|
LAKHAL Radouane VAZQUEZ Emmanuel |
E3-2006/07
Recherche Opérationnelle |
|
|---|
L'entreprise XXX située aux États-Unis est spécialiste de la fabrication des écrous, boulons et fixations de toutes catégories. Cette entreprise dispose de nombreux entrepôts aux États Unis et au Mexique.
Parmi ces principaux clients, on trouve l'entreprise ZZZ situé au Mexique et qui représente 15 % du marché. Cette dernière commande ses produits dans cinq des entrepôts du groupe.
La société XXX transmet à un prestataire YYY la charge de transport pour collecter les produits de la commande de l'entreprise ZZZ auprès des 5 entrepôts concernés. Apres que XXX reçoit la commande de ses clients , le responsable du materials planner vérifie via le logiciel AS400, la disponibilité des différentes pièces commandées dans les différentes entrepôts afin de pouvoir fixer les produits à collecter pour chaque camion.
Le problème consiste à minimiser le coût de transport avec la détermination du nombre et du type de camions à envoyer à chaque entrepôt pour collecter la totalité de la commande de l'entreprise ZZZ.
Les produits demandés par le client ZZZ existent dans 5 entrepôts. Soient i =1..5
Le logiciel AS400 donne la quantité de produits à collecter de chaque entrepôt. Soient :
Qi = Quantité a collecter de l'entrepôt i (Q1=9, Q2= 7, Q3=1 et Q4=5).Le prestataire YYY dispose de quatre types de camion à savoir :
Camion type A de capacité C1 (C1=2)Ai est le camion de type A destiné à être envoyé a l'entrepôt i avec Ai= {0,1} (Ai = 1 si on compte envoyer un camion de type A à l'entrepôt i et Ai = 0 sinon).
Camion type B de capacité C2 (C2=4)
Camion type C de capacité C3 (C3=6)
Camion type D de capacité C4 (C4=8)
Le système nous permet de trouver les valeurs de Ai, Bi, Ci et Di avec i=1..5 dans l'objectif de minimiser le coût de transport.
Le coût d'envoie du camion A à l'entrepôt i est noté CAi (CA1= 10, CA2 = 20, CA3 = 30, CA4 = 40, CA5 = 50, CB1 = 60, CB2 = 70, CB3 = 80, CB4 = 90, CB5 = 100, CC1 = 110, CC2 = 120, CC3 = 130, CC4 = 140, CC5 = 150, CD1 = 160, CD2 = 170, CD3 = 180, CD4 = 190, CD5 = 200.Une formulation de ce problème est possible par la programmation linéaire.
Minimiser le coût de transport ;
MIN Z = 10 A1 + 20 A2 +30 A3 + 40 A4 + 50 A5 + 60 B1 + 70 B2 + 80 B3 + 90 B4 + 100 B5 + 110 C1 + 120 C2 + 130 C3 + 140 C4 + 150 C5 + 160 D1 + 170 D2 + 180 D3+190 D4+ 200 D5La capacité du camion / des camions envoyé(s) à chaque entrepôt est supérieure à la quantité à en collecter ;
2 A1 + 4 B1 + 6 C1 + 8 D1 >= 9
2 A2 + 4 B2 + 6 C2 + 8 D2 >= 7
2 A3 + 4 B3 + 6 C3 + 8 D3 >= 1
2 A4 + 4 B4 + 6 C4 + 8 D4 >= 5
2 A5 + 4 B5 + 6 C5 + 8 D5 >= 4
2 A1: envoyer un camion de type A de capacité 2 à l'entrepôt 1.
A1 + B1 + C1 + D1 ≥>= 0
A2 + B2 + C2 + D2 >= 0
A3 + B3 + C3 + D3 >= 0
A4 + B4 + C4 + D4 >= 0
A5 + B5 + C5 + D5 >= 0
INT A1Retour
INT A2
INT A3
INT A4
INT A5
INT B1
INT B2
INT B3
INT B4
INT B5
INT C1
INT C2
INT C3
INT C4
INT C5
INT D1
INT D2
INT D3
INT D4
INT D5
L'objectif de la programmation linéaire est de trouver la valeur optimale d'une fonction linéaire sous un système d'équations d'inégalités de contraintes linéaires. La fonction à optimiser est baptisée "fonction économique" (utilisée en économie dans le cadre d'optimisations) et on la résout en utilisant une méthode dite "méthode simplexe".
