Rech Operation Nelle

EXERCICES DE
RECHERCHE OPRATIONNELLE (SOLVEURS)

(version 2.6 Rvision 8 du 06.09.2012)
Attention! Nous utilisons majoritairement MS Office Excel pour la rsolution des exercices dans le prsent
document car c'est le plus courant dans les entreprises.
Sciences.ch Recherche oprationnelle (solveurs)
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:
Dans MS Excel, nous construisons le tableau suivant:
avec dans B4 la relation suivante:
=B1*(B2-B3)
Nous paramtrons le solveur ainsi:
Serveur d'exercices 2/78

et nous le lanons. Il vient alors comme rsultat au problme:
Nous pouvons donc facturer au minimum 217.50.-/h. au client et prendre un consultant

interne de type Junior B qui nous coterait au plus 192.50.-/h.

EXERCICE 2.
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.
Le temps de disponibilit hebdomadaire de l'atelier A1 est de 160 heures et celui de l'atelier

A2 de 180 heures.
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?
A rsoudre en utilisant la reprsentation graphique et MS Office Excel!
Solution:
D'abord, il est possible de poser le systme d'inquations:
A1: 3 X 1 4 X 2 160
A2 : 6 X 1 3 X 2 180
X 1, X 2 0
Ensuite, la fonction conomique:
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):

o nous voyons de suite ou sont les maximums ainsi que l'optimum.
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!):

Les solutions seront alors aprs l'excution du solveur:
X 1 16 pcs. X 2 28 pcs.

EXERCICE 3.
Auteur: Vincent Isoz (isozv@hotmail.com)
Mots-cls: recherche oprationnelle, optimisation budget
nonc:
Soit le tableau ci-dessous dans MS Excel:
Auquel correspondent les formules ci-dessous:

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:
Pour rsoudre cet exercice il suffit de lancer le solveur et d'y saisir:
Afin d'obtenir le rsultat ci-dessous:


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:
- Machine 1: pour les oprations de dcoupe du mtal
- Machine 2: pour les oprations de roulage
- Machine 3: pour les oprations de soudage
Les trois ateliers sont regroups par technologie et comprennent chacun un seul type de
machines. Les capacits nettes respectives de ces trois ateliers sont:
- pour l'atelier de dcoupage: 10'000 heures par mois
- pour l'atelier de roulage: 7'000 heures par mois
- pour l'atelier de soudage: 5'000 heures par mois
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:
Atelier 1 Atelier 2 Atelier 3

P1 0.01 0.005 0.001
P2 0.002 0.01 0
P3 0 0.02 0.1
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.
Le problme consiste trouver la quantit mensuelle optimale fabriquer par produit de

faon maximiser la marge globale.
Hypothses:
H1. Le taux de rebut est suppos nul

H2. La main d'uvre n'est pas interchangeable
H3. Il n'existe pas d'encours ni de stock de scurit.
Solution:
D'abord, un calcul simple nous donne en termes de charge:
A1: 500 '000 0.01 250 '000 0.02 10 '000 [h]

A2 : 500 '000 0.005 250 '000 0.01 50 '000 0.02 6 '000 [h]
A3 : 500 '000 0.001 50 '000 0.1 5'500 [ h]
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.
L'atelier 2 serait en sous-charge de 1'000 heures de travail et l'atelier 1 serait l'quilibre de

charge.
Utilisons maintenant MS Excel pour optimiser la marge en connaissant cet tat des faits:
avec les formules suivantes:

avec les paramtres suivants du solveur:
Nous obtenons alors:

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.
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.
Le problme est rsoudre avec MS Office Excel!
Solution:
Pour rsoudre ce problme le plus simple est de construire dans MS Excel une table du type
de la page suivante:

Avec les formules suivantes:
Dans D12: =SOMMEPROD($C$3:$C$9;D3:D9)/$D$13
Dans E12: =SOMMEPROD($C$3:$C$9;E3:E9)/$D$13
Dans F12: =SOMMEPROD($C$3:$C$9;F3:F9)/$D$13
Dans H12: =SOMMEPROD($C$3:$C$9;H3:H9)
Dans D14: =SOMME(C3:C9)
Ensuite, il faut lancer le solveur avec les paramtres suivants:
Pour obtenir les rsultats:


