Beruflich Dokumente
Kultur Dokumente
et dEconomie Applique
Files dattente
Support de cours
1re anne
Filires AF & ROAD
2014-2015
Belkora samir
AVANT-PROPOS
DEFINITION DE LA RECHERCHE OPRATIONNELLE
"La Recherche Oprationnelle consiste en lapplication des mthodes scientifiques pour
rsoudre les problmes complexes rencontrs dans la direction et la gestion de grands
systmes dhommes, de machines, de matriaux et dargent dans lindustrie, le commerce,
ladministration et la dfense. La caractristique de lapproche est le dveloppement dun
modle scientifique du systme (incluant la mesure de facteurs tels que le hasard et le risque)
avec lequel on tente de prvoir et comparer les rsultats de diverses dcisions et stratgies. Le
but est daider la direction dterminer sa politique de manire scientifique"
Cette dfinition a t propose par la Socit de Recherche Oprationnelle de GrandeBretagne ; elle conduit aux notions de prise de dcision optimale et de modle.
La dmarche scientifique de la Recherche Oprationnelle peut tre dcrite
schmatiquement de la manire suivante :
Formulation du modle et construction du modle
Rsolution du modle
Test du modle et de la solution
largement perfectionnes pour la rsolution des modles, ce qui revient, lorsquon a pu btir
un modle de la ralit, optimiser une certaine fonction en prsence de contraintes multiples
(les chercheurs oprationnels dsirent le plus souvent maximiser ou minimiser une fonction
conomique). Les techniques doptimisation constituent donc lessentiel des mthodes.
Mais laide la dcision quapporte la Recherche Oprationnelle peut concerner des
situations trs diverses. A cela correspond une trs grande diversit de modles et de
techniques de rsolution qui constitueront autant de modules.
Belkora samir
Belkora samir
SOMMAIRE
I.
Le processus darrive
b/
Le mcanisme de service
Belkora samir
Files dattente
I.
Introduction
Les phnomnes dattente constituent un mal invitable de notre poque. Ces phnomnes de congestion ont toujours
leur source dans des fluctuations du systme : cest parce que dans certaines priodes la demande de service excde loffre
que des files dattente se crent.
La thorie des files a fait lobjet de plusieurs dizaines de livres et de plusieurs milliers darticles (plus de 2000
recenss en 1914). Les premiers travaux dans ce domaine remontent K. Erlang qui tudia (de 1909 1920) les problmes
du rseau tlphonique de Copenhague. La thorie mathmatique des files dattente sest ensuite dveloppe grce aux
apports de Palm, Kolmogoroff, Khintchine, Pollackzeck et Kendall.
Le but de ce cours est de donner ltudiant une ide des diffrentes mthodes de solutions, des diffrentes modles
mathmatiques adapts aux situations varies dans lesquelles des files dattente peuvent tre observes.
Exemple de problmes de files dattente :
1/ Combien faut-il construire de lignes tlphoniques de manire ce que lattente pour obtenir une communication ne
soit pas trop grande sans effectuer cependant des investissements inutiles (lignes totalement ou presque totalement
inutilises) ?
2/ Combien faut-il prvoir de comptoirs dans un supermarch ? Comment peut-on adapter le nombre de vendeuses au
nombre de clients ? Convient-il de faire des comptoirs spciaux pour les clients ne prenant quun nombre limit
darticles ? On a un problme de mme type dans un bureau de poste, une banque, une gare
3/ Combien faut-il construire de pistes dans un arodrome de manire ce que le temps dattente latterrissage et au
dcollage ne soit pas excessif ? Conviendrait-il de donner la priorit certains types dappareils ? Quelles seront les
consquences de cette priorit sur le temps dattente des appareils non prioritaires ?
4/ Quel est, du strict point de vue du temps dattente total des automobilistes, le meilleur quipement dun carrefour : feux
de signalisation ou signal stop sur certains voies ? Si on adopte la solution de feux de signalisation, quel est le meilleur
rglage de ces feux ?
5/ Combien construire de postes de page un page autoroute ? Quelle surface prvoir pour lattente des
automobilistes ?
6/ Dans une usine, un certain nombre de machines sont susceptibles de tomber en panne. Combien de rparateur doit-il y
avoir pour que le fonctionnement de lusine ne soit pas trop perturb, compte tenu du fait que chaque rparateur reoit un
salaire mme quand les machines fonctionnent ? Si certaines machines sont plus importantes que dautres pour le
fonctionnement de lusine, convient-il de leur donner une priorit dans leur traitement ? Faut-il interrompre la rparation
Belkora samir
Files dattente
dune machine moins importante pour soccuper dune machine plus importante qui vient de tomber en panne ?
