• - Session #1 (6h) : Introduction à la Recherche Opérationnelle : découvrez comment cette discipline peut vous aider à résoudre des problémes d'optimisation réels en les modélisant à l'aide des mathématiques et en trouvant une solution avec un solveur. Nous présentons la définition d'un problème d'optimisation, les notions de contraintes, de variables de décision, de données... Nous prendrons des exemples issus de l'industrie comme la planification de publicités télévisuelles, l'optimisation des chantiers de construction d'autoroutes, la gestion de stocks de banches sur des chantiers de construction, l'optimisation des tournées de camions de gaz,... Nous introduisons les différents solveurs du marché (IBM CPLEX ©, LocalSolver ©, Gurobi Optimization ©, etc...). Puis nous mettons en place une méthodologie permettant de prendre les bons réflexes dans la modélisation de problématiques réelles ainsi que dans la gestion d'un problème de Recherche Opérationnelle.
  
  
• - Session #2 (4h) : Premiers exemples de modélisation de problèmes avec quatre premiers exemples : une société de livraison de plats à domicile qui doit gérer ses embauches pour l'année à venir, un éleveur de vaches qui doit optimiser ses achats d'aliments, une usine qui vend des claviers d'ordinateurs et une société de trotinettes électriques qui doit décider des volumes à affecter à chaque ville partenaire.
  
  
• - Session #3 (4h) : Suite à la séance 2 qui a permis de modéliser les 4 premiers problèmes, nous utilisons Excel© Solver et Google © Spreadsheet OpenSolver pour résoudre ces premiers exemples. Nous réalisons le premier problème ensemble et les 3 autres problèmes sont réalisés en autonomie avec l'aide de l'instructeur.
  
  
• - Session #4 (4h) : Nous poursuivons avec deux autres exemples pour lesquels nous réalisons la modélisation puis le modèle Excel© Solver : un problème d'implantation de fast-foods qui doit choisir entre plusieurs villes et un problème d'implantation de centres de vaccinations au sein d'une région.
  
  
• - Session #5 et #6 (6h) : Nous réalisons un projet consistant à modéliser un problème plus important d'usines qui construisent des casques audio qu'elles doivent livrer à différents distributeurs répartis sur le territoire. Il sera demandé de livrer le modèle mathématique, le solveur en Excel© Solver ainsi qu'une présentation en mode Consulting qui explique les résultats et qui fait des recommandations. L'idée est de vous plonger dans la peau d'un consultant en optimisation qui réalise son étude et fournit ses conclusions.

Antoine Jeanjean (PhD)