Gestion des files d`attente (II) Fichier
Transcription
Gestion des files d`attente (II) Fichier
GOL502 – Industries de services Gestion des files d’attente (II) MAJ 2016 Version 2015 Gestion des files d’attente Objectifs pédagogiques À la fin de cette séance de cours, tu devras être capable: • De reconnaître les situations où le traitement par priorité est nécessaire; • D’évaluer la performance d’un modèle: Serveurs multiples, par priorité et temps de service exponentiel; • D’apprécier comment l’analyse par files d’attente sont utiles dans différents secteurs de l’industrie. 2 Gestion des files d’attente Introduction Les files d’attente sont inévitables dans les industries de services • Les clients arrivant à comptoir de service; • Les appels entrant à un centre d’appels; • Les déclarations d’impôt arrivant à un centre de traitement. Elles sont le résultat d’un déséquilibre entre la capacité de l’offre et la demande • Ce déséquilibre peut être généré artificiellement ou naturellement. L’objectif, dans la majorité des situations, n’est pas d’éliminer les files d’attente mais bien les gérer. 3 Gestion des files d’attente Caractéristiques des files d’attente 1. 2. 3. 4. Population (clients) Serveurs (ressources qui fournissent le service) Processus des arrivées et du service Ordre de traitement 4 J. A. Fitzsimmons, 2007, Service Management: Operations, Strategy, Information Technology. 6th edition, McGraw-Hill Gestion des files d’attente Section Évaluation de la performance 5 Gestion des files d’attente Évaluation de la performance Modèles d’évaluation (population infinie) • Serveur unique, FCFS, temps de service exponentiel o • Serveur unique, FCFS, temps de service constant o • Modélise les cas où le serveur effectue des opérations prédéterminées (lavage automatisé, contrôle d’accès, etc.) . Serveurs multiples, FCFS, temps de service exponentiel o • Modélise la plupart des services à guichet unique. Banques, guichets billetteries, etc. Serveurs multiples, par priorité, temps de service exponentiel o Salle d’urgence, exécution des tâches dans un ordinateur, etc. 6 J. A. Fitzsimmons, 2007, Service Management: Operations, Strategy, Information Technology. 6th edition, McGraw-Hill Gestion des files d’attente Évaluation de la performance Serveurs multiple, par priorité, temps de service exponentiel • Discipline de la file d’attente (ordre de traitement) est réalisée par des règles de priorité o Des clients sont classés par catégories; o Dans chaque catégorie l’ordre est FCFS; o Lorsque les clients d’une catégorie ont tous été servis, on passe à la catégorie suivante; o Si un client de la catégorie supérieure se présente: On présentera uniquement ce cas qui est plus simple (Sans préséance): le client de la catégorie supérieure sera servi après la fin du client actuel; (Avec préséance): le client de la catégorie supérieure sera servi immédiatement. 7 J. A. Fitzsimmons, 2007, Service Management: Operations, Strategy, Information Technology. 6th edition, McGraw-Hill Gestion des files d’attente Évaluation de la performance Discipline de la file d’attente par priorité (1 à n) • L’ordre de traitement o D’abord catégorie 1, traiter client a et ensuite client b. Catégorie 2, traiter client c puis client e puis client g. Catégorie 3, traiter client d et ensuite client f. o Client e (catégorie 2) est en traitement, un nouveau client de la catégorie 1 se présente: (Sans préséance): Traiter le nouveau client après client e; (Avec préséance): Traiter le nouveau client immédiatement. 8 Gestion des files d’attente Évaluation de la performance Serveurs multiples, priorité sans préséance, temps de service exponentiel • Nombre moyen de clients de la catégorie c qui attendent 𝑛𝑐 = 𝜇𝑐 × 𝑡𝑐 • Temps moyen d’attente des clients de la catégorie c dans la file 1 − 𝜌 𝑛𝑎 𝑡𝑐 = 𝜇𝑘 𝜇𝑘 𝑐 𝜇 𝑇 1 − 𝑐−1 𝑘=1 𝑠𝜆 1 − 𝑘=1 𝑠𝜆 Taux d’utilisation du système μ 𝑇 ρ= 𝑠λ Temps moyen des clients de la catégorie c passés dans le 1 système 𝑡𝑠𝑐 = 𝑡𝑐 + λ −1 • μ𝑇 = 𝑠−1 𝑃0 = 𝑛=0 T est le nombre de catégories dans la priorité; s est le nombre de serveurs. 𝑇 • μ𝑘 𝑘=1 μ𝑇 λ 𝑛! 𝑛 μ𝑇 λ + 𝑠! 𝑠 1 1−ρ 𝑛𝑎 = μ𝑇 λ μ𝑇 𝑠 λ 𝑠 − 1 ! (𝑠λ − μ 𝑇 )2 𝑃0 9 Gestion des files d’attente Caractéristiques des files d’attente Avertissement est le taux moyen des arrivées est le taux moyen de service et ne représentent pas les mêmes quantités dans la plupart des références en gestion des opérations. Soyez attentifs! 10 Gestion des files d’attente Évaluation de la performance Serveurs multiples, priorité, temps de service exponentiel • • Les attractions de WDW Resort reçoivent trois catégories de clients 1. Les personnes handicapées; 2. Les détenteurs de FastPass+ / Priority Seating; 3. Les clients réguliers. La priorité est accordée selon cet ordre. 11 Gestion des files d’attente Évaluation de la performance Le nouveau restaurant « Be our Guest » dans le Fantasyland de WDW Resort • Essentiellement un « Burger joint » de moyenne gamme dans une ambiance pseudo-médiévale (la belle et la bête): 12 Gestion des files d’attente Évaluation de la performance Les données de ce restaurant sont (*) • Nombre de serveurs: s = 14 • Achalandage au dîner o Personnes handicapées Catégorie 1: En moyenne 8 clients à l’heure (1 = 8); Priority Seating o Catégorie 2: En moyenne 60 clients à l’heure (2 = 60); Réguliers o • Catégorie 3: En moyenne 310 clients à l’heure (3 = 310); Temps de service (chaque comptoir) o En moyenne 29 clients à l’heure par serveur ( = 29). 13 (*) Données fictives. Gestion des files d’attente Évaluation de la performance Serveurs multiples, priorité sans préséance, temps de service exponentiel 3 1 μ𝑇 = 𝑘=1 13 3 𝑃0 = 𝑛=0 4 • 𝑡𝑐 = μ𝑘 = 8 + 60 + 310 = 378 378 29 𝑛! 𝑛 378 29 + 14! 14 2 μ𝑇 378 ρ= = = 0.9310 𝑠λ 14 × 29 −1 1 1 − 0.9310 = 1.06 × 10−6 14 378 × 29 378 29 𝑛𝑎 = 𝑃 = 9.7574 13 ! (14 × 29 − 378)2 0 Temps moyen d’attente des clients de la catégorie c 1 − 𝜌 𝑛𝑎 𝜇𝑇 1 − 𝑐−1 𝜇𝑘 𝑘=1 𝑠𝜆 1− 𝜇𝑘 𝑐 𝑘=1 𝑠𝜆 = 1 − 0.9310 9.7574 378 1 − 𝑐−1 𝜇𝑘 𝑘=1 14×29 1− 𝜇𝑘 𝑐 𝑘=1 14×29 𝑡1 = 0.1 𝑚𝑖𝑛𝑢𝑡𝑒𝑠, 𝑡2 = 0.13 𝑚𝑖𝑛𝑢𝑡𝑒𝑠, 𝑡3 = 1.86 𝑚𝑖𝑛𝑢𝑡𝑒𝑠 14 Gestion des files d’attente Évaluation de la performance Les clients de la catégorie « régulier » sont plus nombreux à attendre mais ils n’attendent pas longtemps. Serveurs multiples, priorité sans préséance, temps de service exponentiel • Nombre moyen de clients de la catégorie c qui attendent 𝑛𝑐 = 𝜇𝑐 × 𝑡𝑐 , 𝑛1 = 𝜇1 × 𝑡1 = 0.01, 𝑛2 = 𝜇2 × 𝑡2 = 0.13, 𝑛3 = 𝜇3 × 𝑡3 = 9.61. • • μ𝑇 378 ρ = = = 0.9310 Taux d’utilisation des serveurs 𝑠λ 14 × 29 Temps moyen des clients de la catégorie c passés dans le système 1 1 Ça « roule » pas 𝑡𝑠𝑐 = 𝑡𝑐 + , 𝑡𝑠1 = 𝑡1 + = 2.17 minutes, mal! λ 29 1 𝑡𝑠2 = 𝑡2 + = 2.19 minutes, 29 1 𝑡𝑠3 = 𝑡3 + = 3,92 minutes. 29 15 Gestion des files d’attente Évaluation de la performance Les « Central Shops » de WDW sont des ateliers servant, entre autres, à la réparation des équipements utilisés dans les parcs thématiques • Ces ateliers sont identiques et possèdent chacun les mêmes expertises (*) 16 (*) Données fictives. Gestion des files d’attente Évaluation de la performance Dans la pratique courante, les « Central Shops » de WDW accorde une priorité aux réparations majeures (*) • Équipements en provenance des attractions classées « top 10 » et qui sont essentiels au bon fonctionnement des attractions • Big Thunder Moutain, Splash Mountain, Tower of Terror, space Mountain, Rock ’n’ Roller Coaster, Under the Sea, Mad Tea Party, Peter Pan’s Flight, Maelstrom, Soarin’, Buzz Ligheyear’s Space Ranger Spin; • Équipements qui sont essentiels au bon fonctionnement des autres attractions; • Équipements qui ont un grand impact visuel; • Autres équipements. 