La recherche opérationnelle à pour domaine l'étude de l'optimisation de processus quels qu'ils soient. Il existe de nombreux algorithmes s'inspirant des problèmes du type exposés lors de notre étude de la programmation linéaire. Nous nous attarderons en particulier sur l'algorithme plus utilisé qui est "l'algorithme du simplexe".
Source : http://www.sciences.ch/htmlfr/infotheorique/infomethnum01.phpDeux cas de résolution se présentent selon la disponibilité des types d'article dans les différents entrepôts:
2 A1 + 4 B1 + 6 C1 + 8 D1 >= 9
2 A2 + 4 B2 + 6 C2 + 8 D2 >= 7
2 A3 + 4 B3 + 6 C3 + 8 D3 >= 1
2 A4 + 4 B4 + 6 C4 + 8 D4 >= 5
2 A5 + 4 B5 + 6 C5 + 8 D5 >= 4
A1 + B1 + C1 + D1 >= 1
A2 + B2 + C2 + D2 >= 1
A3 + B3 + C3 + D3 >= 1
A4 + B4 + C4 + D4 >= 1
A5 + B5 + C5 + D5 >= 1
2 A1 + 4 B1 + 6 C1 + 8 D1 >= 18Retour
2 A2 + 4 B2 + 6 C2 + 8 D2 >= 7
2 A3 + 4 B3 + 6 C3 + 8 D3 >= 4
2 A4 + 4 B4 + 6 C4 + 8 D4 >= 9
2 A5 + 4 B5 + 6 C5 + 8 D5 >= 5
A1 + B1 + C1 + D1 >= 0
A2 + B2 + C2 + D2 >= 0
A3 + B3 + C3 + D3 >= 0
A4 + B4 + C4 + D4 >= 0
A5 + B5 + C5 + D5 >= 0
Pour simplifier la résolution du problème, on se limitera dans un premier temps à 5 entrepôts.
Avec les contraintes que nous avons déjà défini, nous allons résoudre ce problème avec des données aléatoires en utilisant LINDO.
LINDO est un logiciel d'optimisation des modèles de programmation linéaire.
LP OPTIMUM FOUND AT STEP 10
OBJECTIVE VALUE = 457.500000
NEW INTEGER SOLUTION OF 570.000000 AT BRANCH 0 PIVOT 10
RE-INSTALLING BEST SOLUTION...
OBJECTIVE FUNCTION VALUE
1) 570.0000
| VARIABLE | VALUE | REDUCED COST |
| A1 | 0.000000 | 10.000000 |
| A2 | 1.000000 | 20.000000 |
| A3 | 1.000000 | 30.000000 |
| A4 | 1.000000 | 40.000000 |
| A5 | 0.000000 | 50.000000 |
| B1 | 1.000000 | 60.000000 |
| B2 | 0.000000 | 70.000000 |
| B3 | 0.000000 | 80.000000 |
| B4 | 1.000000 | 90.000000 |
| B5 | 1.000000 | 110.000000 |
| C1 | 1.000000 | 120.000000 |
| C2 | 1.000000 | 130.000000 |
| C3 | 0.000000 | 140.000000 |
| C4 | 0.000000 | 150.000000 |
| D1 | 0.000000 | 160.000000 |
| D2 | 0.000000 | 170.000000 |
| D3 | 0.000000 | 180.000000 |
| D4 | 0.000000 | 190.000000 |
| D5 | 0.000000 | 200.000000 |
| ROW | SLACK OR SURPLUS | DUAL PRICES |
| 2) | 1.000000 | 0.000000 |
| 3) | 1.000000 | 0.000000 |
| 4) | 1.000000 | 0.000000 |
| 5) | 1.000000 | 0.000000 |
| 6) | 0.000000 | 0.000000 |
| 7) | 2.000000 | 0.000000 |
| 8) | 2.000000 | 0.000000 |
| 9) | 1.000000 | 0.000000 |
| 10) | 2.000000 | 0.000000 |
| 11) | 1.000000 | 0.000000 |
NO.ITERATIONS= 10
BRANCHES= 0 DETERM.= 1.000E0
En utilisant le progiciel Lindo, la solution optimale obtenue est la suivante:
A2
A3
A4
B1
B4
B5
C1
C2
L'optimum c'est d'envoyer 3 types de camion :
3 A pour les entrepôts 2,3 et 4
3 B pour les entrepôts 1,4 et 5
2C pour les entrepôts 1 et 2.
