Modèles de files d’attente

Généralités

Caractéristiques d’un phénomène de files d’attente :

Arrivées d’unités à des intervalles de temps irréguliers ou non,
à un centre de service.
Exemple : arrivée de camions à un poste de chargement,
entrée de clients dans un magasin,
arrivée de bateaux dans un port,
etc.
Un ou plusieurs canaux de service ou stations.
Exemple : guichet, vendeur, etc.

Les intervalles de temps de service des unités sont irréguliers ou non.

Les unités doivent éventuellement attendre qu’une station soit disponible

pour être servies.
 Généralités
Processus de naissance et de mort
C'est un cas particulier de chaîne de Markov où seules les transitions d'un
état à un état voisin sont permises et les transitions peuvent se produire à
tout instant (temps continu) avec des taux de transitions.

t=0 t t+Δt

État du système = nombre d'éléments (ex. clients) dans le système à l'instant t.

 Généralités

Processus de Poisson

Distribution de Poisson

Exemples:

– Arrivée de clients qui se présentent à un guichet d'une banque en une heure

– Apparitions de pannes d'un réseau informatique en une année
– Arrivée de malades aux urgences d'un hôpital en une nuit
 Généralités

Loi exponentielle
• Si le nombre d'arrivées est un processus de Poisson,
le temps inter-arrivée suit la loi exponentielle.

• La loi exponentielle est dite sans mémoire, et c'est la

seule. Par exemple le temps de séjour ne dépend pas
du tout du temps de séjour passé.
 Système de files d’attente

Taux d'arrivée (λ): Taux de service (μ):

Serveur 1 nombre moyen de
nb moyen de clients
personnes qui
entrant par unité de
complètent le service
temps par unité de temps

.
.
Serveur m

File d’attente

La population

Discipline de service
 Les mesures de performance

1. Le nombre moyen de clients dans le système (L)

2. Le nombre moyen de clients qui attendent en file (Lq)
3. Le nombre moyen de clients en service (Ls)
4. Le temps moyen dans le système (W)
5. Le temps moyen d’attente en file (Wq)
6. Le temps moyen en service (Ws)
7. Le taux d’utilisation du système (p)
8. Probabilité qu’il y ait zéro unité (client) dans le
système (P0)
9. Probabilité qu’il y ait n unités (clients) dans le
système (Pn)
 Les mesures de performance

Pour tout système de files d'attente ayant

atteint l'état stable, les conditions suivantes
sont remplies:

• L=λ W
• Lq=λ Wq
• Ls=λ Ws
• L=Lq+Ls
• W=Wq+Ws


m
 Notation
Une file d'attente se note : A/S/C/K/L/DS
Avec :
A : processus d'arrivée
S : processus de sortie
C : nombre de serveurs
K : capacité maximale de la
file
L : population de clients
DS : discipline de service

Symbole pour les arrivées et les

Symbole pour les discipline de
services
service
— M : loi exponentielle (Markovienne)
— FCFS : First Come First Serve
— D : loi constante
— LCFS : Last Come First Serve
— Ek : loi Erlang-k
— RANDOM
— Hk : loi hyper-exponentielle ordre k
— PRIORITY
— GI : loi générale indépendante
— G : loi générale
 File élémentaire M/M/1 (1 serveur)

La file est stable si et seulement si le taux d'arrivée est

strictement plus petit que le taux de départ, i.e. λ < μ
 File élémentaire M/M/1 (1 serveur)

Taux d'arrivée (λ) Taux de service (μ)

j = nombre de personnes dans le système à l'instant t

Il est supposé:
• Taille de la population: Infinite
• Capacité de la file d'attente: Infinite
• Discipline de service: FIFO
 File élémentaire M/M/1 (1 serveur)

1) Le nombre moyen de clients dans le système L

 
L 
1   
 File élémentaire M/M/1 (1 serveur)

2) Le nombre moyen de clients qui attendent en file (Lq)

 2
 2
Lq  
1    (   )
 File élémentaire M/M/1 (1 serveur)

3) Le nombre moyen de clients en service (Ls)

 2 
L s  L  Lq   
1  1  


Ls 

 File élémentaire M/M/1 (1 serveur)

4) Le temps moyen dans le système (W)

L  1
W  
  (   )   
 File élémentaire M/M/1 (1 serveur)

5) Le temps moyen d’attente en file (Wq)

Lq  2

Wq   
  (    )  (    )
 File élémentaire M/M/1 (1 serveur)

6) Le temps moyen en service (Ws)

Ls 1
Ws   
  
 File élémentaire M/M/1 (1 serveur)

7.Probabilité qu’il y ait j unités (clients) dans le système.

π j  ρ (1  ρ)
j
0  ρ 1
 Exemple

Une compagnie aérienne envisage d’ouvrir un point

de vente dans un nouveau centre commercial. Elle
compte y faire travailler un agent qui sera responsable
des réservations et de la vente de billets. On prévoit
un achalandage de 15 clients à l’heure en moyenne ;
on estime aussi que la distribution des arrivées peut
être calculée selon la loi de Poisson et que le temps
de service sera de 3 minutes en moyenne par client
(distribution exponentielle). Déterminez les mesures
de performance suivantes :
 Exemple

1) Taux d’utilisation du système.

