Systèmes d’Aide à la Décision
B. Ballaz, Professeur à l ’IAE/UPMF Grenoble
Qu’est-ce qu’un SIAD ?
Base de modèles
Base d’informations
Système d’informationde l’entreprise
InterfaceInterface
Système Interactif d’Aide à la Décision
Les théories de la décision
• l'homme rationnel de la théorie économique classique (Smith,.., von Neumann): la recherche de la solution optimale ...
• la rationalité limitée: la décision comme un processus de résolution de problème dans un contexte organisationnel (Simon): la recherche de la solution satisfaisante
• la théorie générale des systèmes: la décision comme un processus de pilotage (Bertalanffy, Ashby,....)
• La théorie comportementale de la firme (Cyert, March, Argyris,..): la décision comme un processus de changement et d'apprentissage organisationnel
• la théorie politique de la décision: la décision comme un processus de négociation (Crozier, Etzioni, Lindblom)
• le modèle du Garbage Can (March): l'anarchie organisée, la décision comme un processus de « mise à la poubelle du problème »
La caverne de Platon ...
Arbre de décision
Le positionnement conceptuel des SIAD:
Degré de structuration du problème
Degré de programmation de la décision
Consensus sur les objectifs
Rationalitéorganisationnelle
Rationalité limitée
Théorie des systèmes
Le processus de décision: - processus de pilotage de système
- processus de résolution de problème
Le degré de structuration du problème: décision programmable ou non programmable ? (H.Simon)
• Un problème structuré peut être mis sous une forme dont la solution peut être calculée par un algorithme: décision programmable
• Un problème non structuré ne peut être résolu qu ’en faisant appel à l ’intuition: décision non programmable
• La plupart des problèmes de gestion se présente sous une forme semi structurée
La matrice de Gorry et Scott-Morton croise le type de problème et le niveau de management
Degré de structuration
Niveau de management
Non structuré
Semi structuré
Structuré
Opérationnel Management Stratégie
absentéisme
Gestiondes risques
Ordonnancement
Thème de pub
Analyse des coûts
Lancement d ’un nouveau produit
Choix de financement M L T
Choix d ’investissement
Nouveau produit
Modélisation
2 - La décision en tant que processus de résolution
de problème
Pratique de la décision: la rationalité limitée
• Séparation et traitement séquentiel des problèmes (Règles d'attention)
• Recherche des solutions au voisinage des symptômes
• Reconduction des solutions éprouvées• Réduction de l'incertitude• Contrôle par la structuration hiérarchique des
activités
Le processus de décision comme un processus résolution de problème (H. Simon)
Intelligence
Design
Choice
Review
Domaine d’application des SIAD
La décision en tant que processus de résolution de problème
Qu'est-ce qu'un problème?:
"Les touristes japonais"
"Je suis gérant d'une agence de voyage qui travaille surtout avec l'Extrême-Orient. Je viens d'aller chercher 40 Japonais à Roissy. Ils repartent demain matin pour Nice. Nous arrivons au PLM St Jacques où les japonais doivent loger. J'apprends que la réservation n'a pas été faite et qu'il n'y a plus de chambres. Il est 19h 45... (P. Lemaitre, Des méthodes efficaces pour étudier des problèmes; Chotard 85)
Le problème : Les travers habituels de la définition d'un problème
• l'exprimer en terme de solution• "Rechercher un autre hôtel..."• YAKA: verbe à l'infinitif exprimant une action
• Réponse du type question• "Le problème c'est comment loger les japonais..."• réduction de l'espace des solutions
• Réponse de type catégorie• "C'est un problème de logement...."• Il n'y a pas toujours de solution type applicable à la catégorie
identifiée
• Réponse de type sanction• "Qui a oublié de faire la réservation?.."• recherche du responsable/coupable
Le problème
Un écart entre une situation réelle perçue et une situation future désirée
ProblèmeSituation réelleperçue
Situation futuredésirée
Les objectifs
Les insatisfactionsactuelles
Le problème: les biais de perception
Problème perçu
Situation futuredésirée
Situation réelleperçueSituation réelle
Modèle
Problème réel
L'acteur et ses limitations cognitives
• La capacité cognitive limitée• Le non discernement des inférences• La dissonance cognitive• L'ancrage sur la première information• La préférence pour le statu-quo• La préférence pour un choix justifiant des choix
antérieurs• Distorsions dans l'évaluation de l'incertitude• Le style cognitif
La capacité cognitive• Test: quel est le N° de téléphone de mon voisin?
