Objectifs :
Définir ce qui est l’optimisation
Comment formuler un problème d’optimisation
Comment résoudre un problème d’optimisation
Chapitre I :
Notion de base sur l’optimisation
I.1 Généralité
L’optimisation est présente portont où il a nécessité d’améliorer (rationaliser) la
conception d’un système ou l’exploitation d’un procédé qu’il soit industriel ou
autre.
L’optimisation peut être sommairement définie comme :
Une opération permettant de trouver le meilleur de quelque chose
Le choix parmi une série de possibilité de la meilleure suivant un critère
définie à l’avance.
Les techniques d’optimisation sont des techniques mathématiques d’aide à la
prise de décision. De très nombreux problème de désigne (conception), de
construction et d’exploitation de procédés industriels peuvent être résolus par
l’usage des techniques d’optimisation.
Optimiser, c’est de trouver les valeurs extrémales d’une fonction (d’un modèle)
permettant par exemple de minimiser les couts ou de maximiser les bénéfices.
min
extrémum
max
L’optimisation d’un procédé industriel peut avoir également comme objectif :
Maximiser la production
Maximiser les couts d’énergie
Maximiser le rendement
Maximiser la fiabilité………etc
I.2 Définition de base
N’importe quel processus, qu’il soit industriel ou autre peut être représenté sous forme
de schéma-bloc où l’on retrouve :
r
Les variables de commandes x
ur
Les variables d’état y
ur
Les perturbations R
ur
Les paramètres P
ur
R
r ur
x Processus y
ur
P
I.2.1 Les variables de commandes : variable ayant une influence directe sur le processus à
optimiser et sur les quelle on peut exercer une décision (que l’operateur peut changer).
I.2.2 Les variables d’état: sont des variables mesurables (ou calculables) mais non
commandables, elles sont le résultat d’un choix des variables de commandes. Aucune action
directe de l’opérateur ne peut changer leur valeur.
I.2.3 Les perturbations: variables dont les fluctuations (les changements) en fonction du
temps sont imprévisibles (aléatoire), exemple : la température ambiante, pression
atmosphérique…etc
I.2.4 Les paramètres : ce sont les caractéristiques du processus
Exemple : Exploitation d’un oléoduc.
PR1 PR2
PA1 PA2
Pfin
SP1 SP2 SP3
q
Figure2 : Mise en exploitation d’un oléoduc.
Tatm Patm
NPi q
PRi Processus ffin,PAi
E
ni
D L Z
Figure2 : schéma-bloc d’un oléoduc.
r ur ur
Les variables de commandes x, les perturbations R et les paramètres P , sont
appelés variable d’entré, le résultat des variables d’entrée sont appelés variable de
sortée.
La classification des différents variables peut changer selon l’objectif de la
modélisation (exemple : température ambiante). Le schéma précédent est une
représentation complète de processus. On lui préfère souvent une représentation plus
simple incluant uniquement les variables de commandes et la variable de sortie objet
de la modélisation.
x1
x2
Processus y
x3
L’objectif de toute modélisation est de définir la relation : y f x1, x2 , x3...., xn
I.3 Modèle d’optimisation :
Dans le cas général, un modèle d’optimisation se compose de deux parties : un
fonctionnel+ un système de contraintes. Le fonctionnel, également appelé fonction
objectif ou fonction de but est la représentation mathématique du critère
r
d’optimisation. Il s’exprime comme suit : y f x Extémum
Les variables de commandes, les variables d’état et les variables de sortée sont
souvent soumises à des limitations d’ordre technologique définissant le domaine
d’évolution possible de ces variables.
Les contraintes qui se présentent sous d’égalités et d’inégalités définissent le domaine
des solutions admissibles :
x p x p x
1 1 1
x2 p x2 p x2
Exemple1 : on se propose de déterminer des dimensions optimales d’un réservoir
cylindrique à toit fixe destiné au stockage d’un produit pétrolier. On supposera que :
-le prix de revient du réservoir est proportionnel à la quantité d’acier nécessaire à sa
construction ;
-l’épaisseur les tôles utilisées est constantes ;
-la capacité du réservoir est de 1000m2 ;
-la hauteur maximale du réservoir est de 14m.
