Analyse des systèmes de production

Méthodes analytiques Simulation

Déterministe Stochastique
(Sans variables aléatoires) (Avec variables aléatoires)

Statique Dynamique
Modèles mathématiques
(à un temps t) (sur un intervalle de temps Δ)

Méthodes analytiques Technique Monte Carlo (logiciel (Logiciels : Witness, Arena,

(Files d’attente, réseaux de Petri, Minitab, etc.) Promodel, etc.)
chaînes de Markov, etc.)

Résultats 1

III. Modélisation de flux de production

III.1. Les files d’attente

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.

2
File d’attente (Clients) Serveur

2 GSIL ENICarthage 1
 III. Modélisation de flux de production
III.1. Les files d’attente

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

File d’attente (Clients)

Cas File d’Attente :

Dans un chantier de construction, les ouvriers arrivent, pointent leur présence et

vont chercher leurs outils de travail auprès d’un magasinier chargé de la
conservation des outils. Dans la situation de départ, les ouvriers arrivent selon un
processus de poisson, au rythme moyen de 15 personnes par heure. Le
magasinier sert selon une distribution exponentielle, en moyenne 18 personnes à
l’heure.

 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. Modélisation de flux de production

III.1. Les files d’attente

III.1.1. Notation
Un système de file d’attente peut être représenté comme suit (Notation de Kendall) :

A/B/S/N/K/D

A : la distribution du temps inter-arrivée N : la capacité du système (phase),

B : la distribution du temps de service K : la taille de population,
S : le nombre de serveur en parallèle, D : la discipline de file d’attente

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

Temps inter-arrivée de taux λ (Processus de poisson)

= Nombre moyen de clients arrivant par unité de temps est λ
= Temps moyen séparant l’arrivée de deux clients est 1/ λ
7

III. Modélisation de flux de production

III.1. Les files d’attente
μ
Temps de service : μ

1/μ

Temps de service exponentiel de taux μ

= Nombre moyen de client servis par unité de temps est μ
8
= Temps moyen de service est 1/ μ
8

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.

Si le temps de service suit la loi exponentielle, le taux de service (nombre de

clients servis par unité de temps) suit la loi de Poisson.

De la même manière, si le taux d’arrivée suit la loi de Poisson, le temps inter-

arrivées (temps entre deux arrivées successives) suit une loi exponentielle.
9

III.1. Files d’attente

III.1.2. La file d’attente M/M/1

La file d’attente M/M/1 représente un éventail très large de cas réels

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 

Probabilité d’avoir n produits dans le système

  n
Pn  (1 )
 
  (1 ) n 11

11

Cas File d’Attente :

Dans un chantier de construction, les ouvriers arrivent, pointent leur présence et vont chercher
leurs outils de travail auprès d’un magasinier charge de la conservation des outils. Dans la
situation de départ, les ouvriers arrivent selon un processus de poisson, au rythme moyen de 15
personnes par heure. Le magasinier sert selon une distribution exponentielle, en moyenne 18
personnes à l’heure.

 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.

Un serveur : 1 magasinier Deux serveurs : 2 magasiniers

Tf = λ / [μ ( μ – λ)] = 15 / (18 (18 – 15)) = 0.28 h/p
Coût attente = 0,28 h/p * 15 p/h * 5 D/h = 21 D/h
Coût magasinier = 3 D/h
Coût Total = 24 D/h
Tf = 15 / (36 (36 – 15)) = 0.0198h/p
Coût attente = 0,019 h/p * 15 p/h * 5 D/h = 1,485 D/h
Coût magasinier = 2*3 = 6 D/h
Coût Total = 7.485 D/h
12

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

Flux entrant = Flux sortant

L’égalité concerne les moyennes globales

avec des fluctuations sur le temps
16

16

2 GSIL ENICarthage 8
 Loi de Little
Processus de production

Indicateurs de mesures du Processus

D WIP
Processus D
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 ?

Débit (D) = 30 i/h WIP = D * LT

Lead Time (LT) = 0,5 h = 30 * 0,5
Work In Process (WIP) = ? = 15 interrupteurs 19

19

Loi de Little
Processus de production
Processus Stable
Analyse
WIP = D * LT
LT = WIP / D

Pour LT Débit (D)

Lead Time (LT)
Il faut WIP et D Work In Process (WIP)

20

20

2 GSIL ENICarthage 10
 Application :

Les clients d’un bureau de poste se présentent généralement en matinée (selon

la loi de Poisson), à raison de 14 clients en moyenne à l’heure. On estime que
chaque Guichet peut servir un client (temps distribué selon une loi exponentielle)
en moyenne en quatre minutes.

a)Quels sont les taux d’arrivée et de service ?

b)Déterminez le nombre moyen de clients dans le Bureau de poste, le temps

moyen passé en attente et le temps moyen passé dans le Bureau de poste.

c)Déterminez le taux d’occupation des guichets lorsque S = 2, 3, 4 Guichets.

