Documente Academic
Documente Profesional
Documente Cultură
EXERCICE 1.
Niveau: Gymnase (Lyce)
Auteur: Vincent Isoz (isozv@hotmail.com
Mots-cls: recherche oprationnelle, choix
nonc:
Un chef de projet connaissant le prix auquel il peut facturer au maximum ses consultants
(concurrence oblige 250.-/h.) et le prix qu'ils cotent en interne (ressource la moins chre
160.-/h.) souhaite atteindre une marge commerciale de 15'000.- pour son futur projet client
ncessitant 600 heures de travail.
Jusqu'o le chef de projet peut-il baisser le montant du tarif horaire vendu au client tout en
cherchant la meilleure ressource interne possible (celle ayant le cot interne le plus lev le
niveau le plus expert - avec les contraintes dfinies), pour avoir une marge bnficiaire de
15'000.- ?
Remarque: Evidemment il s'agit d'une simple quation du premier degr que l'on peut
rsoudre la main ou avec l'outil Cible de MS Excel mais l'ide ici est juste de se familiariser
avec le solveur.
Solution:
=B1*(B2-B3)
EXERCICE 2.
Niveau: Gymnase (Lyce)
Auteur: Vincent Isoz (isozv@hotmail.com
Mots-cls: recherche oprationnelle, optimisation production
nonc:
Supposons qu'une usine fabrique 2 pices P1 et P2 usines dans deux ateliers A1 et A2.
Les temps d'usinage sont pour P1 de 3 heures dans l'atelier A1 et de 6 heures dans l'atelier A2
et pour P2 de 4 heures dans l'atelier A1 et de 3 heures dans l'atelier A2.
La marge bnficiaire est de 1'200.- pour une pice P1 et 1'000.- pour une pice P2.
La question est: Quelle production de chaque type doit-on fabriquer pour maximiser la marge
hebdomadaire?
Solution:
A1: 3 X 1 4 X 2 160
A2 : 6 X 1 3 X 2 180
X 1, X 2 0
Z 1200 X 1 1000 X 2
Le trac des deux droites dans MS Excel, donne le polygone des contraintes (c'est que l'on fait
dans les petites classes d'coles):
Pour rsoudre le problme dans MS Excel (eh oui! MS Project n'est pas fait pour
l'optimisation ce qui est logique!), crez un tableau du type suivant:
et ensuite, avec le solveur MS Excel, crez les contraintes adaptes du type (attention les
rfrences de cellules ne sont pas donnes correctement ci-dessous afin de ne pas vous
mcher tout le boulot!):
X 1 16 pcs. X 2 28 pcs.
EXERCICE 3.
Niveau: Gymnase (Lyce)
Auteur: Vincent Isoz (isozv@hotmail.com)
Mots-cls: recherche oprationnelle, optimisation budget
nonc:
Comment rpartir quitablement sur les cellules B12 E12 les 40 000 Francs (valeur saisir
dans les contraintes pour la cellule F12) de budget pour optimiser (maximiser) au mieux les
bnfices (cellule G16) ?
Solution:
EXERCICE 4.
Niveau: Universit (Fac)
Auteur: Bertrand Julien
Mots-cls: recherche oprationnelle, optimisation de charge
nonc:
Une socit fabrique trois types de pices. Le processus de fabrication pour chaque produit
ncessite le passage par trois types de machines. L'ordre de passage par machine est le
suivant:
Les trois ateliers sont regroups par technologie et comprennent chacun un seul type de
machines. Les capacits nettes respectives de ces trois ateliers sont:
Les marges dgages par ces trois produits sont de 0.30.- par pices de type 1 appel P1,
0.40.- par pices P2, 0.20.- par pice P3.
Les temps unitaires de fabrication par produit et par atelier sont exprims en heures et sont
donnes ci-dessous par atelier et par type de pice:
Pour le mois suivant, les commandes fermes en portefeuille reprsentent une quantit de
500'000 pices P1, 250'000 pices P2 et 50'000 pices P3. Ces quantits sont produire et
livre pour le mois.