• La loi des 7 +/- 2 de Miller
7
Quantité d'informationstransmises
Quantité d'informations reconnues
Miller G.A., The magical number seven, plus or minus two: some limits on our capacity for processing Information, The Psychological Review, Vol. 63, N°2, 1956
Le modèle STI de H. Simon
Mémoirelong terme
Mémoirecourtterme
Stimulis
Environnement
Capacité limitée: 7+/-2
Accès rapideCapacité infinie
Mémoire de travail: siège des
processus cognitifs conscients
Mémoire associative de stockage
Accès moins rapide
Capacité cognitive: Conséquences pour la conception de SIAD
• Nécessité de disposer de modèles mentaux simples et génériques
• Avantage des représentations graphiques
• Structuration hiérarchisée des informations
• Utilisation de graphes conceptuels
• Utilisation systématique des interfaces graphiques
Capacité cognitive: Avantage des représentations graphiques
Production mensuelle
Charges d'exploitation
35 2030045 2300055 2700065 3000055 2600040 2000025 170000 900030 1800065 3000050 2500035 20000
Charges d'exploitation
05000
100001500020000250003000035000
0 20 40 60 80
Avantage aux représentations graphiques…….
Exemple du cours
Opération Contraintes Durée RessourceA - 2 4
B - 5 2
C - 4 4
D Début si A terminée et B avancée aux 4/5 3 4
E Début si B terminée et C avancée aux 3/4 4 2
F Début si A terminée et B avancée aux 3/5 4 4
G Début si B et D terminées 6 2
H Début si B, E, F terminées 6 4
I Début 3j après la fin de E et si G terminée 3 2
Courbe de charge : nivellement à 8
Début
0
A 2
F 4
B1 3 B2 1 B3 1
C1 3
C2 1
D 3
E 4
G 6
H 6
Délai 3
I 3 Fin
0
0
0
2
0
3
3 15
3 6
3 3
4 4
4 5
7 7
9 10
5 6 9 10
13 13 16 16
Réseau PERT-Potentiel
Capacité cognitive:
représentation conceptuelle par un
graphe
La dissonance cognitive (L. Festinger)
• Choix, incertitude et stress• Filtrage des informations et renforcement
des choix antérieurs
Le non discernement des inférences
• "le bureau est éclairé. Sur la porte, il est écrit: Mr Dupont, Directeur"
• question1: Il fait nuit? O N (?)• question2: Mr Dupont est le directeur de la société ?
O N (?)
La préférence pour le choix préservant le statu-quo
• Rompre le statu-quo engage à l'action donc à la prise de responsabilité, de risques et expose à d'éventuels futurs regrets et/ou à la critique
• Plus les choix sont multiples, plus le statu-quo est préféré
Hammond J.S., Keeney R.L., Raiffa H., The hidden traps in decision making, Harvard Business Review, Sept-Oct 1998
L'ancrage sur la première information
• La population de l'Indonésie est-elle supérieure à 80 millions d'habitants?– Quelle est votre estimation de la population de
l'Indonésie?
• La population du Bresil est-elle supérieure à 150 millions d'habitants?– Quelle est votre estimation de la population du Bresil ?