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).

Déterminez les mesures de performance suivantes :

a) Pourcentage d’inactivité de l’agent.

b) Nombre moyen de clients qui attendent pour être servis.

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

d) Probabilité qu’il y ait 4 clients ou plus dans le système.

22

22

2 GSIL ENICarthage 11
 Application : Correction

λ = 15 clients à l’heure et 3 minutes/client = temps de service = 1/μ

donc μ = (1/3) × 60 minutes par heure = 20 clients à l’heure

a) Pourcentage d’inactivité de l’agent.

Pourcentage d’inactivité = 1 – ρ = 1 – 0,75 = 0,25 c’est-à-dire 25 % du temps

b) Nombre moyen de clients qui attendent pour être servis.

Nf = λ2 / [ μ ( μ – λ)] = 2,25 clients

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

Ts = 1 / ( μ – λ) = 0,20 heure ou 12 minutes

d) Probabilité qu’il y ait 4 clients ou plus dans le système.

3
P 4  1  Pn 23
n 0

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 

Probabilité d’avoir n produits dans le système Pn  (1 )




 n

 (1 ) n
25

25

Processus de naissance et de mort

Le comportement d’une station peut être décrit par un « Processus de naissance et de mort »
Une arrivée : une naissance, un départ : une mort.

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

Processus de naissance et de mort

En régime permanent, pour tout état n = 0, 1, 2, …, le taux d’entrée moyen de

clients doit être égal au taux de départ moyen => Équation d’équilibre
0 1 n-1 n
0 1 2  n-1 n n+1

1 2 n n+1

Etat Equation d’équilibre

0
0 1P1   0 P0 P1  P0
1
 0 P0   2 P2  1P1  1P1 
1 P2  1 P1
2
 
 n 1Pn 1   n 1Pn 1  ( n   n ) Pn 
n Pn  n 1 Pn 1
 n

28

28

2 GSIL ENICarthage 14
 Processus de naissance et de mort

En régime permanent, pour tout état n = 0, 1, 2, …, le taux d’entrée moyen de

clients doit être égal au taux de départ moyen => Équation d’équilibre
Etat Equation d’équilibre
0
0 1P1   0 P0 P1  P0
1
 
n  n 1Pn 1   n 1Pn 1  (  n   n ) Pn  n 1
Pn  Pn 1
n

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

File d’attente M/M/1 ( μ > λ ) :

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    1ρ
   
1 

ρ
n   ρ 
1  C n
 1  
Rappel : Série géométrique
 n 1   n 1  

1ρ 


P0 1 ρ
n
P n  ρ (1 - ρ) 30

30

2 GSIL ENICarthage 15
 File d’attente M/M/1 ( μ > λ ) :

• Ns Nombre moyen de clients dans le système

  
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

File d’attente M/M/1 ( μ > λ ) :

• Nf Nombre moyen de clients dans la file (en attente)

= 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 

Probabilité d’avoir n produits dans le système Pn  (1 )




 n

 (1 ) n 35

35

Les files d’attente

Loi de Little

• A(t) nombre cumulé d’arrivées pendant [0, t]

• D(t) nombre cumulé de départs pendant [0, t]
• N(t) = A(t) − D(t) nombre de clients au temps t
• Ti : temps de séjour (attente+service) du i ème client
36

36

2 GSIL ENICarthage 18
 Les files d’attente
Loi de Little

• A(t) nombre cumulé d’arrivées pendant [0, t]

• D(t) nombre cumulé de départs pendant [0, t]
• N(t) = A(t) − D(t) nombre de clients au temps t
• Ti : temps de séjour (attente+service) du i ème client
37

37

Les files d’attente

Loi de Little

• A(t) nombre cumulé d’arrivées pendant [0, t]

• D(t) nombre cumulé de départs pendant [0, t]
• N(t) = A(t) − D(t) nombre de clients au temps t
• Ti : temps de séjour (attente+service) du i ème client
38

38

2 GSIL ENICarthage 19
 Les files d’attente
Loi de Little

Nombre moyen dans le système Ns = λ Ts

Nombre moyen dans la file Nf = λ Tf

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

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 

Probabilité d’avoir n produits dans le système

  n
Pn  (1 )
 
 (1 ) n 40

40

2 GSIL ENICarthage 20