Files D'attentes

UNIVERSITÉ SIDI MOHAMED BEN ABDELLAH
ECOLE NATIONALE DES SCIENCES APPLIQUÉES FÈS ENSAF
FILES D’ATTENTE
Filières : GI/GMSA S2
Pr : Mhamed SAYYOURI
Année universitaire 2019-2020 1

Files d’attente
 Introduction
 Constitution d'une file d'attente
 Modélisation des arrivées
 Modélisation du temps de service
 Modélisation de la longueur de la queue
 Étude de la file en régime stationnaire
 Autres modèles de files d'attente
 Applications
Introduction
 La théorie des files d’attente est principalement vue comme une
branche de la théorie des probabilités appliquées.
 Cette théorie utilise des outils probabilistes pour étudier et
modéliser le comportement d’un système donné. En quelques mots,
cette théorie a pour objet l’étude des systèmes ou du comportement
des ‘’entités’’ appelées : clients, services, gestionnaire.
 Les clients cherchent à accéder à une ressource afin d’obtenir un
service.
 Dans certains cas, un client a besoin de recevoir plusieurs
traitements avant de quitter le système. Par exemple, dans les
systèmes de production, les banques, les systèmes informatiques
Introduction
 Définition
 La théorie de files d’attente est une technique de la recherche
opérationnelle qui permet de modéliser un système admettant un
phénomène d’attente, de calculer ses performances et de déterminer
ses caractéristiques pour aider les praticiens dans leurs prises de
décisions
 Ce domaine de recherches, né en 1917, des travaux de l’ingénieur

Danois Erlang sur la gestion des réseaux téléphoniques de
Copenhague à partir de 1908, étudie notamment les systèmes
d’arrivée dans une queue, les différentes priorités de chaque
nouvel arrivant, ainsi que la modélisation statistique des temps
d’exécution.
Introduction
 Position du problème
 Les files d'attente sont aujourd'hui des phénomènes que l'on
rencontre quotidiennement dans de très nombreux domaines et sous
diverses formes: queue à un guichet, saturation d'un trafic routier,
réseau de télécommunications, gestion d'un stock de production,
maintenance d'un équipement informatique, mouvements de
populations, prévisions météorologiques, etc.
 De nombreux modèles stochastiques existent, reposant sur certaines
hypothèses adaptées au contexte en question. Le modèle le plus
célèbre que nous allons étudier ci-après, le plus simple et le plus
utilisé de manière générale est un modèle markovien qui repose sur
l'absence de mémoire de certaines occurrences.
Introduction
 D'innombrables questions se posent naturellement, afin d'optimiser
la rentabilité de certains services, de diminuer les attentes des
différentes parties concernées ainsi que les coûts associés s'il y a des
dépenses de fonds.
? Quel est le temps passé par un client dans une file d'attente devant
un guichet ?
? Quelle est la longueur de la queue à un instant donné ?
? Quelle est la durée de repos du serveur (c'est-à-dire lorsque la
queue est vide avant l'arrivée d'un nouveau consommateur)?
? À quelle vitesse minimale devrait travailler le serveur pour ne pas
dépasser un seuil maximal de clients?
Introduction
? Combien de serveurs faudrait-il au minimum pour éviter la
saturation de la salle d'attente... ?
Autant de questions auxquelles la théorie de files d’attente et des