Hammond J.S., Keeney R.L., Raiffa H., The hidden traps in decision making, Harvard Business Review, Sept-Oct 1998
La préférence pour un choix justifiant des choix antérieurs
• Le refus de reconnaître une erreur passée, par crainte du jugement des autres ou par crainte de blesser sa propre estime, pèse sur la liberté de choix et peut conduire à persister dans l'erreur
• L'acteur surestime les chances d'amélioration des situations (ex prêts bancaires à une entreprise en difficultés)
Hammond J.S., Keeney R.L., Raiffa H., The hidden traps in decision making, Harvard Business Review, Sept-Oct 1998
Le conditionnement de la préférence par la structuration du problème
• L'opportunité ci-après est-elle intéressante?
• (A) Vous avez 2000 Euros sur votre compte, acceptez vous une opportunité à 50-50 de perdre 300 ou de gagner 500 ?
• (B) Préfèrez vous conserver 2000 euros sur votre compte ou accepter une opportunité 50-50 d'avoir 1700 euros ou 2500 euros?
• En général l'opportunité 50-50 est acceptée dans le cas (B) et refusée dans le cas (A)
Hammond J.S., Keeney R.L., Raiffa H., The hidden traps in decision making, Harvard Business Review, Sept-Oct 1998
Difficultés et distorsions dans l'estimation de l'incertitude
• L'estimation de probabilité est peu fiable: il serait nécessaire de disposer de feed-back pour soutenir un processus d'apprentissage dans l'évaluation d'une probabilité (constitution d'historique de situations comparables: ex météo)
• Confiance excessive: elle sous estime les dispersions de valeur (ex la fourchette d'estimation à 95% d'une prévision est fixée à une valeur trop étroite en général)
• Prudence excessive : facteur de sécurité trop important dans des décisions reposant sur des estimations. ex: plan de production ou niveau de stock à partir d'une prévision commerciale
• Influence excessive, sur une prévision, des informations affectant la capacité à se souvenir d'événements antérieurs.(ex listes de personnalités H/F à 50-50: plus d'hommes (ou femmes ) si plus d'hommes (femmes) très connus.) C'est particulièrement le cas des événements passés "catastrophiques" .
Hammond J.S., Keeney R.L., Raiffa H., The hidden traps in decision making, Harvard Business Review, Sept-Oct 1998
Conséquences des limitations cognitives
• Pour les théories• La rationalité limitée et le développement de théories de
l'entreprise (Simon, March, Williamson)• Pour l'intérêt des modèles:
• les difficultés dans la maîtrise de la complexité et de l'incertitude justifient l'utilité du recours à des supports externes (« prothèse cognitive ») que constituent les systèmes d'aide à la décision
• Elles expliquent la différence entre situation perçue et situation réelle • La conception et la mise en oeuvre des SIAD: le style cognitif• Le processus de décision selon H. Simon
3 - La décision en tant que processus de
pilotage de système
Qu'est ce qu'un système?4 mots clés….
