1

Gestion des Stocks et File d'attente

Guy Aim TANONKOU




Industrial Engineering & Computer Science
INRIA-Lorraine

Ile du Saulcy, Bt.A ISGMP
57045 Metz Cedex 01 France
Phone (office) : 00 33 3 87 54 72 97
Email : tanonkou@loria.fr / tanonkou@acsal-science.org













2

Table des matires



1. La Gestion des Stocks ....................................................................................3
1.1 Les politiques de Gestion des stocks.......................................................3
1.2 Cots associs aux Stocks........................................................................3
1.3 Gestion calendaire des Stocks rotation nulle........................................5
1.3.1 Cas o la Demande D suit une loi discrte......................................5
1.3.2 Cas o la Demande D suit une loi continue.....................................7
1.3.3 Cas dune loi de demande continue.................................................8
1.3.4 Cas dune loi de demande discrte..................................................9
2. File dattente.................................................................................................10
2.1 Evaluation de performance....................................................................11
2.2 Etat du systme......................................................................................13
2.3 Quelques cas particuliers.......................................................................15
3. Rfrence ......................................................................................................21























3
1. La Gestion des Stocks
Une production sans stock est quasi inconcevable vu les nombreuses fonctions
que remplissent les stocks. Nous prsentons dans les lignes qui suivent, ltude
moins dtaille que nous avons faite en ce qui concerne la gestion des stocks.
Nous avons tudi les problmes lis aux stockages et ncessit de constituer un
stock et puis les politiques de Gestion des stocks qui feront lobjet de notre tude.
1.1 Les politiques de Gestion des stocks
Cette politique vise rpondre deux grandes questions : Quand dclencher
lapprovisionnement du stock? Combien commander ? La rponse ces deux
questions dpend de la politique de gestion adopte. Nous nous sommes
intresss deux politiques :
1. La politique de gestion de stock par point de commande : dans ce cas,
lapprovisionnement du stock est dclench lorsque lon observe que le stock
descend en dessous dun niveau s appel point de commande. On commande
une quantit fixe note Q et appele quantit conomique de commande .
Sa dtermination rsulte dun calcul doptimisation.
2. La politique de gestion calendaire : dans ce cas, lapprovisionnement du
stock est dclench intervalles rguliers T, par exemple, chaque jour ou
chaque semaine. La quantit commande est gale la diffrence entre le
stock rsiduel observ R et le niveau de recompltement du stock S cest
dire le niveau voulu du stock en dbut de priodeT.

Nous avons fait une tude plus dtaille sur ces deux politiques de gestion adopte,
suivant que la loi de demande est discrte ou continue.
1.2 Cots associs aux Stocks
Tout dabord, nous prsentons ici, les diffrents cots observs et associs aux
stocks :

On pose x = demande observe au cours dune priode


4
Un stock est constitu pour satisfaire une demande future. En cas de
demande alatoire, il peut y avoir non concidence entre la demande et le
stock. Dans cette situation, deux cas de figure se prsente.
- soit la demande x > stock alors on parle de Rupture de stock
- soit la demandex < stock alors il ya un stock rsiduel R

Dans le cas o x > stock, on a le cot de rupture C
r
=c
r
I
r
o

rupture de unitaire cot c
priode une d cours au s satisfaite non demandes de moyen nombre I
r
r
=
=

Le cot de commande C
c
(en cas de stock de fabrication, il sagit du cot
de lancement de la production. Par exemple, rglages des machines, etc.
En cas de stock dapprovisionnement, il sagit des cots administratifs. Par
exemple, tablissement dun bordereau, contrle de livraison, etc.)
C
c
=c
c
I
c
o
commande de unitaire cot c
priode une d cours au passe commande de moyen nombre I
c
c
=
=

Le cot de possession C
p
(il sagit des cots de dtention dun article en stock
durant une certaine priode en fonction des conditions financires
dacquisition et des ventuelles conditions de reprise, des cots de stockage
qui sont les dpenses logistiques, conservation du stock, cot de location
dentrept, cot de manutention, etc.). On a
p p p
I c C = o
possession de unitaire cot c
priode une d cours au possd stock de nombre I
p
p
=
=

Le cot total de gestion C peut scrire comme fonction de ces trois variables
dtat,

c c r r p p c r p
I c I c I c C soit C C C C + + = + + =
Le critre gnralement retenu en gestion des Stocks est celui de loptimisation
des cots qui sont fonction des variables de commande du systme.