processus stochastiques apporte des réponses plus ou moins
explicites selon le modèle adopté.
Constitution d'une file d'attente
 Un système d'attente comporte plusieurs caractéristiques.
Typiquement, une file est composée de clients se succédant et
demandant un service.
 Les clients peuvent être des individus, des appels téléphoniques,
des signaux électriques, des véhicules, des accidents, des
turbulences atmosphériques...
 Le service peut être un serveur humain, un central téléphonique,
un serveur informatique, un péage autoroutier, une compagnie
d'assurance, la météorologie nationale...
8
 Flux d'arrivées
 Les arrivées peuvent être régulières (déterministes) ou
complètement aléatoires, individuelles ou groupées, provenir de
populations différentes ou se répartir en plusieurs files.
 On devra modéliser les temps inter-arrivées.
 Dans certaines situations, on devra tenir compte de l'effectif de la
population susceptible de se présenter dans le système.
 Si cette population n'est pas infinie, la quantité d'individus
entrant dans le système diminue avec le temps.
Organe de service
Le service peut être constitué d'un ou plusieurs serveurs, qui
peuvent être disposés de diverses façons : 9
 Serveurs en parallèle
Cette disposition concerne des files où le client a le choix du
serveur : files de personnes en attente dans une administration
offrant plusieurs services, files de consommateurs en attente aux
caisses de paiement dans un hypermarché, files de voitures se
présentant à un péage d'autoroute..
10
 Serveurs en série
Cette disposition concerne des services à la chaîne : service de
restauration, service des cartes grises dans une préfecture
(nécessitant deux temps : enregistrement puis confection de cartes),
visite médicale dans une infirmerie (nécessitant plusieurs contrôles
successifs), chaînes de production avec contrôle de qualité...
11
 Serveurs en réseau
Cette disposition est beaucoup plus complexe et réaliste : centraux
de télécommunications, réseaux informatiques, internet...
On devra par ailleurs modéliser les temps de service.
 Discipline de service
La discipline de service indique dans quel ordre sont traités le
clients. Un certain nombre de règles courantes sont adoptées.
12
 Une règle de courtoisie voudrait que l'on serve les personnes en
respectant leur ordre d'arrivée, FCFS ( First come, First served) ,
c’est FIFO dans le cas où le service est exécuté par un unique
serveur.
 Une règle opposée à la règle de courtoisie consiste à servir en
premier le dernier client arrivé : gestion d'un stock. C'est la
discipline LCFS (last come, First served). LIFO (last in first out )
dans le cas où le service est exécuté par un unique serveur.
 Dans certains services d'urgence, des règles de priorités s'imposent:

les clients se répartissent en plusieurs classes avec des ordres de
priorité différents. Une personne prioritaire devra être servie avant
une personne non prioritaire, même si celle-là est arrivée avant. 13
 Enfin, dans d'autres situations, on adopte le partage de service
(processor sharing) : on rencontre ce cas notamment en
informatique, cas dans lequel différentes tâches sont traitées
simultanément.
Capacité du système
 De nombreux systèmes d'attente comportent une salle d'attente
à capacité limitée. Il y aura donc refoulement de personnes à
l'entrée du système lorsque cette salle est pleine. Ce facteur a
une importance notamment dans l'étude de files en tandem.
 Si par exemple une salle d'attente à capacité limitée est insérée
entre deux services consécutifs, lorsque cette salle arrive à
saturation, un blocage se produit au niveau du premier service.
14
 Schéma de file d’attente
Système d’attente
Source 1 Station 1
File d’attente 1 Processus
Source 2 de service Station 2
Processus File d’attente 2
des unités
d’arrivée
(durée et
d’unités
ordre de
File d’attente F service, …)
Source U Station S
Plus simplement
15
Classification des systèmes d’attente
Pour identifier un système d’attente, on a besoin des spécifications suivantes :
 La nature stochastique du processus des arrivées, qui est défini par la
distribution des intervalles séparant deux arrivées consécutives ;
 La distribution du temps aléatoire de service ;
 Le nombre m de serveurs (stations de service) qui sont montées en
parallèle. On admet généralement que les temps de service
correspondants suivent la même distribution et que les clients qui
arrivent forment une seule file d’attente (dans le cas homogène) ;
 La capacité N du système. Si N < ∞, la file d’attente ne peut dépasser
une longueur de N - m Unités. Dans ce cas, certains clients arrivant
vers le système n’ont pas la possibilité d’y entrer ;
 La source des clients potentiels.
16
 Notation de Kendall A/B/s/N/K/D
 Un modèle de file d’attente est totalement décrit selon la notation
de Kendall.
 Dans sa version étendue, un modèle est spécifie par une suite de
six symboles : A/B/s/N/K/D
• A : Nature du processus des arrivées ;
• B : Nature du processus de service ;
• s : Nombre de serveurs en parallèle ;
• N : Capacité du système (serveurs + file d’attente) ;
• K : Taille de la population ;
• D : Discipline de la file.
17
 Notation de Kendall A/B/s/N/K/D
 Dans la description des processus d’arrivée et de service, les
symboles les plus courants sont :
• M : Distribution exponentielle (qui vérifie donc la propriété de
Markov) ;
• E : Distribution d’Erlang ;
• G : Distribution générale (on ne sait rien sur ses
caractéristiques) ;
• D : loi Déterministe (temps d’inter-arrivés ou de service
constant) ;
 La forme abrégé : A/B/s signifie que N et K sont infinies