  15 clients à l’ heure

1   20 clients à l’ heure
 3 minutes


 15
   0,75
m 1(20)
 Exemple

2) Pourcentage d’inactivité de l’agent

  0,75

Pourcentage d’inactivité = 1    1  0,75

c’est-à-dire 25 % du temps
 Exemple

3) Nombre moyen de clients qui attendent pour être servis

2 2 152
Lq     2,25 clients
1    (    ) 20(20  15)
 Exemple

4) Temps moyen passé par un client dans le système.

L  1 1 1
W     h
  (    )    20  15 5
 Exemple

5) Probabilité qu’il n’y ait aucun client dans le système et

probabilité qu’il y ait quatre clients dans le système.

 15
 0  1   1   0, 25
 20
4 4
  15 
 4   0    0, 25    0,079
  20 
 Modèle avec plusieurs serveurs

Taux d'arrivée (λ) Taux de service (μ)

Serveur 1

.
.
Serveur “m”

Le système a m
serveurs et
1 file d’attente

j = nombre de personnes dans le système à l'instant t

 Modèle avec plusieurs serveurs

Taux d'arrivée (λ)

nb moyen de clients (unités) entrant par unité de temps.

Taux de service (μ)

• S'il y a dans le système j ≤ m clients, donc les j sont en
service
• S'il y a dans le système j > m clients, donc les m serveurs
sont occupés et (j-m) clients sont dans la file d’attente.
 File M/M/m

La file est stable si et seulement si ρ<1, i.e. λ < mμ



m
1
 0  ( m 1)
 ( m  )i  ( m  ) m
 
 i  0 i !  m !(1   )

(m  ) j  0
j  (j  1,2,...,m)
j!

(m ) j  0
j  (j  m  1,m  2,...)
m !m( j  m )
 File M/M/m Mesures de performance

1. La probabilité que tous les serveurs soient occupés

(m )  0m
P ( j  m) 
m !(1   )

2. Le nombre moyen de clients qui attendent en file (Lq)

P ( j  m) 
Lq 
1 
 File M/M/m Mesures de performance

3. Le temps moyen d’attente en file (Wq)

LqP ( j  m)
Wq  
 m  
4. Le nombre moyen de clients en service (Ls)


Ls 

 File M/M/m Mesures de performance

5. Le temps moyen en service (Ws)

1
Ws 

6. Le nombre moyen de clients dans le système (L)

P ( j  m)  
L  Lq  Ls  
1  
 File M/M/m Mesures de performance

7. Le temps moyen dans le système (W)

P ( j  m) 1
W  Wq  Ws  
m   
 Exemple

Une banque a deux guichets automatiques. Une

moyenne de 80 clients par heure arrive à la banque. Le
temps moyen requis pour servir un client est de 1,2
minutes. Le temps entre les arrivées et les temps de
service suivent la loi exponentielle.

Calculer:
 Exemple

1. Nombre moyen de clients dans la banque (L)

λ = 80 clients par heure

μ = 1/1.2 clients par minute = 50 clients par heure
m=2 guichets automatiques
ρ = λ/(mμ) = 80/(2*50) = 0.8

1 1 1
0  1  
 (2 * 0.8)  (2 * 0.8)
i 2
1  1.6  6.4 9
   
 i 0 i!  2!(1  0.8)
 Exemple

1. Nombre moyen de clients dans la banque (L)

(2 * 0.8) 2 (1 / 9)
P ( j  2)   0.71
2!(1  0.8)

P ( j  2)  P ( j  2)0.8
Lq    2.84 clients
1  1  0.8

 80
L  Lq  Ls  2.84   2.84   4.44 clients
 50
 Exemple

2. Temps moyen passé par un client dans la banque (W)

L
4.44
W   0.055 hr  3.3 min
 80
 Exemple

3. Pourcentage d’activité des guichets

 80
   0.8
m 2 *50
 File G/G/1

Lorsque les taux d'arrivée et de service ne suivent pas une

distribution exponentielle, l'approximation de Kingman peut
être utilisée pour calculer certaines mesures de performance

 ca2  ce2 
Wq (G / G / 1)    Wq  M / M /1
 2 
ca = Coefficient de variation (CV) temps entre les arrivées

ce = Coefficient de variation (CV) temps de service

L'écart-type

moyenne
 File G/G/m

 ca2  ce2 
Wq (G / G / m)    Wq  M / M / m 
 2 
 Files M/G/1 et M/G/m

 1  ce2 
Wq ( M / G / 1)    Wq  M / M /1
 2 
 1  ce2 
Wq ( M / G / m)    Wq  M / M / m 
 2 
Pourquoi ?
L'écart-type (loi exponentielle) = Moyenne (loi exponentielle) =

Donc
CV (loi exponentielle)=1