5
En Gestion calendaire des stocks, la seule variable de commande du systme est
S, le niveau de recompltement du stock, cest dire le stock que lon cherche
atteindre en fin de priode. Dans ce cas, le cot total de gestion est
) ( ) ( ) ( ) ( S I c S I c S I c S C
c c r r p p
+ + =
En Gestion par point de commande, les deux variables de commande du systme sont
Q, la quantit conomique de commande et s le point de commande. Dans ce cas, le cot
total de gestion est
) , ( ) , ( ) , ( ) , ( s Q I c s Q I c s Q I c s Q C
c c r r p p
+ + =
Comme nous lavons mentionn plus haut, une tude plus dtaille sur ces deux
politiques de gestion adoptes, a t tudie suivant que la loi de demande est discrte ou
continue.

On a vu que

<
>
rsiduel stock un d prsence stock x
stock de rupture stock x

Le cas stock x = ne pose aucun problme

Dans le cas o on a un stock rsiduel non nulle, deux cas de figures se prsentent :
- Soit il ny a pas de report possible des invendus aux priodes suivantes cest
dire que la vente est perdu. Cest le cas des ptissiers et des marchands de
journaux. On parle de stock rotation nulle
- Soit les invendus dune priode sont vendus aux priodes suivantes. Cest le cas
le plus rpandu. On parle de stock rotation non nulle
1.3 Gestion calendaire des Stocks rotation nulle
Lapprovisionnement du stock est dclench intervalles rguliers T

Problme : Dterminer le niveau de stock initial qui minimise le cot de gestion
total. Soit la variable de dcision S :

stock du ment recomplte de niveau ou voulu stock de niveau S =
1.3.1 Cas o la Demande D suit une loi discrte

On pose x = demande observe au cours dune priode



6
1 ) ( = S I
c
puisquon passe une commande sur une priode

On a donc

c r r p p
c S I c S I c S C + + = ) ( ) ( ) ( (1)
Le nombre moyen de rupture est

+ =
= =
1
) ( ) ( ) (
S x
r
x D P S x S I (2)
Le stock moyen possd est

=
= =
1
0
) ( ) ( ) (
S
x
p
x D P x S S I car le stock moyen
possd en fin de priode correspond linvendu. On montre que
) ( ) (
_
S I D S S I
r p
+ = (3)
Condition doptimalit

Le cot de gestion tant une fonction convexe, le stock optimal
*
S est celui pour
lequel le cot de gestion est infrieur celui des stocks immdiatement infrieur
ou suprieur cest dire que

<
+ <
) 1 ( ) (
) 1 ( ) (
* *
* *
S C S C
S C S C
(4)

En remplacent (3) dans lexpression du cot de gestion (1), on observe que

> = +
+ + + =
) ( ) ( ) 1 (
) ( ) ( ) ( ) (
_
S D P S I S I
c S I c c D S c S C
r r
c r p r p
(5)
On fait donc une tude de la diffrence des cots de stocks successifs
) ( ) 1 ( S C S C + ,
on trouve

> + =
> + = +
) 1 ( ) ( ) ( ) 1 (
) ( ) ( ) ( ) 1 (
S D P c c c S C S C
S D P c c c S C S C
p r p
p r p
(6)

En tenant compte des conditions doptimalit (4)
On cherche
*
S telle ) 1 ( ) (
* *
> <
+
< > S D P
c c
c
S D P
r p
p
(7)


7
1.3.2 Cas o la Demande D suit une loi continue

Dans ce cas, on considre f la densit de probabilit de D. On fait un rsonnement
analogue au cas discret en remplaant le signe somme par lintgrale.
On montre que
) ( ) (
) (