Hypothses:
Solution:
Nous constatons don que l'atelier 3 serait en surcharge de 500 heures, ce qui ne permettrait
pas de raliser la totalit du carnet de commandes du mois sans avoir augmenter la capacit
de production de cet atelier.
Utilisons maintenant MS Excel pour optimiser la marge en connaissant cet tat des faits:
Les rsultats obtenus ne satisfont pas le carnet de commandes. Il reste, en effet, 5'000 P3
livrer pour le mois.
Trois choix au moins sont possible, soit livrer certains clients le mois suivant, soit augmenter
la capacit de produit, soit jouer avec les clients privilgis en priorit.
EXERCICE 5.
Niveau: Universit (Fac)
Auteur: Bertrand Julien
Mots-cls: recherche oprationnelle, optimisation mlanges
nonc:
Une entreprise sidrurgique a reu commande de cinq tonnes d'acier destin la fabrication
de carrosseries automobiles. Les teneurs de cet acier en diffrents lments chimiques doivent
se trouver dans les fourchettes suivantes:
Teneur
Elment chimique Teneur minimale maximale
Carbone ( C ) 2% 3%
Cuivre ( Cu ) 0.40% 0.60%
Manganse ( Mn ) 1.20% 1.65%
Pour fabriquer cet acier, l'entreprise dispose de sept matires premires dont les teneurs, les
quantits disponibles et les cours d'achat sont donns dans le tableau suivant:
Matire Teneur Teneur Teneur Stock disponible
premire en C (%) en Cu (%) en Mn (%) (Kg) Cot (.-/Kg)
Ferraille 1 2.5 0 1.3 4000 0.2
Ferraille 2 3 0 0.8 3000 0.25
Ferraille 3 0 0.3 0 6000 0.15
Ferraile 4 0 90 0 5000 0.22
Ferraile 5 0 96 4 2000 0.26
Ferraille 6 0 0.4 1.2 3000 0.2
Ferraille 7 0 0.6 0 2500 0.17
Dterminer les quantits de ferrailles mlanger pour obtenir la commande souhaite par le
client au meilleur cot.
Solution:
Pour rsoudre ce problme le plus simple est de construire dans MS Excel une table du type
de la page suivante:
EXERCICE 6.
Niveau: Universit (Fac)
Auteur: Bertrand Julien
Mots-cls: recherche oprationnelle, optimisation stocks
nonc:
Une entreprise dispose d'une usine et de cinq entrepts implants en fonction d'une clientle
rgionale distribuer et chacun est considr comme un centre de profit.
Pour le produit PA, les marges exprimes par rapport cot de revient du produit sont
respectivement de 120%, 130%, 120%, 150% et 140% pour les entrepts E1, E2, E3, E4, E5.
Le stock initial en PA est nul dans chaque entrept. Le stock actuel de l'usine est de 7'000 PA.
Il n'est pas possible de fabriquer les produits manquant dans le dlai restant, d'ores et dj,
une perte prvisionnelle de chiffre d'affaires est constate.
Pour minimiser cette perte et pour maximiser le chiffre d'affaires total, une rpartition
optimale des quantits fournir aux diffrents entrepts est rechercher.
Solution:
Avec OpenOffice Calc, nous avons la mme feuille mais le solveur sera paramtr ainsi:
Nous voyons donc que la fonction conomique la mme valeur mais que la rpartition des
livraisons ne se fera pas de la mme manire. Ainsi les deux logiciels donnent une rponse
optimale mais pas identique qui joue entre les entrepts E1 et E3 qui ont la mme marge et
suffisamment de volume pour stocker tout ce qui doit arriver.
Il est dommage qu'aucun des deux logiciels n'indique qu'il y ait plusieurs solutions (mme si
on pouvait s'en douter la vue de l'nonc).
EXERCICE 7.
Niveau: Universit (Fac)
Auteur: Bertrand Julien
Mots-cls: recherche oprationnelle, optimisation logistique, problme de transport
nonc:
Il s'agit de livrer un produit trois clients europens (Client 1, 2 et 3) d'une entreprise qui
dispose de deux usines de fabrication (Usine1 et 2). Le transport est assur par un systme
logistique qui utilise un rseau de 5 plates-formes (PF1 PF5). Les capacits de transport sur
chacun des liens du rseau sont limites aux valeurs donnes dans le graphe suivant:
Les quantits de produit disponibles en stock dans les usines sont respectivement de 35 pour
Usine 1 et 25 pour Usine 2. Les demandes des trois clients sont respectivement de 15 pour
Client 1 et pour Client 2 et 20 pour Client 3.
