Modélisation des Systèmes Industriels
1. Introduction
L’objectif de ce chapitre est consacré à la modélisation de quelques systèmes de
production industriels tels que les problèmes d’optimisation sans contraintes, avec contraintes,
mono objectif et multiobjectif.
2. Définition de la modélisation
L’étude d’un système qu’il soit d’ordre mécanique, électronique, ou autre, nécessite une
première approche mathématique consistant à modéliser le système pour un mode de
fonctionnement donné. C.à.d. la transformation d’un problème (industriel) exprimé dans un
paragraphe non ambigu, en un modèle mathématique exacte (ou approchée). Le but de cette
modélisation est de résoudre le problème en question en utilisant la technique mathématique
et informatique convenable.
3. Définition d’un modèle
Un modèle, est une construction mathématique utilisée pour représenter certains aspects
significatifs de problèmes du monde réel. Il existe une multitude de modèles mathématiques,
mais nous nous focaliserons dans un premier temps sur les modèles d’optimisation. Un
modèle d’optimisation est composé de trois composantes principales:[9]
• Variables: elles représentent les composantes du modèle qui peuvent être
modifiées pour créer des configurations différentes.
• Contraintes: elles représentent les limitations sur les variables.
• Fonction objectif : c’est une fonction mathématique qui assigne à chaque
configuration une valeur différente. Le terme “objectif” vient du fait que
l’objectif est d’optimiser cette fonction.
4. Modélisation des systèmes industriels de production
4.1. Exemple 1 : fabrication d’une boite ouverte
Le problème de conception d’un container est un problème d’optimisation industriel. Il
s’agit de l’optimisation de la fabrication d’une boite ouverte, qui peut contenir une substance
molle. La matière première constituant la boite est très onéreuse et on veut maximiser le
contenu de cette boite, ce qui signifie la maximisation du volume de la substance molle et
ainsi maximiser le profit de la fabrique. Les restrictions techniques de la boite sont :
• la base de la boite est de forme carrée
12
• la surface de la matière constituant la boite est égale à 108 cm2
𝑥
𝑥
Fig.2. Représentation graphique d’une boite ouverte
a. Objectif
Le manager veut prendre connaissance des dimensions permettant la maximisation du
volume de la boite.
b. Variables de décision
Soit :
• x : variable représentant la mesure du coté de la base carrée de la boite.
• h : variable représentant la hauteur de la boite.
Soit S l’équation de la surface de la matière de la boite
𝑆 = 𝑥 2 + 4𝑥ℎ = 108 cm2 (1)
Soit V l’équation du volume de la boite
𝑉 = 𝑥2ℎ (2)
La fonction du volume de la boite est une expression mathématique de deux variables
indépendantes f(x, h).
L’équation de la surface 𝑆 = 𝑥 2 + 4𝑥ℎ = 108 est aussi une fonction de deux
variables indépendantes 𝑓(𝑥, ℎ).