> = =
S
r
S D P dx x f
dS
S dI

On peut maintenant passer la dtermination de la solution optimale
*
S .
On cherche ainsi
*
S telle que 0
) (
=
dS
S dC
et
r p
p
c c
c
S D P si optimal est S
+
= > ) (
* *

Gestion calendaire des Stocks Rotation non nulle

Nous rappelons dans cette situation que, les invendus sont vendus une priode
suivante.
Lapprovisionnement du stock est dclench intervalles rguliers T.
La commande passer pendant la priode T nest plus fixe.
Problme : Dterminer le niveau de stock initial qui minimise le cot de gestion
total.
Variable de dcision S :
stock du ment recomplte de niveau ou voulu stock de niveau S =
On a deux cas de figures :
- Si le stock rsiduel est positif, on commande la diffrence entre S et le stock
rsiduel
- Si le stock rsiduel est nul, on commande S augment des demandes non
satisfaites de la priode prcdente qui ont pu tre reportes.
priode une d cours au observe demande x =
On a toujours
c r r p p
c S I c S I c S C + + = ) ( ) ( ) (
Pour le calcul du stock moyen possd, il faut distinguer deux cas :
Le cas o S x < et le cas S x >




8
Cas o S x <

Cas o S x >


S
S-x
T

S
x-S
T

Dans le cas o S x > on peut crire lquation dvolution du stock t
T
x
S t S = ) (
Donc
T x
S
=
Le stock moyen possd sur est
2
0 + S
, dont sur la priode T on a en moyenne
x
S
soit
T
S
2
,
2
0
2
+


Dans le cas o S x < , on a en moyenne en stock
2
,
2
x
S soit
x S S

+

1.3.3 Cas dune loi de demande continue

dx x f
x
S
dx x f
x
S S I
S x
S
x
p
) (
2
) ( )
2
( ) (
2
0


= =
+ = (8)
dx x f S x S I
S x
r
) ( ) ( ) (

=
=
Le calcul du cot de Gestion est extrmement compliqu (Le rsultat analytique
de ce calcul reste un challenge). Cest la raison pour laquelle, on fait une
hypothse simplificatrice savoir que la rupture se fait en fin de priode. Dans ce
cas on a en stock en moyenne
2
S
et on a
dx x f
S
dx x f
x
S S I
S x
S
x
p
) (
2
) ( )
2
( ) (
0


= =
+ =
On montre que
2
) (
2
) (
_
S I D
S S I
r
p
+ = et
c r
p
r p
c S I
c
c
D
S c S C + + + = ) ( )
2
( )
2
( ) (
_


9

r
p
p
c
c
c
S D P si optimal est S
+
= >
2
) (
* *
(9)
1.3.4 Cas dune loi de demande discrte

On fait un raisonnement analogue en changeant le signe intgral par le signe
somme.

Gestion par point de commande

On rappelle ici que la politique de gestion de stock par point de commande est
adopte lorsque lon observe que le stock descend en dessous dun niveau s
appel point de commande. On commande une quantit fixe note Q appel
quantit conomique de commande .

Variable de dcision ) , ( s Q
On a deux cas de figures :
- Demande certaine : dans ce cas, on commande avant rupture de stock et il
ya pas de cot de rupture. Cela suppose que le point de commande s est
connu lavance. La seule variable de dcision est donc Q quantit de la
commande, dterminer de manire minimiser le cot total de gestion
) ( ) ( ) ( Q I c Q I c Q C
c c p p
+ =
Soit D la demande sur une anne par exemple
L = dlai de rapprovisionnement suppos connu
) (t I =volution du stock pendant la priode

t

L
Q
s point de commande
I(t)