Remarque: Il s'agit alors dun problme de flot maximal que nous pouvons modliser en
indiquant que la quantit de produit qui transite sur chaque arc doit rester infrieure sa
capacit, que les flux sont conservs dans tous les sommets (sauf Source et Puits), et que la
somme des flux arrivant au Puits doit tre maximale.
Solution:
o dans Total reu nous avons les somme des colonnes et dans Total mis la somme des
lignes.
Le solveur doit alors simplement (mais il fallait y penser) tre configur tel que prsent ci-
dessous:
1. Nous n'avons pas le droit de dpasser les maximaux des capacits des lignes de transport
spcifi dans le premier tableau via la contrainte: $C$19:$N$30<=$C$4:$N$15
2. Les flux doivent tre conservs. En d'autres termes, tout ce qui sort doit entrer quelque part.
En d'autres termes, si nous avons 15+15+20=50 lments demands (puits) il faudra quelque
part que 50 lment soient fournis. Le flux devra tre conservatif en chaque point du graphe.
Nous voyons bien dans le rsultat que tout ce qui est reu par un lment est re-mis (on vite
le gaspillage) et que les maximaux par ligne de transport ne sont jamais dpasss. Le total des
puits vaut alors bien (forcment) 50.
Effectivement, le total des sources tant gal 50, le maximum des puits sera alors de 50
EXERCICE 8.
Niveau: Lyce (Gymnase)
Auteur: Vincent Isoz
Mots-cls: recherche oprationnelle, optimisation marge
nonc:
Un fabricant de montres fait un bnfice de 15.- sur chaque montre d'une gamme 1 et un
bnfice de 8.- sur chaque montre de gamme 2.
Pour maintenir une bonne qualit, le nombre total de montres ne devrait pas dpasser 80 par
jour.
Remarque: Le problme peut tre rsolu trs intuitivement sans le solveur mais bon pour le
plaisir
Solution:
EXERCICE 9.
Niveau: Lyce (Gymnase)
Auteur: Vincent Isoz
Mots-cls: recherche oprationnelle, optimisation du choix des fournisseurs
nonc:
Une socit importatrice de caf achte des lots de grains de caf en vrac, puis les spare en
grains de premier choix, ordinaires et inutilisables.
La socit a besoin d'au moins 280 tonnes de grains de premier choix et 200 tonnes de grains
ordinaires.
Elle peut acheter des grains non tris volont chez deux fournisseurs qui contiennent les
pourcentages suivants de grains de premier choix, ordinaires et inutilisables:
Solution:
EXERCICE 10.
Niveau: Lyce (Gymnase)
Auteur: Vincent Isoz
Mots-cls: recherche oprationnelle, optimisation en investissement matriel
nonc:
Une entreprise dsire acqurir des fraiseuses manuelles (FM) et automatises (FA) pour sa
production.
L'entreprise ne peut dpenser plus de 200'000.- pour les machines et pas plus de 1'000.- par
mois la maintenance.
Les fraiseuses manuelles cotent 20'000.-/pice et en moyenne 200.- par mois pour la
maintenance.
Les fraiseuses automatises cotent 40'000.-/pice et en moyenne 150.- par mois pour la
maintenance.
Sachant que chaque fraiseuse manuelle peut produire 15 units et chaque automatise 25,
trouver le nombre de chacune acheter pour maximiser la capacit de production.
Solution:
EXERCICE 11.
Niveau: Lyce (Gymnase)
Auteur: Vincent Isoz
Mots-cls: recherche oprationnelle, MRP (Material Requirements Planning)
nonc:
Quelle est la meilleure manire de rpartir la production sur les 6 mois afin de minimiser le
cot total sachant que nous avons un stock initial de 50 units?
