Filles d’attentes

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.

 Si N est le nombre de clients dans le système `a l’équilibre, alors N + 1 = ∼ Géom.

(p = 1 − ρ).
 Temps total (attente + service) passé dans la file : T ∼ Exp(µ − λ)
 Temps d’attente (variable mixte) :
 P( = 0) = = 1 − ρ.
 Exemple1:
  considère une file d’attente M/M/1 de taux λ = 1 et µ = 2.
On
Calculer (`a l´équilibre) :
1. Le nombre moyen de clients dans le système , .
2. Le nombre moyen de clients en service , .
3. Le nombre moyen de clients dans la file d’attente, .
Correction:
1 on a avec ρ = λ/µ
Donc ρ = λ/µ =1/2=0,2 et ==0,25
2, on a =
donc =0,2
3, pour
Donc =0,25-0,2=0,05
 exemple2:
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.
a) Quels sont les taux d’arrivée et de service ? Calculez le nombre moyen de clients en
train d’être servis (supposez que le taux d’utilisation du système est inférieur à 1).

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.

c) c) Déterminez le taux d’utilisation du système lorsque M = 2, 3, 4 serveurs.

Correction:
 a. Le taux d’arrivée est donné dans l’énoncé du problème : λ = 18 clients à l’heure.
Il faut traduire le temps moyen de service en heures, puis déduire le taux sachant
que pour une distribution exponentielle, la moyenne est égale à 1 / µ.
Donc, 1 / µ = 4 minutes par client / 60 minutes par heure = 1 / 15, ce qui donne un
taux moyen de service µ = 15 clients à l’heure.
donc ρ= ==1,2
b. Nombre moyen de clients dans le système :
,avec = ρ=1,2 et =3,6
3,6+1,2=4,8
donc Temps moyen d’attente en file :
== = 0,20 heure par client, ou 0,20 × 60 minutes = 12 minutes
Temps moyen passé dans le système :
= +=0,20 + = 0,267 heure, soit environ 16 minutes
c) Taux d’utilisation du système ρ = λ/Mµ :
  M = 2, ρ==0,60

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 :

où est le taux d’entrée dans le système( = λ pour une file M/M/1).

Puisque et =+, on trouve également que:
= et =
Remarque: La loi de Little s’applique `a tous les modelés de file d’attente
rencontrés en pratique (pas seulement `a la file M/M/1).
Un Exercice
  serveur informatique `a 5 processeurs reçoit en moyenne 1000 requêtes par
seconde. L’administrateur du serveur se rend compte que le serveur est occupé `a 100%,
et qu’en moyenne 8 requêtes sont en attente,
Question 1 : quel est le temps moyen d’attente d’une requête ?
Question 2 : quel est le temps moyen de traitement d’une requête ?
Correction
1- donc on va utiliser la formule de la loi de little
avec nombre moyen de clients dans la file d’attente d’une requête
le temps moyen d’attente d’une requête ,et :est le taux d’entrée
= et donc = = sec,
2- donc on a + avec ,
= -=(- =