Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
Evaluation de performances (2012-2013) {mohamed.baslam,eric.thierry}@ens-lyon.fr<br />
<strong>TD</strong> <strong>n°</strong> 9 - <strong>Files</strong> <strong>d’attente</strong><br />
Exercice 1. Organisme public<br />
Un organisme public est ouvert, chaque jour ouvrable, de 9h à 17h sans interruption. Il accueille, en moyenne,<br />
64 usagers par jour ; un guichet unique sert à traiter le dossier de chaque usager, ceci en un temps moyen<br />
de 2,5 minutes. Les usagers si nécessaire, font la queue dans l’ordre de leur arrivée ; même si la queue est<br />
importante, on ne refuse aucun usager. Une étude statistique a permis de conclure que la durée aléatoire<br />
des services suit une loi exponentielle et que le régime les arrivées des usagers forment un processus de<br />
Poisson.<br />
1. Donner la notation de Kendall de cette file.<br />
2. Donner l’expression de la probabilité invariante, πk, donner la justification de son existence.<br />
3. Quel sont les temps moyens passés : à attendre ? dans l’organisme par chaque usager ?<br />
4. Quelles sont les probabilités qu’il n’arrive aucun client entre 15H et 16H ? Que 6 clients arrivent entre<br />
16H et 17H ?<br />
5. Quelle est, en moyenne et par heure, la durée pendant laquelle l’employé du guichet ne s’occupe pas<br />
des usagers ?<br />
6. Quelle est la probabilité d’observer une file <strong>d’attente</strong> de 4 usagers, derrière celui en cours de service ?<br />
Solution.<br />
1. M/M/1/∞ avec λ = 8 (clients par Heure) et µ = 24 (clients par Heure).<br />
2. On pose a = λ<br />
µ , soit a = 1<br />
3 . Comme a < 1, la distribution stationnaire existe ; le probabilité qu’il ait k<br />
clients dans le système à un instant donné est πk = (1 − a)a (formule du Poly).<br />
3. Le temps , T , passé par un client dans le système (attente + service) suit une loin exponentiel de<br />
paramètre µ − λ, i, e : E(T ) = 1<br />
µ−λ<br />
= 1<br />
16 heur.<br />
=⇒ le temps moyen <strong>d’attente</strong> dans la file est E(Tq ) = E(T ) − 1<br />
µ = λ<br />
1<br />
µ(µ−λ) = 48 .<br />
4. Probabilité qu’il n’arrive aucun client entre 15H et 16H. On sait que le nombre N de clients arrivant<br />
dans le système pendant une unité de temps est une v. a. qui suit la loi de Poisson, i.e.<br />
P(N = K ) = exp(−λ) λk<br />
k!<br />
Pour k = 0, on obtient P(N = 0) = exp(−8). Pour k = 6, on obtient P(N = 6) = exp(−8) 86<br />
6! .<br />
5. L’employé est inoccupé lorsque le système est dans l’état 0, ce qui correspond à la probabilité π0 =<br />
1 − a = 2<br />
3 , soit en moyenne 40 minutes par heure.<br />
6. S’il y a quatre usagers dans la file <strong>d’attente</strong>, il y a 5 clients en tout dans le système, ce qui correspond<br />
à la probabilité π5 = (1 − a)a 5 = 2<br />
36 Exercice 2. Maternité<br />
Une importante maternité accueille des femmes enceintes qui sont arrivées à terme et viennent accoucher<br />
et donner naissance à leur bébé. L’occupation moyenne d’une salle de travail est de 6 heures pour un accouchement.<br />
Un statisticien a déterminé que la loi d’arrivée des futures mamans dans une maternité pour<br />
y accoucher, peut être approximée de façon satisfaisante, par une loi de Poisson, (il se présente en moyenne<br />
24 femmes par jour) et que celle de l’occupation de la salle de travail peut l’être par une loi exponentielle.<br />
Leurs taux respectifs valent λ et µ.<br />
Le but est de déterminer le nombre N de salles de travail (et, par conséquent le nombre minimal de sagesfemmes<br />
devant se trouver dans la maternité), de telle sorte que la probabilité pour que toute les salles soient<br />
occupées soit inférieure à un centième : une femme qui arriverait dans ce cas serait dirigée vers une autre<br />
maternité, ce que l’on désire éviter ‘a l’extrême<br />
1<br />
■
1. Donner la valeur numérique de λ et µ.<br />
2. Montrer que le système <strong>d’attente</strong> est un processus de naissance et de mort, comportant N + 1 états,<br />
numérotés de 0 à N . A quoi correspondent, ici une naissance et une mort ? Donner la signification de<br />
l’état k, exprimer λk en fonction de λ et µk en fonction de µ.<br />
3. La probabilité pour que le système soit, en régime permanent, dans l’état k est notée πk. Calculer πk<br />
en fonction de π0,<br />
4. Quel est l’état pour lequel toutes les salles sont occupées ; quelle est sa probabilité ? Trouver le nombre<br />
de salles de travail que devra comporter la clinique, de sorte que la probabilité pour qu’elles soient toutes<br />
occupées soit inférieure à 0,01<br />
Solution.<br />
1. C’est une file M/M/s/s ou s est le nombre de serveurs, dans notre cas le nombre N de salles d’accouchement.<br />
Notons que s = N est un nombre inconnu puisque la question est justement de calculer N<br />
pour garantir une certaine qualité de service (voir question 4). On a λ = 24 (clients par jour) et µ = 4<br />
(accouchements par salle). Le système est dans l’état k lorsqu’il y a k salles occupées simultanément<br />
(k est un entier naturel).<br />
2. Le système, M/M/s/s, est modélisé par un processus de naissance et de mort tel que : λk = λ et<br />
µk = kµ, ∀k ≥ 0.<br />
3. La distribution stationnaire πk est donnée par la formule (voir cours) :<br />
⎧<br />
⎪⎨<br />
⎪⎩<br />
<br />
N<br />
π0=<br />
n=0<br />
an −1 n! ,<br />
πk= ak<br />
k! π0.<br />
4. Le sytème est saturé lorsque toutes les salles sont occupées, i.e. lorsque k = N. D’après la formule<br />
précédente, ceci se produit avec la probabilité<br />
πN = aN<br />
N ! π0<br />
que l’on note traditionnellement B(N , a) et qui représente la proportion de clients refusés. On connait<br />
a = λ<br />
µ = 6 et l’inconnue est le nombre de salles N . Il faut donc résoudre l’inéquation :B(N , a) ≤ 0.01.<br />
On ne peut résoudre cette équation que par ordinateur. On programme une procédure qui renvoie<br />
B(N, a) et on effectue la boucle de calcul, on trouve N = 9.<br />
Exercice 3. File M/M/c<br />
On s’intéresse à une file <strong>d’attente</strong> avec c > 1 serveurs, mais les arrivées et les services restent des processus<br />
de Poisson, de paramètres respectifs λ et µ. Dans ce contexte, on définit la charge du système par r = λ/µ et<br />
le taux d’utilisation par ρ = r /c.<br />
1. Donner le graphe de la chaîne induite et le générateur infinitésimal.<br />
2. Donner et démontrer la condition de stabilité de la file.<br />
3. Calculer la distribution stationnaire.<br />