Solution:
Pour trouver la solution, dans un premier temps, nous construisons un tableau avec la
production effective et les stocks effectifs qui seront calculs:
et nous obtenons:
EXERCICE 12.
Niveau: Lyce (Gymnase)
Auteur: Vincent Isoz
Mots-cls: recherche oprationnelle, optimisation de fonction de plan d'exprience
nonc:
Une entreprise produit des aliments dont une acidit est produite par des ferments qui
transforment le lactose en acide lactique. Nous avons souhait diminuer le got acide en
jouant sur trois facteurs:
A l'aide d'une rgression linaire multiple, nous avons obtenu l'quation quadratique complte
suivante de l'tude de l'appauvrissement en % en nous basant sur des valeurs factorielles des
intervalles:
y 50.1 0.07 x1 0.11x2 0.06 x3 4.22 x1 x2 0.32x1 x3 2.2x2 x3 0.07 x12 3.6x22 9.1x32
Le but est de maximiser y (c'est--dire l'appauvrissement en acide) car le produit sera meilleur
si l'appauvrissement est lev.
Solution:
Nous partons du tableau MS Excel suivant dans lequel nous avons utilise la relation de
transformation des units centres rduites dans la colonne C (cf. chapitre de Gnie
Industriel):
Ce qui donne:
EXERCICE 13.
Niveau: Fac (Universit)
Auteur: Vincent Isoz
Mots-cls: recherche oprationnelle, optimisation de l'ordonnancement, algorithme
volutionnaire
nonc:
Un employ une srie de tches indpendantes excut et pour lesquelles les informations
suivantes lui sont communiques par son systme informatique:
Nous souhaiterions savoir quel doit tre l'ordonnancement des tches afin de minimiser le
retard du travai (si retard il y a...).
Comme il y a:
6! 720
Solution:
D'abord, il faut oublier de trouver une solution et cela ne sera pas possible avec MS Excel
2007 ou antrieur... car il y manque dans le solveur une contrainte nomme "tous diffrents".
Nous utiliserons donc MS Excel 2010.
Pour rsoudre ce problme avec MS Excel 2010, nous pouvons d'abord prparer un tableau du
type suivant quelques lignes plus bas dans la mme feuille:
o l'ide est d'avoir dans le tableau en haut l'ordonnancement original (pour en garder une
trace et comparer le avant/aprs) et en bas le tableau optimis.
Ce qui donne:
Et il ne faut pas tre surpris si pour l'alorithme volutionnaire, chaque excution, et dans le
cas particulier prsent, l'ordre des 4 premires tches peut tre permut puisqu'elles
n'influencent pas sur le rsultat final quel que soit leur ordonnancement.
EXERCICE 14.
Niveau: Fac (Universit)
Auteur: Vincent Isoz
Mots-cls: recherche oprationnelle, k-means, algorithme volutionnaire
nonc:
Nous souhaitons utiliser le solveur volutionnaire de MS Excel pour trouver trois centrodes
et comparer le rsultat un logiciel spcialsi comme Minitab ou Tanagra.
Solution:
avec les formules triviales pour les trois colonnes N, O, P o l'on retrouve la norme de la
distance euclidienne:
Ensuite, nous lanons le solveur de MS Excel (dans le prsent cas il s'agit de la version 2010
du logiciel) avec les paramtres suivants en faisant bien attention prendre l'algorithme
volutionnaire ce qui fait que nous assumons qu' chaque fois que nous pourrions avoir un
rsultat diffrent:
Des logiciels spcialiss de statistiques comme Minitab ou de Data Mining comme Tanagra
donnent en comparaison les valeurs des 3 centres et qui sont une fois reportes dans
MS Excel:
avec le tableau:
EXERCICE 15.
Niveau: Fac (Universit)
Auteur: Vincent Isoz
Mots-cls: recherche oprationnelle, nomographe, algorithme volutionnaire
nonc:
Dans le domaine du contrle qualit la rception, il est courant pour le respect des normes
international de faire appel un nomographe pour calcul la taille du lot qui doit tre contrle
et le nombre d'chantillons qu'il faut en tirer en fonction du niveau de qualit acceptable.
