Académique Documents
Professionnel Documents
Culture Documents
Chapitre 3
1 2
3 4
1
Notations complète de Kendall (1) Processus de naissance et de mort
5 6
Soit N(t) le nombre de client dans la file d’attente à la date t Soit T la variable aléatoire qui représente le temps de service
(le temps d’attente entre deux arrivées successif)
Soit f(n)=Prob (N(t)=n). Déterminer la loi de densité f ?
Déterminer la loi de T ?
Prob(N(t+ Δt)=n) = λ Δt Prob(N(t)=n-1)+(1-λ Δt) Prob(N(t)=n)
g(θ+Δθ) = (1-λt Δθ) g(θ)
…………………… ……………
f (n) =
(λt )n e −λt g (θ ) = λt e − λt θ
n!
T suit la loi exponentielle de paramètre λt
f est la densité d’une loi de poisson de paramètre λt
7 8
2
Loi exponentielle (1) Loi exponentielle (2)
9 10
M/M/1 Performances
L=λW
Lq= λWq
11 12
3
Équations d’équilibre (1) Équations d’équilibre (2)
Prob(N (t + Δt ) = n ) − Prob( N (t ) = n )
= λ Prob(N (t ) = n − 1)
Δt
Prob(N (t + Δt ) = n ) = λ Δt (1 − μ Δt ) Prob(N (t ) = n − 1) - (λ + μ ) Prob(N (t ) = n ) + μ Prob( N (t ) = n + 1)
+ (1 − λ Δt )(1 − μ Δt ) Prob(N (t ) = n )
+ λ Δt μ Δt Prob( N (t ) = n ) ⎧ dpn
⎪⎪ dt = λ pn −1 − (λ + μ ) pn + μ pn +1
+ (1 − λ Δt ) μ Δt Prob(N (t ) = n + 1) ⎨
⎪ dp0 = −λ p + μ p
⎪⎩ dt 0 1
13 14
n
+∞
⎛ λ ⎞ +∞ ⎛ λ ⎞ λ
L = X = ∑ n pn = ⎜⎜1 − ⎟⎟∑ n ⎜⎜ ⎟⎟ =
n
⎛ λ ⎞⎛ λ ⎞
pn = ⎜⎜1 − ⎟⎟ ⎜⎜ ⎟⎟ = (1 − ρ ) ρ n n =0 ⎝ μ μ
⎠ n =0 ⎝ ⎠ μ −λ
⎝ μ ⎠⎝ μ ⎠
+∞
λ2
Lq = ∑ (n − 1) pn =
n=2 μ (μ − λ )
L 1 Lq λ
W= = Wq = =
λ μ −λ λ μ (μ − λ )
15 16
4
Exemple: Attente chez un médecin Distribution du temps de séjour
Durée moyenne d’une consultation est 15 min Dans une file M/M/1 − FIFO en régime stationnaire, le temps de
Le médecin donne des rendez vous toutes les 20 min réponse d’un client arrivant alors que le système compte n clients
est formé
1. de son temps de service T1;
On a λ=3 et µ=4
2. de la somme des (n−1) temps de service des clients le précédant
dans la file T2, …, Tn;
λ 3. du temps de service résiduel du client occupant le serveur Tn+1.
Nombre de patient présent : L= =3 Le temps de service étant exponentiel, il est sans mémoire et ce
μ −λ temps résiduel est un temps de service complet.
λ 3
Attente moyenne : Wq = = heures
μ (μ − λ ) 4 Sn+1 est distribué selon une loi d’Erlang εn+1(μ) (somme de n+1
exponentielles i.i.d.).
17 18
19 20
5
Exemple: Attente chez un médecin Exemple: Attente chez un médecin
Qu’arriverait-il si le médecin décidait de ne convoquer ses patients
toutes les 25 min ? Quel serait l’intervalle au-delà duquel moins de
Qu’elle la probabilité qu’un patient attende plus d’une heure? plus de 10% des patients auraient à attendre ?
deux heures?