Dans ce genre de situations, on essaye toujours de simplifier au maximum le nombre de
variables de décision sans toucher à la question soulevée par le problème. La technique est
simple, elle consiste à exprimer une ou plusieurs variables du problème posé initialement en
fonction d’autres variables du même problème, car aussi bien que le problème possède moins
de variables plus il est facile à résoudre. En ce qui concerne ce problème nous avons la
possibilité d’exprimer la hauteur de la boite en fonction du coté de sa base, par conséquent on
obtient l’équation suivante :
4𝑥ℎ = 108 − 𝑥 2
108−𝑥 2
ℎ= (3)
4𝑥
13
Avant d’aller très loin dans le raisonnement, nous allons tout d’abord :
• Déterminer le domaine de faisabilité de cette fonction
Pour une fonction à deux variables le domaine de faisabilité est défini comme suit :
𝑓: ℛ 2 → ℛ (𝑥, 𝑦) → 𝑓(𝑥, 𝑦) 𝐷𝑓 = {(𝑥, 𝑦) ∈ ℛ 2 , 𝑓(𝑥, 𝑦) existe}
Quand ℎ = 0 la boite n’existe plus, car la troisième dimension est nulle
Quand ℎ = 0 la boite n’existe plus, car ceci élimine deux variables essentielles du
problème
Résolvons l’équation 108 – 𝑥 2 = 0 avec la condition que 𝑥 ≥ 0
Ce qui donne x 2 = 108 ; 𝑥 = √108
Donc : 0 ≤ 𝑥 ≥ √108 et ℎ ≥ 0 représente le domaine de faisabilité
• Calcul des dimensions du volume optimal
Exprimons la fonction du volume à optimiser en termes d’une seule variable de décision
qui est dans ce cas la dimension de la base de la boite
108 − 𝑥 2 108𝑥 − 𝑥 3 1
𝑉 = 𝑥2ℎ → 𝑉 = 𝑥2 →𝑉= → 𝑉 = 27𝑥 − 𝑥 3
4𝑥 4 4
La fonction obtenue est une fonction non linéaire du troisième degré.
• Détermination des points critiques
Afin d’obtenir les points critiques nous allons dériver cette fonction. La dérivée de la
fonction volume est donnée par :
𝑑𝑉 3
= 27 − 4 𝑥 2 = 0 (4)
𝑑𝑥
3 108
Soit 𝑥 3 = 27 → 3 𝑥 2 = 108 → 𝑥 2 = → 𝑥 2 = 36
4 3
𝑥 = ±√36 → 𝑥 = ±6 , on retient 𝑥 = 6 grandeur physique (positive)
• Détermination de la nature des points critiques
Trouvons maintenant la nature du point critique. Pour cela on calcul la dérivée seconde
de la fonction volume de la boite au point critique.
𝑑2 𝑉 6
= −4𝑥 = 0 tel que :
𝑑𝑥 2
𝑑2 𝑉
𝑥 =6 = −9 (négative)
𝑑𝑥 2
La dérivée seconde au point critique est négative, donc 𝑥 = 6 cm est un maximum
• Calcul de la hauteur correspondante
108−62
ℎ= = 3 , ℎ = 3 cm
4×6
• Conclusion
14
Les dimensions qui maximisent le volume de la boite sont : 𝑥 ∗ = 6 cm et ℎ∗ = 3cm
15
4.2. Exemple 2:Problème de conception d’une boite de boisson gazeuse (sodas)
C’est un modèle d’optimisation non linéaire avec contraintes. Un producteur de boites
de SODA, veut concevoir une nouvelle boite dont les caractéristiques sont les suivantes :
La boite doit contenir 200ml (cc) car les études de technologie alimentaire, montre
qu’une personne ne peut boire d’un seul coup (d’un point de vue sanitaire) pas plus que
200ml.
Paramètres physiques de la boite de SODA
3 ≤ 𝑟 ≤ 5(𝑐𝑚) (5)
{ 5 ≤ ℎ ≤ 22(𝑐𝑚) (6)
ℎ ≥ 3𝑟 (7)
Fig.3. Schéma d’une boite de boisson gazeuse (sodas)
a. Objectif
Minimisation du coût de fabrication sachant que le coût de la matière utilisée pour sa
fabrication est : c/cm2.
