Deuxième problème : hypothèse mono-article

Présentation problème mono-article :
Démonstration mono-article :
Présentation problème multi-articles :
Démonstration multi-articles :
Retour à démonstrations ORCHIDS :
Retour à page principale ORCHIDS :

RESOLUTION DU PROBLEME MULTI-ARTICLES

PRETRAITEMENT :

On commence par appliquer la programmation dynamique
pour le problème mono-article pour chaque famille d'articles

pour connaître les coûts minimaux en fonction
du nombre de largeurs conservées.

On applique la programmation dynamique
pour le nombre total de largeurs de la famille diminué de 1 (NF-1)
et on conserve la dernière ligne du tableau CMIN(Ldeb,NF-1)
(dernière ligne de PMIN dans la trace de la démonstration
mono-article si vous cliquez
sur "calculs intermédiaires")
que l'on range dans le tableau des coûts.

TABLEAU DES COUTS POUR TOUS LES ARTICLES EN FONCTION DE NOMBRE DE REFERENCES CONSERVEES

q
1
2
3
4
5
6
7
8
9
10
11
Coût (1,q)
918
234
129
39
24
9
0
0
0
0
0
Coût (2,q)
860
266
110
66
26
2
0
0
0
0
0
Coût (3,q)
32610
7530
3920
2075
1400
815
490
190
80
20
0
etc.
...
...
...
...
...
...
...
...
...
...
...

On se donne ensuite le nombre de largeurs total à conserver NTQ et il s'agit de répartir
ce nombre de largeurs entre les différentes familles d'articles de manière à minimiser
la somme totale des coûts.

Il existe pour cela une méthode de programmation dynamique connue depuis plus de 30 ans
dont l'application la plus connue est de répartir des investissements entre des branches d'activité
dans une entreprise.

La seule différence entre le problème d'investissement et le problème de normalisation de stocks
multi-articles est que dans un cas, il s'agit d'un problème de maximisation de gains et dans l'autre cas
de minimisation de coût.

Pour se ramener à la méthode très connue en recherche opérationnelle,
on poursuit le pré-traitement en transformant le problème de minimisation de coûts
en un problème de maximisation de gains.

Pour cela il suffit de supposer que l'on commence avec le minimum minimorum
de largeurs possibles (une seule largeur par famille d'articles)
et on s'intéresse au gain apporté par toute largeur supplémentaire apportée
pour l'une quelconque des familles d'articles.

TABLEAU DES GAINS POUR TOUS LES ARTICLES EN FONCTION DE NOMBRE DE REFERENCES AJOUTEES

q
0
1
2
3
4
5
6
7
8
9
10
GAIN (1,q)
0
918-234
684

918-129
789

918-39
879
918-24
894
918-9
909
918-0
918
918
918
918
918
GAIN (2,q)
0
860-266
594
860-110
750
860-66
794
860-26
834
860-2
858
860-0
860
860
860
860
860
GAIN (3,q)
0
32610-7530
25080
32610-3920
28690
32610-2075
30535
32610-1400
31210
32610-815
31795
32610-490
32120
32610-190
32420

32610-80
32530

32610-20
32590
32610-0
32610
etc.
...
...
...
...
...
...
...
...
...
...
...

Ce qui donne pour 3 familles d'articles le tableau des gains suivant où la couleur bleue représente
une affectation proposée pour NTQ=12 (les 3 plus grandes largeurs de chaque famille d'articles
+ 3 références de plus pour la famille 1, + 2 références de plus pour la famille 2 et + 4 références
de plus pour la famille 3).

q
0
1
2
3
4
5
6
7
8
9
10
GAIN (1,q)
0
684

789

879
894
909
918
918
918
918
918
GAIN (2,q)
0
594
750
794
834
858
860
860
860
860
860
GAIN (3,q)
0
25080
28690
30535
31210
31795
32120
32420

32530

32590
32610

La solution proposée en bleue italique n'a pas été optimisée.
Il faut utiliser l'algorithme de programmation dynamique pour le problème d'investissements
de manière à choisir de manière optimale le nombre de références supplémentaires à accorder
aux différentes familles d'articles.

Pour une explication complète et précise de cette méthode de PROGRAMMATION DYNAMIQUE
qui termine la méthode de résolution multi-articles ,
nous vous proposons de cliquer sur .

 

Présentation problème mono-article :
Démonstration mono-article :
Présentation problème multi-articles :
Démonstration multi-articles :
Retour à démonstrations ORCHIDS :
Retour à page principale ORCHIDS :