Vous êtes sur la page 1sur 40

Modles de files dattente

Modle gnral de files dattente, tude des lois darrives et de service du


systme, distribution exponentielle, proprits dun systme de file dattente.
Processus de naissance et de mort. tude de cas particuliers : une ou plusieurs
files, une ou plusieurs stations, un nombre limit ou non de clients, distributions
non exponentielles, etc. Politiques de service. Aspect conomique des
phnomnes dattente. Applications.

Gnralits
Nous sommes souvent en prsence dun phnomne de files dattente.
CONGESTION :
Lorsque la demande de service dpasse la capacit de service,
il y a formation de files dattente.
Caractristiques dun tel phnomne :
Arrives dunits des intervalles de temps irrguliers ou non,
un centre de service.
Exemple : arrive de camions un poste de chargement,
entre de clients dans un magasin,
arrive de bateaux dans un port,
etc.
Un ou plusieurs canaux de service ou stations.
Exemple : guichet, vendeur, etc.
Les units doivent ventuellement attendre quune station soit disponible
pour tre servies.
Les intervalles de temps de service des units sont irrguliers ou non.
2

Gnralits
Cas non intressant :
Des intervalles constants des entres et des temps de service,
avec une dure de service plus leve que lintervalle entre 2 entres,
La file dattente augmente rgulirement et indfiniment.
Schma de file dattente :
Systme dattente
Source 1

Station 1
File dattente 1

Source 2

Processus
darrive
dunits

File dattente 2

File dattente F
Source U

Processus
de service
des units
(dure et
ordre de
service, )

Station 2

Station S
3

Modle gnral de file dattente


Posons
M nombre dunits dans lensemble du phnomne (peut tre infini)
(dans les sources, les files et les stations),
N nombre dunits dans le systme (dans les files et les stations),
Q nombre dunits dans les files dattente,
Qmax nombre maximum dunits dans les files dattente,
R nombre dunits en cours de service,
S nombre de stations,
SI nombre de stations inoccupes,
SO nombre de stations occupes,
F nombre de files dattente,
4

Quelques rsultats prliminaires .


Trivialement,

N=

si N S

S+Q

sinon.

En gnral, N N(t), Q Q(t) et R R(t) varient en fonction du temps et sont


alatoires suivant une loi de probabilit que nous chercherons connatre.
Posons maintenant
pn = Prob(N = n) la probabilit quil y ait n units dans le systme.
En gnral, pn pn(t) varient aussi en fonction du temps.
M
On obtient alors : E[N] = k pk le nombre moyen dunits dans le systme.
k=0
M
Dans le cas dune seule file dattente (F = 1),
E[Q] =
(k S) pk
k = S+1
dsigne le nombre moyen dunits dans la file.
5

Quelques rsultats prliminaires .


E[SI] =

(S k) pk dsigne le nombre moyen de stations inoccupes.


k=0

On peut vrifier assez facilement que :


E[N] = E[Q] + S E[SI]

(en exercice)

Afin de poursuivre plus avant notre tude dun phnomne dattente, il nous faut
connatre les probabilits pn quil y ait n units dans le systme.
Pour y arriver, il nous faut tudier les lois darrives et de service du systme.

Arrive dune unit dans le systme


Considrons un intervalle de temps de dure t et n le nombre dunits qui arrivent
dans le systme dans cet intervalle,
n est une variable alatoire.
Hypothses :
La probabilit quil y ait n arrives dans lintervalle de dure t ne dpend que
de t et non de linstant initial partir duquel on a comptabilis les arrives
dans le systme.
Homognit ou stationnarit dans le temps.
La probabilit quune arrive se produise plus dune fois dans un intervalle
de temps infinitsimal dt est infiniment petite par rapport dt.
Il ny a pas darrives en groupe (plusieurs arrives simultanes).
La probabilit quune arrive se produise une fois exactement dans un
intervalle de temps infinitsimal dt est proportionnelle dt, disons dt.
Il ny a pas dheures de pointe (rpartition uniforme).
7

Arrive dune unit dans le systme


Nous pouvons poser
pn(t) la probabilit quil y ait n arrives dans lintervalle de dure t.
Sous les hypothses prcdentes, on peut montrer que le nombre darrives dans
un intervalle de temps t, soit N(t), suit une distribution de Poisson de paramtre t
gal au nombre moyen darrives pendant un temps t i.e.
pn(t) ( t)n e-t
n!
On a aussi que :

E[N] = t

n = 0, 1, 2,

et

Var[N] = t.

La loi des arrives est entirement dtermine par le nombre moyen


des arrives par unit de temps.
8

Temps de service dune unit dans le systme


Aprs une priode dattente, les entits dans le systme reoivent le service.
Le service est alatoire; il est donc dcrit par une distribution de probabilit.
Si le nombre darrives dans un intervalle de temps obit une loi de
Poisson, alors la dure sparant deux arrives est exponentielle.
Nous considrerons donc que la dure de service suit une loi exponentielle
de paramtre dont la fonction de densit est :
f(t) = e-t

t [0, ),

> 0.

La loi des services est entirement dtermine par le taux moyen


des services gal linverse de la dure moyenne dun service.
Note :

Nous supposons que < sans quoi la file va augmenter indfiniment.


moins davis contraire, les premiers arrivs sont les premiers servis.
9

Processus de naissance et de mort


Une arrive : une naissance,

un dpart : une mort.

Hypothses :
Soit N = n,

le temps coul jusqu la prochaine naissance suit


une loi exponentielle de paramtre n,
le temps coul jusqu la prochaine mortalit suit
une loi exponentielle de paramtre n,

seul une naissance ou une mort arrive la fois,


n : taux darrive lorsquil y a n clients dans le systme,
n : taux de service lorsquil y a n clients dans le systme.
Problme :
Trouver une formule pour pn(t) = Prob(N(t) = n) la probabilit quil y ait n
units dans le systme au temps t.
10

Processus de naissance et de mort : rsolution


Rgime transitoire :

pn(t) dpend de t (rsolution difficile).

Rgime stationnaire : pn(t) est indpendant de t.


En supposant le rgime transitoire trs court, notre intrt va porter sur le rgime
stationnaire.
PRINCIPE PERMETTANT DCRIRE UNE QUATION DQUILIBRE POUR
TOUT TAT n :
pour tout tat n = 0, 1, 2, , le taux dentre moyen de clients doit tre
gal au taux de dpart moyen.

diagramme
dtats
11

Calcul de Pn pn(t)

12

Calcul de Pn pn(t)

13

1er cas : modle S/F/M/Qmax modle 1/1//


Une file dattente de capacit illimite, une station, une source illimite.

Intensit
de trafic
diapositive
suivante

14

Modle 1/1// : calcul de P0

Vous jouez pile-ou-face. Vous dcidez de jouer jusqu' ce qu'apparaisse "Pile"


pour la premire fois. Le nombre L de lancers ncessaires est donc une variable
alatoire dont la distribution est gomtrique.
15

Modle 1/1// : intensit de trafic


Max Pn correspond = n .

n+1
Exemple :
La probabilit la plus leve de rencontrer 3 units dans le systme
a lieu lorsque = 3 / 4 et a pour valeur : 27 / 256 0.1054.
Pour calculer Prob(N n), on a :
n
Pi

(1 - )

i=0

n
n
i=0

1 - n+1

Par consquent, Prob(N > n) = n+1 et la probabilit quil y ait au moins une
unit dans le systme est Prob(N > 0) = = intensit de trafic = 1 probabilit
de ne pas attendre.
16

Modle 1/1// : nombre moyen dunits dans le systme

N = / (1 - )
Note :

Si , alors 1 et N .
La quantit est lessence mme du problme; cela reflte un compromis
entre le gain issu de la rduction de N et le cot associ des installations
et du personnel constituant le service.
17

Modle 1/1// : nombre moyen dunits dans la file dattente

18

Modle 1/1// : temps moyen pass dans le systme


Formule de Little :
Temps moyen pass dans le systme (temps de service inclus) :

N/

= [ / (1 - )] /
= [1 / (1 - )] /

= 1 / ( - )

Temps dattente moyen dans la file :

Q/

Note :

N/-Q/= 1/

= [2 / (1 - )] /
= [ / (1 - )] /
=N/

= / [( - )]

ce qui reprsente bien le temps moyen de service.

19

Modle 1/1// : exemple I


Dans une usine de fabrication de meubles, on peint 20 units lheure.
Celles-ci arrivent la salle de peinture un rythme moyen de 12 lheure.

= 12
= 20

Nombre moyen de meubles dans la salle de peinture

N = / (1 - ) = (12 / 20) / (1 12 / 20)


= 1.5 meuble.
Temps moyen pass dans la salle de peinture

N / = 1.5 / 12 = 1/8 heure = 7.5 minutes.


Temps moyen dattente avant dtre peint

N / = 1.5 / 20 = 3/40 heure = 4.5 minutes.