• Ensemble de parties interdépendantes (structure)
• Chaque partie est le siège de processus E/S
• Les processus sont finalisés (objectif)
• Le système est plongé dans un environnement
L’entreprise « système » s’oppose à l’entreprise « découpée » en fonction
L’entreprise « système »Privilégier l’approche transversale:
Achat Production Vente
Ex: stock et dérive fonctionnelle des objectifs
Finance
Stock PFComposants,En-cours
-
- -
+ - +
La solution: le concept de chaîne de la valeur
Fournisseurs
+ Clients
Un concept structurant: la chaîne de la valeur (Porter)
Cl ie
nts
Processus de conception de nouveaux produits:
Etudes et RechercheMarketing Acha t
MarketingVente
Processus opérationnel de production de la valeur perçue
Approvisionnement Fabrication Distr ibution SAV
Fonctions de support: Stratégie, Marketing, Finances, Achats, Ressources humaines, Développement technologique
L ’information irrigue en profondeur la chaîne de la valeur
Schank, 1995
Schank, 1995
Système d’Information: l ’intégration fonctionnelle
SupplierRelationshipManagement
EnterpriseRessourcePlanning
CustomerRelationship Management
Clients
Fournisseurs
E-Achats
E-ventes
Gestion de la
relationfournisseur
Gestion de la relation
clientGestion intégréedes ressources
Supply Chain Management
Mentzer et Al, Définir le Supply Chain Management, Logistique et Management, Vol. 9, N°2, 2001
Reach
Range
+ SI
Keen, Shaping the future, HBSP, 1991
La décision: acte de pilotage de système
Système physique
Système d'information transactionnel
S.I. décisionnel
Système de pilotage
Objectifs
Le contrôle efficace• La loi de la variété requise (Ashby) :
– Variété (contrôle) >= variété (système)variété: nombre d'états que peut prendre un système
• Conséquence: la hiérarchisation des systèmes– le schéma ultra stable d'Ashby
Système Résultats
PerturbationsRégulateur
Contrôleur Objectifs
La hiérarchisation du contrôle : application de la loi d’Ashby pour la maîtrise de la complexité (Anthony)
Management
Management opérationnel
Processus commerciaux, industriels, administratifs,...
Management stratégique
Management
Management opérationnel
Moyen et long terme
Mois,semaine
Temps réel
{ }
{ }
Agr
égat
ion
Désagrégation
Piloter un système ?
• Définir les objectifs à atteindre• Concevoir la trajectoire prévisionnelle (programmer les étapes
intermédiaires)• Evaluer les moyens nécessaires• Les mettre en œuvre dans un environnement perturbé• Contrôler les réalisations (mise en évidence des écarts)• Définir les actions correctrices
Les SIAD interviennent dans ces différentes étapes afin d’améliorer la capacité de l’organisation
à atteindre ses objectifs
Pour piloter un système:
• il faut disposer d’une représentation du système et de son environnement
La métaphore cartographique: la carte modèle du territoire
moyen: disposer de modèles, représentations symboliques du systèmeet de son environnement
but: reconstruire l’état actuel et prévoir les états futurs du système.
La métaphore du nénuphar :
temps
Surface
Perception du problème
t t'
Résolutiondu problème?
Constante de temps
Prévision
Pilotage dynamique des systèmes à feed-back d’informations
Système organisationnel à piloter
Système d’informations
Etat actuel apparent
retards
biais
Système de décisions
Etat futur désiré(Objectifs)
retards
Système d’actions
Inertie,retards
retards
(-)
Le pilotage d’un système: la boucle de rétro-action (feedback) par retour d’information
Information sur le
problème
Décision Boucle ouverte:
Décision /Action
Résultats
Pilotage Boucle fermée:
Informations sur
le problème
Décision /Action
RésultatsFeedback
Objectifs
Le modèle générique fondamental
Le pilotage d’un système: la boucle de décision - contrôle par rétro-action (feedback)
Flux d’eau
Niveau
Action
La métaphore Le modèle générique
(Stock, état)
(Décision)
ActionInformation
Objectif
Flux
Niveau
Modèle mental
Formalisme de J. Forrester
J. Forrester, Industrial Dynamics, MIT press
Modèle générique: exemples en gestion
Livraisons
Carnet de commandes
Commandesclients
Compte d’exploitation mensuels
Bilan au 31/12Départs
effectif
Embauches
Distribution
Stock produits
Livraisons
Décaissements
Trésorerie
Encaissements
(Stock, état)
(Décision)
ActionInformation
Objectif
Flux
Niveau
La boucle de décision: modèle générique
Bilan au 01/01
Constante de temps (delay)
Passer du modèle graphique conceptuel, au modèle numérique programmé
(Décision)
(Décision)
Sorties
(Stock, état)
ActionInformation
Objectif
Entrées
Niveau
L’équation de niveau: équation fondamentale de l’état du système à l’instant t :
Stock(t) = Stock(t-dt) + (Entrées - Sorties) * dt
Les entrées et les sorties sont supposées constantes pendant dt
Soit depuis l’instant t°:
Stock(t) = Stock(t0) + t°
t
(Entrées - Sorties) * dt
Dans le formalisme de Vensim:
Stock = INTEG(Entrées - Sorties, Stock(t°))
Principes de modélisation des systèmes dynamiques
- Flux et niveaux sont les deux seuls concepts nécessaires- on distingue les flux d’information, non conservatifs, des autres flux, conservatifs
- Les niveaux changent selon les seules variations des flux d’entrée ou de sortie,ils ne dépendent jamais d’autres niveaux.