EXERCICE 6.
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.
Les marges par produit sont diffrentes par rgion.
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 cot de revient usine est de 1'000.- par unit de produit PA fabriqu.
Les prvisions des ventes pour la semaine venir sont de:
- 2'500 PA pour l'entrept E1
- 500 PA pour l'entrept E4
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.
A ce jour, le volume disponible dans les diffrents entrepts est de:
- 1'500 [m3] pour l'entrept E1
- 200 [m3] pour l'entrept E4
- 600 [m3] pour l'entrept E1
Le volume d'une unit de produit PA est de 0.5 [m3].

Optimisez le problme avec MS Excel et OpenOffice Calc et discuter des diffrences
obtenues.
Solution:
D'abord, avec MS Excel nous crons la feuille suivante:

On para mtrise le solveur:
avec la liste des contraintes complte suivante:
On lance la recherche et MS Excel trouve:

Ce qui satisfait les contraintes mais pas la demande
La fonction conomique vaut 8'910'000.-
Avec OpenOffice Calc, nous avons la mme feuille mais le solveur sera paramtr ainsi:

avec la liste de toutes les contraintes:
En lanant la recherche nous obtenons:

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.
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.
Trouver un programme de transport qui satisfasse la demande des clients
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:
Une technique possible consiste crer un tableau de flot du type suivant:
et plus bas un autre tableau du type:
o dans Total reu nous avons les somme des colonnes et dans Total mis la somme des
lignes.
La cellule Flot reprsente la somme des puits maximiser.
Le solveur doit alors simplement (mais il fallait y penser) tre configur tel que prsent ci-
dessous:

Le solveur exprime ici simplement que:
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.
Une fois le solveur lanc, vous aurez:
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 satisfaire la demande des vendeurs, la production journalire de montres de gamme 1

devrait se situer entre 30 et 80, et la production journalire de montres de gamme 2 entre 10 et
30.
Pour maintenir une bonne qualit, le nombre total de montres ne devrait pas dpasser 80 par
jour.
Combien de montres de chaque type faudrait-il fabriquer quotidiennement pour raliser un

bnfice maximum?
Remarque: Le problme peut tre rsolu trs intuitivement sans le solveur mais bon pour le
plaisir
Solution:
Nous construisons par exemple la feuille suivante:
avec les relations suivantes:

et nous configurons le solveur ainsi:
ce qui nous donne:
et qui est la solution du problme!

EXERCICE 9.
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:
Fournisseur 1er choix Ordinaire Inutilisable

A 20% 50% 30%
B 40% 20% 40%
Chez le fournisseur A le cot la tonne est de 125.- et chez le fournisseur B de 200.-.
Trouvez la combinaison optimale permettant de satisfaire les besoins tout en investissant un

minimum d'argent.
Solution:
Nous crons la feuille suivante:

Avec les relations suivantes:
et nous configurons le solveur ainsi:
ce qui nous donne:

EXERCICE 10.
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.
MS Excel ne pouvant rsoudre ce problme ce jour, nous utiliserons OpenOffice.org.
Solution:
Nous crons la feuille suivante:

avec les relations:

et nous configurons le solveur de OpenOffice.org Calc de la manire suivante:
ce qui nous donne:

EXERCICE 11.
Mots-cls: recherche oprationnelle, MRP (Material Requirements Planning)
nonc:
Dans une entreprise, nous avons les donnes suivantes:
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:
Ensuite, nous devons aussi crire la fonction de cot optimiser:

Ensuite, nous lanons le solveur avec les paramtres suivants:
et nous obtenons:

et voil pour un MRP I.