b. Variables de décision
Soit :
• r : rayon (cm)
• h : hauteur (cm)
Symboles mathématiques:
• 𝑥1 = 𝑟
• 𝑥2 = ℎ
La fonction de la surface de la boite en [cm2] est : (2𝜋𝑟 2 + 2𝜋𝑟ℎ)
La fonction coût est : (2𝜋𝑟 2 + 2𝜋𝑟ℎ) × 𝑐 ⇒ (2𝜋𝑥12 + 2𝜋𝑥1 𝑥2 ) × 𝑐
Sous les contraintes : 𝜋𝑟 2 ℎ = 200 ⇒ 𝜋𝑥12 𝑥2 = 200
ℎ ≥ 3𝑟 𝑥2 ≥ 3𝑥1 ⇒ 3𝑥1 − 𝑥2 ≤ 0
Limites des variables de décision :
3 ≤ 𝑟 ≤ 5 ⇒ 3 ≤ 𝑥1 ≤ 5
16
5 ≤ ℎ ≤ 22 ⇒ 5 ≤ 𝑥2 ≤ 22
Fonction objectif :
𝑚𝑖𝑛(2𝜋𝑥12 + 2𝜋𝑥1 𝑥2 ) × 𝑐 (8)
𝜋𝑥12 𝑥2 = 200 (9)
3𝑥1 − 𝑥2 ≤ 0 (10)
S.C
3 ≤ 𝑥1 ≤ 5 (11)
{5 ≤ 𝑥2 ≤ 22 (12)
Tel que :
(9) est une contrainte d’égalité
(10), (11) et (12) sont des contraintes d’inégalité
c. Résolution graphique :
𝒙𝟐
𝑥1 = 3 𝑥1 = 5
25 𝑥2 = 22
20 Zone de faisabilité
15
10
5 𝑥2 = 5
1 2 3 4 5 𝒙𝟏
Fig.4. Solution graphique
4.3. Exemple 3 : Problème d’une entreprise de production
C’est un problème d’optimisation multiobjectif. Une entreprise de production, dispose
de deux lignes de production : Ligne A et ligne B
a. Caractéristiques
• Ligne A :
1. Nombre d’heures de travail normal par semaine =30 heures
2. Taux de production 6 unités/heure
3. Coût de production 400/heure (période régulière)
4. Disponibilité d’heures supplémentaires 35heuers/semaine
5. Coût de production (heures supplémentaires) 550$/h
• Ligne B :
17
1. Nombre d’heures de travail normal par semaine =30 heures
2. Taux de production 5 unités/heure
3. Coût de production 550/heure (période régulière)
4. Disponibilité d’heures supplémentaires 35heuers/semaine
5. Coût de production (heures supplémentaires) 600$/h
b. L’objectif de l’entreprise
L’objectif de l’entreprise est double. Suite à une commande de 400 unités, l’entreprise
souhaite:
• minimiser le coût de production.
• maximiser le temps de travail régulier.
c. Représentation tabulaire
Temps de travail Unités produites Temps de travail Coût /unité produite
par heure par semaine par heure
Ligne A Ligne B Ligne A Ligne B Ligne A Ligne B
Période régulière 6 5 30 30 400 550
Période supplémentaire 6 5 35 35 550 600
Tableau.1. Représentation tabulaire du problème de production
d. Variables de décision
• 𝒙𝒂𝒓 : Nombre d’unités à fabriquer durant la période de travail régulière
(ligne A)
• 𝒙𝒃𝒓 : Nombre d’unités à fabriquer durant la période de travail régulière
(ligne B)
• 𝒙𝒂𝒐 : Nombre d’unités à fabriquer durant la période de travail supplémentaire
(ligne A)
• 𝒙𝒃𝒐 : Nombre d’unités à fabriquer durant la période de travail supplémentaire
(ligne B)
Fonction du Coût total de production :
𝑚𝑖𝑛 𝑓(𝑥𝑎𝑟 , 𝑥𝑏𝑟 , 𝑥𝑎𝑜 , 𝑥𝑏𝑜 ) = 400𝑥𝑎𝑟 + 550𝑥𝑏𝑟 + 550𝑥𝑎𝑜 + 600𝑥𝑏𝑜 (13)
Fonction du temps de travail régulier :
𝑥𝑎𝑟 𝑥𝑏𝑟
𝑚𝑎𝑥 𝑓(𝑥𝑎𝑟 , 𝑥𝑏𝑟 ) = + (14)
6 5
e. Contraintes
Contrainte d’égalité :
𝑥𝑎𝑟 + 𝑥𝑏𝑟 + 𝑥𝑎𝑜 + 𝑥𝑏𝑜 = 400 (15)
18
Contraintes d’inégalité :
𝑥𝑎𝑟
≤ 30 (16)
Ligne A :{𝑥6𝑎𝑜
≤ 35 (17)
6
𝑥𝑏𝑟
≤ 30 (18)
Ligne B : {𝑥𝑏𝑜5
≤ 35 (19)
5
f. Contraintes de bord:
𝑥𝑎𝑟 , 𝑥𝑏𝑟 , 𝑥𝑎𝑜 , 𝑥𝑏𝑜 ≥ 0 (20)
L’équation (20) exprime la non négativité des variables de décision
4.4. Exemple 4: Elaboration d’un nouveau produit
Une entreprise décide d’élaborer un nouveau produit à partir d’une quantité 𝑦 de
matière première dont le kilogramme coute 2$.