D
Q
= et le stock moyen possd pendant la priode est

10
D
Q Q
dt t I
2 2
) (
2
0
= =

On a en dduit le stock moyen possd annuel
2 2
) (
2
Q
Q
D
D
Q
Q I
p
= = o
Q
D

est le nombre de commande par an. On a donc

Q
D
c
Q
c Q C
c p
+ =
2
) (
2

2
) (
Q
D
c
c
Q C
c
p
=


p
c
c
Dc
Q si optimal est Q
2
* *
= Formule de Wilson (10)
En gnral DL s =

- Demande incertaine : dans ce cas, la quantit de commande
et le point de commande ne sont pas connus, de ce fait, il ya possibilit de
rupture de stock. Le cot total de gestion est donc une fonction deux
variables ) , ( s Q dfinie par
) , ( ) , ( ) , ( ) , ( s Q I c s Q I c s Q I c s Q C
r r c c p p
+ + =
Une tude analytique de ce cas savre trs compliqu. Cest la raison pour
laquelle lon procde par des approximations et par simulation. Il faut distinguer
le cas o la demande est alatoire et L certain et celui o la demande est alatoire
et L alatoire. Nous tudierons prochainement les approximations utilises pour
approcher le problme et les rsultats obtenus par simulation.
Ceci achve ltude que nous avons effectu en Gestion des Stocks.
2. File dattente
Nous avons fait une tude sur les notions de files dattente et leurs applications
aux systmes industriels. On s'intresse ici au phnomne d'attente qui peut tre
ramen de faon gnrale au problme suivant : des clients/pices se prsentent
dans un lieu donn pour obtenir un service. La figure 1 prsente le modle de base.


11

2.1 Evaluation de performance
Nous nous sommes proccups aux questions suivantes (Mesures de
performances) :
- Combien y a til couramment de clients (ou pices) dans le systme (en
attente ou train dtre servis) ?
- Combien y a til de clients ou pices dans la queue ?
- Quel est, en moyenne, le temps pass par un client ou pice dans le
systme ?
- Quel est, en moyenne, le temps pass par un client attendre dans la
queue ?
- Quel est le taux doccupation du serveur ?
- Quel est le taux de sortie du systme ?
La rponse ces questions ncessite un plan dtude qui suit :

1. Description des Processus.
- processus des arrives (les clients ou pices arrivent de manire
dterministe selon un planning donn, ou bien arrivent de manire
alatoire)
- processus de service (le temps de service peut tre dterministe ou
alatoire, cest dire le temps de service est indpendant de lhistorique
pass et peut ainsi tre dcrit par la distribution exponentielle ngative)
Les cas couramment rencontrs sont ceux o larrive des pices suit une
distribution de Poisson et le temps de service une distribution Exponentielle.



Filedattente Serveur
sortie
Entre
Figure1. Model de

12
2. Gestion de la file dattente
- La capacit de la file dattente peut tre limite (par exemple la salle
dattente dun cabinet mdical) ou illimit (par exemple les pages de
lautoroute)
- Discipline de service. Les clients peuvent tre servi suivant les rgles de
gestion.
o FIFO (Premier entre Premier sortie)
o LIFO (Dernier entre Premier sortie)
o Choix suivant les rgles de priorit et etc.
- Comportement des clients
o Les clients peuvent tre patients (sils attendent patiemment leur
tour)
o Les clients peuvent tre impatients (sils refusent joindre la file
longue)
o Retraitement des pices non conformes

3. Organisation du systme
On peut avoir les cas suivant :
o Une file dattente et un serveur
o Une file dattente et plusieurs serveurs
o Plusieurs files dattente et un serveur
o Un Rseau de files dattente

Conventionnellement, on reprsente une file dattente par la notation de Kendall
n m B A / / /
O A dcrit le processus des arrives ; B dcrit le processus de service ; m le
nombre de serveur ; et n le nombre de clients dans la file. On peut avoir
= m n,
Couramment, lorsque le processus est Exponentielle, on utilise la lettreM , et
lorsquil est dterministe on utilise la lettreD, et enfin lorsque le processus suit
une loi de distribution gnrale, on utilise la lettre G


13
2.2 Etat du systme
Il est important de dcrire ltat du systme. En gnral, cest le nombre de clients
ou de pices dans le systme, en service et en attente.
Soit attente en et service en systme le dans pices clients de nombre t M / ) ( =
Pour dcrire le comportement du systme, on utilise
) ) ( ( ) ( n t M P t P
n
= =
On suppose au dbut que le systme est dans un tat connu. Cest dire que
linstant 0 = t , il ny a pas de pices (clients) dans le systme. On a alors

