Processus d’optimisation : quelle différence entre optimisation locale et globale?
Les processus d’optimisation sont des processus complexes. L’esprit humain a parfois bien du mal à suivre la logique générale qu’il a imposé à un système et à l’ensemble de ses composantes.
Deux questions reviennent régulièrement lors de la découverte des résultats d‘optimisation dans une organisation.
- Je ne comprends pas comment votre système propose une visite en un lieu en ignorant un lieux proche qu’il serait tout simple de visiter par la même occasion.
Ou
- C’est étrange, j’ai croisé un collègue chauffeur alors que l’application devrait nous mettre sur des chemins séparés…
Ces deux réflexions sont naturelles et font preuve d’un bon esprit critique des utilisateurs.
L'optimisation vise la diminution des coûts (le temps, les kilomètres, la production de CO² étant considérés comme des coûts) de l’ensemble des ressources.
Pour ce faire, il intègre l’ensemble des processus et contraintes et, avec une vue globale guidée par l’algorithme de l’application, cherche à atteindre les objectifs fixés.
Et en effet, l’optimisation globale peut s’opposer à une optimisation locale. Il peut être pertinent de faire visiter deux lieux proches par deux ressources différentes dans la mesure où ce qui précède et suit la visite de chaque ressource dans sa tournée procède à une diminution globale des coûts.
De manière concrète, imaginons une ressource spécialisée dans l’installation et l’entretien. Une autre l’est dans l’installation et la réparation. La première (A) pourrait effectuer une tournée uniquement composée d’entretiens. Sa journée est bien complète. L’autre ressource pourra effectuer les réparations, mais, en passant à proximité d’un point de visite de la première ressource faire une installation en raison de sa charge un peu moins élevée. Aucune des deux ressources n’aurait pu faire les deux visites pourtant très proches (absence d’optimisation locale). Et le tout est optimisé (optimisation globale) .
La même situation peut être d’application suite à l’application d’autres contraintes telles que les horaires, les quantités (à charger ou à décharger), …
L’optimisation n’est pas à considérer avec une vue axiomatique, et des améliorations sont toujours possibles, mais modifier une séquence peut avoir des conséquences en domino difficiles à évaluer.