18
 Exemple 1: File M/M/1/ ∞ /PS
M : Processus d’arrivée : Poisson de paramètre λ > 0.
M : Distribution du temps de service : exponentielle de paramètre µ > 0.
1/∞ : 1 serveur, une infinité de places dans la file.
PS : Discipline de service processor-sharing.
 Exemple 2 : File M/M/3/ ∞/ FIFO
M : Processus d’arrivée : Poisson de paramètre λ > 0.

M : Distribution du temps de service : exponentielle de paramètre µ > 0.
3/ ∞ : 3 serveurs, une infinité de places dans la file.
FIFO : Discipline de service first-in, first-out
19
 Mesures de performance d’une file d’attente :
L’étude d’une file d’attente a pour but de calculer ou d’estimer les
performances du système dans des conditions de fonctionnement
données. Ce calcul se fait le plus souvent pour le régime stationnaire
uniquement, et les mesures les plus fréquemment utilisées sont :
• E(N ) : nombre moyen de clients dans le système ;
• E(Q) : nombre moyen de clients dans la file d’attente ;
• E(T) : temps moyen de séjour d’un client dans le système ;
• E(W) : temps moyen d’attente d’un client dans la file ;
• E(U) : taux d’utilisation de chaque serveur ;
• E(S) : le temps moyen de service ;
• E(A) : le temps moyen entre deux arrivées 20
 Mesures de performance d’une file d’attente :
 On va maintenant étudier en détail une file simple provenant :
• d'une population infinie avec un serveur,
• d’une discipline FCFS (ou FIFO)
• d’une salle d'attente de capacité infinie (donc sans limitation
au niveau des arrivées).
On parle de le M/M/1.
21
Annexes
22
Annexes
23
Annexes
24
Annexes
25
Modélisation des arrivées
 Processus des arrivées
 Prenons l'exemple des personnes se présentant à un guichet. On
fera trois hypothèses :
1. les arrivées sur des intervalles de temps disjoints sont

indépendantes ;
2. les arrivées sont aléatoires et les laps de temps inter-

arrivées ont même loi de probabilité ;
3. il n'y a pas d'arrivées simultanées, i.e. il n'arrive pas

plus d'un client à la fois.
26
 Divisons l'échelle du temps en sous-intervalles [0, ∆t[, [∆t, 2∆t[, . . . ,
[(n -1)∆t, n∆t[ de longueur ∆t très petite de telle sorte que pas plus
d'une personne n'arrive dans chaque laps de temps [(n - 1)∆t, n∆t[
 Notons Xn le nombre (aléatoire) d'arrivées durant l'intervalle de

temps [(n-1)∆t, n∆t[.
 Xn est une v.a. prenant essentiellement les deux valeurs 0 et 1.
27
 On a plus précisément,
lorsque ∆t → 0+
 On modélise le processus des arrivées par une fonction aléatoire

(processus stochastique) croissante t ∈ R+ → At 28
donc 29
donc
 C'est la loi de Poisson P(λt). On dit que (At)t∈R+ est un processus de