EXERCICE 12.
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:
1. Le taux de dilution (rapport volumique eau ajoute/lait brut): [0.5%,2%] x1
2. Le pH (suivant quantit de stabilisant inject): [5,6] x2
3. Taux de concentration du lait (rapport volumique lait brut/stabilis): [1.5%,2.5%] x3
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):
Avec les paramtres suivants du solveur:

Ce qui donne:

EXERCICE 13.
Niveau: Fac (Universit)
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
combinaisons possibles, nous n'allons pas faire cela la main...
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.
Voici les formules classiques explicites du deuxime tableau:
Et ensuite nous lanons le solveur avec l'algorithme volutionnaire (normalement ce problme

a peu de chances de trouver une solution avec l'algorithme GRG non linaire, mais nous
constatons que MS Excel 2010 en trouvera quand mme une, car nous le souponons d'utiliser
quand mme l'algorithme volutionnaire):

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.
Mots-cls: recherche oprationnelle, k-means, algorithme volutionnaire
nonc:
Considrons les donnes suivantes:
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:
Nous crons sur la mme feuille le tableau suivant:

avec les formules triviales pour les trois colonnes N, O, P o l'on retrouve la norme de la
distance euclidienne:

et les formules suivantes pour les deux colonnes restantes:
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:

et nous avons en lanant le solveur:

avec le tableau:
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:

La diffrence s'explique assez simplement! Un logiciel comme MS Excel minimise la

distance des points aux centres mais est incapable en mme temps de maximiser la distance
entre les centres. Par contre les logiciels de statistiques ont les algorithmes qu'il faut pour cela.
Minitab ne donne pas de graphique mais Tanagra lui donne:

EXERCICE 15.
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:
1. La lecture du nomographe est pas toujours aise (et pas amusante)
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:
Le but est de dterminer donc la valeur de A et de n qui satisfont le systme du systme

suivant:
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 dans notre cas:

2.5% 10'00010'0002.5%
A C10'000 Cnk A Ck10'0005%Cn10'00010'00015%

1 1% 10% 109% k
C10'000
k
C10'000
k 0 n k 0 n
Soit dans le langage MS Excel cela donnera:
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).
Voici les rsultats obtenus avec 9 essais diffrents:
Essai B9 (A) B12 (n)

1 24 623
2 23 603
3 23 603
4 20 533
5 24 623
6 27 691
7 26 667
8 22 579
9 27 691
Dans le doute, prenez le rsultat qui maximise n et A.

EXERCICE 16.
Niveau : Universit (Fac)
Auteur : Alain Boitel
Mots-cls : Frontire de Markowitz
Enonc :
Considrons trois titres composants un portefeuille en proportions gales (que nous

supposerons dans des proportions gales dans le portefeuille) et les n observations de leur
rendement Ri , j saisis dans MS Excel (la composant j pouvant tre vu comme une priode
temporelle) :
Dterminez la frontire d'efficience du portefeuille selon le modle de Markowitz ainsi que la

C.M.L. et la pondration des actifs qui minimise la variance pour une esprance maximum
pour une portefeuille compos d'un actif sans risque d'un rendement de 0.22.
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.
Markowitz dveloppa la base mathmatique et les consquences de cette analyse dans sa

thse, soutenue en 1954. Milton Friedman, qui faisait partie du jury, lui aurait dclar :
"Harry, ceci n'est pas une thse d'conomie, et nous ne pouvons vous donner un doctorat
d'conomie pour quelque chose qui n'est pas de l'conomie. Ce n'est pas des maths, ce n'est
pas de l'conomie, ce n'est mme pas de la gestion."
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 Moyenne( B 2 : B6)
j 1
E Ri i Moyenne(C 2 : C 6)
n Moyenne( D 2 : D6)

et la variance i2 calcule pour chaque titre par 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)

Ce qui nous donne le tableau suivant dans MS Excel :
Soit sous forme dtaille dans MS Excel toujours :
Nous devons maintenant calculer le rendement moyen du portefeuille selon :

n

E R p X i Ri X11 X 2 1 X 3 1
i 1
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 :

n

V Rp 2
Rp X i2V Ri 2 X i X j cov R j , Ri
i 1 i j
n
X i2 i2 2 X i X j cov R j , Ri
i 1 i j
La relation dveloppe dans notre cas particulier donne :
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
Ce qui quivaut dans MS Excel crire :
=SOMMEPROD(PRODUITMAT(B14:D14;G14:I16);B14:D14)
Soit sous forme matricielle explicite :
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 :
Soit sous forme dtaille dans MS Excel toujours :

Rappel : La matrice des covariances est symtrique (cf. chapitre de Statistiques).
Et pour l'esprance et la variance du portefeuille nous aurons donc le tableau suivant :
en appliquant donc les relations susmentionnes:
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) :
Nous devons donc maintenant rsoudre le problme d'optimisation non linaire :

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.

