UNIVERSITÉ MOULAY ISMAIL

FACULTÉ POLYDISCIPLINAIRE ERRACHIDIA

RECHECHE OPÉRATIONNELLE

TD 1

MANAL YOUB

Année Universitaire: 2019-2020

- FPE - S6 - MANAL YOUB 1

 Modélisation
Exercice
Un atelier fabrique des tables et des bureaux.
 Chaque table nécessite 2, 5 h pour l’assemblage, 3 h pour le

polissage et 1 h pour la mise en caisse.

 Chaque bureau exige 1 h pour l’assemblage, 3 h pour le polissage

et 2 h pour la mise en caisse.

 L’entreprise ne peut disposer, chaque semaine, de plus de 10 h

pour l’assemblage, de 15 h pour le polissage et de 8 h pour la mise

en caisse.
 Sa marge de profit est de 30 dh par table et de 40 dh par bureau.

Combien de tables et de bureaux doit-on produire afin

d’obtenir un profit hebdomadaires maximal ?
- FPE - S6 - MANAL YOUB 2
 Modélisation
Solution:
On note :
 x1 = le nombre de tables à fabriquer par semaine
 x2 = le nombre de bureaux à fabriquer par semaine
Fonction objectif :
 Le profit hebdomadaire z s’obtient à partir de l’expression, z = 30x1 + 40x2
 L’objectif poursuivi consiste à trouver le couple de valeurs x1 et x2 qui
maximise le profit hebdomadaire z : Max z = 30x1 + 40x2
Contraintes :
Les valeurs prises par x1 et x2 sont limitées par les disponibilités des ateliers.
Ainsi, il convient de prendre en compte :
 Contraintes de production : Par exemple, le temps utilisé pour assembler
tables et bureaux ne peut excéder les 10 heures disponibles. Ce qui s’écrit
donc :

- FPE - S6 - MANAL YOUB 3

 Modélisation
De même, pour le polissage et la mise en caisse, on écrit:

Contraintes de non-négativité :
 Ce type de contraintes ne figure pas de manière explicite dans l’énoncé.
Cependant son caractère est évident car les nombres de tables et de bureaux à
fabriquer ne peuvent être que positives ou nulles :

 Le programme linéaire ainsi défini s’écrit :

- FPE - S6 - MANAL YOUB 4

 Méthode graphique
1. Problème de maximisation
 Exercice 1:

L’entreprise ADAM réalise deux produits x et y.

Leur fabrication nécessite le passage dans un atelier A.
Leur temps de passage en heure est donné dans le tableau ci-après :

Par ailleurs, les prix de vente des deux produits x et y sont

respectivement, 160 DH et 120 DH. Les charges variables étant de 85
DH pour x et 57,50 DH pour y.
Compte tenu du marché, l’entreprise ne peut vendre plus de 300 unités
du produit x et 500 Unités du produit y.
- FPE - S6 - MANAL YOUB 5
 Méthode graphique
1. Problème de maximisation
 Travail demandé

A l’aide de la résolution graphique, quel est le programme

optimum qui maximise la marge sur coûts variables ?
 Solution
Elle consiste à faire une représentation graphique dans un
plan, rapporté à deux axes, des droites représentatives des
contraintes. Elle permet de constater le champ des possibles
(domaine d’acceptabilité) qui satisfait les différentes
contraintes, et la droite représentative de la fonction
économique permettant la recherche de l’optimum dans le
champ des possibles. - FPE - S6 - MANAL YOUB 6
 Méthode graphique
1. Problème de maximisation
Ainsi le programme linéaire est défini comme suit :
 Contrainte technique (1) : 2x + 1y ≤ 800
 Contraintes de marché (2) : x ≤ 300 ; y ≤ 500
 Contraintes logiques (3) : x ≥ 0 et y ≥ 0
La fonction économique à maximiser :
 M/CV(x) = 160 – 85 = 75 DH
 M/CV(y) = 120 – 57,5 = 62,50 DH
D’où, Max Z = 75 x + 62,50 y : c’est la fonction objectif à
atteindre.
 Les droites représentatives des contraintes et de la fonction
économique sont représentées dans le graphique ci-dessous :
 La fonction Max est représentée par la droite (Δ) correspondant à :
Ζ = 75 x + 62,50 y dont le coefficient directeur est de
- FPE - S6 - MANAL YOUB 7
 Méthode graphique
1. Problème de maximisation