=
=
=
1 , 0 ) 0 (
1 ) 0 (
0 ) 0 (
0
i P
P
M
i
(11)
Dans les instants immdiats qui suivent, un client peut arriver, mais srement pas
deux. Dans ce cas, si lon fait une prdiction sur ltat du systme en t trs petit,
on aura

> =

1 , 0 ) (
0 ) (
1 ) (
1
0
i t P
t P
t P
i
(12)
Lorsque t devient grand, les probabilits des tats ,...... 3 , 2 = i deviennent non
nulles.
Question : Quel est le comportement de ) (t P
i
lorsque t
Pour rpondre cette question, nous faisons appel la Thorie sur les Processus
alatoires, en particulier le Processus de Naissance et de Mort.
Une modlisation et description raliste dun systme de file dattente doit
videmment tenir compte la fois des naissances et des morts des clients/pices
qui la compose Supposons
i
le taux darrive des clients/pices et
i
le taux
de service lorsque le systme est ltati . Dans un petit intervalle de temps t , la
transition de 1 + i i correspond une naissance avec la probabilit t
i
et la
transition de 1 i i correspond un dcs avec la probabilit t
i
, et rien ne se
produit avec une probabilit( ) t
i i
+ ) ( 1 . On dit que le processus des arrives

14
est un processus de naissance. Donc ) (t M est un processus de naissance et de
mort. On a le diagramme de transition dtat suivant :






Ce diagramme de transition est une chane de Markov. Le flux sortant ltat i est
gal au flux entrant ltat i.








( ) ) ( ) ( ) (
1 1 1 1
t P t P t P
i i i i i i i
+ = +
+ +
: Equations dtat dquilibre (*)

Les taux de naissance ,... ,
1 0
et les taux de mort ,... ,
1 0
sont telles que
0 , 0 , 0
0
= >
i i

En faisant varier .... 2 , 1 , 0 = i

= =
= =
=
+ +
0
.... ....
0
0
1 1 1 1
1 1 0 0 2 2 1 1
1 1 0 0
i i i i i i i i
P P P P
P P P P
P P



(14)

La rsolution de ce systme donne

1
0 1
0

= +
=
i
j j
j
i
P P

.
Et tenant compte de la condition 1
0
=

i
i
P ,
Flux entrant

1 i

i
Flux sortant

i

i
Figure. 2 Diagramme de Transition dtat
0 1 i 2
1

2

3

1 + i

0

1

2

1 i

i

i

1 + i

15
On trouve

= +
+
=
1
1
0 1
0
1
1
i
i
j j
j
P

, (15)
Qui existe si la srie <

= + 1
1
0 1 i
i
j j
j

(condition de stabilit)

A partir de ces rsultats, on peut ainsi dfinir ltat du systme et, calculer les
mesures de performances.
2.3 Quelques cas particuliers
File dattente / 1 / / M M
: Le taux darrive des clients/pices (par unit de temps).

1
reprsente donc
lintervalle de temps moyen entre deux arrives dans le systme
: Le taux de service (par unit de temps).

1
reprsente donc la dure
moyenne de service.
On a un serveur et une infinit de clients dans le systme.
On a donc 1 , 0 , = = i et i
i i
En posant

= , on a
0
P P
i
i
= et

+
=
1
0
1
1
i
i
P

,
La srie du dnominateur converge si 1 < (Qui est une condition ncessaire
pour que lquation dquilibre soit asymptotiquement stable. Ce paramtre est
appel Intensit de trafic).
Dans cette condition, on a

=
=
1 , ) 1 (
1
0
i P
P
i
i

(16)
Afin de calculer les mesures de performances du systme, dfinissons les
grandeurs suivantes :

16
) ( /
/
) ( /
/
servis tre d entrain clients les exclus queue la dans pice client de nombre N
service le dans pice client de nombre N
inclus service systme le dans pice client le par mis temps R
service le avant queue la dans pice client le par mis temps W
service de temps S
Q
S
=
=
=
=
=