Malheureusement:
2. Il n'y avait pas de solution avec le solveur des versions antrieures Excel 2010
Voyons le problme:
Un lot de bouteilles est livr sous forme de lots de 10'000 units correspondant N. Nous
cherchons mettre en place un plan de contrle de la rception par attributs avec la
probabilit cumule (risque) de 1% que le client rejette tort le lot avec moins de 2.5%
( p ) de non conformes. De son ct le client souhaite une probabilit cumule (risque) de
10% d'accepter tort un lot avec plus de 5% ( p ) de non conformes.
Solution:
Il nous faudra d'abord transforme cela en un seul systme car le solveur n'a qu'une valeur
cible. Nous faisons alors la somme:
A Np N Np A Np N Np
Ck Cnk Ck Cnk
1 CnN
CnN
k 0 k 0
Soit explicitement:
Maintenant, pour rsourdre ce problme, il est clair et vidant qu'il faudra passer par un
algorithme volutionnaire. Nous lanons alors le solveur avec les paramtres suivants (aprs
plusieurs heures d'essais pour tre honnte):
La difficult principale est de savoir que de par la convergence vers une loi binomiale pour N
grand (voir nomographe), n ne dpassera probablement jamais les 1'000 units et n les 150
tant donn les niveaux de risques d'usage dans les entreprises (raison pour laquelle le
nomographe s'arrte 1000 pour n et 150 pour A). Donc il faut adapter les contraintes de
$B$12 et $B$9 en consquence car sinon vous pouvez attendre parfois une journe entire de
slection alatoire sans avoir de rsultat.
De plus, le solveur volutionnaire ne trouvera tel quel jamais de rponse exacte pour la a
simple raison qu'il n'y en pas relativement au niveau de prcision impos par dfaut dans les
option du solveur.
Il faut donc petit petit augmenter les valeurs de la prcision des contraintes. Dans le cas
prsent, des solutions ralisables sont obtenus partir d'une prcision sur les contraintes de
0.00001:
En lanant le solveur, nous souvent des rsultats diffrents ou gaux mais proche mais proche
de que ce que nous obtenons avec le nomographe binomial (A 30 et n 700).
EXERCICE 16.
Niveau : Universit (Fac)
Auteur : Alain Boitel
Mots-cls : Frontire de Markowitz
Enonc :
Remarque :
Harry Max Markowitz (n le 24 aot 1927 Chicago) est un conomiste amricain. laurat du
Prix Nobel d'conomie en 1990. C'est donc l'auteur du modle de diversification efficiente des
portefeuilles d'actifs financiers.
Solution :
Dessous la table donne prcdemment nous allons crer dans MS Excel le tableau contenant
les proportions X i des titres (que nous supposerons quidistribues, soit 1/3), nous
afficherons la moyenne du rendement i calcule bien videmment selon l'estimateur :
n
Ri, j i
2
Var ( B 2 : B6)
j 1
i2 Var (C 2 : C 6)
n 1 Var ( D 2 : D6)
Cette relation est un peu longue saisir, et le sera davantage si nous avons un nombre bien
plus important de titres.
Dans notre cas, il s'agit de faire la somme des produits terme terme de deux plages de
cellules ( X i et i ) ayant la mme dimension (mme nombre de lignes et mme nombre de
colonnes). Nous pouvons alors utiliser la fonction suivant dans MS Excel :
SOMMEPROD(B14:D14;B15:D15)
Pour la variance du portefeuille, c'est un peu plus compliqu puisqu'il s'agira de calculer :
2 R p X1212 X 22 22 X 32 32 2 X1 X 2 cov R1 , R2
2 X1 X 3 cov R1 , R3 2 X 2 X 3 cov R2 , R3
L'astuce pour appliquer ceci dans MS Excel consiste utiliser l'algbre linaire et crire cette
relation sous forme matricielle comme nous l'avons dmontr :
2 R p X T cij X
=SOMMEPROD(PRODUITMAT(B14:D14;G14:I16);B14:D14)
12 cov R2 , R1 cov R3 , R1 X1
2 R p X1 X2 X 3 cov R1 , R2 22 cov R3 , R2 X 2
cov R1 , R3 cov R2 , R3 32 X 3
Donc en se basant sur les tableaux prcdents, il est simple dans MS Excel d'obtenir la
matrice de covariance :
Le problme maintenant est de dterminer pour un rendement du portefeuille fix (B19), les
proportions des diffrents titres qui minimisent le risque.