7/ Combien organiser un systme multi-processeur, un systme de temps partag, un rseau dordinateurs ? Doit-il y avoir
des travaux prioritaires ?
Files dattente
Belkora samir
Files dattente
- Dautres disciplines peuvent se rencontrer galement, par exemple la slection au hasard dune unit en attente, cas
frquent dans les systmes de tlphonie (RSS : Random Selection for Service / SIRO : Service In Random Order).
- GD (General Discipline) : pour indiquer indiffremment les trois disciplines cites plus haut.
- Dautre part, des rgles de priorit peuvent exister (PR).
Les clients peuvent appartenir des classes diffrentes, une unit de classe i ayant priorit sur une unit de classe j si i < j
(avions demandant la piste pour latterrissage, travaux dans un systme informatique).
On distingue la priorit relative ("non preemptive priority") pour laquelle larrive dune unit prioritaire ninterrompt pas
le service en cours de la priorit absolue ("preemptive priority") pour laquelle le service en cours est interrompu.
Remarques :
- Dans un systme de files dattente pour lequel les dures de service des clients sont indpendantes, on peut dmontrer le
rsultat suivant (qui est dailleurs intuitif) : quelle que soit la discipline dattente ( lexclusion de la priorit absolue), le
temps total pass dans le systme par lensemble des clients est le mme.
La rgle "premier arriv, premier servi" correspond un critre dquit en ce sens que cette rgle minimise la variance
des dures de sjour.
- Lorsquil y a plusieurs serveurs et que chacun dentre eux peut servir indiffremment chaque client, on peut :
. crer une file dattente unique ; le premier client de la file devant tre servi est affect au premier serveur libre
. avoir une file dattente par serveur (avec possibilit pour un client daller dune file une autre)
. affecter les clients aux serveurs par rotation : le client de rang n va la ime station sil ya S stations et si
Files dattente
a/b/c/d/e/f
o :
a = processus darrive (D , M , Ek , GI)
b = processus de service (D , M , Ek , G)
c = le nombre de serveurs (ou guichets)
d = la borne suprieure du nombre de clients dans le systme (capacit)
e = le nombre de clients
f = la discipline dattente (FIFO/ FCFS, LIFO/LCFS, RSS/SIRO, PR, GD)
Ainsi (M/M/S///FCFS) dsigne une file dattente o
Dans les cas (les plus courants) o les trois derniers symboles sont //FCFS, on se contente des trois premiers
(notation de Kendall). Ainsi, la file dattente ci-dessus sera dsigne par (M/M/1).
Files dattente
Dfinition :
On dsignera par le "taux darrive des clients" cest--dire que 1/ sera gal lesprance de lintervalle de temps
sparant deux arrives conscutives.
On dsignera par le "taux de service" cest--dire que 1/ sera gal lesprance de la dure de service.
Le rapport sans dimension
1
1
(resp. =
)
c
est appel "intensit du trafic" et sexprime en Erlangs (ce nom est souvent utilis en tlphonie).
Exemple :
Considrons des pices qui dfilent sur un tapis roulant au taux de pices par heure (cest--dire que lintervalle de temps
sparant le passage de deux pices conscutives est 1/ heures).
Chaque fois quune pice passe devant une certaine machine, la pice doit tre emboutie. La machine emboutir peut
traiter au maximum pices par heure (cest--dire que la dure de lopration est 1/ heures).
On a ici un systme D/D/1 qui nest pas proprement parler une file dattente puisquil ny a pas fluctuation.
Cependant, on peut faire au sujet de ce systme la remarque lmentaire suivante :
- si le temps sparant larrive de deux clients conscutifs est suprieur ou gal la dure du service (cest--dire si 1),
chaque client trouvera son arrive le guichet (serveur) libre et sa dure dattente sera nulle ; le systme sera stable.
- si le temps sparant larrive de deux clients conscutifs est infrieur la dure du service (cest--dire si > 1), le
serveur ne suffit pas la tche et la file dattente va crotre, en principe indfiniment ; le systme sera instable.
On verra que cette proprit de stabilit stend assez facilement une file dattente quelconque :
- Quand < 1, le systme est stable. La distribution du nombre de clients dans le systme (ainsi que celle du temps de
sjour) tend vers une distribution limite indpendante des conditions initiales (tat stationnaire).
