Glossaire

Calcul de la sensibilité d'une cellule de prévision par rapport aux cellules d'hypothèse ou de variable de décision.

Mesure du degré d'aplatissement d'une courbe. Plus la valeur d'aplatissement est élevée, moins les points de la courbe sont significatifs du mode de la courbe. Une courbe de loi normale présente un aplatissement de 3.

Fonctionnalité qui vous guide tout au long des étapes nécessaires pour créer et exécuter un modèle d'optimisation. Cet assistant affiche des volets à compléter dans l'ordre approprié.

Mesure du degré d'écart d'une courbe par rapport à la norme d'une loi asymétrique. Plus le degré d'asymétrie est grand, plus les points de la courbe se trouvent d'un côté du sommet de la courbe par rapport à l'autre côté. Une courbe de loi normale, qui ne présente d'asymétrie, est symétrique.

Loi asymétrique.

Pourcentage des résultats de simulation qui appartiennent à une plage.

Nombre compris entre -1 et 1 qui indique mathématiquement le degré de corrélation positive ou négative entre des cellules d'hypothèse. Une corrélation de 1 indique une corrélation positive parfaite, moins 1, une corrélation négative parfaite, et 0, une absence de corrélation.

Mesure de variation relative qui compare l'écart-type à la moyenne. Les résultats peuvent être représentés sous forme de pourcentage à des fins de comparaison.

Variable pouvant être fractionnaire (c'est-à-dire qu'elle peut utiliser n'importe quelle valeur comprise entre les limites inférieure et supérieure). Aucun pas de progression n'est requis et n'importe quelle plage donnée contient un nombre infini de valeurs possibles. Le terme "continu" désigne également un modèle d'optimisation qui ne contient que des variables continues.

Limite qui restreint les solutions possibles à un modèle. Vous devez définir des contraintes en termes de variables de décision.

Dépendance existant entre les cellules d'hypothèse.

Méthode par laquelle Crystal Ball remplace des valeurs d'hypothèse par leur classement de la valeur la plus faible à la valeur la plus élevée (1 à N) avant de calculer le coefficient de corrélation. Cette méthode vous permet de ne pas prendre en compte les types de lois lors de la corrélation des hypothèses.

Modèle ou système sans variables aléatoires qui génère des résultats monovaleurs.

Racine carrée de la variance d'une loi. Mesure de la dispersion d'une loi, c'est-à-dire la dispersion des valeurs autour de la moyenne.

Méthode d'échantillonnage qui divise la loi de probabilité d'une hypothèse en intervalles de probabilité égale. Le nombre d'intervalles correspond à l'option Taille de l'échantillon disponible dans la boîte de dialogue Préférences d'exécution de Crystal Ball Run Preferences. Un nombre aléatoire est alors généré pour chaque intervalle.

Par rapport à l'échantillonnage de Monte Carlo conventionnel, l'échantillonnage Latin Hypercube est plus précis étant donné que toute la plage de la loi est échantillonnée de manière plus régulière et cohérente. La précision accrue de cette méthode nécessite une quantité de mémoire supplémentaire pour conserver l'échantillon Latin Hypercube complet pour chaque hypothèse.

Ecart-type de la loi de moyennes d'échantillonnage possibles. Cette statistique donne une indication sur le degré de précision de la simulation.

Quantité de stock disponible plus toute quantité commandée qui n'a pas encore été reçue, moins les éventuels reliquats.

Restriction appliquée à une statistique de prévision qui exige que la statistique soit comprise entre des limites minimale et maximale précises pour qu'une solution soit considérée comme réalisable.

Nombre représentant le risque d'un investissement par rapport à une référence, par exemple des bons du Trésor, utilisé notamment dans le modèle MEA.

Nombre sur une échelle de 0 à 100 qui indique le pourcentage d'une loi de probabilité égale ou inférieure à une valeur (définition par défaut).

Courbe qui représente une valeur d'objectif en fonction des modifications apportées à une exigence ou à une contrainte. Elle est généralement utilisée pour comparer les rendements obtenus pour un portefeuille avec différents niveaux de risque.

Technique approximative d'auto-éducation destinée à améliorer les solutions.

Valeur estimée ou entrée dans un modèle de feuille de calcul. Les hypothèses capturent l'incertitude des données de modèle à l'aide de lois de probabilité.

Limite maximale ou minimale que vous définissez pour chaque variable de décision.

Relation mathématique dans laquelle tous les termes des formules ne peuvent contenir qu'une seule variable multipliée par une constante. Par exemple, 3x - 1,2y est une relation linéaire car les premier et second termes impliquent tous deux une constante multipliée par une variable.

Voir Loi de probabilité.

Ensemble de tous les événements possibles et probabilités qui leurs sont associées.

Graphique qui récapitule sous forme graphique une liste de valeurs en les subdivisant en groupes et en affichant leurs nombres d'effectifs.

Plus grande valeur d'un ensemble de données.

Modèle d'évaluation par arbitrage.

Point milieu des valeurs (dans l'ordre) entre la plus petite valeur possible et la plus grande valeur possible.

Famille d'approches d'optimisation qui inclut les algorithmes génétiques, le recuit simulé, la recherche Tabou, la recherche dispersée et leurs hybrides.

Plus petite valeur d'un ensemble de données.

Type de modèle d'optimisation qui comporte à la fois des variables de décision discrètes et continues.

Valeur qui, si elle existe, se produit le plus souvent dans un ensemble de données.

Représentation d'un problème ou d'un système dans une application de feuille de calcul comme Excel.

Modèle qui cherche à maximiser ou minimiser une quantité (l'objectif), telle que les bénéfices ou le risque.

Feuille de calcul qui représente un système réel ou hypothétique, ou un ensemble de relations.