Alors λ’=2.4 arrivées par heure, μ étant inchangé, Wq=22.5 minutes:
L’attente est moitié moindre mais le médecin reçoit moins de
patients.
• Pour t=1 heure, cette probabilité vaut 0.276 La probabilité qu’il soit inoccupé passe de p0=(1−ρ)=0.25 à p0’=0.4;
• Pour t=2 heures, elle vaut 0.101: 10% des patients attendent plus de autrement dit il n’est plus occupé que 36 minutes par heure au lieu
deux heures: c’est énorme de 45 minutes.
En résolvant: λ' −( μ −λ ' )t
e = 0 .1
μ
21
on trouve t=68 minutes 22
⎧ dpn
= λn −1 pn −1 − (λn + μ n ) pn + μ n +1 pn +1
⎪⎪ dt
⎨
⎪ dp0 = −λ p + μ p
⎪⎩ dt 0 0 1 1
23 24
6
Généralisation (3): Généralisation (4):
25 26
M/M/S M/M/S
Une file d’attente M/M/S est formée de S serveurs identiques L’évolution du nombre de clients dans une file M/M/S est un
et indépendants, partageant les mêmes places d’attente. De processus de naissance et de mort où
plus 1. le taux d’arrivée (de naissance) est constant et égal à
27 28
7
M/M/S M/M/S
29 30
31 32
8
Exemple: Attente chez un médecin Exemple: Attente chez un médecin
a) On a alors une file M/M/2:
Le médecin s’adjoint une jeune confrère (mais qui n’apporte pas de
nouvelle clientèle); tout patient peut-être reçu indifféremment par
l’un ou l’autre des médecins.
a) Pendant quelques jours, des rendez-vous étant déjà pris, l’intervalle
de 20 min entre convocations est maintenu. Calculer le temps
moyen d’attente et montrer que la probabilité d’une attente n −1
supérieur à 1 heure est négligeable. λ λ ⎛ λ ⎞
p1 = p0 , p 2 = p1 , pn = ⎜⎜ ⎟⎟ p1 , n ≥ 2
b) Pour que chacun des deux médecins assure trois consultations par μ 2μ ⎝ 2μ ⎠
heure en moyenne, il faudrait convoquer les patients à des
intervalles de 10 min. Quels seraient alors le temps moyen d’attente Wq s’obtient en faisant S=2 dans la formule donnant l’attente moyenne
? La probabilité pour que l’attente dépasse 1 heure? pour la file M/M/S: Wq=2.28 min. Aussi pour t=1, on a
1 0.00014
33 34
b) λ’’=6 arrivées par heure, p0=1/7, Wq=9/28 h, soit 19,29 minutes, et Supposons qu’on a λ=1/20 et ⎧ dp0
la probabilité d’attendre plus d’une heure est alors: µ=1/12.On admet que la file ⎪ dt = −λ p0 + μ p1
est Limitée à trois éléments. ⎪
1 0.087 ⎪ dp1 = λ p − (λ + μ ) p + μ p
⎪ dt 0 1 2
⎪
⎪ dp2
⎨ = λ p1 − (λ + μ ) p2 + μ p3
⎪ dt
⎪ dp3
⎪ dt = λ p2 − μ p3
⎪
⎪ p0 + p1 + p2 + p3 = 1
⎪⎩
35 36
9
Exemple (2): M/M/1/K
39 40
10
Études des arrivées Études des services
Pendant 100 intervalles de 5 minutes, successifs ou non, mais tous situés Durée des services Nombre de
dans la période de stationnarité, le nombre de clients arrivant durant chaque services observés
intervalle de 5 minutes a été compté: <1 min 23 À cent reprises, consécutives ou non,
6 de 1 à 2 min 20 mais prises dans la période
fn
Nombre
d’ouvrier
fn La moyenne de cette loi de
distribution est:
∑ n. 100 = 1.26
0
de 2 à 3 min 14 stationnaire, on relève la durée du
service, c’est-à-dire le temps passé par
de 3 à 4 min 12
0 29 L’emploi d’un test statistique (exemple: le test χ² de un client au guichet. La moyenne est
de 4 à 5 min 9
1 34 Pearson) va permettre de vérifier si la loi observée 3.27 min. Le nombre de clients servis
de 5 à 6 min 5
2 24 se rapproche d’une loi théorique classique, en par minute est donc 1/3.27=0.3. On
de 6 à 7 min 4 fait alors l’hypothèse que la loi des
3 9 l’espère celle de poisson (λt=1.26):
de 7 à 8 min 5 services est une loi exponentielle.