- FPE - S6 - MANAL YOUB 8

 Méthode graphique
1. Problème de maximisation
 Le champ des possibles (à rayures) est délimité par les droites

passant par les points (o ; o), (300 ; 0), (300 ; 200), (150 ; 500) et (0
; 500).
 La fonction Max est représentée par la droite (Δ) permettant de

rechercher par translation parallèle le point le plus éloigné du champ

des possibles. Il s’agit du point M (150 ; 500). Donc pour atteindre
l’optimum, les quantités à prendre sont : x = 150 ; y = 500
 La marge maximum sera de : (150 x 75) + (500 x 62,50) = 42 500

DH.
 Nous observons que la contrainte commerciale du produit x n’est

pas saturée, nous aurions pu vendre 150 unités de plus. Quant à la

contrainte commerciale y, elle est saturée. De même, la contrainte
technique concernant la capacité productive de l’atelier est saturée,
on a bien consommé : (2 x 150) + (1 x 500), soit 800 heures
machine. - FPE - S6 - MANAL YOUB 9
 Méthode graphique
1. Problème de maximisation
Exercice 2:
La direction d'une usine de meubles a constaté qu'il y a des temps morts dans
chacun des départements de l'usine. Pour remédier à cette situation, elle décide
d'utiliser ces temps morts pour fabriquer deux nouveaux modèles de bureaux,
M1 etM2. Les temps de réalisation pour chacun de ces modèles dans les ateliers
de sciage, d'assemblage et de sablage ainsi que les temps libres dans chacun de
ces ateliers sont donnés dans le tableau ci-dessous. Ces temps représentent le
nombre d'heures nécessaires à un homme pour effectuer le travail. Les profits
que la compagnie peut réaliser pour chacun de ces modèles sont de 300 DH pour
M1 et de 200 DH pour M2.

- FPE - S6 - MANAL YOUB 10

 Méthode graphique
1. Problème de maximisation
 Travail demandé:

Donner le programme de la direction permettant de déterminer combien de

bureaux de chaque modèle elle doit fabriquer pour maximiser son profit.
 Solution:
Posons x1 le nombre de bureaux du modèle M1 et x2 le nombre de bureaux du
modèle M2. Les temps libres de chaque département imposent des contraintes
qu'il faut respecter. La contrainte imposée par les temps libres à l'atelier de
sciage:

Les autres contraintes sont:

- FPE - S6 - MANAL YOUB 11

 Méthode graphique
1. Problème de maximisation
 Il s'ajoute à ces contraintes des contraintes de non-négativité puisque le
nombre de bureaux ne peut être négatif, on a donc:

 Graphiquement les solutions réalisables sont les points du polygone convexe

de la figure suivante:

Figure 1: l'ensemble des solutions- FPE - S6 - MANAL YOUB

admissibles c'est le polygone convexe en 12
gris
 Méthode graphique
1. Problème de maximisation
 La direction veut maximiser son profit, c'est-à-dire maximiser la fonction:
f(x1; x2) = 300x1 + 200x2
 Pour chacune de ces solutions admissibles, c'est-à-dire pour chacun des
points du polygone convexe, la compagnie fera un profit positif. Si la
compagnie fabrique trois exemplaires du modèle M1 et deux exemplaires du
modèle M2, le profit sera:
f(3; 2) = 300 * 3 + 200 * 2 = 1300 DH
 Il ne saurait être question de calculer le profit réalisable pour chacun des
points du polygone convexe. Pour avoir une vision globale du problème,
représentons le profit réalisé par le paramètre z. On a:
300x1 + 200x2 = z
qui représente une famille de droites parallèles. En isolant x2, on obtient:

- FPE - S6 - MANAL YOUB 13

 Méthode graphique
1. Problème de maximisation
 Il s'agit donc d'une famille de droites de pente -3/2 et qui passent par le point
dont l'ordonnée à l'origine est z/200 (c'est dire le point dont les coordonnées
sont x1 = 0 et x2 = z/200) . Parmi les droites de cette famille, seules celles
ayant des points communs avec l'ensemble des solutions admissibles (qui est
représenté ici par le polygone convexe en gris sur le graphique) nous
intéressent.
 La fonction f(x1; x2) atteindra sa valeur maximale lorsque l'ordonnée a
l'origine z/200 de la droite:

atteindra sa valeur maximum tout en passant par au moins un des points de

l'ensemble des solutions admissibles (polygone convexe en gris sur le
graphique).