Moyenne arithmétique habituelle d'un ensemble d'observations numériques : total des observations divisé par le nombre d'observations.

Quantité de stock disponible ne prenant pas en compte les quantités commandées qui n'ont pas encore été reçues.

Valeur sélectionnée mathématiquement, générée par une formule ou sélectionnée dans une table pour des raisons de conformité avec la loi de probabilité.

Relation mathématique dans laquelle un ou plusieurs terme(s) des formules est/sont non linéaire(s). Des termes tels que x2, xy, 1/x ou 3,1x créent des relations non linéaires. Voir Linéaire.

Valeur actualisée nette. La valeur NPV est égale à la valeur actuelle moins l'investissement initial.

Formule de prévision en termes de variables de décision qui donne une représentation mathématique de l'objectif du modèle.

Prévision d'un modèle utilisée par OptQuest comme objectif principal de l'optimisation. OptQuest maximise ou minimise une statistique de la loi de la prévision.

Processus qui trouve la solution optimale pour un modèle.

Technique qui combine plusieurs objectifs souvent conflictuels, comme la maximisation des rendements et la minimisation des risques, en un seul et même objectif.

Définit la différence entre les valeurs successives d'une variable de décision discrète dans la plage définie. Par exemple, une variable de décision discrète avec une plage allant de 1 à 5 et un pas de progression de 1 peut uniquement utiliser les valeurs 1, 2, 3, 4 et 5 ; une variable de décision discrète avec une plage allant de 0 à 17 et un pas de progression de 5 peut uniquement utiliser les valeurs 0, 5, 10 et 15.

Pour un programme d'optimisation, faculté de trouver des solutions de qualité aussi rapidement que possible.

Différence entre la valeur la plus élevée et la valeur la plus faible dans un ensemble de données.

Etat des stocks auquel vous devez réapprovisionner.

Combinaisons d'immobilisations pour lesquelles il est impossible d'obtenir des rendements supérieurs sans générer un risque plus élevé ou un risque moins élevé sans générer des rendements inférieurs. Un portefeuille efficient repose directement sur la frontière d'efficience.

Synthèse statistique de la combinaison mathématique des hypothèses dans un modèle de feuille de calcul (sortie graphique ou numérique). Les prévisions sont des lois d'effectifs de résultats possibles pour le modèle.

Probabilité d'un événement.

Méthode implémentée dans un programme informatique, capable de produire une série de nombres aléatoires et indépendants.

Quantité économique de commande.

Quantité standard de produit commandée chaque fois que le stock atteint le point de réapprovisionnement.

Fonction multiobjectif qui calcule le rendement du capital ajusté au risque.

Incertitude ou dispersion dans le résultat d'un événement ou d'une décision.

Degré d'incertitude d'une cellule de prévision, qui résulte à la fois de l'incertitude (loi de probabilité) et de la sensibilité de modèle d'une cellule d'hypothèse ou de variable de décision.

Ensemble de tirages Crystal Ball. OptQuest trouve des solutions optimales en exécutant plusieurs simulations pour différents ensembles de valeurs de variable de décision.

Ensemble de valeurs de variable de décision qui permet d'obtenir le meilleur résultat.

Solution qui répond aux contraintes imposées aux variables de décision, ainsi qu'aux exigences éventuelles imposées aux statistiques de prévision.

Valeurs récapitulatives d'une loi de prévision, par exemple la moyenne, l'écart-type ou la variance. Vous contrôlez l'optimisation en maximisant ou minimisant des statistiques de prévision ou en les définissant sur une valeur cible.

Modèle ou système avec une ou plusieurs variables aléatoires.

Toute ressource mise de côté pour une utilisation ultérieure, comme les matières premières, les produits semi-finis et les produits finis. Le stock englobe également des ressources humaines, financières et autres.

Quantité supplémentaire conservée en stock en plus de la quantité par unité planifiée.

Barils de pétrole intialement estimés sur place Le STOIIP correspond à l'estimation des réserves d'un champ pétrolifère en millions de barils (Mb).

Processus en trois étapes au cours duquel Crystal Ball génère des nombres aléatoires pour les cellules d'hypothèse, recalcule les modèles de feuille de calcul et affiche les résultats dans un graphique de prévision. Une simulation Crystal Ball est composée de plusieurs tirages.

Premier nombre d'une séquence aléatoire. Une valeur de départ donnée produit la même séquence de nombres aléatoires pour les valeurs d'hypothèse à chaque exécution d'une simulation.

Dernière valeur calculée pour une prévision lors d'une simulation. La valeur définitive est utile lorsqu'une prévision contient une fonction additionnant les valeurs des divers tirages d'une simulation ou est une fonction calculant les statistiques d'une autre prévision.

Quantité qui peut utiliser n'importe quelle valeur d'un ensemble et est généralement référencée par une formule.

Variable de votre modèle que vous pouvez contrôler.

Variable qui peut uniquement utiliser des valeurs égales à sa limite inférieure plus un multiple de son pas de progression ; le pas de progression est un nombre supérieur à 0, mais inférieur à la plage de la variable. Le terme "discret" désigne également un modèle d'optimisation qui ne contient que des variables discrètes.

Carré de l'écart-type, où l'écart-type est approximativement la moyenne de la somme des carrés des écarts de plusieurs observations (n) par rapport à leur valeur moyenne (sauf que la somme est divisée par n-1 au lieu de n, ce qui donnerait une moyenne réelle).

La variance peut également être définie comme une mesure de la loi (ou répartition) d'un ensemble de valeurs situées autour d'une moyenne. Lorsque les valeurs sont proches de la moyenne, la variance est faible. Lorsque les valeurs sont très dispersées autour de la moyenne, la variance est plus importante.