Poisson d'intensité λ.
 On a E(At) = λt, ce qui fournit pour λ l'interprétation suivante :
 Le paramètre λ représente le nombre moyen d'arrivées par unité

de temps (taux d'arrivée)
30
 Temps inter-arrivées
 Soit T1 = inf {t ≥ 0 : At ≥ 1} l'instant d'arrivée (aléatoire) de la

première personne.
 La condition T1 > t signifie que la première personne arrive
après l'instant t et donc que At = 0.
 En conséquence,
 La fonction de répartition de T1 est
31
 Temps inter-arrivées
32
 Temps d'arrivée de la n personne
33
 Temps d'arrivée de la n personne
Donc
34
Modélisation du temps de service
Modélisation du temps de service
 Soit Sn la durée de service de la n personne. Un modèle très
répandu, reposant sur l'absence de mémoire, consiste à stipuler que
Modèle de Markov
 Sachant qu'à un instant donné le service a démarré depuis une

durée s, le temps d'achèvement de service est le même que s'il
débutait à cet instant. Alors
 La fonction φ définie par φ(t) = P(Sn > t) vérifié ainsi l'équation

fonctionnelle φ(s + t) =φ(s)φ(t). 35
 De plus, cette fonction est bornée (0 ≤ φ(t) ≤ 1) et vérifié φ(0) = 1.
 En rajoutant l'hypothèse simplificatrice (non nécessaire a priori)
que φ est dérivable, on obtient, en dérivant par rapport à s :
 Puis pour s = 0, en posant
 Cette équation différentielle, avec la condition initiale φ(0) = 1,

admet pour solution
36
 Enfin, la fonction φ recherchée doit être bornée, ceci entraîne donc
où la constante µ est l'inverse du temps moyen de service
 Le paramètre µ pourrait s'interpréter comme représentant le

nombre moyen de services (taux de service) que le serveur peut
effectuer par unité de temps.
37
Modélisation de la longueur de la queue
Modélisation de la longueur de la queue
(longueur = nombre de personnes entrées - nombre de personnes sorties).
38
et alors
39
 La formule de Lindley se démontre facilement en interprétant les laps de
temps Wn, Wn+1, Sn, Tn+1 comme les aires de rectangles de base les
temps précédents et de hauteur 1.
 D'après la figure suivante, il est clair que si la (n +1) personne arrive avant
le départ de la n , i.e. sn+1 < σn ou encore Tn+1 < Wn + Sn,
alors Wn + Sn = Tn+1 + Wn+1.
 Dans le cas où la (n +1) personne arrive après le départ de la n, la (n +1) n'a
pas d'attente : Wn+1 = 0.
40
Courbes d'arrivées-départs
Les temps d’attente correspondent à des distances horizontales;

La longueur de la file correspond à des distances verticales 41
Longueur de la queue
42
Exemple
43
Exemple
A(t) est le nombre de clients arrivés entre 0 et t 44

Exemple
Dq(t) est le nombre de clients qui ont quitté la file entre 0 et t 45

Exemple
Ds(t) est le nombre de clients qui ont quitté le système entre 0 et t 46

Exemple
47
Exemple
Lq(t) est le nombre de clients dans la file au temps t 48

Exemple
Ls(t) est le nombre de clients dans le système au temps t; 49

Récapitulatif
le moyen d'arrivées par unité de

temps (taux d'arrivée)
L'intervalle de temps entre deux
arrivées consécutives
le nombre moyen de services (taux de

service)
la longueur de la queue
le temps d'attente du n+1 client

présent dans la fille
L’instant de sortie du n client
50
Étude de la file en régime stationnaire
 Exercice 1 : Temps d’attente d’un train
On considère une voie ferrée sur laquelle les passages des trains sont
séparés par des durées (durée entre deux trains successifs) de deux
types possibles :
• 90% de ces durées sont constantes et égales à 6 mn.
• 10% de ces durées sont constantes et égales à 54 mn.
1- Calculer la durée moyenne séparant deux trains successifs
2- Un individu arrive à un instant quelconque. Au bout de combien de
temps en moyenne pourrait-il prendre un train ? On fera le calcul de
probabilité pour que l’individu arrive pendant un intervalle court
entre deux trains. On en déduira le temps d’attente résiduelle.
51
 Solution: Temps d’attente d’un train
1- E[X] = 0.9 ∗ 6 + 0.1 ∗ 54 = 10.8 soit 10 minutes 48 secondes.
2- Sur 100 intervalles de temps, il y a en moyenne 90 intervalles courts de 6
minutes qui durent 540 minutes et 10 intervalles longs de 54 minutes qui
durent 540 minutes. Donc sur 1080 minutes, il y en a 540 qui correspondent
à des intervalles courts et 540 qui correspondent à des intervalles longs.
Donc pour un voyageur qui arrive à un instant quelconque, il a une
probabilité 0.5 d’arriver pendant un intervalle court (et pas du tout 90%) et
0.5 d’arriver pendant un intervalle long.
Si on arrive pendant un intervalle court, il faudra attendre 3 minutes en
moyenne. Si on arrive pendant un intervalle long, on attendra 27 minutes en
moyenne.
Donc E[Y ] = 0.5∗ 3 + 0.5*27 = 15 minutes.
52
 Lorsque λ < µ, le système tend vers un état stationnaire c'est-à-

dire indépendant du temps. On suppose cette condition satisfaite
dans toute la suite.
Principe permettant d’écrire une équation d’équilibre pour tout état n :
 pour tout état n = 0, 1, 2, …, le taux d’entrée moyen de clients doit
être égal au taux de départ moyen.
diagramme
d’états
53
 Loi de la longueur de la queue
Changements d'états 54
Flux entrant en l'état n :
 soit la file contient n - 1 personnes (avec une probabilité n1 ) et
il en arrive une de plus au taux λ ;
 soit la file contient n + 1 personnes (avec une probabilité n1 )
et il en part une au taux µ.
 Ceci conduit au schéma suivant :
 Le taux entrant en l'état n est donc
Flux sortant en l'état n :
 la file contient n personnes avec une probabilité n ;
 soit il en arrive une de plus au taux λ et la longueur de la file
devient n + 1 ;
 soit il en part une au taux µ et la longueur de la file devient n - 1.
Le schéma est cette fois le suivant :
 . Le taux sortant de l'état n est donc
 Ainsi en égalant les flux entrant et sortant, on obtient les
équations d'équilibre suivantes (équations de balance globale) :
 Pour résoudre ce système, on pose ρ = λ/µ ; on a par hypothèse

ρ ∈ ]0, 1[.
 Le paramètre ρ est appelé intensité du trafic (ou encore charge du
système).
 On a affaire à une suite définie par une relation de récurrence
linéaire à trois indices. La recherche de suites géométriques
particulières conduit à l'équation caractéristique
57
 Les solutions sont λ/µ=ρ et 1.

 La forme générale des suites vérifiant la relation de récurrence
ci-dessus est alors
 La condition initiale donne λα + λβ = λα + µβ, donc
encore β = 0 et donc et
 Déterminons
 On a : et
58
 La probabilité de trouver la file vide
 Cette probabilité est non nulle.

 La file connaît des oscillations qui se reproduisent de manière
similaire au cours du temps, on parle de file récurrente.
 La solution de l'équation de balance est donc
59
60
Courbes d'arrivées-départs : cas transitoire
 Lois des temps d'attente et temps de séjour d'un client
 Il est possible de déterminer la loi de probabilité du temps d'attente
W∞ (waiting time) d'un client générique en régime stationnaire
grâce à la formule des probabilités totales
61
62
 Notons l'égalité qui traduit le fait que
la probabilité de ne pas attendre coïncide avec celle de trouver une
file vide.
 L'attente moyenne d'un client peut se calculer selon le même
procédé :
 Le raisonnement précédent montre que
Donc
Et par suite 63
 Le temps de séjour moyen d'un client dans le système vaut donc
 Ces différentes quantités sont reliées par la célèbre formule de

Little (1961) :
64
 Récapitulatif
La solution de l'équation de balance
La probabilité de trouver la file vide
La longueur moyenne de la queue
L'attente moyenne d'un client
Le temps de séjour moyen d'un client
 Remarquons que la longueur de la file Q∞ dépend du rapport

ρ = λ/µ (qui est l'écart relatif entre λ et µ), alors que le temps de
séjour W∞ dépend de l'écart absolu µ - λ. 65
 Exemple
Considérons deux files indépendantes de paramètres respectifs
λ1 = 4 personnes/h 1/µ1 = 10 mn/personne (ou µ1 = 6 personnes/h),

λ2 = 8 personnes/h 1/µ2 = 5 mn/personne (ou µ2 = 12 personnes/h)
 Ces paramètres sont dans un rapport de 2.

 Les intensités des deux files coïncident :
 Les longueurs moyennes
 Les temps d'attente et de séjour sont dans un rapport de 2 inversé :
66
 Loi du temps d'activité du serveur
Pour le serveur, les périodes suivantes sont importantes :
 Une période d'activité est une période (aléatoire) durant laquelle il sert les
clients de manière continuelle. Elle démarre à partir de l'arrivée d'un
client entrant dans une file vide et cesse dès la fin du service du prochain
client laissant derrière lui la file vide, puis une nouvelle période d'activité
redémarre avec l'arrivée d'un autre client ;
 Une période de vacance est une période (aléatoire) durant laquelle il n'a
aucune personne à servir ;
67
 Loi du temps d'activité du serveur
 Un cycle d'activité est le laps de temps séparant deux personnes
consécutives arrivant dans un système vide.
 Un tel cycle est donc la somme d'une période d'activité et d'une période de
vacance du serveur
 Le temps d'activité moyen du serveur est donné par :
 Ce résultat s'obtient en multipliant le temps de service moyen d'un client

par le nombre de clients présents dans la file lorsque cette dernière est
non vide :
avec
68
 Période de vacance
 Processus des départs
69
70
Ainsi
71
72
 En effet, les clients se présentent au premier guichet selon un
processus de Poisson d'intensité λ, ressortent de ce premier
guichet une fois leur service accompli selon le même processus de
Poisson, puis se présentent au deuxième guichet toujours selon le
même de processus de Poisson d'intensité λ
Files en tandem
73
Autres modèles de files d'attente
 La file d'attente qu'on a étudié est une file avec des arrivées poissonniennes
(temps inter-arrivées exponentiels) et un serveur fournissant un service
exponentiel, elle porte la nomenclature de file M/M/1 (notation de Kendall) ;
la lettre M fait référence au nom de Markov, la loi exponentielle utilisée en
arrivée et en service possédant la propriété d'absence de mémoire (propriété
markovienne).
 La nomenclature générale d'une file d'attente est de la forme A/B/n/m/dis où
• A définit un type d'arrivées,
• B un type de service,
• n est le nombre de serveurs,
• m est la capacité du système (infinie si elle n'est pas précisée),
• dis est la discipline de service adoptée (FCFS si elle n'est pas précisée).
 Les types possibles pour A et B sont M (markovien), D (déterministe),

G (général)... 74
75
Service Erlangien 76
 La durée totale des services dispensés pour le client sera
S = S1 + S2 + · · · + Sn. Cette situation se rencontre dans des files avec
arrivées groupées : le serveur traite des groupes de n personnes, ces personnes
demandant des services non nécessairement identiques. La v.a. S représente
pour le serveur la durée totale de service d'un groupe. Elle suit une loi
d'Erlang généralisée E(µ1, . . . , µn), elle a pour densité, dans le cas où les
paramètres µ1, . . . , µn sont tous distincts,
 Le service total aura pour durée moyenne
 Si les services sont similaires, µ1 = µ2 = · · · = µn = µ, S suit la loi d'Erlang

77
ordinaire E(n; µ) ;
 Cette situation se rencontre par exemple

dans le cas d'une file simple à un seul
serveur, ce dernier étant capable de
proposer n services différents, pk étant
alors la probabilité que le client
78
demande le k service
 Sa densité en découle par dérivation :
79
 Lorsque les serveurs proposent le même service, c'est-à-dire

µ1 = µ2 = …= µn = µ, on récupère, puisque
80
81
La formule de Little s'écrit ici :
82
83
Exercices
 Exercice 2 : Modèle du dentiste
On considère une file d’attente à un serveur. On suppose que :
• le débit moyen est Λ,
• le temps moyen de réponse est E[R],
• le temps moyen d’attente est E[W],
• le temps moyen de service est E[S],
• l’espérance de longueur de la file d’attente est E[L],
• le nombre moyen de clients en train d’attendre est E[LW],
• le nombre moyen de clients en train d’être servis est E[LS]
• la probabilité pour que le serveur soit occupé est U.
1- Ecrire une relation entre E[R], E[S] et E[W] (relation 1).

2- Ecrire une relation entre E[L], E[LW] et E[LS] (relation 2).
3- Exprimer E[LS] en fonction de U.
84
Exercices
4- Montrer que l’on passe de la relation 1 à la relation 2 en faisant une
opération simple et montrer qu’on trouve ainsi une relation connue entre U,
Λ et E[S].
5- On considère un dentiste. Le nombre moyen de patients présents chez lui
est 2.8, le nombre moyen de patients dans la salle d’attente est 2, le nombre
moyen de clients arrivant en une heure est 4. Déduire les autres critères de
performances et caractéristiques du traitement.
85
Exercices
 Solution : Modèle du dentiste
1- Pour chaque client, on a R = W + S. Ce résultat est donc vrai en terme
d’espérance.
2- Pour chaque client, on a L = LW + LS. Ce résultat reste donc vrai en
terme d’espérance.
3- Le nombre de clients en train d’être servis est de 1 avec la probabilité U et
de 0 avec la probabilité 1-U. On a donc : E[LS] = 0 ∗ (1 - U) + 1 ∗ U d’o`u
E[LS] = U.
4- En multipliant l’équation (1) par Λ, on a : E[R] ∗ Λ = E[S] ∗ Λ + E[W] ∗ Λ.
En appliquant la loi de Little aux systèmes global, file seule puis serveur
seul, on a : E[L] = E[R] ∗ Λ, E[LW ] = E[W] ∗ Λ et E[LS] = E[S] ∗ Λ
L’équation (2) vient immédiatement.
86
Exercices
 Solution : Modèle du dentiste
La relation connue entre U, Λ et E[S] s’obtient en utilisant le résultat
obtenu en appliquant la loi de Little au serveur et celui de la question 3. On
a alors : U = E[S] ∗ Λ
5- L’´énoncé donne E[L] = 2.8 client, E[LW ] = 2 client et Λ = 4 clients par
heure. On en déduit :
 En moyenne, le nombre E[Ls] de clients soignés est 0.8, ce qui
revient à dire que le dentiste est occupé à 80% du temps.
 De plus, aller chez le dentiste occupe pendant E[R] = E[L]/Λ= 2.8/4 =
0.7 heure, c’est à dire 42 minutes.
 Plus précisément, on passe E[W] = E[LW]/Λ = 2/4 = 0.5 heure dans la
salle d’attente, c’est à dire 30 minutes.
 On a E[S] = E[LS]/Λ = 0,8/4 = 0.2h=12min, on en déduit que le
87
dentiste nous soigne en 12 minutes...
Exercices
Exercice 3
Un organisme public est ouvert, chaque jour ouvrable, de 9h à 17h sans interruption. Il
accueille, en moyenne, 64 usagers par jour; un guichet unique sert à traiter le dossier de
chaque usager, ceci en un temps moyen de 2,5 minutes. Les usagers si nécessaire, font la
queue dans l’ordre de leur arrivée ; même si la queue est importante, on ne refuse aucun
usager. Une étude statistique a permis de conclure que la durée aléatoire des services suit une
loi exponentielle et que le régime les arrivées des usagers forment un processus de Poisson.
1. Donner la notation de Kendall de cette file.
2. Donner l’expression de la probabilité invariante πk, donner la justification de son
existence.
3. Quel sont les temps moyens passés : à attendre ? dans l’organisme par chaque usager ?
4. Quelles sont les probabilités qu’il n’arrive aucun client entre 15H et 16H ? Que 6 clients
arrivent entre 16H et 17H ?
5. Quelle est, en moyenne et par heure, la durée pendant laquelle l’employé du guichet ne
s’occupe pas des usagers ?
6. Quelle est la probabilité d’observer une file d’attente de 4 usagers, derrière celui en cours de
service ? 88

