Académique Documents
Professionnel Documents
Culture Documents
Encadré par:
Plan
Introduction
Module M/M/1
La loi de little
introduction
• La théorie des files d’attente consiste en l’étude de systèmes où des clients se présentent
`a un dispositif de service, appelé serveur.
• Puisqu’un client occupe le serveur pendant un certain temps, les autres clients doivent
attendre avant d’être servis, formant ainsi une file d’attente. Quelques exemples
d’application :
Réseaux informatiques : serveur = routeur, client = paquet.
Ateliers (job shop) : serveur = machine, client = tâche.
• En ingénierie, on s’intéresse `a des métriques de performance des files
d’attente, par exemple
Taille moyenne de la file d’attente.
Taux d’utilisation du serveur
Temps moyen d’attente d’un client.
Modèle ´élémentaire de file d’attente
En général, pour étudier l’impact de différents choix de conception sur la performance
d’une file d’attente, il faut construire un modèle de simulation.
On peut aussi utiliser un modèle simplifié pour lequel les métriques s’expriment par des
´équations analytiques.
Le modèle de base en files d’attente se nomme M/M/1 et se généralise en notation de
Kendall A/B/C/K/N/D :
A : processus d’arrivée (M = markovien ou memoryless).
B : processus de service (M = markovien ou memoryless).
C : nombre de serveurs
K : capacité du système (file + serveurs)
N : taille de la population des clients (habituellement infinie)
D : discipline de service (par défaut, FIFO, ou PAPS : 1er arrivé 1er servi, mais aussi
RANDOM ou PRIORITY).
Modelé M/M/1
Les clients se présentent au système aléatoirement selon un processus de
Poisson de taux λ
Le temps de service suit une loi exponentielle de taux µ, indépendamment
d’un client `a l’autre.
La file d’attente peut s’étendre `a l’infini.
Rappel sur le processus de Poisson :
Le nombre A(t) d’arrivées dans l’intervalle de temps [0;t] suit une loi de
Poisson de paramètre c = λt .
Les arrivées dans deux intervalles de temps disjoints sont indépendantes.
Le temps qui s’´écoule entre deux arrivées suit une loi exponentielle de
taux λ.
Cas pratique(processus de loi de poiss
Les clients d’une boulangerie se présentent généralement en matinée (calcul
effectué selon la loi de Poisson), à raison de 18 clients en moyenne à l’heure. On
estime que chaque vendeur au comptoir peut servir un client (temps distribué
selon une loi exponentielle) en moyenne en quatre minutes.
Arrivée avant un départ et départ avant une arrivée,
Arrivée avant un départ et départ avant une arrivée
Temps pour qu’une nouvelle arrivée se produise :
A ∼ Exp(λ).
Temps pour qu’un nouveau départ se produise :
D ∼ Exp(µ).
Probabilité qu’une arrivée se produise avant un départ :
P(A < D) =
Probabilité qu’un départ se produise avant une arrivée :
P(D < A) =
Remarque: A et D sont indépendantes
Analyse en régime stationnaire
Il est difficile d’étudier la variable aléatoire N(t) représentant le nombre de clients au
temps t dans le système.
On s’intéresse plutôt a: N=
On parle alors d’analyse en régime stationnaire (ou analyse `a l’équilibre) .
Pour qu’une file M/M/1 puisse atteindre l’équilibre, il faut que λ < µ (sinon la taille de
la file augmentera `a l’infini). A l´équilibre, on peut montrer que:
P(N = n) = P(N = n − 1) + P(N = n + 1) .
Il s’agit de la règle des probabilités totales.
Le terme représente la probabilité qu’un nouveau client arrive avant que le client en
service quitte le système, et est la probabilité que le client en service quitte avant
qu’un nouveau client n’arrive
équations d ’équilibre
Soit = P(N = n).
En posant les équations:
= + et = + , . . . ,
= + , . . . , et = 1
on trouve que: = (1 − ρ)ρn
Donc pour n = 0, 1, 2, 3, . . ., où ρ = λ µ < 1 est défini comme l’intensité du trafic.
Notations
nombre moyen de clients faisant la queue.
nombre moyen de clients en train d’être servis
+ moyen de clients dans le système en équilibre.
On a P(N = k) =.
+
Modelé M/M/ 1 : formules
ρ = λ/µ.
=
== =
1/µ.
=-=
Suite
Un seul serveur : si N=0 ou N=1 .
N-1 si N > 1 .
P( = 0) =P(N = 0) + P(N = 1) = + = 1 − ρ + ρ(1 − ρ) = (1 − ρ)(1 + ρ)
P( = k) =P(N = k + 1) = +1 = ρk+1(1 − ρ), pour k > 0.
b) En supposant que le nombre moyen de clients qui attendent en file est égal à 3,6,
déterminez le nombre moyen de clients dans le système, le temps moyen passé en
file et le temps moyen passé dans le système.
M = 3, ρ==0,40
M=4, ρ==0,30
Par conséquent, lorsque la capacité de service augmente, le taux
d’utilisation du système diminue.
La loi de Little
La loi s’énonce ainsi :