|
Pour
que des fonctions d'aide à la décision puissent être efficaces,
la modélisation apparaît comme étant un point clef. La
représentation du problème effectivement prise en compte
détermine non seulement les flux de données et les logiciels
à mettre en place. Elle est aussi fortement liée
au mode d'utilisation de l'outil et au type d'organisation
retenu pour la prise de décision. Des erreurs sur la modélisation
auront donc des conséquences pénalisantes et souvent
rédhibitoires lors de la mise en place de solutions en
optimisation quantitative.
Dans un tel contexte, on ne peut qu'être surpris de constater
que nombre de projets sont lancés sans que le modèle retenu
ne soit réellement validé. Un recensement du besoin, une
analyse fonctionnelle qualitative suffisent à engager
des développements et/ou la mise en place de logiciels.
De telles décisions ne sont pourtant pas sans risques.
En premier lieu, des risques concernant la faisabilité
peuvent subsister. Lorsque le traitement du problème numérique
requiert l'utilisation de techniques d'optimisation combinatoire,
par exemple, le seul avis d'expert ne suffit pas toujours
à garantir le bon fonctionnement d'une solution numérique
dans des temps de calcul adaptés. Par ailleurs, et ce
point est certainement le plus important, il n'est pas
du tout certain que la fonction d'aide à la décision répondra
au besoin. Une description d'ensemble, basée sur une connaissance
et une expérience pratique de la problématique à traiter,
ne suffira pas à définir une modélisation satisfaisante.
Les méthodes quantitatives sont intransigeantes. Si une
contrainte est retenue, elle sera à tout coup traitée
et satisfaite. En cela, le traitement systématique, que
proposent les solutions numériques en optimisation, diffère
fortement des procédés humains. Lorsque des équipes compétentes
et de bonne foi déclarent prendre en compte telle ou telle
contrainte, il est à peu près certain que ce traitement
souffre des exceptions : exceptions qui sont indispensables
à la prise de décisions applicables ; exceptions que seul
un travail approfondi sur la modélisation permettra de
déterminer.
Depuis six ans, Artelys réalise des missions de conseil
pour l'élaboration de modélisations adaptées. Il s'agit,
dans des délais très réduits, de proposer, d'analyser
et de valider une modélisation en s'appuyant sur une compréhension
du problème métier et des analyses quantitatives.
L'approche proposée exploite au maximum les potentialités
des langages de modélisation les plus récents. Pour ces
outils, la modélisation peut être vue comme un paramètre : des changements significatifs de cette dernière peuvent
être réalisés en quelques jours. Il devient ainsi possible
de corriger, d'améliorer et de comparer des modélisations.
De plus, l'accès direct à des solveurs permet de réaliser
des simulations qui peuvent être présentées aux futurs
utilisateurs. Ces simulations permettent une évaluation
pratique des conséquences techniques et économiques de
la prise en compte de telle ou telle contrainte, de tel
ou tel terme dans la fonction de coût. Les opérationnels
peuvent ainsi juger de l'impact des choix de modélisation
au vu des résultats. Les incompréhensions liées à la grande
difficulté d'anticipation des conséquences d'un choix
de modélisation peuvent ainsi être, à tout coup, évitées.
La construction fiable de solutions sur mesure et parfaitement
adaptée au besoin est ainsi possible.
Pour ces raisons, l'analyse quantitative des choix de
modélisation basée sur l'utilisation intensive des langages
de modélisation permet une réduction considérable des
coûts et des risques liés à la mise en place de ces solutions
en optimisation. Ce constat, à lui seul, montre le réel
intérêt que présentent les langages de modélisation les
plus avancés pour l'ingénieur ou l'économiste. C'est cet
intérêt qui a motivé la récente intégration de la bibliothèque
de programmation par contraintes Artelys Kalis au sein
du modeleur Xpress-Mosel de la société Dash. Ainsi, au
sein du même langage de modélisation ces techniques de
propagation par contraintes et les algorithmes de programmation
linéaire et de programmation linéaire en nombre entier
peuvent être utilisés conjointement. Cet enrichissement
des fonctionnalités de Xpress-Mosel permet d'analyser
les modèles les plus complexes en optimisation combinatoire.
Un argument de plus pour mener à bien des analyses quantitatives
et valider des choix de modélisation !
|