- Le débit des flux est contrôlé uniquement par des valeurs de niveaux, jamais directement par d’autres flux
- Les décisions qui règlent le débit des flux résultent du rapprochement entre les valeurs des niveaux (l’état du système) et la valeur des objectifs qui sont assignés au système.
Capacité cognitive:Utilisation systématique des interfaces graphiques
Besoin exprimé
Encommande
Stock minimum
Délai de livraison
Sorties
Commandes fournisseur
Atelier
Livraisons
Gestion économique d'un stock
Fournisseur
Stock
Graphe de dépendance entre variables (modélisation avec VENSIM)
Capacité cognitive: Utilisation systématique des interfaces graphiques
Besoin exprimé =INTEGER(5+(5/3)* RANDOM NORMAL())Sorties =Besoin expriméCommandes fournisseur = IF THEN ELSE(Stock+En commande<=Stock minimum,50,0)Délai de livraison = 3+INTEGER(3*RANDOM 0 1())En commande = INTEG(+Commandes fournisseur-Livraisons,0)Livraisons = DELAY FIXED(Commandes fournisseur,Délai de livraison,0)Stock = INTEG(Livraisons-Sorties,50)Stock minimum = 20 Simulation Control ParamatersFINAL TIME = 100INITIAL TIME = 0SAVEPER = TIME STEP TIME STEP = 1
Modèle programmé, généré à partir du graphe construit dans l’interface graphique de Vensim
Qu'est-ce qu'un système complexe?
• les processus à feed-back positif ou négatif• la non linéarité (exponentielle, mécanisme de saturation,...)• les constantes de temps
Comportement contre-intuitif des systèmes complexes...
Interactions entre sous-systèmes
Boucle de feedback (rétro-action)
- boucle positive (amplificatrice)
Naissances Population
( +)
(+)
(+)
- boucle négative (stabilisatrice)
Décès Population(-)
(+)
(-)
Population Pollution
Alimentation/tête
Pollution/tête
PollutionSources depollution
Décès
Population
Naissances
(+)
(+)
(+)(+)
(+)
(+)
(+)
(+)
(-)(-)
(-)(-)
Comportement global : (-)
NonUtilisateurs
UtilisateursNouveauxutilisateurs
Modèle de diffusion d'une technologie de réseau (Modèle de Vardi)
Populationtotale
Attractivitédu réseau
NonUtilisateurscontactés
Intensité de l'actioncommerciale
NonUtilisateursintéressés
Taux d'adoption
Base initialeinstallée
Modèle de diffusion virale (Vardi) illustrant la loi des réseaux (Metcalf)
Utilisateurs80 M
60 M
40 M
20 M
00 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
Time (Année)
Utilisateurs : Current
4 - L’intégration des SIAD dans le système d’information,
La problématique de l’alignement
• Dans les années pré-90, le SI de l’entreprise se construisait dans la logique suivante:Stratégie Structure d’organisation Système d’information
• Conséquence : on informatise l’existant…
• Enjeu Post 2000: valoriser le levier organisationnel et stratégique que représentent les TI
Stratégie Organisation
Système d’information
Ré-ingéniérie des processusAvantages
concurrentiels
• Les SI en temps réel appuyés sur des ERP et immergés dans Internet gèrent de très grandes quantités d’information
• L’analyse et l’exploitation de ces informations sont nécessaires pour déterminer les objectifs, définir et évaluer les politiques qui permettront de les atteindre, programmer les actions à mettre en œuvre, mesurer leur efficacité.
