Documente Academic
Documente Profesional
Documente Cultură
Source 1 Station 1
File d’attente 1 Processus
Source 2 de service Station 2
Processus File d’attente 2
des unités
d’arrivée
(durée et
d’unités
ordre de
File d’attente F service, …)
Source U Station S
3
Modèle général de file d’attente
Posons
M nombre d’unités dans l’ensemble du phénomène (peut être infini)
(dans les sources, les files et les stations),
S nombre de stations,
Posons maintenant
pn = Prob(N = n) la probabilité qu’il y ait n unités dans le système.
M
On obtient alors : E[N] = k pk le nombre moyen d’unités dans le système.
k=0
M
Dans le cas d’une seule file d’attente (F = 1), E[Q] = (k – S) pk
k = S+1
désigne le nombre moyen d’unités dans la file.
5
Quelques résultats préliminaires ….
S
E[SI] = (S – k) pk désigne le nombre moyen de stations inoccupées.
k=0
Afin de poursuivre plus avant notre étude d’un phénomène d’attente, il nous faut
connaître les probabilités pn qu’il y ait n unités dans le système.
Pour y arriver, il nous faut étudier les lois d’arrivées et de service du système.
6
Arrivée d’une unité dans le système
Considérons un intervalle de temps de durée t et n le nombre d’unités qui arrivent
dans le système dans cet intervalle,
n est une variable aléatoire.
Hypothèses :
Sous les hypothèses précédentes, on peut montrer que le nombre d’arrivées dans
un intervalle de temps t, soit N(t), suit une distribution de Poisson de paramètre t
égal au nombre moyen d’arrivées pendant un temps t i.e.
8
Temps de service d’une unité dans le système
Après une période d’attente, les entités dans le système reçoivent le service.
Le service est aléatoire; il est donc décrit par une distribution de probabilité.
Nous considérerons donc que la durée de service suit une loi exponentielle
de paramètre dont la fonction de densité est :
Note : Nous supposons que < sans quoi la file va augmenter indéfiniment.
À moins d’avis contraire, les premiers arrivés sont les premiers servis.
9
Processus de naissance et de mort
Une arrivée : une naissance, un départ : une mort.
Hypothèses :
Problème :
En supposant le régime transitoire très court, notre intérêt va porter sur le régime
stationnaire.
diagramme
d’états
11
Calcul de Pn pn(t)
12
Calcul de Pn pn(t)
13
1er cas : modèle S/F/M/Qmax modèle 1/1//
Une file d’attente de capacité illimitée, une station, une source illimitée.
Intensité
de trafic
diapositive
suivante
14
Modèle 1/1// : calcul de P0
Exemple :
La probabilité la plus élevée de rencontrer 3 unités dans le système
a lieu lorsque = 3 / 4 et a pour valeur : 27 / 256 0.1054.
= 1 - n+1
Par conséquent, Prob(N > n) = n+1 et la probabilité qu’il y ait au moins une
unité dans le système est Prob(N > 0) = = intensité de trafic = 1 – probabilité
de ne pas attendre.
16
Modèle 1/1// : nombre moyen d’unités dans le système
N = / (1 - )
Note : Si , alors 1 et N .
La quantité est l’essence même du problème; cela reflète un compromis
entre le gain issu de la réduction de N et le coût associé des installations
et du personnel constituant le service. 17
Modèle 1/1// : nombre moyen d’unités dans la file d’attente
18
Modèle 1/1// : temps moyen passé dans le système
Formule de Little :
N/ = [ / (1 - )] / = 1 / ( - )
= [1 / (1 - )] /
19
Modèle 1/1// : exemple I
Dans une usine de fabrication de meubles, on peint 20 unités à l’heure.
20
Modèle 1/1// : exemple II
Dans un grand magasin, on a observé les arrivées suivantes de clients :
0 29
1 34
2 24
3 8
4 4
5 1
6 0 Total sur 100
0 29 28 1 .0357
1 34 36 4 .1111
2 24 23 1 .0435
3 8 9 1 .1111
≥4 5 4 1 .2500
Étant donné que nous avons estimé un paramètre et que nous possédons
5 classes, nous sommes en présence d’une 2 à 3 degrés de liberté.