L’heure-ouvrier revient à 10$ à l’entreprise.
La fonction habituellement utilisée par l’entreprise pour caractériser l’activité est:
𝑃(𝑥, 𝑦) = 𝑘𝑥𝑦 (21)
a. Variables de décision
• 𝑥: est le nombre d’heures-ouvrier.
L’investissement est limité à 10$.
b. L’objectif de l’entreprise
L’objectif est de trouver la production (c’est-`a-dire déterminer la valeur des variables 𝑥
et 𝑦 qui maximise l’activité).
c. Modélisation
Fonction d’investissement est :
10𝑥 + 2𝑦 ≤ 10000 (22)
Fonction d’activité est :
𝑃(𝑥) ≤ 𝑘𝑥(−5𝑥 + 5000) (23)
d. Solution :
10𝑥 + 2𝑦 ≤ 10000 ⇒ 𝑦 ≤ −5𝑥 + 5000
𝑃(𝑥) ≤ 𝑘𝑥(−5𝑥 + 5000) ⇒ 𝑃(𝑥) ≤ −5𝑘𝑥 2 + 5000𝑘𝑥
𝑑𝑃(𝑥)
L’activité sera maximisée pour la valeur 𝑥 ∗ telle que |
𝑑𝑥 𝑥=𝑥 ∗
𝑃(𝑥) = −5𝑘𝑥 2 + 5000𝑘𝑥
𝑑𝑃(𝑥)
= −10𝑘𝑥 + 5000𝑘 ⇒ −10𝑘𝑥 = −5000𝑘
𝑑𝑥
⇒ −70𝑥 = −35000 ⇒ 𝑥 = 500
19
𝑦 = −5𝑥 + 5000 ⇒ 𝑦 = −5 × 500 + 5000 ⇒ 𝑦 = 2500
e. Conclusion :
Les valeurs qui maximisent l’activité sont :
• La quantité de matière première 𝑦 ∗ = 2500 𝑘𝑔
• Le nombre d’heures-ouvrier 𝑥 ∗ = 500 ℎ
Donc 𝑃𝑚𝑎𝑥 = 8 750000$
4.5. Exemple 5 : Fabrication de chaussures
C’est un problème d’optimisation sans contraintes. Une entreprise de fabrication de
chaussures veut établir un plan optimal de fabrication de pairs de chaussures afin de
maximiser son profit.
Soit:
• x : le nombre en millier de pairs de chaussures à fabriquer
La question que doit se poser le manager de l’entreprise consiste à savoir le modèle
mathématique permettant de réaliser son objectif.
Puisque le prix de vente de chaque paire de chaussure est estimé à 10$, donc le revenu
global de l’entreprise est donné par la fonction suivante :
𝑟(𝑥) = 10𝑥 (24)
Cependant la fabrication de ces chaussures engendre un prix de revient qui dépend entre
autres de :
• L’achat de la matière première.
