Génération de scénarios pour la demande en personnels durant plusieurs périodes

La recherche opérationnelle a permis de grandes avancées dans la fabrication d'horaires. Nous sommes capables maintenant de traiter de très grands problèmes de plusieurs millions de variables: l'être humain est incapable de résoudre de tels problèmes de manière aussi efficace que les logiciels actuels. Ces derniers prennent comme données les conventions collectives et la demande prévisionnelle en nombres d'employés. À partir de ces informations, ils construisent les jours de travail et de repos, les quarts de travail puis ils allouent les quarts et les tâches aux employés. Lorsque ces informations ne sont pas exactes, en particulier la demande, tout le processus du logiciel s'en trouve affecté et devient moins précis. Ce mémoire s'attaque à ce dernier problème et définit un modèle pour représenter l'incertitude de la demande prévisionnelle. Cette incertitude se traduit par une variation stochastique en pourcentage de la demande. Ces variations sont représentées par plusieurs types de perturbations: on tire de manière aléatoire l'apparition de ces perturbations ainsi que leur amplitude. Nous obtenons ainsi un modèle qui est modifiable et qui tente de représenter la réalité. Chaque type de perturbation est décrit par sa longueur, sa probabilité d'apparition ainsi que les paramètres qui régissent la loi log-normale de l'amplitude. Par la suite, une méthode d'estimation des paramètres du modèle est développée: elle calcule différents moments de la variation pour calibrer correctement les perturbations. Elle utilise des données historiques, suppose que ces dernières suivent le modèle et tente de retrouver les paramètres correspondant à cette configuration. Les résultats ainsi obtenus sont assez variables et plus ou moins bons en fonction des instances. Lorsque la variance de l'incertitude est faible (< .002), nous obtenons des bons résultats: le coût du planning est réduit de 1%. Pour des variances plus importantes, les résultats sont plus variables, mais il y a toujours des gains au niveau du coût.