0% ont trouvé ce document utile (0 vote)
91 vues20 pages

Analyse multicritères des voitures 2023

Transféré par

hamza lbrini
Copyright
© © All Rights Reserved
Nous prenons très au sérieux les droits relatifs au contenu. Si vous pensez qu’il s’agit de votre contenu, signalez une atteinte au droit d’auteur ici.
Formats disponibles
Téléchargez aux formats PDF, TXT ou lisez en ligne sur Scribd
0% ont trouvé ce document utile (0 vote)
91 vues20 pages

Analyse multicritères des voitures 2023

Transféré par

hamza lbrini
Copyright
© © All Rights Reserved
Nous prenons très au sérieux les droits relatifs au contenu. Si vous pensez qu’il s’agit de votre contenu, signalez une atteinte au droit d’auteur ici.
Formats disponibles
Téléchargez aux formats PDF, TXT ou lisez en ligne sur Scribd

Décisions multicritères

ESITH
2022/2023
Introduction

Plusieurs choix Plusieurs critères

2
Introduction

Prix

Voiture 1 290k MAD


Voiture 2 300k MAD
Voiture 3 275k MAD
Voiture 4 305k MAD
Voiture 5 286k MAD

3
Introduction
Différentes Termes
unités linguistiques

Prix Puissance Design Consommation

Voiture 1 290k MAD 110 Excellent 6,5 L/100km


Voiture 2 300k MAD 145 Moyen 7 L/100km
Voiture 3 275k MAD 130 Très moyen 6,8 L/100km
Voiture 4 305k MAD 150 Bien 7,7 L/100km
Voiture 5 286k MAD 110 Bien 6 L/100km
4
Introduction

Echelle

Faible 1

Très moyen 2

Moyen 3

Bien 4

Excellent 5

5
Introduction 𝑋!" : Valeur de performance de la ième
alternative pour le jème critère

Prix Puissance Design Consommation

Voiture 1 290k MAD 110 5 6,5 L/100km


Voiture 2 300k MAD 145 3 7 L/100km
Voiture 3 275k MAD 130 2 6,8 L/100km
Voiture 4 305k MAD 150 4 7,7 L/100km
Voiture 5 286k MAD 110 4 6 L/100km

Matrice de décision

6
Normalisation de la matrice de décision

7
Normalisation de la matrice de décision
● Afin de rendre tous les critères comparables, il faut normaliser la matrice
de décision.
● La première étape est de séparer les critères en deux catégories :
Bénéfiques/favorables & Non Bénéfiques/non favorables.

Non Bénéfique Bénéfique Bénéfique Non Bénéfique

Prix Puissance Design Consommation


Voiture 1 290k MAD 110 5 6,5 L/100km
Voiture 2 300k MAD 145 3 7 L/100km
Voiture 3 275k MAD 130 2 6,8 L/100km
Voiture 4 305k MAD 150 4 7,7 L/100km
Voiture 5 286k MAD 110 4 6 L/100km 8
Normalisation de la matrice de décision
Normalisation linéaire (1)

● Pour les critères bénéfiques :


𝑋!"
𝑋!!" =
𝑋"#$%

● Pour les critères non bénéfiques :


𝑋"#!&
𝑋!!" =
𝑋!"

9
Normalisation de la matrice de décision
Normalisation linéaire (1)

Non Bénéfique Bénéfique Bénéfique Non Bénéfique

Prix Puissance Design Consommation


Voiture 1 290k MAD 110 5 6,5 L/100km
Voiture 2 300k MAD 145 3 7 L/100km
Voiture 3 275k MAD 130 2 6,8 L/100km
Voiture 4 305k MAD 150 4 7,7 L/100km
Voiture 5 286k MAD 110 4 6 L/100km

10
Normalisation de la matrice de décision
Normalisation linéaire (Max-Min)

● Pour les critères bénéfiques :


𝑋!" − 𝑋"#!&
𝑋!!" =
𝑋"#$% − 𝑋"#!&

● Pour les critères non bénéfiques :


𝑋"#$% − 𝑋!"
𝑋!!" =
𝑋"#$% − 𝑋"#!&

11
Normalisation de la matrice de décision
Normalisation linéaire (Max-Min)

Non Bénéfique Bénéfique Bénéfique Non Bénéfique

Prix Puissance Design Consommation


Voiture 1 290k MAD 110 5 6,5 L/100km
Voiture 2 300k MAD 145 3 7 L/100km
Voiture 3 275k MAD 130 2 6,8 L/100km
Voiture 4 305k MAD 150 4 7,7 L/100km
Voiture 5 286k MAD 110 4 6 L/100km

12
Normalisation de la matrice de décision

Quelle est la meilleure méthode de normalisation ?

13
Méthodes mathématiques d’analyse multicritère

14
Somme pondérée
Weighted Sum Model (WSM)

● Pour chaque critère, un poids 𝑤! est affecté.


● La somme des poids est égale à 1 ∑$!"# 𝑤! = 1.

𝐴&'(
% = ' 𝑤! 𝑥%!
Score de !"#
préférence de Valeur de
l’alternative i performance

Poids du critère j
15
Somme pondérée
Weighted Sum Model (WSM)

Non Bénéfique Bénéfique Bénéfique Non Bénéfique

Prix Puissance Design Consommation


Poids 30% 25% 20% 25%
Voiture 1 290k MAD 110 5 6,5 L/100km
Voiture 2 300k MAD 145 3 7 L/100km
Voiture 3 275k MAD 130 2 6,8 L/100km
Voiture 4 305k MAD 150 4 7,7 L/100km
Voiture 5 286k MAD 110 4 6 L/100km

16
Produit pondéré
Weighted Product Model (WPM)

● Pour chaque critère, un poids 𝑤! est affecté.


● La somme des des poids est égale à 1 ∑$!"# 𝑤! = 1.

$
*!
𝐴&)(
% = ) 𝑥%!
!"#

17
Produit pondéré
Weighted Product Model (WPM)

Non Bénéfique Bénéfique Bénéfique Non Bénéfique

Prix Puissance Design Consommation


Poids 30% 25% 20% 25%
Voiture 1 290k MAD 110 5 6,5 L/100km
Voiture 2 300k MAD 145 3 7 L/100km
Voiture 3 275k MAD 130 2 6,8 L/100km
Voiture 4 305k MAD 150 4 7,7 L/100km
Voiture 5 286k MAD 110 4 6 L/100km

18
WASPAS
Weighted Aggregated Sum Product Assessment (WASPAS)

● 𝜆 est un paramètre variant entre 0 et 1.

𝐴&+')+'
% = 𝜆𝐴&'(
% + (1 − λ)𝐴&)(
%

● 𝐴&+')+'
% = 𝐴&'(
% quand 𝜆 = 1
● 𝐴&+')+'
% = 𝐴&)(
% quand 𝜆 = 0

19
WASPAS
𝜆 = 0,7

Non Bénéfique Bénéfique Bénéfique Non Bénéfique

Prix Puissance Design Consommation


Poids 30% 25% 20% 25%
Voiture 1 290k MAD 110 5 6,5 L/100km
Voiture 2 300k MAD 145 3 7 L/100km
Voiture 3 275k MAD 130 2 6,8 L/100km
Voiture 4 305k MAD 150 4 7,7 L/100km
Voiture 5 286k MAD 110 4 6 L/100km

20

Vous aimerez peut-être aussi