On peut alors calculer le Nombre moyen de clients/pices dans le systme en
posant :

=
=
0
. ] [
i
i
P i M E
On utilise la formule de Littlepour trouver le Temps pass par un client/pice
dans le systme ] [R E .
Formule de Little : ] [ ] [ R E M E =
Do ] [ ] [
1
M E R E

=
] [ ] [ ] [ S E R E W E S R W = = .
Donc le Temps moyen mis par le client/pice avant le service est

1
] [ ,
1
] [ ] [
1
= =

S E o M E W E ,
Daprs la formule de Little applique au serveur, = = ] [ . ] [ S E N E
S
qui est le
Nombre moyen de clients/pices dans le service.
Daprs la formule de Little applique la queue, ] [ . ] [ W E N E
Q
= qui est le
Nombre moyen de clients/pices dans la queue
File dattente K M M / 1 / /
Comme prcdemment, on dfinit
: Le taux darrive des clients/pices (par unit de temps).

1
reprsente donc
lintervalle de temps moyen entre deux arrives dans le systme
: Le taux de service (par unit de temps).

1
reprsente donc la dure
moyenne de service. On a un serveur et une capacit finie K de clients/pices
dans la file. Cest dire que lorsquun client est entrain dtre servi, 1 K

17
clients/pices attendent dans la file et toute arrive dans la file est interdite
(refuse).
Le taux de processus de naissance et de mort peut tre dfinie dans ce cas par :
1 ,
0
=

<
=
i
K i
K i
i
i

Posons

=
On a les probabilits de transition

> =
= =

=
K i P
K i P P P
i
i
i
j
i
0
0
1
0
0

(17)
En tenant compte de la condition de normalisation (thorie de la probabilit) on
voit que
1 0
1
1
+

=
K
P

, (18)
Et on trouve donc que pour une File dattente de capacit finie

> =

=
+
K i P
K i P
i
K
i
i
0
1
) 1 (
1

(19)
On peut donc calculer les mesures de performances du systme K M M / 1 / / .

File dattente / / / m M M
Le taux darrive des clients/pices est une constante et le taux de service
dpend dem . On a m serveurs et une capacit infinie de clients/pices dans la file.
Lorsquun serveur est vide, il est immdiatement occup par le client en attente.

serveurs m

Le taux de processus de naissance et de mort peut tre dfinie par :

18
0 ,
0
=

< <
=
i
m i m
m i i
i
i

On a les probabilits de transition

=
+
=
<

=
+
=

m i
m m
P
m j
P P
m i
i
P
j
P P
m i
i
i
m k
m
j
i
i
i
j
i
,
!
1
.
) 1 (
,
!
1
) 1 (
0
1 1
0
0
0
1
0
0

(20)
On pose

m
= (Intensit de trafic)

<
=
m i
m
m
P
m i
i
m
P
P
m i
i
i
,
!
,
!
) (
0
0

(21)
En tenant compte de la condition de normalisation (thorie de la probabilit) et la
condition de stabilit de lquation dquilibre 1 < , on a
1
1
0
0
! !
) (

+ =

m
i m i
m i i
m
m
i
m
P


En effectuant un changement de variable m i k = , on observe que
1
1
0
0
1
1
!
) (
!
) (

+ =

m
i
m i
m
m
i
m
P

(22)
On peut calculer les mesures de performance du systme / / / m M M .

File dattente / / M M
Le taux darrive des clients/pices est une constante et le taux de service
dpend du nombre de clients dans le systme. On a une infinit de clients/pices
dans la file et une infinit de serveurs.
Le taux de processus de naissance et de mort peut tre dfinie par :

=
=
0
0
i i
i
i
i




19
On a les probabilits de transition
i
i
j
i
i
P
j
P P

=
+
=

!
1
) 1 (
0
1
1
0
(23)
En tenant compte de la condition de normalisation (thorie de la probabilit) et la
condition de stabilit de lquation dquilibre 1 < =

, on a

=
=
+
=

e
i
P
i
i
1
0
!
1
1
et

= e
i
P
i
i
!
(24)
Qui nest rein dautre que la Loi de probabilit dune Distribution de Poisson de
paramtre
On peut calculer les mesures de performance du systme / / M M .