- Quand 1, le systme est instable (except si la capacit du systme est limite). Le nombre de clients dans le systme
(ainsi que la dure de sjour) augmente indfiniment avec t. Il ny a pas de distribution limite.
Ainsi, en ce qui concerne la "rgularit" dun systme de file dattente, ce quon peut dire du cas trivial D/D/1 se
gnralise sauf dans le cas o lintensit du trafic est gale 1.
Il faut galement noter que ltat stationnaire est atteint au bout dun temps dautant plus long que est proche de 1.
Dfinition :
On pose :
. t1, t2, t3,
. 1, 2, 3,
. n = lim (P(Xt = n)) quand t + : probabilit pour quil y ait n clients dans le systme dans ltat stationnaire
. L : nombre de clients dans le systme dans ltat stationnaire.
On a : n = P(L = n) ( ltat stationnaire, la loi de L est celle de Xt)
. Lq : nombre de clients en attente dans ltat stationnaire
si L c
Lq =
c : nombre de serveurs
si L < c
Belkora samir
Files dattente
Wn
Wnq
. S : dure de service
Sn
Wn =
. Tn : temps qui spare les arrives du nime et du n + 1ime client
si Tn Wnq + Sn
q
Wn + 1 =
sinon
Rsultats gnraux :
- On peut reprsenter lvolution dune file dattente par le diagramme suivant (avec la discipline "premier arriv, premier
servi") :
Xt
t1
t2
t3 1 2 t4 3 4
t5
t6
t7
t8 5 t9
t10 6 7 8 9 10
T
- Considrons le systme pendant une priode T assez longue. On peut valuer de deux manires laire de la surface cidessus :
.
o
.
o
do :
Le terme correctif reste born quand T augmente ; donc si on divise les deux nombres de cette quation par T et quon fait
augmenter T, on a1 :
L(T)
A(T)
1
W(T)
T
T
T +
X1, , Xn n variables alatoires indpendantes, de mme loi pX, de mme esprance m, de mme cart-type et soit Y
On a : P(Y m) > ) 0 quand n ce qui signifie Y m quand n .
Belkora samir
X1 ... Xn
.
n
Files dattente
do :
Formule de Little
reprsente le taux darrive moyen des clients. Si le taux darrive des clients est constant le long du processus darrive
et gal , on a bien sr .
Entre les quatre quantits E(L), E(Lq) E(W) et E(Wq), on a aussi les trois relations suivantes :
. Le mme raisonnement que prcdemment avec le nombre moyen de personnes en attente et la dure moyenne dattente
conduit la formule suivante :
. Comme Wn = Wnq + Sn, si le taux de service est constant le long du processus, on obtient en prenant les esprances :
n = 0n = (1 - )n
0<n
Dmonstration :
Les arrives sont poissoniennes de paramtre arrives par unit de temps :
Belkora samir
Files dattente
Les dures de service suivent une loi exponentielle de paramtre services par unit de temps i.e desprance de dure
de service 1/ :
Soit maintenant P(Xt+h = n) = Pn(t + h) la probabilit quil y ait n clients (n > 0) dans le systme t + h :
Belkora samir
Files dattente
Belkora samir
10
Files dattente
11
E(Lq) =
E(W) =
E(Wq) =
Remarques :
- On montre que dans le systme M/M/1, la variable W (dure de sjour des clients dans le systme dans ltat
stationnaire) suit une loi exponentielle de paramtre (1 ) = - .
- Tout ceci est valable dans le systme M/M/1///GD.
- Considrons le systme pendant un temps T assez long.
La dure T ' pendant laquelle le serveur sera occup est gale au nombre de clients arrivs pendant T, A(T), multipli par le
temps moyen M(T) de service de ces clients plus un terme correctif dans lequel on tient compte des clients qui taient
arrivs avant le dbut de la priode et dont le service nest pas achev au dbut de la priode et de ceux dont le service
nest pas achev la fin de la priode :
Le terme correctif reste born quand T augmente ; donc si on divise les deux nombres de cette quation par T et quon fait
augmenter T, on a2 :
A(T)
T'
1
M(T)
T
T
T
T +
Exemple :
Considrons une station service avec une pompe essence. Les clients arrivent suivant un processus de Poisson au rythme
de 10 lheure (lesprance de lintervalle de temps sparant deux arrives conscutives est donc 6 mn) tandis que la dure
de service suit une loi exponentielle de paramtre m = 12 (lesprance de la dure de service est donc 5 mn).
On a :
Belkora samir
Files dattente
12
n>0
... n 1
n 0 1
0
1 2 ... n
0 1
Dmonstration :
Belkora samir
0 1 2
...