Sous ces hypothèses, les dimensions optimales du réservoir correspondent à une
surface minimale de tôles :
M V
acier acier
Stotale
S r St S f
C te S S S S
totale r t f
M Min S S S Min
acier r t f
D2 D2
La fonction de but s’exprime alors comme suit : DH Min
4 4
2 4
HD .10000
Les contraintes :
H 0
Exemple2 : même exemple précédant avec un réservoir à toit flottant et de volume
10.000m2.
D2 D2
S DH 2.
totale 4 4
D2
La fonction de but : DH 3. Min
4
2 4
HD .100000
Les contraintes :
H 0
Exemple3 : trouver les dimensions optimales d’un réservoir de forme parallépipèdique de
volume V=1000 m2.
S 2lb 2bh 2hl
totale
La fonction de but : 2lb2bh2hl Min
Les contraintes : lbh 1000 0
Exemple 4 : Etablir le modèle d’optimisation correspondant au minimum de puissance
consommé par un oléoduc composé de stations de pompage.
PR1 PA1 PR2 PA2 PR 3 PA 3 PR4 PA4
Pfin
SP1 SP2 SP3 SP4
q
Exemple 5 : Formuler le modèle d’optimisation correspondant à une minimisation de la
puissace de compression du gazoduc représenté sur le schéma suivant :
PR1 PA1 PR2 PA2
P0 Pfin
SC1 SC2
Classification des problèmes d’optimisation
Dans le cas général, un modèle d’optimisation peut être représenté comme suit :
1 Z F x extrmum, x x , x , x ........., x
1 1 1 n
2 g j x 0, j 1àm
La relation (1) représente le fonctionnel
La relation (2) un système de m contraintes
Dans le cas où le système (2) est absent (le problème est composé uniquement d’un
fonctionnel) le modèle appartient à la classe des problèmes d’optimisation en
variables libres (ou problème sans contraintes).
Dans le cas où le système (2) est présent, le modèle appartient à la classe des
problèmes d’optimisation en liées (ou problème avec contraintes).
Dans le cas où le fonctionnel est linéaire et toutes les contraintes sont linaire, le
modèle se ramène à un problème d’optimisation linaire (PPL).
Dans le cas où le fonctionnel ou bien un ou plusieurs contraintes sont non linéaires, le
modèle se ramène à un problème de programmation non linaire (PNL).
Problèmes d’optimisation
Variables libres Variables liées
Mono variables Multi variables PPL PPNL
es es
Application : optimisation de la capacité de
stockage de la station SBM de l’oléoduc 24˝
HEH-Bejaïa
1. Rappels sur le pompage multi-produits :
Le pompage multiproduits (batching) consiste à expédier dans un ordre déterminés deux ou
plusieurs produits de caractéristiques physico-chimiques différentes par une même
canalisation.
L’oléoduc 24˝ HEH-Bejaïa est actuellement le seul en Algérie à utiliser cette technique pour
le transport par batch du brut et du condensat.
On désigne par interface ou contaminat, le phénomène de mélange qui se produit au contact
de deux cargaisons successives.
En admettant une distribution symétrique de la concentration, il y a donc autant de brut que de
condensat dans une interface.
La détermination de la longueur de l’interface à la fin de l’oléoduc peut être estimée par la
relation simple suivante : lc 1.1L0.529
L : longueur de pipeline en m
Di2
D’où l’on tire le volume de contaminat à la fin de l’oléoduc : Vcont .lc
4
2. Description sommaire de l’OB 24˝ HEH-Bejaia :
L’oléoduc 24˝ HEH-Bejaïa, d’une longueur de 660km, est distiné à alimenter le terminal de
Bejaïa en brut et en condensat, mais il doit assurer l’alimentation de la raffinerie d’Alger en
brut uniquement de manière continue avec un débit Qr .dans ce but il dispose d’une capacité
de stokage au niveau de SBM RSBM.
3. Réception des produits au terminal de Bejaïa :
Le condensat ayant un prix de vente plus élevé et des spécifications plus strictes, la totalité
du contaminat est versé dans le brut.
Donc, la partie de condensat contenue dans l’interface sera vendue au prix du brut. Le qui se
traduit donc par une perte, qu’il y a lieu de minimiser.
Vcont
La quantité de condensat dans une interface est : . Mais comme dans un cycle il y a deux
2
interfaces, la quantité de condensat vendue au prix du brut pour un cycle est Vcont .
A.N : L=660000m ; Sc=160 ₴/m3 ; Sb=140 ₴/m3; Di=0.6m.