Aprs avoir ajout les deux cellules B24 (rendement espr/attendu du portefeuille) et B25
(nombre total des parts du portefeuille) :
min : 2 R p
E R p 0.2
Xi 1
et ceci ne peut que se faire (simplement) l'aide du solveur :
Ce que nous allons faire l'aide du solveur est de chercher et reporter les solutions pour des
rendements de 0.2 0.245 par pas de 0.05. A chaque rsultat, nous noterons le numro de
l'itration, la variance du portefeuille 2 R p et l'esprance de rendement E R p qui tait
exige. Cela devrait donner (bon il faudrait automatiser dans l'idal la procdure par du
VBA) :
Ce qui donne la frontire efficiente de Markowitz suivante sous forme graphique dans
MS Excel :
Maintenant il est ais avec MS Excel de dterminer l'quation de cette parabole en utilisant
l'outil d'interpolation (nous sommes obligs dans MS Excel de tourner la parabole pour
cela) :
Maintenant, nous allons dterminer la C.M.L (capital market line) qui est la droite forme par
l'ensemble des portefeuilles composs de l'actif sans risque, d'une part, et du portefeuille de
march, d'autre part. Par construction, elle associe chaque niveau de risque, la rentabilit
espre la plus lev.
et la droite :
y a'x b'
avec la condition :
b'
a'
0.22
Nous avons alors deux quations connues deux inconnues pour rsoudre ce problme
(l'intersection de la droite et la parabole pour la premire et l'galit de la pente de la parabole
et de la droite au point d'intersection) :
2
axM bxM c a ' xM b '
2axM b a '
b '
b
a ' b 0.22
xM
2a 2a
Si nous rsolvons ce polynme du deuxime degr nous avons deux solutions relles (Excel
n'arrive pas dterminer les racines de ce polynme) :
La solution 2 est liminer (nous le savons en essayant de la prendre comme solution). Nous
avons donc:
b'
b ' -0.6822748631 a' =0.3101249378
0.22
b '
b
xM 0.22 0.2314265746
2a
Ainsi, en rutilisant le solveur comme plus haut mais avec cette nouvelle valeur pour
l'esprance, nous obtenons pour un portefeuille du march compos d'un actif sans risque de
rendement 0.22, un rendement global efficient de 0.2314276 avec la composition suivante
du portefeuille donne par le solveur :
X1 0.055
X 2 1.079
X 3 0.024
EXERCICE 17.
Niveau : Universit (Fac)
Auteur : Alain Boitel
Mots-cls : Frontire de Sharpe
Enonc :
Solution :
En dtail sous forme graphique voici d'abord les bta (rendement de l'actif en fonction du
rendement du portefeuille de march/indice de rfrence) obtenus par MS Excel :
Voici les dtails du calcul (remarquez que les bta sont obtenus l'aide d'une simple
rgression linaire avec l'indice de rfrence qui est le portefeuille et les autres paramtres
avec les estimateurs non biaiss) :
L'esprance du rendement du portefeuille compos des trois titres est facile calculer puisque
nous avons leur rendement. Donc :
n
E R p X i Ri X11 X 2 1 X 3 1
i 1
Maintenant, il nous faut calculer l'esprance en utilisant la relation dmontre dans la partie
thorique des paragraphes prcdents :
V Rp 2 Rp I2 X T ij X
12
2 1 2 1 3
I
22
i , j 2 1 2 3
I2
22
3 1 3 2
I2
2 R p X1212 X 22 22 X 32 32
2 X1 X 2 I2 1 2 2 X1 X 3 I2 1 3 2 X 2 X 3 I2 2 3
Une fois ceci fait, nous procdons comme pour la frontire de Markowitz. Nous utilisons le
solveur en minimisant la variance tout en imposant une esprance et une contrainte comme
quoi la somme des parts des actifs financiers est gale l'unit :
La suite de l'exercice (C.M.L.) se fait de la mme manire que dans le modle de Markowitz.