1 1 2 1 2 3
n n
n0
0 1
n 1
n 1 i 0 i 1
Files dattente
13
Application :
Donner lexpression de 0 et n au cas o j
Les rsultats du modle taux variables sont fondamentaux puisquil correspond, comme on va le voir, au processus de
naissance et de mort et quun grand nombre de problmes de files dattente sont rsolus laide de ce modle.
Processus de naissance et de mort :
On a un systme discontinu tel que 0, 1, , N (N fini ou infini) reprsentent ses tats possibles.
Le processus de naissance et de mort, cas particulier des processus de Markov, est un processus homogne dans le temps,
ayant les caractristiques suivantes :
1/ Les seuls sauts possibles sont ceux vers les tats immdiatement voisins : de j j + 1 ou j - 1 si 0 < j < N, de 0 1 et
enfin de N N - 1.
2/ Si linstant quelconque t le systme est ltat j, la probabilit conditionnelle de passer ltat j + 1 dans lintervalle
dt qui suit est constante et gale jdt (j 0) o j est le coefficient de naissance correspondant une arrive.
3/ Si linstant quelconque t le systme est ltat j, la probabilit conditionnelle de passer ltat j - 1 dans lintervalle
dt qui suit est constante et gale jdt (j 0) o j est le coefficient de mort correspondant un dpart.
4/ La probabilit de plus dune transition dans cet intervalle dt, infiniment petit, est un infiniment petit dun ordre
suprieur 1 donc celui des probabilits prcdentes.
Le schma caractrisant le processus de naissance et de mort (ou graphe de transition des tats du systme) est le suivant :
Ces quations dfinissent le processus de naissance et de mort et on les reconnait comme tant les quations dtat en
rgime stationnaire du modle taux variable !
Belkora samir
Files dattente
14
Remarques :
Au lieu de traiter le modle taux variables et ensuite le systme M /M/1 et les systmes qui vont suivre comme cas
particuliers, nous avons prfr prsenter le modle M/M/1, ensuite gnraliser avec le modle taux variables et enfin
traiter les systmes qui vont suivre comme cas particulier de ce dernier. La raison de cette dmarche rside dans le fait que
la dmonstration du modle M/M/1 est plus simple apprhender demble
Pour traiter le systme M/M/1 comme un cas particulier (limite) du modle taux variables, il suffit de prendre :
Le modle taux variables tant lui-mme un cas particulier des processus de Markov, il peut tre bien sr trait comme
tel.
Rgime stationnaire : = /
La solution est donne par :
1:
=1:
1
1
n 0 n
n =
Dmonstration :
1
re
dmarche :
Belkora samir
N 1
1
1
N 1
0<n N
N<n
N1
n 0 n
n =
1
N1
0 < n N
N<n
Files dattente
Belkora samir
15
Files dattente
16
Pour = 1 :
E(Lq) =
E(W) =
Systme M/M/c///GD :
Arrives poissoniennes avec taux darrive des clients
Dures de service exponentielles avec taux de service
c serveurs
(c)2
(c)c1
(c)c
0 1 c
...
2!
(c 1)! c! (1 )
(c)n
0
n!
0nc
cc n
0
c!
cn
n =
Dmonstration :
Belkora samir
c1
(c)n
(c)c
c! (1 )
n 0 n !
Files dattente
17
E(L) =
E(L) =
E(W) =
E(Wq) =
Exemple :
Reprenons lexemple de la station service (page 11). Si on ajoute une seconde pompe de caractristiques identiques
celles de la premire, on aura :
Belkora samir
Files dattente
18
Systme M/M/c/N//GD :
Arrives poissoniennes avec taux darrive des clients
Dures de service exponentielles avec taux de service
c serveurs
Le nombre maximum de clients dans le systme est limit N
Rgime stationnaire : = /c
La solution est donne par :
c1 (c)n (c)c 1 N c1
0
c!
1
n 0 n !
c1 n
c
cc
(N c 1)
n 0 n ! c!
n =
Belkora samir
pour 1
(c)n
0
n!
0nc
cc n
0
c!
cnN
N<n
Dmonstration :
pour 1
Files dattente
Pour = 1 :
E(W) =
E(Wq) =
Belkora samir
19
Files dattente
20
Guichet 1
Guichet 2
sortie
Un client, pour tre servi, doit passer par le guichet 1 puis par le guichet 2.
Les dures de service chaque guichet suivent une loi exponentielle avec le mme taux de service .
Les arrives suivent une loi de Poisson avec un taux darrive (on pose : = /).