4. Déterminer Lq le nombre moyen de personne en attente dans le système.<br />
5. Dans le cas d’une file G/M/c, donner la relation entre W le temps de séjour moyen et Wq le temps<br />
<strong>d’attente</strong> moyen.<br />
6. En déduire L, W et Wq (on utilise la loi de Little).<br />
7. Donner la probabilité d’être servi immédiatement à l’arrivée dans la file.<br />
Solution.<br />
1. Le générateur infinitésimal est donné par<br />
qi ,i+1 = λ qi+1,i = iµ pour i < c − 1 qi+1,i = cµ pour i ≥ c − 1<br />
2<br />
■
2. Comme toujours, la condition est ρ < 1. Elle se démontre à nouveau en utilisant le premier théorème<br />
de Foster, en choisissant F = {0,...,c − 1} et ɛ = λ − cµ.<br />
3. Notons π la distribution stationnaire. En écrivant l’équilibre de flux pour les i premiers états, on obtient<br />
les équations<br />
λπi = iµπi+1<br />
λπi = cµπi+1<br />
i r<br />
c!c i−c c r<br />
π0 =<br />
si i < c − 1<br />
si c ≥ c − 1<br />
i r<br />
ce qui donne πi = i ! π0 pour i ≤ c et πi = c! ρi−c π0 si i ≥ c. Plus généralement, si on note<br />
µ(i ) le taux de service lorsqu’il y a i personnes dans la file, l’équilibre des flux donne πi =<br />
λ i<br />
in=1 µ(n) π0.<br />
Comme à chaque fois, la valeur des π0 est donnée par la condition i≥0 πi = 1. Malheureusement, ici<br />
π0 n’a pas de forme simple :<br />
<br />
π0 =<br />
r c<br />
c!(1 − ρ) +<br />
c−1 <br />
n=0<br />
r n<br />
−1 4. On choisit de calculer en premier Lq = n≥c(n − c)πn car il permet d’éviter la forme particulière des c<br />
premières valeurs de π.<br />
Lq = <br />
n≥c+1<br />
(n − c)πn = <br />
nπn+c =<br />
n≥1<br />
<br />
n≥1<br />
c r<br />
n<br />
c! ρnπ0 = r cρ c! π0<br />
n!<br />
<br />
n≥1<br />
nρ n−1 = r cρ c! π0<br />
′<br />
1<br />
=<br />
1 − ρ<br />
r c ρ<br />
π0<br />
c!(1 − ρ) 2<br />
5. Le temps de séjour moyen est le temps <strong>d’attente</strong> moyen plus le temps de service moyen : W = Wq + 1<br />
µ .<br />
6. On utilise la loi de Little et la question précédente. On obtient en particulier l’égalité L = Lq + r , vraie<br />
pour toute file G/G/c.<br />
7.<br />
Wq = Lq<br />
λ =<br />
r c<br />
π0 W<br />
c!(cµ)(1 − ρ) 2<br />
Wq (0) = PX ≤ c − 1 = π0<br />
c−1 <br />
n=0<br />
r n<br />
= 1<br />
µ +<br />
n! = 1 − r c π0<br />
c!(1 − ρ)<br />
r c<br />
π0 L<br />
c!(cµ)(1 − ρ) 2<br />
r<br />
= r +<br />
cρ π0<br />
c!(1 − ρ) 2<br />
en explicitant la valeur de π0.<br />
Théorème (Little). En adoptant les notations suivantes :<br />
– L (resp. Lq ) est nombre de clients dans le système (resp. dans la file <strong>d’attente</strong>).<br />
– W (resp. Wq ) est le temps de séjour d’un client dans le système (resp. dans la file <strong>d’attente</strong>).<br />
– λ Fréquence moyenne d’arrivées des clients.<br />
on a : E(L) = λE(W ),<br />
E(Lq )=λE(Wq ).<br />
Exercice 4. Augmentation de capacité<br />
On reprend la file M/M/c de l’exercice précédent et, pour fixer les idées, on prend µ = 1, ρ = 0,75 et c = 12.<br />
On a donc λ = r = 9 arrivées par unité de temps en moyenne, ce qui fait ∆ = c −r = 3 serveurs pour absorber<br />
les variations de trafic. Supposons que les arrivées quadruplent : λ ′ = 4λ = 36, comment choisir c ′ ?<br />
1. Donner différentes grandeurs qu’on peut vouloir garder constantes pour la file <strong>d’attente</strong>.<br />
