Académique Documents
Professionnel Documents
Culture Documents
Déterministe Stochastique
(Sans variables aléatoires) (Avec variables aléatoires)
Statique Dynamique
Modèles mathématiques
(à un temps t) (sur un intervalle de temps Δ)
Résultats 1
Une file d’attente est un ensemble ordonné d’entités (clients) qui attendent un
changement de statut (qu’un serveur se libère). On trouve le phénomène
d’attente aussi bien dans les systèmes manufacturiers que dans les banques,
postes, etc.
2
File d’attente (Clients) Serveur
2 GSIL ENICarthage 1
III. Modélisation de flux de production
III.1. Les files d’attente
Une file d’attente est un ensemble ordonné d’entités (clients) qui attendent un
changement de statut (qu’un serveur se libère). On trouve le phénomène
d’attente aussi bien dans les systèmes manufacturiers que dans les banques,
postes, etc.
Serveur
Si un magasinier est payé 3 D/h et chaque ouvrier 5 D/h, on veut savoir s’il est
opportun économiquement d’engager un deuxième magasinier.
4
2 GSIL ENICarthage 2
III. Modélisation de flux de production
III.1. Les files d’attente
III.1.1. Notation
Clients servis
Population File d’attente Service
Système = Phase
- La population : les clients qui vont aller au système (Temps inter-arrivée des clients),
- La file d’attente : espace où les clients attendent le service (capacité et règle de gestion),
- Le service : (Temps de service et nombre de serveurs en parallèle),
- Le système est composé de la file d’attente et du serveur.
5
III.1.1. Notation
Un système de file d’attente peut être représenté comme suit (Notation de Kendall) :
A/B/S/N/K/D
Des symboles commun pour A et B sont : M (Exponentiel), Pour D, FIFO (First In First Out), LIFO (Last In First Out),
D (Déterministe), N (Normal), P (de Poisson). RANDOM (Aléatoire) 6
2 GSIL ENICarthage 3
III. Modélisation de flux de production
III.1. Les files d’attente
Processus d’arrivée :
Loi de poisson
λ=5
0 5 10 15
1/μ
2 GSIL ENICarthage 4
III. Modélisation de flux de production
III.1. Les files d’attente
Remarque :
Il existe une relation entre la distribution de Poisson et la distribution
exponentielle.
1 serveur
FIFO
Clients servis
Population File d’attente Service
Arrivée M : Service M :
Population ∞ temps inter-arrivée temps de service
exponentiel de taux λ exponentiel de taux μ
10
Capacité ∞
10
2 GSIL ENICarthage 5
File d’attente M/M/1 : Indicateurs de performance en régime permanent (μ > λ)
Taux d’occupation du poste
1 1 1
Ts
1
Temps moyen dans le système (attente et service)
Nombre moyen dans le système N s λT s
1
Loi de Little
Temps moyen dans la file T f Ts
( ) (1 )
2 2
Nombre moyen dans la file N f Ns
( ) 1
11
Si un magasinier est paye 3 D/h et chaque ouvrier 5 D/h, on veut savoir s’il est opportun
économiquement d’engager un deuxième magasinier.
La formule du temps d’attente dans la file permet de comparer les coûts totaux de l’attente et des
salaires de magasinier selon que l’on a un ou deux magasiniers.
12
2 GSIL ENICarthage 6
Cas 2 File d’Attente :
Dans un centre d’entrepôt, des camions type X arrivent et chargent au bord d’un quai Q1. Ces
camions arrivent selon une distribution exponentielle (Processus de poisson), au rythme moyen de
12 camions par jour. Le quai de chargement sert selon une distribution exponentielle, en moyenne
15 camions par jour. L’unité de temps considérée est par jour.
13
13
Loi de Little :
Processus de Production
14
14
2 GSIL ENICarthage 7
File d’attente : Loi de Little
15
15
Loi de Little
Processus de production
Processus Stable
Processus
de Production
16
2 GSIL ENICarthage 8
Loi de Little
Processus de production
LT
Pour une commande reçue
Lead Time (LT) : Le temps que passe un produit dans le processus
Work In Process (WIP) : La quantité du stock en-cours de fabrication
Débit (D) : La quantité sortie du processus par unité de temps
17
17
Loi de Little
Processus Stable
D WIP
Processus D
de Production
LT
18
18
2 GSIL ENICarthage 9
Loi de Little
Processus de production
Processus Stable
Exemple
Un fabricant d’interrupteurs produit en moyenne 30
Interrupteurs par heure, et il faut 0,5 heure pour que ce
produit traverse le processus. Quel est l’en-cours moyen
dans ce processus ?
19
Loi de Little
Processus de production
Processus Stable
Analyse
WIP = D * LT
LT = WIP / D
20
20
2 GSIL ENICarthage 10
Application :
21
21
Application :
Une compagnie aérienne envisage d’ouvrir un point de vente dans un nouveau centre
commercial avec une salle d’attente de capacité 3 personnes. Elle compte y faire travailler
un agent qui sera responsable des réservations et de la vente de billets. On prévoit une
arrivée de 15 clients à l’heure en moyenne selon la loi de Poisson et que le temps de
service sera de 3 minutes en moyenne par client (distribution exponentielle).
