Nous sommes maintenant prêts à introduire plus de complexité dans nos modèles de feuilles de calcul. Étant donné que chacun a une expérience différente d'Excel, nous passerons en revue certaines fonctions et caractéristiques de base ainsi que des techniques plus avancées. Ce module couvre une plus grande partie du processus de modélisation et inclut certaines fonctions et outils Excel moins connus mais particulièrement utiles. Rappelez-vous cependant que l'objectif de ce cours n'est pas d'être un "mode d'emploi" d'Excel. Il s'agit plutôt d'utiliser ces fonctions pour mieux comprendre les problèmes réels de l'entreprise.

Dans ce module, le concept de modélisation consistant à estimer les relations entre les variables par l'ajustement de courbes, ou analyse de régression, est utilisé pour résoudre des problèmes professionnels réalistes. Différentes courbes de régression sont introduites et une analyse mathématique de la meilleure courbe pour aider à défendre le modèle est présentée. Cela permet non seulement de comprendre les techniques de modélisation, mais aussi la logique qui sous-tend le choix du modèle à utiliser.

Dans ce module, nous présentons l'optimisation sur tableur, l'une des méthodes d'analyse quantitative les plus puissantes et les plus flexibles. Le type spécifique d'optimisation présenté ici est la programmation linéaire (PL) qui est utilisée dans tous les types d'organisations pour résoudre une grande variété de problèmes. Comme vous le verrez à travers les exemples présentés dans ce cours, la programmation linéaire est utilisée dans les problèmes de planification du travail, de gestion des stocks, de publicité, de finance, de transport, de recrutement, et bien d'autres encore. L'objectif de ce module est de vous présenter les éléments de base de la LP, les types de problèmes qu'elle peut résoudre et la manière de modéliser un problème de LP dans Excel.

Ce module fournit encore plus d'exemples de problèmes qui peuvent être modélisés à l'aide de la programmation linéaire (PL), en particulier les problèmes de transport et d'affectation. Le problème de transport de base consiste à trouver le meilleur moyen (généralement le moins coûteux) de distribuer les marchandises depuis les sources, telles que les usines, jusqu'aux destinations finales, telles que les points de vente au détail. Le problème d'affectation consiste à trouver le meilleur moyen (généralement le moins coûteux) d'affecter des individus ou des pièces d'équipement à des projets ou à des tâches sur une base individuelle. En utilisant Solver, nous tirerons parti de la structure particulière de ces problèmes LP pour trouver les meilleures solutions à des problèmes commerciaux complexes de manière efficace.

Ce module présente encore un autre sous-ensemble d'importants modèles mathématiques de programmation linéaire qui apparaissent lorsque certaines des hypothèses de base d'un modèle de programmation linéaire sont rendues plus ou moins restrictives. Par exemple, le fait de restreindre les variables de décision à des nombres entiers conduit au processus de programmation en nombres entiers. Restreindre les variables de décision à 0 ou 1 conduit à la programmation binaire. Enfin, nous verrons comment les compétences acquises dans ce cours peuvent être utilisées pour résoudre des problèmes plus complexes impliquant des modèles non linéaires.