2. Pour chacune, calculer le nouveau nombre de serveurs nécessaires.<br />
Solution.<br />
1. Dans les grandeurs usuelles, on peut choisir de garder constant :<br />
(a) le taux de service : ρ,<br />
(b) la probabilité d’attendre : 1 −Wq (0) (mesure de congestion),<br />
(c) le nombre de serveur pour absorber les variations de trafic : ∆ = c − r .<br />
3<br />
■
2. Dans les trois cas, le nouveau nombre de serveur est :<br />
(a) ρ ′ = ρ ⇐⇒ c ′ µ = 4cµ donc c ′ = 4c = 48,<br />
(b) on calcule successivement Wq (0) pour différentes valeurs de c ′ avant de trouver c ′ = 42,<br />
(c) c ′ = ∆ + r ′ = 3 + 4r = 39.<br />
Comme ce n’est pas le même nombre, il faut faire des compromis entre la qualité et l’efficacité. le<br />
premier choix est appelé domaine de qualité, le second domaine de qualité et d’efficacité et le dernier<br />
domaine d’efficacité, ce qui illustre la motivation de chacun de ces choix.<br />
Exercice 5. Comparaison de trois modèles de serveur<br />
On souhaite comparer les trois architectures suivantes de files <strong>d’attente</strong> :<br />
– A : Consiste à utiliser un seul serveur de capacité 2µ,<br />
– B : Consiste à utiliser deux serveurs de capacité µ en parallèle, ces serveurs partagent la même file <strong>d’attente</strong>,<br />
i.e, s’il y a une requête en attente de traitement, elle est transmise vers le premier serveur qui se<br />
libère,<br />
– C : Consiste à utiliser deux serveurs de capacité µ en parallèle, mais cette fois-ci, chaque serveur à son<br />
propre file <strong>d’attente</strong>.<br />
1. Intuitivement, quelle configuration semble la meilleure ?<br />
Pour chacune des trois configurations :<br />
2.Donnez sa condition de stabilité.<br />
3.Écrire son générateur infinitésimal (en précisant les cas limites).<br />
4.Calculer le nombre moyen de clients dans le système.<br />
5.En déduire le temps moyen de réponse.<br />
Où se trouve la différence entre les différentes configurations ? Laquelle préférer ?<br />
Solution.<br />
1. C’est subjectif mais . . .la deuxième ?<br />
2. La condition de stabilité est toujours λ < 2µ.<br />
3. – d’après de <strong>TD</strong> de la semaines dernière : qi+1,i = λ, qi−1,i = 2µ, qi i = −(λ + 2µ)<br />
– l’analyse donne qi+1,i = λ, qi−1,i = 2µ, qi i = −(λ + 2µ)<br />
– chaque file a un générateur donné par qi+1,i = λ<br />
2 , qi−1,i = µ, qi i = −( λ<br />
2 + µ) donc par linéarité de la<br />
dérivation, le générateur final est qi+1,i = λ, qi−1,i = 2µ, qi i = −(λ + 2µ)<br />
4. –<br />
–<br />
λ<br />
2µ−λ<br />
λ<br />
2µ−λ<br />
– 2 λ<br />
2<br />
µ− λ = 2<br />
2<br />
λ<br />
2µ−λ<br />
1<br />
2µ−λ<br />
5. – d’après l’exercice 1 :<br />
– presque pareil (même temps <strong>d’attente</strong> mais la loi de traitement par les serveurs est plus faible)<br />
– le temps moyen est celui de chaque file :<br />
1<br />
µ− λ<br />
2<br />
= 2<br />
2µ−λ<br />
La différence entre les deux premières configurations se fait lorsqu’il n’y a qu’un client dans le système : il<br />
est servi à vitesse double dans la première. La meilleure configuration semble être la première mais il y a<br />
d’autres facteurs à prendre en compte dans la vie réelle : le coût, la résistance aux pannes, . . .<br />
■<br />
4<br />
■