Chaque guichet peut tre libre ou occup. Aucune queue nest autorise devant le guichet 1 ou le guichet 2. Si le client
accomplit son service au guichet 1 avant que le guichet 2 ne soit libre, il ne peut attendre entre les deux guichets puisque
ce nest pas autoris ; dans ce cas, le guichet 1 est dit "bloqu".
1. Etablissons pour ce systme les quations dtat :
En reprsentons un tat du systme par un couple (i , j) o i est ltat du guichet 1 et j est ltat du guichet 2, les tats
possibles du systme sont :
Etablissement des quations dtat par le tableau cartsien des probabilits de transition :
Belkora samir
Files dattente
Etablissement des quations dtat par le graphe de transition des tats :
2. Dduisons les probabilits des diffrents tats possibles du systme ainsi que E(L), E(L q), E(W), E(Wq).
Belkora samir
21
Files dattente
Problme 1 :
On se propose dtudier le systme de files dattente M/M/ o le nombre de serveurs est illimit.
1. Etablir p ce modle les formules de n (probabilit quil y ait n clients dans le systme ltat stationnaire) et 0.
2. En dduire E(L), E(Lq), E(W) et E(Wq).
3. Ce modle est appel "modle self-service".
- Pourquoi ?
- Le cas du guichet de banque automatique rentre-t-il dans cette catgorie de modle ? Expliquez votre rponse.
Belkora samir
22
Files dattente
Problme 2 :
On se propose dtudier le systme M/M/c//K/GD (finite calling source).
Belkora samir
23
Files dattente
24
Problme 3 :
Un rparateur soccupe de m machines-outils qui de temps en temps tombent en panne. Le taux de panne dune machineoutil est gal et le flux de panne est poissonien.
Si linstant o se produit la panne le rparateur est libre, il sattaque immdiatement au rglage, sinon la machine-outil
est mise dans la file pour le rglage. Le temps de rglage obit la loi exponentielle de paramtre .
1. Donner la liste des tats possibles.
2. Etablir les quations dtat du systme en rgime stationnaire.
3. Dterminer la distribution stationnaire (il nest pas ncessaire dutiliser la question 2).
4. On tudie les caractristiques du systme :
4.1 Donner la probabilit pour que le rparateur soit occup.
4.2 Donner le nombre de machines-outils (effectivement) rgles par le rparateur par unit de temps.
4.3 Que reprsente E(L) ? m E(L) ? (m E(L) ?
4.4 Utiliser 4.2 et 4.3 pour en dduire E(L).
4.5 Dterminer E(Lq).
Belkora samir
Files dattente
25
Problme 4 :
Des personnes vont un distributeur de billets selon un processus de Poisson de taux = 1 personne/minute. Ce
distributeur met un temps distribu exponentiellement de moyenne 1/ = 1 minute. Les clients entrant le guichet sont
impatients et partent tout de suite sans prendre de billet avec une probabilit p dpart(n) = n/3 o est n est le nombre de
personnes devant le distributeur.
2.1 Combien de personnes peuvent se trouver devant le distributeur au maximum ?
2.2 Etablir les quations dtat en rgime transitoire (i.e. les quations diffrentielles qui rgissent les P n(t), probabilits
davoir n clients devant le distributeur).
2.3 En dduire les quations dtats en rgime stationnaire.
2.4 Donner la distribution stationnaire.
2.5 Calculer le nombre moyen de clients devant le distributeur, le dbit moyen des clients qui repartent avec des billets
(et celui de ceux qui repartent sans) et le temps de sjour moyen devant le distributeur.
Belkora samir
Files dattente
26
Annexe :
Dans le systme M/M/1, les dure de service suivent une loi exponentielle de paramtre services par unit de temps i.e desprance de
1
dure de service . Pour sa dmonstration, on a utilis lapproximation q 1(h) h o qn(t) reprsente la probabilit davoir n fins de
t0
fS(t) =
0
t<0
P(S t) = 1 e-t
Prop 1 :
E(S) =
Var(S) =
1
2
fS(t)
t, t 0
Prop 2 :
Absence de mmoire :
Prop 3 :
La dure de service est lintervalle de temps qui spare deux fins de service (dparts) conscutives. Considrons q n(t) la
probabilit davoir n fins de services (ou dparts) durant t. On a :
Belkora samir
Files dattente
27
Nous allons pousser plus loin et montrer que les fins de service suivent la loi de Poisson de paramtre .
Considrons N clients dans le systme. On a :
n=0:
n=1: