Les mthodes daide la dcision en recherche oprationnelle

1
Les méthodes daide à la décision en recherche
opérationnelle

• Introduction quest-ce que la R.O. ?
• Cadre dapplication
• Notions de modèles et terminologie
• Exemples

2
1 - Introduction

• Quest-ce que la recherche opérationnelle ?
• Létude des opérations dune organisation ou
  dun processus (système) dans le but daccroître
  son efficacité ou dautomatiser loptimisation.
• Où celà sert-il ?
• Dans de très nombreux domaines et en particulier
  en GESTION

3
Quelques applications

• Gestion de la chaîne logistique
• Confection de tournées (véhicules de livraisons,
  routes de facteurs, déneigement/ramassage des
  ordures, transport en commun, aviation civile,
  etc.)
• Localisation dentrepôts/usines (détermination du
  nombre optimal, localisation, affectation des
  clients aux entrepôts/usines)
• Gestion des inventaires (niveaux et stratégies de
  commandes optimales)
• Gestion intégrée de la chaîne logistique
  (commandes aux fournisseurs, localisation des
  entrepôts et usines, gestion des inventaires,
  tournées de livraisons, etc.)

4
Quelques applications (suite 2)

• Gestion des resssources humaines
• Affectation de personnel à des tâches/postes
• Confection dhoraires de personnel
• Négociations de conventions collectives
• Analyse de limpact monétaire (et autres) de
  changements envisagés aux conventions de travail
• Finance
• Composition optimale de portefeuilles

5
Quelques applications (suite 3)

• Marketing
• Répartition dun budget de publicité
• Nombre et localisation de succursales
• Partage des territoires de ventes
• Tarification (prix de vente, etc.)

6
Quelques applications (suite 4)

• Planification de la production
• Gestion des inventaires
• Ordonnancement des tâches
• Planification des télécommunications
• Conception et dimensionnement de réseaux (câblés
  et cellulaires)
• Design de réseaux résistants aux pannes
• Tarification des services
• Etc

7
Rôle de la R.O.

• Trouver léquilibre optimal entre des facteurs
  qui sopposent dans lentreprise
• Exemple
• Nb. Ouvriers Limitent la
• Nb Machines production
• Opposition
• Commandes Encouragent la
• Ventes (profits) production

8
La R.O. à Montréal

• R.O. très développée au Canada et à Montréal en
  particulier
• Deux centres de recherche réputés mondialement
• Centre de recherche sur les transports CRT
• Groupe détude et de recherche en analyse de la
  décision GERAD
• Plusieurs professeurs des HEC y effectuent leurs
  recherches (MQG, GOP, Finance, Marketing,
  Economie)
• Nombreux sujets de M.Sc.

9
2 Cadre dapplication
Application de la R.O.
Processus traditionel
Situation réelle de gestion
Définition du problème Collecte des données
Modèle
Intuition/ expérience
Retour/ ajustements
Validations
Résolution
Décisions
Présentation des résultats
Objectif
10

• Pour analyser la situation (ou des propositions
  de solutions), on a recours à des modèles
  cest-à-dire à une représentation abstraite (et
  souvent simplifiée) de la réalité.

11
3Notions de modèles et terminologie

• Exercice opérationnel
• On opère directement sur le système étudié
• Très réaliste mais très cher
• Difficile voire impossible de tester différentes
  solutions
• Simulation
• On représente le système par des maquettes ou des
  programmes informatiques
• Moins réaliste mais moins cher
• Intuition humaine génére les solutions testées
• Modèles symboliques (ou analytiques)
• On représente le système par des objets
  mathématiques (variables, équations, etc.)
• Version abstraite et simplifiée de la réalité
• Moins cher, permet dévaluer une multitude de
  solutions
• Propose des solutions

12
Composantes dun modèle symbolique
Entrées
Résultats
Modèle
Var. de décision (contrôlables)
Mesures de performance (fonction objectif)
Paramètres/Données (incontrôlables)
13

• Quand on conçoit un modèle il faut considérer
• Niveau de détail des données en fonction du
  niveau des décisions (stratégique vs tactique vs
  opérationnel)
• Fiabilité des données
• Garbage in ? Garbage out
• Aspect aléatoire des données
• Modèles déterministes (tout est connu avant de
  prendre les décisions) moins réalistes mais
  beaucoup plus faciles à résoudre
• Modèles stochastiques (certaines
  informations/événements ne deviennent connus
  quaprès la prise des décisions) plus réalistes
  mais beaucoup plus complexes

14

• Utilisation des modèles symboliques
• Donner des valeurs aux variables de décision
• Evaluer les conséquences de ces décisions et
  vérifier quelles respectent certaines relations
  (mathématiques) appelées contraintes
• Représentent les intéractions imposées par la
  réalité (p.ex. limites sur ressources
  disponibles, règles de fabrication, convention
  collective, etc.)
• Choisir le meilleur jeu de valeurs des variables
  de décision parmi tous ceux qui respectent les
  contraintes
• besoin dune mesure de performance
• Fonction objectif quon tentera de maximiser ou
  minimiser

15
Conseils de présentation de modèles Excel
(cf.p.29)

• Disposition claire et logique de linformation
• V. décision et paramètres regroupés et identifiés
  (étiquettes, titres, )
• Résultats clairement identifiés
• Unités de mesure indiquées où approprié
• Résultats physiques/Calculs intermédiaires
  séparés des résultats économiques
• Caractères gras, codes de couleurs, etc.
• Associer des noms aux cellules
• Utiliser des commentaires de cellules et zones de
  texte
• Séparer les différentes parties du modèle sur
  plusieurs feuilles au besoin

16
4 - Exemples

• Pour commencer à illustrer lutilisation dEXCEL
  pour résoudre des problèmes de décision
  rencontrés en gestion nous traiterons les
  exemples 2.1 et 2.2 du chapitre 2 du livre de
  Winston et Albright.