22
22
2 GSIL ENICarthage 11
Application : Correction
23
Annexe 1
24
24
2 GSIL ENICarthage 12
File d’attente M/M/1 : Indicateurs de performance en régime permanent (μ > λ)
Taux d’occupation du poste
1 1 1
Temps moyen dans le système (attente et service) Ts
1
Nombre moyen dans le système N s λT s
1
Temps moyen dans la file T f Ts
( ) (1 )
2 2
Nombre moyen dans la file N f Ns
( ) 1
25
Arrivée des clients : processus de poisson / Service des clients : loi exponentielle
Seul une naissance ou une mort arrive à la fois,
n : taux d’arrivée lorsqu’il y a n clients dans le système,
n : taux de service lorsqu’il y a n clients dans le système.
Problème :
Trouver une formule pour pn(t) = Prob(N(t) = n)
26
la probabilité qu’il y ait n unités dans le système au temps t.
26
2 GSIL ENICarthage 13
Processus de naissance et de mort
Les états de la station sont : 0 client dans la station, 1 clients, 2 clients, etc...
• On passe de l’état i à l’état i+1 si un client arrive c’est à dire en suivant une loi
exponentielle de taux λ .
• On passe de l’état i à l’état i-1 si un client est servi c’est à dire en suivant une
loi exponentielle de taux μ (μ est le taux de service du serveur).
0 1 n-1 n
0 1 2 n-1 n n+1
1 2 n n+1
n = état n, signifie n clients dans le système 27
27
1 2 n n+1
28
2 GSIL ENICarthage 14
Processus de naissance et de mort
λ n 1 ... λ 2 λ 1 λ 0 λ n 1 ... λ 2 λ 1 λ 0
Pn
μ n ... μ 3 μ 2 μ 1 P0 avec Cn
μ n ... μ 3 μ 2 μ 1
Pn CnP0
1
1 C n P 0 1 P0
n 1 1 C n
Pn 1 n 1
29
n 0
29
n
λ n 1 ... λ 2 λ 1 λ 0
Pn CnP0 avec Cn Pn ρ P0
μ n ... μ 3 μ 2 μ 1
1 1 1
P0 P0 1ρ
1
ρ
n ρ
1 C n
1
Rappel : Série géométrique
n 1 n 1
1ρ
P0 1 ρ
n
P n ρ (1 - ρ) 30
30
2 GSIL ENICarthage 15
File d’attente M/M/1 ( μ > λ ) :
Ns n P n n (1 ρ)ρ n (1 ρ )ρ n ρ n - 1
n 0 n 0 n 0
d ρ n
dρ n
(1 ρ )ρ (1 ρ )ρ n 0
n 0 dρ
dρ
Rappel : Série géométrique 1
d
1 - ρ (1 ρ )ρ
(1 ρ )ρ
dρ (1 ρ ) 2
ρ
Ns
(1 ρ ) 31
31
= Nbr moyen de clients dans le système – Nbr moyen de clients en train d’être servis
Nf Ns ρ
ρ ρ2
ρ
(1 ρ ) (1 ρ )
ρ2
Nf
(1 ρ )
32
32
2 GSIL ENICarthage 16
Annexe 2
33
33
File d’attente :
Loi de Little
34
34
2 GSIL ENICarthage 17
File d’attente M/M/1 : Indicateurs de performance
en régime permanent (μ > λ)
Taux d’occupation du poste
1 1 1
Temps moyen dans le système (attente et service) Ts
1
Nombre moyen dans le système N s λT s
1
Loi de Little
Temps moyen dans la file T f Ts
( ) (1 )
2 2
Nombre moyen dans la file N f Ns
( ) 1
35
36
2 GSIL ENICarthage 18
Les files d’attente
Loi de Little
37
38
2 GSIL ENICarthage 19
Les files d’attente
Loi de Little
Remarque : résultat général ! pas d’hypothèse sur la distribution des arrivées ou des services, ni sur la discipline.
La formule est valide pour un système de files d’attente observé entre [0,T] qui est vide aux temps 0 et T et avec
0<T<∞
- Little J. D. C. A proof for the queuing formula L= λ W . Operations Research, Vol. 9, No. 3 :383–387, 1961.
- Little J. D. C. Little’s Law as Viewed on Its 50th Anniversary, 2011.Operations Research, Vol. 59, No. 3, May-June
2011, pp 536–549. 39
39
Taux d’occupation du poste
1 1 1
Temps moyen dans le système (attente et service) Ts
1
Nombre moyen dans le système N s λT s
1
Loi de Little
Temps moyen dans la file T f Ts
( ) (1 )
2 2
Nombre moyen dans la file N f Ns
( ) 1
40
2 GSIL ENICarthage 20