• de payement des employés.
• des factures d’électricité etc
Le modèle mathématique de la fonction prix (coût) de revient; déterminée par les
conseillers de l’entreprise ; est une fonction de la variable indépendante de décision x, et est
exprimée comme suit:
𝐶(𝑥) = 𝑥 3 − 6𝑥 2 + 15𝑥 (25)
D’où la fonction profit est :
max 𝑃(𝑥) = 𝑟(𝑥) − 𝑐(𝑥)
max 𝑃(𝑥) = 10𝑥 − 𝑥 3 + 6𝑥 2 − 15𝑥
max 𝑃(𝑥) = −𝑥 3 + 6𝑥 2 − 5𝑥 (26)
Le modèle obtenu est constitué d’une fonction objectif non linéaire sans contraintes,
donc on est face à un problème d’optimisation sans contraintes.
20
La solution de ce type de problèmes en utilisant la méthode classique passe par les
étapes suivantes :
a. Détermination des points critiques
La détermination des points critiques est obtenue par le calcul des racines de la première
dérivée de la fonction profit.
𝑃` (𝑥) = −3𝑥 2 + 12𝑥 − 5 (27)
𝑃` (𝑥) = 0 ⇒ −3𝑥 2 + 12𝑥 − 5 = 0
3𝑥 2 − 12𝑥 + 5 = 0
Les points critiques sont obtenus comme suit :
12 ± √84
12 ± √144 − 4 × 3 × 5 12 ± √84 = 3.528
𝑥= = = 6
6 6 12 ± √84
= 0.4725
{ 6
Pour savoir laquelle des ces dernières valeurs est significative du profit maximum, on
calcul la dérivée seconde de la fonction profit.
𝑃῝ (𝑥) = −6𝑥 + 12 (28)
Par substitution on trouve :
𝑃῝ (3.528) = −6(3.528) + 12 = −9.168
𝑃῝ (0.4725) = −6(0.4725) + 12 = 9.165
Donc :
𝑃῝ (3.528) < 0
𝑃῝ (0.4725) > 0
b. Conclusion
Puisque la dérivée seconde par rapport à la valeur 3,528 est inférieure à zéro, donc le
profit maximum est atteint en fabriquant 3528 paires de chaussures, ce qui entraine un profit
toal de :
Profit : 𝑃(3528) = −(3528)3 + 6(3528)2 − 5(3528) = 13 128$
4.6. Exemple 6 : Fabricant de postes de télévision
Un fabricant de postes de télévision produit q postes par semaine à un coût total de
𝐶 = 6𝑞 2 + 80𝑞 + 500 (29)
Son prix est exprimé par la relation
𝑝 = 1080 − 4𝑞 (30)
21
Montrons que le bénéfice net maximum est atteint lorsque la production est de 50 postes
par semaine.
On sait que le revenu de la firme est égal au prix multiplié par la quantité
𝑅 = 𝑝𝑞 = (1080 − 4𝑞)𝑞
𝑅 = 1080𝑞 − 4𝑞 2 (31)
Son bénéfice s’exprime par l’expression mathématique suivante:
𝐵 = 𝑅 − 𝐶 = 1080𝑞 − 4𝑞 2 − (6𝑞 2 + 80𝑞 + 5000)
𝐵 = −10𝑞 2 + 1000𝑞 − 5000 (32)
La dérivée de cette fonction est :
𝐵 ` = −20𝑞 + 1000 (33)
La solution de l’équation 𝐵 ` = 0 est :
−20𝑞 + 1000 = 0
𝑞 = 50
Sa dérivée seconde est :
𝐵 ῝ = −20 < 0 (34)
Par conséquent, la fonction profit présente un maximum en 𝑥 = [Link] maximum est un
maximum global car la fonction est une parabole, comme l’indique la figure 5.