Files D'attentes

Transféré par

Droits d'auteur :

Formats disponibles

Files D'attentes

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Files D'attentes

Transféré par

Droits d'auteur :

Formats disponibles

UNIVERSITÉ SIDI MOHAMED BEN ABDELLAH

ECOLE NATIONALE DES SCIENCES APPLIQUÉES FÈS ENSAF

Année universitaire 2019-2020 1

 Ce domaine de recherches, né en 1917, des travaux de l’ingénieur

Autant de questions auxquelles la théorie de files d’attente et des

On devra par ailleurs modéliser les temps de service.

 Dans certains services d'urgence, des règles de priorités s'imposent:

 La forme abrégé : A/B/s signifie que N et K sont infinies

 Exemple 2 : File M/M/3/ ∞/ FIFO

M : Processus d’arrivée : Poisson de paramètre λ > 0.

1. les arrivées sur des intervalles de temps disjoints sont

2. les arrivées sont aléatoires et les laps de temps inter-

3. il n'y a pas d'arrivées simultanées, i.e. il n'arrive pas

 Notons Xn le nombre (aléatoire) d'arrivées durant l'intervalle de

 On modélise le processus des arrivées par une fonction aléatoire

 C'est la loi de Poisson P(λt). On dit que (At)t∈R+ est un processus de

 Le paramètre λ représente le nombre moyen d'arrivées par unité

 Soit T1 = inf {t ≥ 0 : At ≥ 1} l'instant d'arrivée (aléatoire) de la

 La fonction de répartition de T1 est

 Sachant qu'à un instant donné le service a démarré depuis une

 La fonction φ définie par φ(t) = P(Sn > t) vérifié ainsi l'équation

 Puis pour s = 0, en posant

 Cette équation différentielle, avec la condition initiale φ(0) = 1,

où la constante µ est l'inverse du temps moyen de service

 Le paramètre µ pourrait s'interpréter comme représentant le

(longueur = nombre de personnes entrées - nombre de personnes sorties).

Les temps d’attente correspondent à des distances horizontales;

A(t) est le nombre de clients arrivés entre 0 et t 44

Dq(t) est le nombre de clients qui ont quitté la file entre 0 et t 45

Ds(t) est le nombre de clients qui ont quitté le système entre 0 et t 46

Lq(t) est le nombre de clients dans la file au temps t 48

Ls(t) est le nombre de clients dans le système au temps t; 49

le moyen d'arrivées par unité de

le nombre moyen de services (taux de

le temps d'attente du n+1 client

L’instant de sortie du n client

 Lorsque λ < µ, le système tend vers un état stationnaire c'est-à-

 Pour résoudre ce système, on pose ρ = λ/µ ; on a par hypothèse

 Les solutions sont λ/µ=ρ et 1.

 La condition initiale donne λα + λβ = λα + µβ, donc

 Cette probabilité est non nulle.

 Le raisonnement précédent montre que

 Le temps de séjour moyen d'un client dans le système vaut donc

 Ces différentes quantités sont reliées par la célèbre formule de

La probabilité de trouver la file vide

La longueur moyenne de la queue

L'attente moyenne d'un client

Le temps de séjour moyen d'un client

 Remarquons que la longueur de la file Q∞ dépend du rapport

λ1 = 4 personnes/h 1/µ1 = 10 mn/personne (ou µ1 = 6 personnes/h),

 Ces paramètres sont dans un rapport de 2.

 Les longueurs moyennes

 Les temps d'attente et de séjour sont dans un rapport de 2 inversé :

 Le temps d'activité moyen du serveur est donné par :

 Ce résultat s'obtient en multipliant le temps de service moyen d'un client

 Processus des départs

 Les types possibles pour A et B sont M (markovien), D (déterministe),

 Le service total aura pour durée moyenne

 Si les services sont similaires, µ1 = µ2 = · · · = µn = µ, S suit la loi d'Erlang