans linterface graphique de Vensim

Qu'est-ce qu'un systme complexe?

les processus feed-back positif ou ngatif
la non linarit (exponentielle, mcanisme de saturation,...)
les constantes de temps

Comportement contre-intuitif des systmes complexes...

Interactions entre sous-systmes

Boucle de feedback (rtro-action)
- boucle positive (amplificatrice)
( +)

Naissances

(+)

Population

(+)

- boucle ngative (stabilisatrice)

Dcs
(+)

(-)

(-)
Population

Population

Pollution

(+)
(+) Naissances

Alimentation/tte
(-)

(-)

(+)
Population

(-)
(-)

Pollution/tte

Dcs
(+)

(+)

(+)

(+)
Sources de
pollution

Comportement global : (-)

Pollution
(+)

Modle de diffusion d'une technologie de rseau (Modle de Vardi)

Non
Utilisateurs
intresss
Non
Utilisateurs
contacts

Taux d'adoption
Non
Utilisateurs

Utilisateurs
Nouveaux
utilisateurs
Base initiale
installe

Intensit de l'action
commerciale

Population
totale

Attractivit
du rseau

Modle de diffusion virale (Vardi) illustrant la loi des rseaux (Metcalf)

Utilisateurs
80 M
60 M
40 M
20 M
0
0

Utilisateurs : Current

7 8
9
Time (Anne)

10

11 12

13

14

15

4 - Lintgration des SIAD

dans le systme dinformation,

La problmatique de lalignement

Dans les annes pr-90, le SI de lentreprise se construisait dans la

logique suivante:
Stratgie Structure dorganisation Systme dinformation

Consquence : on informatise lexistant

Enjeu Post 2000: valoriser le levier organisationnel et stratgique que

reprsentent les TI

Organisation

Stratgie

R-ingnirie
des processus

Avantages
concurrentiels

Systme dinformation

Information ==> Dcision

Les SI en temps rel appuys sur des ERP et immergs dans Internet grent de trs

grandes quantits dinformation

Lanalyse et lexploitation de ces informations sont ncessaires pour dterminer les
objectifs, dfinir et valuer les politiques qui permettront de les atteindre, programmer les
actions mettre en uvre, mesurer leur efficacit.
Les produits/services nouveaux intgrent de plus en plus de contenu informationnel
(P. Drucker)
Or : lhomme en tant que systme de traitement de linformation a une capacit limite
(Loi des 7+/-2, Miller)

Il doit donc disposer doutils (informatiques) qui lui permettront de palier ses
limitations cognitives tout en utilisant au mieux ses capacits dintuition et
dinterprtation

Information / Dcision

Les besoins en information pour la dcision sont erratiques en volume et en

frquence, ce qui rend difficile le dimensionnement technique du SID et le respect
des contrats de service
Ils ncessitent des historiques dinformation longs ( 1 5 ans)
Les volumes dinformation sont gigantesques: Ex Wall Mart 24 Terabytes = 24
millions de millions doctets
Dans les BD des systmes dcisionnels les informations sont regroupes par thme
et les modles de donnes sont structurs selon des dimensions hirarchises
(temps, espace gographique, famille de produits, ), conus pour faciliter la
navigation dexploration (Drill Down, Roll Up, OLAP: On Line Analytical Processing ).
Les utilisateurs sont gographiquement disperss ou distants des centres
oprationnels ex: MasterCard 22000 organismes financiers
Pour des raisons de performance et de scurit ces besoins ne peuvent pas tre
satisfaits par les bases de donnes dun systme transactionnel (OLTP: On Line
Transactionnal Processing)
Dans les BD du SI transactionnel, les modles de donnes sont conus pour
faciliter les MAJ et prserver la cohrence des informations (SGBD relationnel)
Elles stockent des historiques courts: 60j, , <1an
La gestion des transactions doit se faire en temps rel, elle ne doit pas tre
ralentie , voir bloque par la satisfaction des besoins dcisionnels

Il faut sparer le SI transactionnel du SI dcisionnel tout en

assurant le transfert de l information du Transactionnel ==> Dcisionnel

Systme d'information :
la sparation transactionnel / dcisionnel
Objectifs
Systme
dAide la
Dcision

Systme de pilotage
managrial

Pilotage oprationnel

Datawarehouse

transactionnel

priodique

Systme d'Information
transactionnel

Systme physique

Client/serveur: principe darchitecture 3/3

Serveur d applications

Traitements
Middleware

BD

Application

BD

Rsultats

Serveur de donnes
Middelware

Client
Procdure

BD
Rsultats

Tableur
TT
Navigateur
Msg

Les sources dinformation et domaines dapplication

Le Datawarehouse est aliment partir:

Des sytmes transactionnels (ex: ERP construits sur des bases de donnes avec
des structures de donnes de type snowflake , normalises et optimises pour
favoriser la mise jour, la cohrence et la scurit des informations .
Des systmes de commerce lectronique: Intra & Internet Based Systems (IIBS).

Ces principaux domaines d application:

Marketing / vente: gestion de la relation client (CRM)
Achats: gestion de la relation fournisseur (SRM)
Contrle de gestion (approche ABC/ABM)
Yield management

Le DW peut permettre une vue unifie des clients, des produits, des
fournisseurs et de l ensemble des cots

DW le mapping du business et l alignement Produit/Client

Le DW cartographie exactement les impratifs commerciaux: connatre le client,

connatre le produit et savoir o et quand ils se rencontrent afin de constituer le fait
de base lmentaire mesurable.

Le DW est une technologie de base pour la gestion des connaissances

Il sera donc ncessaire de procder un inventaire des connaissances afin

didentifier la nature des informations recueillir et stocker :

1 la connaissance des clients, lments de style de vie, de leur habitude dachat,

de leur comportement

2 connatre les produits, leurs attributs, leurs cots d achats, de fabrication et

de distribution

3 connatre linteraction entre le client et le produit

4 connatre les facteurs influenant la performance des produits et le

comportement du consommateur
5 La reprsentation unifie dans la mme base de tous les produits et de tous
les clients va permettre le cross-selling

Les concepts de base du modle de donnes (1)

Les dimensions : Elles caractrisent les inducteurs dactivit commerciale : clients,

produits, services, fournisseurs, implantations gographiques, canaux de
distribution, temps, actions commerciales (vendeurs, promotion, publicit, ), ...

Lou Agosta, The Essential Guide to Data Warehousing, Prentice Hall, 2000

Les concepts de base du modle de donnes ( 2)

Les dimensions vont fournir les chemins uitliss pour constituer des agrgats de
donnes, le roll up ou le drill down, ils constituent des structures hirarchiques:
-

les clients sont regroups en hirarchie gographique: individu, commune, district, rgion,
pays, lagrgation des informations caractrisant le comportement du consommateur se fera
au niveau lev de cette hirarchie.

Le produit sera dans une hirarchie caractrise par le code universel (UPC, EAN- gencod) :
item, produit, marque, catgorie,

Le fait atomique dans un Datawarehouse

Le client achte un produit un moment donn dans un lieu donn: lintersection de ces quatre
dimensions dfinit une transaction : la vente.
Ceci constitue un fait qui sera mesurable par : le prix, la quantit, le poids ...

DW : Structure hirarchique

Lou Agosta, The Essential Guide to Data Warehousing, Prentice Hall, 2000

Lou Agosta, The Essential Guide to Data Warehousing, Prentice Hall, 2000

Les concepts de base du modle de donnes (3)

Le cube de donnes
Il est dfini comme fournissant le niveau dagrgation des donnes adapt aux requtes (ex
SQL ou script) , cest lintersection des dimensions qui fournit la structure des faits pertinents
pour le business. Le cube de base : client*produit*temps

Les mta-donnes :
Ce sont des donnes sur les donnes dcrites dans une table dont chaque ligne pointe sur
chaque colonne de chaque table du DW, en dcrivant et expliquant tout ce quil est ncessaire
de savoir sur cette colonne :
- sa signification smantique
- son origine (base transactionnelle dorigine et programmes utiliss pour la transformer)
- son historique (forme initiale, formes successives, date des versions, niveaux successifs
dagrgation, identifiants des supports utiliss pour larchivage
- ses crateurs (noms des intervenants aux diffrents niveaux)

Les agrgats
Ce sont des cubes qui accumulent les informations des transactions primaires, bass sur
lintersection des dimensions de niveau non lmentaire, plus haut dans la hirarchie : clients
groups en rgion, les produits en marque,.