20

Modle 1/1// : exemple II


Dans un grand magasin, on a observ les arrives suivantes de clients :
Arrives pendant
une priode
de 5 min.
(n)
0
1
2
3
4
5
6

Frquences
observes
(fn)

29
34
24
8
4
1
0

Nombre moyen darrives par priode de 5 minutes :


6
1
n fn = 1.27
100
n=0

Total sur 100

21

Le paramtre 1.27 est-il admissible comme celui de


la loi de Poisson associe aux arrives ?
Effectuons donc un test du 2.
Rgle suivre : On doit retrouver 4 5 lments par classe au
minimum pour un chantillon de taille 100.
Regroupons les 3 dernires classes en une.
Arrives pendant
une priode
de 5 min.
(n)
0
1
2
3
4

Frquences
observes
(fn)
29
34
24
8
5

Frquences
thoriques
(100 pn(t) )
o t = 1.27
28
36
23
9
4
100 ce qui prcde

Diffrence :
fd
2
|fn 100 pn(t) |
100 pn
(fd)
1
4
1
1
1

.0357
.1111
.0435
.1111
.2500
22

Le paramtre 1.27 est-il admissible comme celui de


la loi de Poisson associe aux arrives ?
Nous avons alors exp2 = 0.0357 + 0.1111 + 0.0435 + 0.1111 + 0.2500 = 0.5514.
tant donn que nous avons estim un paramtre et que nous possdons
5 classes, nous sommes en prsence dune 2 3 degrs de libert.
un niveau = 5 %, on obtient t2 = 7.8147 et vu que t2 > exp2 on accepte
lhypothse que :
= 1.27 / 5 minutes = 0.254 / minute.

23

Dure des services


La dure des services sest rpartie comme suit :
Dure Frquence
[0, 1)
23
[1, 2)
20
[2, 3)
14
[3, 4)
12
[4, 5)
9
[5, 6)
5
[6, 7)
4
[7, 8)
5
[8, 9)
3
[9, 10)
2
[10, 11)
2
[11, 12)
1
[12, )
0

Dure moyenne de service (1 / ) :


(0.5 x 23 + 1.5 x 20 + + 11.5 x 1) / 100
= 3.27
= 1 / 3.27 0.3 / minute

valeur mdiane
de lintervalle

Vrifions par un test de 2 si cette hypothse


est fonde.
24

Dure des services


Regroupons quelques classes :
Dure

[0, 1)
[1, 2)
[2, 3)
[3, 4)
[4, 6)
[6, 8)
[8, )

Frquences

Frquences

observes
(fn)

thoriques
(100 pn)
o 0.3

23
20
14
12
14
9
8

26
19
14
11
14
7.5
9

Diffrence :
|fn 100 pn |2
(fd)

9
1
0
1
0
2.25
1

fd
100 pn

.3962
.0526
0
.0909
0
.3000
.1111

exp2 = 0.9008
qui correspond un 2 5 degrs de libert. 5 %, on a t2 = 11.1; on accepte
donc lhypothse.
25

Caractristiques de la file dattente


S=1
= / = 0.8467
Nombre moyen dunits dans le systme

N = / (1 - ) = 5.52

Temps moyen dattente

N / = 5.52 / 0.3 = 18.4 min.

Nombre moyen de clients


une
journe
de 8 h.

Temps perdu en attente

0.254 x 8 x 60 = 121.92
121.92 x 18.4 min.

Temps pendant lequel le caissier est occup

Dure
moyenne
de service

121.92 x 3.27 min.


26

Modle S/1//

Arrive dune unit

Les S stations
sont occupes.

non

oui

Lunit
Lunit attend.
est servie
immdiatement

27

Modle S/1// : nombre moyen dunits dans la file


Q

Temps dattente moyen :

Q/

Q=
28

Modle S/1// : nombre moyen de stations inoccupes


SI

SI

29

Modle S/1// : nombre moyen dunits dans le systme


N = Q + S SI
N=Q +/

Modle S/1// : temps moyen pass dans le systme


Q/+1/

Note :

S P0 e - /
La probabilit quil y ait 0 unit dans la file lorsque S est gale 1.
30

Modle S/1// : probabilit quune unit attende dans la file

Prob(N S) =

pn
n=S

n
n=S

p0 SS
S!

p0 ( / )S
S! (1 - )

31

Exemple : salle durgence dun hpital


Arrives de patients suivent un processus de Poisson.
Dure de traitement par patient obit une loi exponentielle.
= 2 patients / heure
= 3 patients / heure
Question :

Doit-on affecter un ou deux mdecins ?