Nous allons pour dterminer cette droite avec MS Excel nous fixer dans un premier temps un
taux de rendement sans risque que nous noterons R f et que nous prendrons arbitrairement
comme valant 0.22. Nous avons donc la courbe de Markowitz d'quation :
y 18.795x2 8.389 x 0.9384 ax2 bx c
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 '
La deuxime quation nous donne :
b '
b
a ' b 0.22
xM
2a 2a
Inject dans la premire quation :

2
b ' b ' b '
0.22 b 0.22 b
b ' 0.22
b
a b c b'
2a 2a 0.22 2a

Si nous rsolvons ce polynme du deuxime degr nous avons deux solutions relles (Excel
n'arrive pas dterminer les racines de ce polynme) :
b '1 -0.6822748631 b '2 0.1207634890
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
Ce qui donne sous forme graphique :
Soit sous forme traditionnelle :

Il vient aussi immdiatement :
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.
Auteur : Alain Boitel
Mots-cls : Frontire de Sharpe
Enonc :
Considrons trois titres composants un portefeuille en proportions gales et les n observations

de leur rendement Ri , j saisis dans MS Excel. Ces rendements seront compars un indice de
rfrence I qui sera le rendement d'un portefeuille de march de rfrence PFM :
Le but se de dterminer la frontire d'efficience du portefeuille avec le modle de Sharpe.
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 :

et le tableau de construction suivant pour le calcul des bta, la variance et l'esprance des
diffrents titres :
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
Ce qui donne sous MS Excel :
Soit de manire dtaille :
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

avec pour rappel dans notre cas particulier :
12
2 1 2 1 3
I

22
i , j 2 1 2 3
I2

22
3 1 3 2
I2
avec dans notre exemple I2 0.039 (cellule B13).
Soit sous forme dveloppe pour notre exemple :
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
Ce qui donne dans MS Excel pour notre matrice des bta :
Soit sous forme dveloppe (la matrice est symtrique) :
Et finalement le couple variance/esprance du portefeuille est donn par :
Soit sous forme dtaille :

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 :
Ce qui donne le tableau variance/rendement suivant ( comparer avec le mme tableau de

Markowitz) :
et le graphique suivant (comparaison directe avec Markowitz mise en vidence) :

La suite de l'exercice (C.M.L.) se fait de la mme manire que dans le modle de Markowitz.

EXERCICE 18.
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:
Soit calculer la nouvelle variable expliquer:
et le modle linaire s'crit donc:
avec donc:

Soit:
Dans notre exemple, la rgression linaire (cf. chapitre de Mthodes Numriques) donne:
Nous avons alors immdiatement:
Soit sous forme graphique:
avec ce modle formel, nous avons une somme des carrs des carts entre les mesures et le
modle (cf. chapitre de Statistique) de:
Maintenant, entrons ces donnes dans MS Excel sous la forme suivante:

avec la structure suivante:
Si nous lanons le solveur avec les paramtres suivants:

Ce qui donne:
Soit:
avec:
soit nettement infrieur notre approche utilisant la rgression linaire et donc meilleur.
Graphiquement cela donne:

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:

et lancez l'outil de lissage exponentiel (exponential smoothing) de l'utilitaire d'analyse de

MS Excel:
et validez par OK. Vous aurez alors:

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:
1. De dterminer , en utilisant la mthode de Lloyd et Lipov
2. Dterminer MUT MTBF (suppose temps d'arrt pour rparation ngligeable)
3. De calculer la probabilit cumule R que la machine tienne le coup plus de 20 mois.
4. La probabilit cumule F que la machine tombe en panne entre le 15 et 30me mois.
5. La dure limite de garantie minimale assurant une probabilit cumule de fonctionnement

(fiabilit) de 95%.
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:
Avec les formules suivantes:
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:

Nous pouvons maintenant lancer le solveur avec les paramtres:
L'excution du solveur donne:
E2 3.59
E3 20.7
S2. L'excution du solveur donne aussi:
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%
et donc qu'elle tienne le coup au moins 20 mois:

=WEIBULL(20;beta;nu;1)=41.32%
S4. La probabilit que la machine tombe en panne entre le 15 et 30me mois:
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):
Soit avec les formules:
Maintenant nous utilisons l'outil cible de MS Excel dans Outils/Outil cible:
En validant par OK, nous obtenons alors l'cran:
G15=9.07
annes. Donc nous pouvons garantir nos machines 9 annes sans avoir peu de perdre trop
d'argent en les commercialisant.

