Les méthodes d’aide à la décision en recherche opérationnelle

1. Les méthodes d’aide à la décision en recherche opérationnelle Introduction : qu’est-ce que la R.O. ? Cadre d’application Notions de modèles et terminologie Exemples

2. 1 - Introduction • Qu’est-ce que la recherche opérationnelle ? L’étude des opérations d’une organisation ou d’un processus (système) dans le but d’accroître son efficacité. • 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 d’entrepôts/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 d’horaires de personnel • Négociations de conventions collectives • Analyse de l’impact monétaire (et autres) de changements envisagés aux conventions de travail • Finance: • Composition optimale de portefeuilles

5. Quelques applications (suite 3) • Marketing: • Répartition d’un 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 l’équilibre “optimal” entre des facteurs qui s’opposent dans l’entreprise • Exemple: Nb. Ouvriers Limitations à 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 (capitale mondiale de la R.O.) • Deux centres de recherche réputés mondialement: • Centre de recherche sur les transports – CRT • Groupe d’étude 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 d’application Application de la R.O. Processus traditionel Situation réelle de gestion Abstraction Modèle Intuition/ expérience Retour/ ajustements Analyses Résultats Décisions Interprétation (validation) ``Payoff

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

11. 3–Notions 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 d’évaluer des multitudes de solutions • Propose des solutions !!!

12. Composantes d’un modèle symbolique Entrées Résultats Var. de décision (contrôlables) Modèle Mesure de performance (fonction objectif) Paramètres/Données (incontrôlables) Variables de conséquences

13. Composantes d’un modèle (suite) • Variables de décision: c’est le décideur qui contrôle leurs valeurs • Paramètres: valeur connue (fixe) mais que le décideur ne contrôle pas (p.ex. marché, météo, coûts matières premières …) • Variables de conséquence: mesurent l’impact des variables de décision (sur le système) • Mesure de performance: mesure le degré d’atteinte des objectifs du décideur correspondant à une valeur des variables de décision.

14. 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 qu’après la prise des décisions): plus réalistes mais beaucoup plus complexes

15. Utilisation des modèles symboliques: • Donner des valeurs aux variables de décision • Evaluer les conséquences de ces “décisions” et vérifier qu’elles 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 d’une mesure de performance • Fonction objectif qu’on tentera de maximiser ou minimiser

16. Conseils de présentation de modèles Excel (cf.p.29) • Disposition claire et logique de l’information: • 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

17. 4 - Exemples • Pour commencer à illustrer l’utilisation d’EXCEL 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.