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

4/3

1 / 12

Nombre moyen dunits dans la file

3/4

Nombre moyen dunits dans le systme

2/3

Nette amlioration 1/24

n2

Temps moyen dattente dans la file

32

3ime cas : modle S/F/M/Qmax modle 1/1//q


Une file dattente de capacit limite q, une station, une source illimite.
Lorsquil y a q + 1 units dans le systme, les nouveaux arrivants partent sans
recevoir de service.
Ex. : Salle dattente de capacit limite.
si n = 0, 1, 2, , q

Taux darrive :

n =

Taux de service :

n =

Cn =

0 si n > q
pour tout n.

(/)n = n

si n = 0, 1, 2, , q, q + 1

si n > q + 1

P0 = [ 1 - ] / [1 - q+2]

et

Pn = [ (1 - ) n] / [1 - q+2] n q + 1
33

3ime cas : modle S/F/M/Qmax modle 1/1//q


N=

n Pn
n=0

= [ (1 - )] / [1 - q+2]

q+1
n n
n=0

= [ / (1 - )] - [ (q + 2) q+2 / (1 - q+2)]

Q = N (1 P0).
q
= taux darrive moyen = n Pn
n=0

= (1 Pq+1)

Temps pass dans le systme : N / .


Temps dattente dans la file : Q / .
34

4ime cas : modle S/F/M/Qmax modle s/1//q


Une file dattente de capacit limite q, s stations, une source illimite.
Lorsquil y a q + s units dans le systme, les nouveaux arrivants partent sans
recevoir de service.
Ex. : Salle dattente de capacit limite.
si n = 0, 1, 2, , q + s - 1
n =
Taux darrive :
0 si n q + s
n =

Taux de service :

Cn =

(/)n / n!

n
s

si n = 0, 1, 2, , s

[(/)s (/s)n-s] / s!
0

si n s
si n > s

si n = s + 1, s + 2, , q + s

si n > q + s

On peut alors calculer P0 et, ensuite, Pn pour tout n = 1, 2, , q + s.


etc.
35

5ime cas : modle S/F/M/Qmax modle 1/1/m/


Une file dattente de capacit illimite, une station, une source limite m.
Exemple :
Considrons un atelier dans lequel sont utilises m machines identiques qui
fonctionnent indpendamment les unes des autres. Des pannes se produisent
sur ces machines, dune faon alatoire selon une loi de Poisson avec un taux
pour chacune.
Pour les rparer, on dispose dun mcanicien qui constitue ainsi la station par
o doivent passer les machines. La dure des rparations est distribue selon
la loi exponentielle avec un taux .
(m - n)
si n = 0, 1, 2, , m
n =
Taux darrive :
0
si n m
Taux de service :

n =

si n = 1, 2, , m.

o n dsigne le nombre de machines dans le systme (n m).


/ dsigne le facteur de service ou facteur dentretien.
36

5ime cas : modle S/F/M/Qmax modle 1/1/m/


Cn =

m!(/)n / [(m n)!]

Pn = C n P 0

si n = 1, 2, , m.

si n = 1, 2, , m.

Pour calculer P0, on se sert du fait que : P0 = 1 - P1 - - Pm.

Le nombre moyen dunits dans la file est :

m
(n 1) Pn = m - (1 P0) (1 + / )
n=2

m
Le nombre moyen dunits dans le systme est :
n Pn = m - (1 P0) /
n=0
m
La probabilit dune attente de dure quelconque est : Pn = 1 P0
n=1
37

5ime cas : modle S/F/M/Qmax modle 1/1/m/


Le temps moyen dattente dans la file est :
cest--dire,

nombre moyen dunits dans la file


taux moyen des arrives

# moyen dunits dans la file


(m - # moyen dunits dans le systme)
= [m / (1 P0) (1 + / )] /

Le temps moyen dattente dans le systme est :


# moyen dunits dans le systme
(m - # moyen dunits dans le systme)

= [m / (1 P0) - / ] /

38

6ime cas : modle S/F/M/Qmax modle s/1/m/


Gnralisation du cas prcdent : s mcaniciens au lieu dun seul.
Taux darrive :

n =

Taux de service :

n =

(m - n)

si n = 0, 1, 2, , m

si n m
n
s

si n = 1, 2, , s.
si n = s+1, s + 2, , m.

o n dsigne le nombre de machines dans le systme (n m).

Pn = m
n
Pn =

P0

n!
s! sn-s

m
n

si n = 1, 2, , s

P0

si n = s + 1, s + 2, , m
etc.
39

Conclusion
Il existe plusieurs autres types de phnomnes dattente avec des lois darrives
et/ou de service diffrentes. Mais les principes gnraux demeurent les mmes.
Exemples :
Un taux de service qui dpend de ltat du systme (n).
Des dures de services non exponentielles.
etc.

40