23
Durée des services
La durée des services s’est répartie comme suit :
Durée Fréquence
[0, 1) 23
[1, 2) 20
[2, 3) 14
[3, 4) 12
[4, 5) 9
[5, 6) 5
[6, 7) 4 Durée moyenne de service (1 / ) :
[7, 8) 5 (0.5 x 23 + 1.5 x 20 + … + 11.5 x 1) / 100
[8, 9) 3 = 3.27
[9, 10) 2
[10, 11) 2
valeur médiane
[11, 12) 1 = 1 / 3.27 0.3 / minute
[12, ) 0 de l’intervalle
[0, 1) 23 26 9 .3962
[1, 2) 20 19 1 .0526
[2, 3) 14 14 0 0
[3, 4) 12 11 1 .0909
[4, 6) 14 14 0 0
[6, 8) 9 7.5 2.25 .3000
[8, ) 8 9 1 .1111
exp2 = 0.9008
= / = 0.8467
Les S stations
sont occupées.
non oui
Q/
Q=
28
Modèle S/1// : nombre moyen de stations inoccupées
SI
SI
29
Modèle S/1// : nombre moyen d’unités dans le système
N = Q + S – SI
N=Q +/
Q/+1/
Note : S P0 e - /
Prob(N ≥ S) = pn
n=S
= p0 SS n
S! n=S
= p0 ( / )S
S! (1 - )
31
Exemple : salle d’urgence d’un hôpital
Arrivées de patients suivent un processus de Poisson.
Durée de traitement par patient obéit à une loi exponentielle.
= 2 patients / heure
= 3 patients / heure
Question : Doit-on affecter un ou deux médecins ?
S=1 S=2
/ = 2/3 < 1 / 2 = 2/6 = 1/3 < 1
P0 1/3 1/2
P1 2/9 1/3
Pn (2/3)n/3 (1/3)n n≥2
32
3ième cas : modèle S/F/M/Qmax modèle 1/1//q
Une file d’attente de capacité limitée q, une station, une source illimitée.
(/)n = n si n = 0, 1, 2, …, q, q + 1
Cn =
0 si n > q + 1
33
3ième cas : modèle S/F/M/Qmax modèle 1/1//q
q+1
N= n Pn = [ (1 - )] / [1 - q+2] n n
n=0 n=0
Q = N – (1 – P0).
q
= taux d’arrivée moyen = n Pn = (1 – Pq+1)
n=0
34
4ième cas : modèle S/F/M/Qmax modèle s/1//q
Une file d’attente de capacité limitée q, s stations, une source illimitée.
Lorsqu’il y a q + s unités dans le système, les nouveaux arrivants partent sans
recevoir de service.
Ex. : Salle d’attente de capacité limitée.
si n = 0, 1, 2, …, q + s - 1
Taux d’arrivée : n =
0 si n ≥ q + s
Taux de service : n = n si n ≤ s
s si n > s
(/)n / n! si n = 0, 1, 2, …, s
Cn =
[(/)s (/s)n-s] / s! si n = s + 1, s + 2, …, q + s
0 si n > q + s
On peut alors calculer P0 et, ensuite, Pn pour tout n = 1, 2, …, q + s.
etc.
35
5ième cas : modèle S/F/M/Qmax modèle 1/1/m/
Une file d’attente de capacité illimitée, une station, une source limitée m.
Exemple :
Pour les réparer, on dispose d’un mécanicien qui constitue ainsi la station par
où doivent passer les machines. La durée des réparations est distribuée selon
la loi exponentielle avec un taux .
(m - n) si n = 0, 1, 2, …, m
Taux d’arrivée : n =
0 si n ≥ m
Taux de service : n = si n = 1, 2, …, m.
où n désigne le nombre de machines dans le système (n ≤ m).
/ désigne le facteur de service ou facteur d’entretien.
36
5ième cas : modèle S/F/M/Qmax modèle 1/1/m/
Cn = m!(/)n / [(m – n)!] si n = 1, 2, …, m.
Pn = Cn P0 si n = 1, 2, …, m.
m
Le nombre moyen d’unités dans la file est : (n – 1) Pn = m - (1 – P0) (1 + / )
n=2
m
Le nombre moyen d’unités dans le système est : n Pn = m - (1 – P0) /
n=0
m
La probabilité d’une attente de durée quelconque est : Pn = 1 – P0
n=1
37
5ième cas : modèle S/F/M/Qmax modèle 1/1/m/
Le temps moyen d’attente dans la file est : nombre moyen d’unités dans la file
taux moyen des arrivées
c’est-à-dire, # moyen d’unités dans la file
(m - # moyen d’unités dans le système)
= [m / (1 – P0) – (1 + / )] /
38
6ième cas : modèle S/F/M/Qmax modèle s/1/m/
(m - n) si n = 0, 1, 2, …, m
Taux d’arrivée : n =
0 si n ≥ m
Taux de service : n = n si n = 1, 2, …, s.
s si n = s+1, s + 2, …, m.
n
Pn = m P0 si n = 1, 2, …, s
n
n
Pn = n! m P0 si n = s + 1, s + 2, …, m
s! sn-s n
etc.
39
Conclusion
Il existe plusieurs autres types de phénomènes d’attente avec des lois d’arrivées
et/ou de service différentes. Mais les principes généraux demeurent les mêmes.
Exemples :
etc.
40