4 3 q0=0.28, q1=0.36, q2=0.23, de 8 à 9 min 3
5 1 Un test de χ² (à 6 degrés de liberté)
q3=0.09, q4=0.03, q>5=0.01 de 9 à 10 min 2
décide d’admettre qu’il y a bien une
6 0
de 10 à 11 min 2
100 Le taux des arrivées est 1.26/5=0.25 arrivée par min. loi exponentielle de taux µ=0.3
de 11 à 12 min 1
41 42
> 12 min 0
Les formules données précédemment pour une station unique permettent La solution consiste à embaucher 1, 2, … autres médecins en vue de
de calculer: diminuer le temps perdu par les ouvriers.
λ
• Le nombre moyen de clients dans le système L = =5 s
μ −λ ⎛λ⎞
E(WC) p0 ⎜⎜ ⎟⎟
λ Wq = ⎝μ⎠
• Le temps moyen d’attente dans la file: Wq = = 16,66 min 2
μ (μ − λ ) ⎛ λ ⎞
μ .s.s!⎜⎜1 − ⎟⎟
⎝ sμ ⎠
On se rend compte que le temps perdu par les ouvriers est considérable
On peut calculer
0.25 x 8 x 60 x 16.66min = 33h 20 min
1. s=1, Wq=16.66 min
Pourtant, le médecin n’est occupé que
2. s=2, Wq=0.7 min
0.25 x 8 x 60 x 3.27min = 6h 30 min
3. s=3, Wq=0.09 min
43 44
11
Optimisation du nombre de médecin Solution optimale
On peut calculer
E(SC)
1. s=1, Δ =p0=0.167
2. s=2, Δ =2p0+p1=1.167
3. s=3, Δ =3p0+2p1+p2=2.167
45 46
47 48
12
Solution Exercice II
49 50
Solution Solution
Une manière simple de comparer les deux propositions consiste à Pour la mesure de performance, le plus équitable est de retenir le temps
modéliser la première installation par une file M/M/1 et la seconde par une moyen de réponse W.
file M/M/3 et à comparer leurs performances pour une même intensité du 1 ⎛ 1 ⎞
Pour le modèle M/M/1, on a: W1 = ⎜ ⎟
trafic ρ. μ1 ⎜⎝ 1 − ρ ⎟⎠
Si μ1 désigne le taux de service de l’imprimante rapide, celui des trois 1 ⎛
⎜ 1 + p0
(3ρ )3 ⎞⎟
imprimantes lentes est μ2 = μ1/3 et pour un taux d’arrivée λ les deux et pour le modèle M/M/3, on a: W2 = ⎜
μ2 ⎝ 3 × 3!(1 − ρ ) ⎟⎠
2
systèmes ont le même taux d’occupation
−
⎛ (3ρ )3 (3ρ )2 ⎞⎟
1
avec p0 = ⎜⎜ + 1 + 3ρ +
⎝ 3!(1 − ρ ) 2! ⎟⎠
51 52
13
Solution Question de calcul
La comparaison des deux modèles est donnée ci-dessous et montre une
supériorité de l’équipement formé d’une seule imprimante rapide.
http://irh.inf.unideb.hu/user/jsztrik/education/09/english/index.html
ρ 53 54
14