Nous allons remplacer les données aléatoires avec nos données réelles :
Les coûts de transport à partir de l'entrepôt central de TX en $:| A | B | C | D | |
| 1 | 1500 | 1300 | 1100 | 900 |
| 2 | 1900 | 1700 | 1500 | 1100 |
| 3 | 1600 | 1400 | 1200 | 1000 |
| 4 | 2100 | 1900 | 1700 | 1300 |
| 5 | 600 | 500 | 350 | 250 |
Avec :
A : c'est un camion de capacité de 38 palettes équivalent de 525433 pièces.
B : c'est un camion de capacité de 33 palettes équivalent de 456297 pièces.
C : c'est un camion de capacité de 27 palettes équivalent de 373334 pièces.
D : c'est un camion de capacité de 20 palettes équivalent de 276544 pièces.
1: l'entrepôt de UT
2: c'est l'entrepôt de IA
3: c'est l'entrepôt de NC
4: c'est l'entrepôt de MI
5: c'est l'entrepôt de TX
La fonction objective :MIN 1500 A1 + 1900 A2 + 1600 A3 + 2100 A4 + 600 A5 + 1300 B1 + 1700 B2 + 1400 B3 + 1900 B4 + 500 B5 + 1100 C1 + 1500 C2 + 1200 C3 + 1700 C4 + 350 C5 + 900 D1 + 1100 D2 + 1000 D3 + 1300 D4 + 250 D5
Les contraintes:
525433 A1 + 456297 B1 + 373334 C1 + 276544 D1 >= 350000
525433 A2 + 456297 B2 + 373334 C2 + 276544 D2 >= 340000
525433 A3 + 456297 B3 + 373334 C3 + 276544 D3 >= 390000
525433 A4 + 456297 B4 + 373334 C4 + 276544 D4 >= 0
525433 A5 + 456297 B5 + 373334 C5 + 276544 D5 >= 0
A1 + B1 + C1 + D1 >= 0
A2 + B2 + C2 + D2 >= 0
A3 + B3 + C3 + D3 >= 0
A4 + B4 + C4 + D4 >= 0
A5 + B5 + C5 + D5 >= 0
les Variables:
INT A1
INT A2
INT A3
INT A4
INT A5
INT B1
INT B2
INT B3
INT B4
INT B5
INT C1
INT C2
INT C3
INT C4
INT C5
INT D1
INT D2
INT D3
INT D4
INT D5
RésultatsEn utilisant le progiciel Lindo:
Afin de satisfaire sa clientèle en terme de délais et coûts de livraison, l'entreprise XXX transmet la charge de transport à un prestataire YYY et le guide en lui précisant le nombre et le type de camions à envoyer et le circuit minimal à parcourir pour la collecte de la globalité de la commande hebdomadaire dans l'ensemble des entrepôts dont elle dispose dans le territoire américain.
L'entreprise XXX envoie régulièrement, chaque mercredi de chaque semaine, un camion à chaque entrepôt pour la collecte des produits. Actuellement, l'entreprise XXX n'étudie ni la capacité nécessaire et suffisante de camions à envoyer à chaque entrepôt ni la possibilité à disperser les différents types de produits dans les différents entrepôts pour minimiser le nombre de camions à envoyer et la distance à parcourir.