Pour ce volume de production, le profit réalisé s’élève à:
𝐵 = −10(50)2 + 1000(50) − 5000 = 20000
Le prix du poste de télévision est de :
𝑝 = 1080 − 4(50) = 𝑝 = 880
Fig.5. fonction bénéfice 𝐵 = −10𝑞 2 + 1000𝑞 − 5000
22
4.7. Exemple 7:Fabrication des avions
Une firme aéronautique fabrique des avions qu’elle vend sur deux marchés étrangers.
Soit :
• 𝒒: Le nombre total d’avions produits
• 𝒒𝟏 : Le nombre d’avions vendus sur le premier marché
• 𝒒𝟐 : Le nombre d’avions vendus sur le deuxième marché
• 𝒑𝟏 : Le premier prix de vente
• 𝒑𝟐 : Le deuxième prix de vente
Les fonctions de demande dans les deux marchés respectifs sont :
𝑝1 = 60 − 2𝑞1 (35)
𝑝2 = 80 − 4𝑞2 (36)
La fonction de coût total de la firme est
𝐶 = 50 + 40𝑞 (37)
a. Objectif de l’entreprise
L’objectif de l’entreprise est de trouver le nombre d’avions que la firme doit vendre sur
chaque marché pour maximiser son bénéfice.
Comme :
𝑞 = 𝑞1 + 𝑞2 (38)
La fonction de coût devient :
𝐶 = 50 + 40𝑞
= 50 + 40(𝑞1 + 𝑞2 )
𝐶 = 50 + 40𝑞1 + 40𝑞2 (39)
Le revenu total 𝑅 s’obtient en multipliant le prix par la quantité sur chaque marché :
𝑅 = 𝑝1 𝑞1 + 𝑝2 𝑞2
= (60 − 2𝑞1 )𝑞1 + (80 − 4𝑞2 )𝑞2
𝑅 = 60𝑞1 − 2𝑞12 + 80𝑞2 − 4𝑞22 (40)
On obtient le bénéfice B en calculant la différence entre le revenu et le coût :
𝐵 =𝑅−𝐶
= 60𝑞1 − 2𝑞12 + 80𝑞2 − 4𝑞22 − (50 + 40𝑞1 + 40𝑞2 )
𝐵 = 20𝑞1 − 2𝑞12 + 40𝑞2 − 4𝑞22 − 50 (41)
Annulons les premières dérivées partielles :
𝜕𝐵
𝜕𝑞1
= −4𝑞1 + 20 = 0 (42)
Donc : 𝑞1 = 5
23
𝜕𝐵
= −8𝑞2 + 40 = 0 (43)
𝜕𝑞2
Donc : 𝑞2 = 5
Le nombre d’avion vendus sur le premier marché est 𝑞1 = 5
Le nombre d’avion vendus sur le deuxième marché est 𝑞2 = 5
Il reste à vérifier que le point candidat (𝑞1 ; 𝑞2 ) = (5; 5) est un maximum; pour cela,
calculons les deuxièmes dérivées partielles :
𝜕2 𝐵
= −4 (44)
𝜕𝑞12
𝜕2 𝐵
= −8 (45)
𝜕𝑞22
𝜕2𝐵
=0 (46)
𝜕𝑞1 𝜕𝑞2
La matrice hessienne est donc :
−4 0
𝐻=[ ]
0 −8
Par conséquent :
∆1 = −4 < 0
∆2 = 32 > 0
Comme ∆1 < 0 et ∆2 > 0, il s’agit d’un maximum.
Le bénéfice maximum réalisé est égal à :
20(5) − 2(5)2 + 40(5) − 4(5)2 − 50 = 100
Quant aux prix, ils s’élèvent respectivement à :
𝑝1 = 60 − 2(5) = 50
𝑝2 = 80 − 4(5) = 60
Le premier prix de vente 𝑝1 = 50
Le deuxième prix de vente 𝑝2 = 60
24
