Un modèle de planification tactique avec chevauchement

La gestion de projets est une discipline complexe, qui requiert des outils efficaces pour aider les gestionnaires dans la prise de décision. En construction, cette discipline emploie des techniques de fast tracking, similaires à celles de l'ingénierie simultanée, afin de réaliser les projets en régime accéléré. Une des techniques couramment employées est le chevauchement des lots de travaux, consistant à exécuter en parallèle deux lots normalement séquentiels, en commençant le lot aval tout en se basant sur des informations préliminaires du lot amont. Des outils de planification de projet avec chevauchement existent mais concernent uniquement le niveau opérationnel. À notre connaissance, les praticiens ne disposent pas d'outils les aidant dans leur choix de chevauchement lors de la planification tactique. Compte tenu de l'importance de ces pratiques dans le milieu industriel d'aujourd'hui, ce mémoire traite de la planification tactique de projet avec des possibilités de chevauchement entre les lots de travaux. Un modèle de planification agrégée, connue aussi sous le nom de Rough-Cut Capacity Planning, avec chevauchement est proposé sous forme de programme linéaire en nombres entiers. Ce modèle combine des représentations discrète et continue du temps et considère plusieurs modes de chevauchement possibles pour les lots. Le modèle a été testé sur 5 séries de 450 instances chacune et permet de résoudre plus de la moitié en moins de 500 secondes. Moins que le tiers de ces instances n'a pas été résolu à l'optimum dans un délai inférieur à 10000 secondes. Les résultats montrent que le chevauchement, initialement une technique d'accélération de projet, permet également la réduction des coûts en autorisant une meilleure distribution des charges. Cependant, certaines limitations ont été soulevées à notre modèle, concernant surtout son applicabilité à la pratique. En particulier, le modèle requiert des entrées qui peuvent être difficilement accessibles pour un projet réel et la résolution exacte nécessite de long temps de calcul pour des projets de grande ampleur. Afin de contourner la deuxième limite, une alternative a été envisagée en construisant une heuristique basée sur le modèle exact. Cette heuristique semble donner des résultats encourageants. D'autres limitations ont également été soulignées concernant le caractère aléatoire des données, le type des liens d'antériorité et les fonctions objectifs considérées. Ces limitations, ainsi que les résultats prometteurs obtenus par la solution alternative, ouvrent plusieurs voies de recherche pertinentes. Les principales avenues sont le développement d'une heuristique basée sur le modèle exact, la prise en compte de l'incertitude et la généralisation des liens d'antériorité.