Autre approche
On a vu plus haut que dans un intervalle de temps petit t la transition de
1 + i i correspond une naissance avec la probabilit t
i
et la transition de
1 i i correspond un dcs avec la probabilit t
i
, et rien ne se produit avec
une probabilit( ) t
i i
+ ) ( 1 . Donc par le thorme des probabilits totales, on
peut crire
( )
( )
( ) ) ( 1 ) ( | ) (
) ( 1 ) ( | ) (
) ( 1 ) ( | ) (
1
1
t o t t i t M i t t M P
t o t i t M i t t M P
t o t i t M i t t M P
i i
i
i
+ = = = +
+ = + = = +
+ = = = +
+

(25)
O 0
) (
lim
0
=

t
t o
t

Posons ( ) i t M P t P
i
= = ) ( ) (
On a les relations

> + + = +
= + = +
+ +
0 ) ( ) 1 ( ) ( ) ( ) (
0 ) ( ) 1 ( ) ( ) (
1 1 1 1
0 0 1 1 0
i t P t t t tP t tP t t P
i t P t t tP t t P
i i i i i i i i



soit

20

> + + + =

+
= + =

+
+ +
0 ) ( ) ( ) ( ) (
) ( ) (
0 ) ( ) (
) ( ) (
1 1 1 1
1 1 0 0
0 0
i t P t P t P
t
t P t t P
i t P t P
t
t P t t P
i i i i i i i
i i



En prenant la limite quand 0 t , on obtient le systme dquation diffrentielle
linaire,

> + + + =
= + =
+ +
0 ) ( ) ( ) ( ) (
) (
0 ) ( ) (
) (
1 1 1 1
1 1 0 0
0
i t P t P t P
dt
t dP
i t P t P
dt
t dP
i i i i i i i
i




et compte tenu du fait que la variation de flux linfini dans un Processus de
naissance et de mort est nulle, cest dire que ... 2 , 1 , 0 , 0
) (
lim = =

i
dt
t dP
i
t

On retrouve bien les conditions dtat dquilibre (*)

Remarque : Si 1 alors le serveur ne peut satisfaire la demande de service. Et
la file est condamne accrotre dfinitivement.
La rgle de service tudie dans ce rapport est FIFO cest dire le premier
client/pice arriv est le premier servi. Les mesures de performance du systme
changent si lon utilise une autre rgle de service et si lon tient compte du
comportement des clients (patients ou impatients). Nous pouvons utiliser le
Processus de naissance et de mort pour valuer les performances des systmes
M/G/m, G/G/m o M est le Processus des arrives suivant une Loi Exponentielle
ou une loi de Distribution gnral, et G une Loi de Distribution gnral. Les
calculs savrent trs compliquer et nest pas pris en charge dans le prsent
rapport. Lune des raisons de cette difficult provient du fait que le principe
dquilibre nest plus applicable car le processus de dure de service nest plus
sans mmoire.
Un processus T est sans mmoire si ) ( ) | ( t T P s T t s T P > = > + > . Cest dire que
les occurrences des vnements sont indpendantes les unes des autres ou que
l'occurrence d'vnements avant la date t n'influe en rien sur l'occurrence

21
d'vnements aprs t. Seule la loi Exponentielle la proprit dabsence de
mmoire).

Une tude plus pousse des chanes de Markov et des rseaux de file dattente est
ncessaire pour amliorer et mieux valuer les performances des systmes
informatiques, des rseaux de communication et des systmes de production donc
ce dernier cas est lessentielle de notre thse. Nous poursuivrons nos travaux par
lapplication des files dattente pour la simulation des cas simples des systmes de
production.
3. Rfrence
[1]. Foundations of Inventory Management by Paul H. Zipkin
[2]. Introduction la Gestion des Stocks par Daniel Wolf
[3]. An Introduction to Queueing system by Sanjay K. Bose