• Les produits/services nouveaux intègrent de plus en plus de contenu informationnel (P. Drucker)
• Or : l’homme en tant que système de traitement de l’information a une capacité limitée (Loi des 7+/-2, Miller)
Information ==> Décision
Il doit donc disposer d’outils (informatiques) qui lui permettront de palier ses limitations cognitives tout en utilisant au mieux ses capacités d’intuition et d’interprétation
Information / Décision
• Les besoins en information pour la décision sont erratiques en volume et en fréquence, ce qui rend difficile le dimensionnement technique du SID et le respect des contrats de service
• Ils nécessitent des historiques d’information longs ( 1 à 5 ans)• Les volumes d’information sont gigantesques: Ex Wall Mart 24 Terabytes = 24
millions de millions d’octets• Dans les BD des systèmes décisionnels les informations sont regroupées par thème
et les modèles de données sont structurés selon des dimensions hiérarchisées (temps, espace géographique, famille de produits, …), conçus pour faciliter la navigation d’exploration (Drill Down, Roll Up, OLAP: On Line Analytical Processing ).
• Les utilisateurs sont géographiquement dispersés ou distants des centres opérationnels ex: MasterCard 22000 organismes financiers
• Pour des raisons de performance et de sécurité ces besoins ne peuvent pas être satisfaits par les bases de données d’un système transactionnel (OLTP: On Line Transactionnal Processing)
– Dans les BD du SI transactionnel, les modèles de données sont conçus pour faciliter les MAJ et préserver la cohérence des informations (SGBD relationnel)
– Elles stockent des historiques courts: 60j, …, <1an– La gestion des transactions doit se faire en temps réel, elle ne doit pas être
« ralentie », voir bloquée par la satisfaction des besoins décisionnels
Il faut séparer le SI transactionnel du SI décisionnel tout en assurant le transfert de l ’information du Transactionnel ==> Décisionnel
Système d'information : la séparation transactionnel / décisionnel
Système physique
Système d'Information
Pilotage opérationnel
Système de pilotagemanagérial
transactionnel
transactionnel
périodique
SystèmeSystèmed’Aide à lad’Aide à laDécisionDécision
DatawarehouseDatawarehouse
Objectifs
Client/serveur: principe d’architecture 3/3Client/serveur: principe d’architecture 3/3
BDBD
TraitementsTraitements
Serveur de donnéesServeur de données
Middlew
areM
iddleware
ApplicationApplication
RésultatsRésultats
BDBD
Serveur d ’applicationsServeur d ’applications
MiddelwareMiddelware
ClientClientTableurTableurTTTTNavigateurNavigateurMsgMsg
ProcédureProcédure BDBD
RésultatsRésultats
Les sources d’information et domaines d’application
• Le Datawarehouse est alimenté à partir:– Des sytèmes transactionnels (ex: ERP construits sur des bases de données avec
des structures de données de type “ snowflake ”, normalisées et optimisées pour favoriser la mise à jour, la cohérence et la sécurité des informations .
– Des systèmes de commerce électronique: Intra & Internet Based Systems (IIBS).
• Ces principaux domaines d ’application:• Marketing / vente: gestion de la relation client (CRM)• Achats: gestion de la relation fournisseur (SRM)• Contrôle de gestion (approche ABC/ABM)• Yield management
• Le DW peut permettre une vue unifiée des clients, des produits, des fournisseurs et de l ’ensemble des coûts
DW le “ mapping du business ” et l ’alignement Produit/Client
• Le DW cartographie exactement les impératifs commerciaux: connaître le client, connaître le produit et savoir où et quand ils se rencontrent afin de constituer le fait de base élémentaire mesurable.