- FPE - S6 - MANAL YOUB 14

 Méthode graphique
1. Problème de maximisation

- FPE - S6 - MANAL YOUB 15

 Méthode graphique
1. Problème de maximisation
Graphiquement on constate que la droite respectant ces conditions semble être la
droite passant par le point-sommet du polygone convexe (10; 2). Le profit est
alors:
f(10; 2) = 300 * 10 + 200 * 2 = 3400 DH

Il reste à s'assurer algébriquement des coordonnées du point-sommet

représentant l'optimum en résolvant le système:

ce qui donne x1 = 10 et x2 = 2. Ainsi le programme de la direction est (10,2).

- FPE - S6 - MANAL YOUB 16

 Méthode graphique
2. Problème de minimisation
Exercice 1:
 Un agriculteur souhaite mélanger des engrais de façon à obtenir au minimum
15 unités de potasse, 20 unités de nitrates et 24 unités de phosphates. Il
achète deux types d’engrais.
 Le type 1 procure 3 unités de potasse, 1 unité de nitrates et 3 unités de
phosphates. Il coûte 120 dh.
 Le type 2 procure 1 unités de potasse, 5 unité de nitrates et 2 unités de
phosphates. Il coûte 60 dh.

1) Exprimer à l’aide d’un programme linéaire la combinaison d’engrais qui

remplira les conditions exigées au moindre coût.
2) Trouver les solutions optimales à l’aide de la méthode graphique.

- FPE - S6 - MANAL YOUB 17

 Méthode graphique
2. Problème de minimisation
Solution:
Identification des variables :
Appelons :
 x1 = la quantité d’engrais de type 1 à acheter
 x2 = la quantité d’engrais de type 2 à acheter
Fonction objectif :
 Le coût z s’obtient à partir de l’expression, z = 120x1 + 60x2
 L’objectif poursuivi consiste à trouver la combinaison des valeurs x1 et x2 qui
minimise le coût z : Min z = 120x1 + 60x2
Contraintes :
Les valeurs prises par x1 et x2 sont limitées par les exigences minimales du
mélange. Ainsi, il convient de prendre en compte :
 Contraintes de mélange : Par exemple, il faut au moins 15 unités de potasse
dans le mélange. Ce qui s’écrit :
- FPE - S6 - MANAL YOUB 18
 Méthode graphique
2. Problème de minimisation
De même, pour le nitrates et le phosphate, on écrit:

Contraintes de non-négativité :
 Elles assurent que les quantités achetées ne peuvent être que positives ou
nulles :

 Le programme linéaire ainsi défini s’écrit :

- FPE - S6 - MANAL YOUB 19

 Méthode graphique
2. Problème de minimisation

Le point optimal est le point : (x1, x2) = (2, 9)

et la valeur optimale est : z = 120 × 2 + 60 × 9 = 780
- FPE - S6 - MANAL YOUB 20
 Méthode graphique
2. Problème de minimisation
Exercice 2:
On considère le programme linéaire suivant :

 Déterminer la solution optimale avec la méthode graphique.

 Est-ce que la solution optimale est unique ?

- FPE - S6 - MANAL YOUB 21

 Méthode graphique
2. Problème de minimisation
Solution:

- FPE - S6 - MANAL YOUB 22

 Méthode graphique
2. Problème de minimisation
 Sur la figure, comme la droite d’isovaleur z = 15 est

tangente à la deuxième contrainte, il n’y a pas de solution

optimale unique. En effet, tout point situé sur cette droite
entre les sommets A et B est optimal.

- FPE - S6 - MANAL YOUB 23