EXERCICE 18.
Niveau : Universit (Fac)
Auteur : Vincent Isoz
Mots-cls : Modle logistique, Lissage exponentiel
Enonc :
Considrons le tableau suivant fait avec MS Excel (les ventes sont en centaines de millier
d'units):
et le graphique associ:
qui pourrait tre jug comme linaire suivant quel moment commence l'analyse descriptive
des ventes dans l'entreprise.
Dterminer le modle thorique prdictif des ventes avec le modle logistique linaris, le
modle logistique optimis et le lissage exponentiel.
Solution :
Pour dterminer le modle thorique, nous allons linariser l'quation logistique en utilisant
un seuil hypothtique (objectif de ventes du march) 800.
Donc:
avec donc:
Soit:
Dans notre exemple, la rgression linaire (cf. chapitre de Mthodes Numriques) donne:
avec ce modle formel, nous avons une somme des carrs des carts entre les mesures et le
modle (cf. chapitre de Statistique) de:
Ce qui donne:
Soit:
avec:
soit nettement infrieur notre approche utilisant la rgression linaire et donc meilleur.
Nous voyons nettement que le modle du solveur (modle numrique) est meilleur que le
modle formel donn par une rgression linaire!
Maintenant, comparons au lissage exponentiel. Pour cela crez une nouvelle colonne
comme indiqu ci-dessous:
Nous voyons nettement l'infriorit du modle de lissage par rapport au modle logistique et
ce mme graphiquement (bon objectivement il est injuste des les comparer car ils n'ont
absolument pas les mmes fondements mathmatiques):
EXERCICE 19.
Niveau : Gymnase (Lyce)
Auteur : Vincent Isoz (isozv@hotmail.com)
Mots-cls : Dfaillance Weibull
nonc :
Nous avons dans MS Excel les donnes suivantes reprsentant les dures de vies de sept
machines donnes en annes:
Nous avons calcul dans B13 la moyenne arithmtique (l'esprance) et dans B14 l'estimateur
de maximum de vraisemblance de l'cart-type de la loi Normale. (hmm):
Nous voulons modliser la dure de vie par une loi de Weibull de paramtres:
0, ?, ?
Nous demandons:
Solution :
S1. Nous avons dmontr dans le chapitre Technique de Gestion que pour 0 :
1
E ( X ) 1 1
et :
2 1
2
1
2 2
1
Nous crons donc une zone dans la feuille Excel avec la structure suivante:
La fonction Gamma ( ne pas confondre avec la loi Gamma!) n'existant pas dans MS Excel
nous devons prendre l'exponentielle de la fonction du logarithme nprien de la fonction
Gamma qui elle est disponible O_o.
Une fois ceci fait, nous allons demander l'aide du solveur de MS Excel de dterminer les
valeurs de E2 et E3 afin de faire correspondre l'esprance et l'cart-type de la loi de Weibull
aux valeurs obtenues dans B13 et B14.
Mais le solveur a besoin d'un objectif et il peut en avoir qu'un. Nous devons donc jouer avec
des paramtres supplmentaires qui en tant qu'objectif unique imposeront la dtermination de
E2 et E3. Nous allons pour cela jouer avec la variation entre l'esprance calcule par le
solveur et l'esprance dtermine exprimentalement et idem avec l'cart-type. Cela nous
donne:
E2 3.59
E3 20.7
1
E ( X ) MUT MTTF 1 1 18.65
S3. La probabilit que la machine tienne le coup plus de 20 mois est alors donne par:
R=1-WEIBULL(20;beta;nu;1)=58.67%
F=WEIBULL(30;beta;nu;1)- WEIBULL(15;beta;nu;1)=70.78%
S5. Pour rpondre cette question nous reprenons les cellules suivantes nous d'abord les
cellules suivantes dans MS Excel nous ayant server pour le calcul de la deuxime partie de la
solution 3 (S3):
G15=9.07
annes. Donc nous pouvons garantir nos machines 9 annes sans avoir peu de perdre trop
d'argent en les commercialisant.