• Le DW est une technologie de base pour la gestion des connaissances
• Il sera donc nécessaire de procéder à un inventaire des connaissances afin d’identifier la nature des informations à recueillir et à stocker :
– 1 la connaissance des clients, éléments de style de vie, de leur habitude d’achat, de leur comportement
– 2 connaître les produits, leurs attributs, leurs coûts d ’achats, de fabrication et de distribution
– 3 connaître l’interaction entre le client et le produit
– 4 connaître les facteurs influençant la performance des produits et le comportement du consommateur
– 5 La représentation unifiée dans la même base de tous les produits et de tous les clients va permettre le « cross-selling »
Les concepts de base du modèle de données (1)
• Les dimensions : Elles caractérisent les inducteurs d’activité commerciale : clients, produits, services, fournisseurs, implantations géographiques, canaux de distribution, temps, actions commerciales (vendeurs, promotion, publicité,… ), ...
Lou Agosta, The Essential Guide to Data Warehousing, Prentice Hall, 2000
Les concepts de base du modèle de données ( 2)
• Les dimensions vont fournir les chemins uitlisés pour constituer des agrégats de données, le roll up ou le drill down, ils constituent des structures hiérarchiques:
- les clients sont regroupés en hiérarchie géographique: individu, commune, district, région, pays,… l’agrégation des informations caractérisant le comportement du consommateur se fera au niveau élevé de cette hiérarchie.
- Le produit sera dans une hiérarchie caractérisée par le code universel (UPC, EAN- gencod) : item, produit, marque, catégorie,…
• Le fait atomique dans un Datawarehouse
– Le client achète un produit à un moment donné dans un lieu donné: l’intersection de ces quatre dimensions définit une transaction : la vente.
– Ceci constitue un fait qui sera mesurable par : le prix, la quantité, le poids ...
DW : Structure hièrarchique
Lou Agosta, The Essential Guide to Data Warehousing, Prentice Hall, 2000
Lou Agosta, The Essential Guide to Data Warehousing, Prentice Hall, 2000
Les concepts de base du modèle de données (3)• Le cube de données
– Il est défini comme fournissant le niveau d’agrégation des données adapté aux requêtes (ex SQL ou script) , c’est l’intersection des dimensions qui fournit la structure des faits pertinents pour le business. Le cube de base : client*produit*temps
• Les méta-données :– Ce sont des données sur les données décrites dans une table dont chaque ligne pointe sur
chaque colonne de chaque table du DW, en décrivant et expliquant tout ce qu’il est nécessaire de savoir sur cette colonne :
- sa signification sémantique- son origine (base transactionnelle d’origine et programmes utilisés pour la transformer)- son historique (forme initiale, formes successives, date des versions, niveaux successifs
d’agrégation, identifiants des supports utilisés pour l’archivage- ses créateurs (noms des intervenants aux différents niveaux)
• Les agrégats– Ce sont des cubes qui accumulent les informations des transactions primaires, basés sur
l’intersection des dimensions de niveau non élémentaire, plus haut dans la hiérarchie : clients groupés en région, les produits en marque,….
• Le système GIGO : Data dirty data scrubbing knowledge
Lou Agosta, The Essential Guide to Data Warehousing, Prentice Hall, 2000
Modèle de données en étoile
Lou Agosta, The Essential Guide to Data Warehousing, Prentice Hall, 2000
Un technologie spécifique :
• La puissance de traitement nécessaire exige des machines à architecture parallèle (NCR 3600,…)
• Ces machines supportent des logiciels SGBD et des outils de Datamining capables d ’utiliser les architectures parallèles (Oracle 7,..)