Le systme GIGO :

Data dirty data scrubbing knowledge

Lou Agosta, The Essential Guide to Data Warehousing, Prentice Hall, 2000

Modle de donnes en toile

Lou Agosta, The Essential Guide to Data Warehousing, Prentice Hall, 2000

Un technologie spcifique :

La puissance de traitement ncessaire exige des machines architecture

parallle (NCR 3600,)
Ces machines supportent des logiciels SGBD et des outils de Datamining
capables d utiliser les architectures parallles (Oracle 7,..)
Les temps de rponse doivent tre acceptables grce aux techniques OLAP
(On Line Analytical Processing) et la prconstitution d agrgats
d information:
contrat de service : 90 % des requtes satisfaites en moins de 20 s

le temps de rponse est fonction du niveau d agrgation ( niveau <= la

marque, la rgion et le mois, tmax=15 mn)

les agrgats de niveau plus lev sont constitus en batch pendant la nuit

DW: Technologies de support

Lou Agosta, The Essential Guide to Data Warehousing, Prentice Hall, 2000

Laide la dcision guide par les donnes

Ex: Business Objects, outil de reporting et danalyse.

Exemple doptimisation dune supply chain par programmation linaire

Objectif: programmer, sur un horizon de 8 semaines, les flux entre 18 cartonneries et les 8 papeteries qui
les approvisionnent en maximisant la marge globale sur cots de production des papeteries, cots de
transport et cots dimmobilisation en stock.

Soit les variables:

X(i,j,p,t) = la quantit de papier p livre de la papeterie i vers la cartonnerie j la priode t

Fab(i,p,t) = la quantit de papier p fabrique la papeterie i la priode t

Stock (i,p,t) = stock disponible la priode t de papier p la papeterie i

Capacit (i, t) = capacit de production de la papeterie i pour la priode t

Besoin(j,p,t) = besoin de la cartonnerie j en papier p pour la priode t

Systme des contraintes:

Pour chaque priode t:

Pour chaque cartonnerie j
Pour chaque produit p:
i X(i,j,p,t) = Besoin(j,p,t) La cartonnerie i peut sapprovisionner auprs de nimporte quelle
papeterie, son besoin exprim doit tre satisfait

Pour chaque papeterie i

p Fab(i,p,t) Capacit (i, t) Les quantits fabriques la papeterie i sont sa capacit
de production

Pour chaque produit p:

j X(i,j,p,t) Stock (i,p,t) Chaque papeterie ne peut pas expdier plus que son stock
Stock (i,p,t) = Stock (i,p,t-1) + Fab(i,p,t) - j X(i,j,p,t) Variation du stock entre 2
priodes successives

SIAD doptimisation dune supply chain par PL

Nombre thorique de variables = nb de papeteries * nb de cartonneries * nb de produits * horizon de
planification. (uniquement les quantits livres de i => j)
n = 8 * 18 * 40 *8 : 46080 variables,
Nombre de contraintes : 9000 < m < 10 000 contraintes
Soit : plus de 460 000 000 coefficients, densit < 1/1000
Do:

Construction automatique du PL ( utilisation de langage de modlisation : AMPL, Xpress, ..)

Utilisation dun solveur implmentant des techniques spcialises pour les PL de trs grande taille
matrice trs creuse ( sparse matrix ),

Puissance de calcul pour un temps de rponse acceptable,

Intgration dans le SI de lentreprise pour la Maj des informations, essentiellement le 2 ime membre des
contraintes et les coefficients de la fonction objectif,

Solution retenue:

Utilisation dExcel pour limportation des informations des bases SAP

Gnrateur dvelopp en VBA, avec Excel comme interface utilisateur (paramtrage du gnrateur et
rsultats du solveur)

Utilisation du solveur de Frontline Systems (Premium Solver Platform + Large-Scale Linear Programming
Solver : 65000 * 65000, $ 2500)

PC portable 512 Mo, 2,66 Ghz, temps de calcul : 1 h

SIAD doptimisation dune supply chain par PL : architecture de principe

Add-in Excel

Excel
Excel
Paramtres de
structuration du PL

Vba
Solveur
Gnrateur du PL

PL

Maj du PL

Bases SAP

Excel

Rsultats

40 feuilles

Vba
18 Cartonneries

Excel

(FO; RHS)

Besoins
cartonnerie i

Excel
Capacit des papeteries
Cots de production
Cots de transport
Prix de vente

Besoins
cartonneries
consolids
Excel

Bases SAP

Besoins
cartonnerie n

Excel

Bases SAP

8 Papeteries