Rech Operation Nelle

Încărcat de

Informații document

Drepturi de autor

Formate disponibile

Partajați acest document

Partajați sau inserați document

Opțiuni de partajare

Vi se pare util acest document?

Este necorespunzător acest conținut?

Drepturi de autor:

Formate disponibile

Rech Operation Nelle

Încărcat de

Drepturi de autor:

Formate disponibile

EXERCICES DE

RECHERCHE OPRATIONNELLE (SOLVEURS)

Dans MS Excel, nous construisons le tableau suivant:

avec dans B4 la relation suivante:

Nous paramtrons le solveur ainsi:

Serveur d'exercices 2/78

et nous le lanons. Il vient alors comme rsultat au problme:

Nous pouvons donc facturer au minimum 217.50.-/h. au client et prendre un consultant

Serveur d'exercices 3/78

Le temps de disponibilit hebdomadaire de l'atelier A1 est de 160 heures et celui de l'atelier

A rsoudre en utilisant la reprsentation graphique et MS Office Excel!

D'abord, il est possible de poser le systme d'inquations:

Ensuite, la fonction conomique:

Serveur d'exercices 4/78

o nous voyons de suite ou sont les maximums ainsi que l'optimum.

Serveur d'exercices 5/78

Les solutions seront alors aprs l'excution du solveur:

Serveur d'exercices 6/78

Soit le tableau ci-dessous dans MS Excel:

Auquel correspondent les formules ci-dessous:

Serveur d'exercices 7/78

Pour rsoudre cet exercice il suffit de lancer le solveur et d'y saisir:

Afin d'obtenir le rsultat ci-dessous:

Serveur d'exercices 8/78

Serveur d'exercices 9/78

- Machine 1: pour les oprations de dcoupe du mtal

- Machine 2: pour les oprations de roulage

- Machine 3: pour les oprations de soudage

- pour l'atelier de dcoupage: 10'000 heures par mois

- pour l'atelier de roulage: 7'000 heures par mois

- pour l'atelier de soudage: 5'000 heures par mois

Atelier 1 Atelier 2 Atelier 3

Le problme consiste trouver la quantit mensuelle optimale fabriquer par produit de

H1. Le taux de rebut est suppos nul

Serveur d'exercices 10/78

H3. Il n'existe pas d'encours ni de stock de scurit.

D'abord, un calcul simple nous donne en termes de charge:

A1: 500 '000 0.01 250 '000 0.02 10 '000 [h]

L'atelier 2 serait en sous-charge de 1'000 heures de travail et l'atelier 1 serait l'quilibre de

avec les formules suivantes:

Serveur d'exercices 11/78

avec les paramtres suivants du solveur:

Nous obtenons alors:

Serveur d'exercices 12/78

Serveur d'exercices 13/78

Le problme est rsoudre avec MS Office Excel!

Serveur d'exercices 14/78

Avec les formules suivantes:

Dans D12: =SOMMEPROD($C$3:$C$9;D3:D9)/$D$13

Dans E12: =SOMMEPROD($C$3:$C$9;E3:E9)/$D$13

Dans F12: =SOMMEPROD($C$3:$C$9;F3:F9)/$D$13

Dans H12: =SOMMEPROD($C$3:$C$9;H3:H9)

Dans D14: =SOMME(C3:C9)

Ensuite, il faut lancer le solveur avec les paramtres suivants:

Pour obtenir les rsultats:

Serveur d'exercices 15/78

Serveur d'exercices 16/78

Les marges par produit sont diffrentes par rgion.

Le cot de revient usine est de 1'000.- par unit de produit PA fabriqu.

Les prvisions des ventes pour la semaine venir sont de:

- 2'500 PA pour l'entrept E1

- 1'500 PA pour l'entrept E2

- 2'000 PA pour l'entrept E3

- 500 PA pour l'entrept E4