• Les temps de réponse doivent être acceptables grâce aux techniques OLAP (On Line Analytical Processing) et à la préconstitution d ’agrégats d ’information:
• contrat de service : 90 % des requêtes satisfaites en moins de 20 s• le temps de réponse est fonction du niveau d ’agrégation ( niveau <= à la
marque, la région et le mois, tmax=15 mn)• les agrégats de niveau plus élevé sont constitués en batch pendant la nuit
DW: Technologies de support
Lou Agosta, The Essential Guide to Data Warehousing, Prentice Hall, 2000
L’aide à la décision « guidée par les données » Ex: Business Objects, outil de reporting et d’analyse.
Exemple d’optimisation d’une « supply chain » par programmation linéaire
• Objectif: programmer, sur un horizon de 8 semaines, les flux entre 18 cartonneries et les 8 papeteries qui les approvisionnent en maximisant la marge globale sur coûts de production des papeteries, coûts de transport et coûts d’immobilisation en stock.
Soit les variables: • X(i,j,p,t) = la quantité de papier p livrée de la papeterie i vers la cartonnerie j à la période t• Fab(i,p,t) = la quantité de papier p fabriquée à la papeterie i à la période t • Stock (i,p,t) = stock disponible à la période t de papier p à la papeterie i • Capacité (i, t) = capacité de production de la papeterie i pour la période t• Besoin(j,p,t) = besoin de la cartonnerie j en papier p pour la période t
Système des contraintes:• Pour chaque période t:
– Pour chaque cartonnerie j• Pour chaque produit p:
– ∑i X(i,j,p,t) = Besoin(j,p,t) La cartonnerie i peut s’approvisionner auprès de n’importe quelle papeterie, son besoin exprimé doit être satisfait
– Pour chaque papeterie i– ∑p Fab(i,p,t) ≤ Capacité (i, t) Les quantités fabriquées à la papeterie i sont ≤ à sa capacité
de production• Pour chaque produit p:
– ∑j X(i,j,p,t) ≤ Stock (i,p,t) Chaque papeterie ne peut pas expédier plus que son stock– Stock (i,p,t) = Stock (i,p,t-1) + Fab(i,p,t) - ∑j X(i,j,p,t) Variation du stock entre 2
périodes successives
SIAD d’optimisation d’une « supply chain » par PL
Nombre théorique de variables = nb de papeteries * nb de cartonneries * nb de produits * horizon de planification. (uniquement les quantités livrées de i => j)
n = 8 * 18 * 40 *8 : 46080 variables, Nombre de contraintes : 9000 < m < 10 000 contraintesSoit : plus de 460 000 000 coefficients, densité < 1/1000
D’où:• Construction automatique du PL ( utilisation de langage de modélisation : AMPL, Xpress, ..)• Utilisation d’un solveur implémentant des techniques spécialisées pour les PL de très grande taille à
matrice très creuse (« sparse matrix »),• Puissance de calcul pour un temps de réponse acceptable,• Intégration dans le SI de l’entreprise pour la Maj des informations, essentiellement le 2ième membre des
contraintes et les coefficients de la fonction objectif,
Solution retenue:• Utilisation d’Excel pour l’importation des informations des bases SAP• Générateur développé en VBA, avec Excel comme interface utilisateur (paramètrage du générateur et
résultats du solveur)• Utilisation du solveur de Frontline Systems (Premium Solver Platform + Large-Scale Linear Programming
Solver : 65000 * 65000, $ 2500)• PC portable 512 Mo, 2,66 Ghz, temps de calcul : 1 h
SIAD d’optimisation d’une supply chain par PL : architecture de principe
Paramètres de structuration du PL
Excel
Générateur du PL
Vba
PL
Excel
Solveur
40 feuilles
Résultats
Add-in Excel Excel
Bases SAP
Bases SAP
Besoins cartonnerie i
Besoins cartonnerie n
Besoins cartonneries consolidés
Excel
Excel
Maj du PL(FO; RHS)18 Cartonneries Capacité des papeteries
Coûts de productionCoûts de transportPrix de vente
Bases SAP
8 Papeteries
Excel
ExcelVba