17 (*) Données fictives. Gestion des files d’attente Évaluation de la performance Les données de ce service sont (*) • Nombre de serveurs: s = 10 (ateliers) • Travaux durant 1 mois pendant la saison dite « value » o o • Attractions « Top 10 » Catégorie 1: En moyenne 38 réparations par mois (1 = 38); Autres attractions Catégorie 2: En moyenne 161 réparations par mois (2 = 161); Impact visuel majeur o Catégorie 3: En moyenne 175 réparations par mois (3 = 175); o Catégorie 4: En moyenne 80 réparations par mois (4 = 80); Autres Temps de service (chaque atelier) o En moyenne 50 réparations par mois par atelier ( = 50). 18 (*) Données fictives. Gestion des files d’attente Évaluation de la performance Serveurs multiples, priorité sans préséance, temps de service exponentiel 4 1 μ𝑇 = 3 𝑃0 = 𝑛=0 4 • 𝑡𝑐 = μ𝑘 = 374 𝑘=1 9 Bravo! presque pas temps d’attente. 2 μ𝑇 ρ= = 0.908 (91%) 𝑠λ μ𝑇 λ 𝑛! 𝑛𝑎 = 𝑛 μ𝑇 λ + 𝑠! μ𝑇 λ 𝑠 −1 1 1−ρ μ𝑇 𝑠 λ 𝑠 − 1 ! (𝑠λ − μ 𝑇 )2 = 3.31 × 10−4 𝑃0 = 0.58885 Temps moyen d’attente des réparations de la catégorie c 1 − 𝜌 𝑛𝑎 𝜇𝑇 1 − 𝑐−1 𝜇𝑘 𝑘=1 𝑠𝜆 1− 𝜇𝑘 𝑐 𝑘=1 𝑠𝜆 = 1 − 0.908 0.58885 374 1 − 𝑐−1 𝜇𝑘 𝑘=1 10×50 1− 𝜇𝑘 𝑐 𝑘=1 10×50 𝑡1 = 0.11 ℎ𝑟𝑒𝑠, 𝑡2 = 0.19 ℎ𝑟𝑒𝑠, 𝑡3 = 0.68 ℎ𝑟𝑒𝑠, 𝑡4 = 4,5 ℎ𝑟𝑒𝑠 19 Gestion des files d’attente Évaluation de la performance Serveurs multiples, priorité sans préséance, temps de service exponentiel • • Bravo! Il n’y a pas de réparation en attente. • Nombre moyen des réparations de la catégorie c qui attendent 𝑛𝑐 = 𝜇𝑐 × 𝑡𝑐 , 𝑛1 ≈ 0, 𝑛2 ≈ 0, 𝑛3 ≈ 1, 𝑛4 = 1. μ𝑇 Taux d’utilisation des ateliers ρ= = 0.908 𝑠λ Temps moyen des réparations de la catégorie c passées dans le système 1 𝑡𝑠𝑐 = 𝑡𝑐 + , 𝑡𝑠1 = 14.5 heures, λ 𝑡𝑠2 = 14.6 heures, 𝑡𝑠3 = 15 heures, 𝑡𝑠4 = 18.9 heures. Ouf! c’est relativement long. L’attraction est arrêtée durant tout ce temps! 20 Gestion des files d’attente Évaluation de la performance Le temps des réparations passées dans les ateliers est trop long (en moyenne ~ 15h à 19h) – il faut réduire ce temps • Scénario A: Augmenter le nombre d’ateliers dans « Central Shops ». • L’augmentation du nombre d’ateliers a réduit le temps moyen d’attente mais pas le temps moyen passé dans le système. 21 Gestion des files d’attente Évaluation de la performance Le temps des réparations passées dans les ateliers est trop long (en moyenne ~ 15h à 19h) – il faut réduire ce temps • Il n’y a pratiquement pas d’attente dans la file d’attente (voir tc et nc). Par contre, le taux d’utilisation des ateliers est déjà ~ 91%. • Scénario B: demander aux artisans d’accélérer la cadence de travail en augmentant (taux moyen de service) • • On peut réduire le temps moyen passé dans les ateliers de 15h à 7h mais cela exige une d’augmentation de 100% dans le taux de service; Même si les artisans sont capables d’augmenter la cadence des réparations, le taux d’utilisation des ateliers pourra tomber en dessous de 50%. 22 Gestion des files d’attente Évaluation de la performance • Le temps des réparations passées dans les ateliers est trop long (en moyenne ~ 15h à 19h) – il faut réduire ce temps Une solution possible: embaucher plus d’artisans et ainsi réduire le temps moyen des réparations passées dans l’atelier. Puisque le taux d’utilisation du système est diminué, on peut réassigner une partie des artisans à d’autres types de tâche. 23 GOL500 Industries de services Fin de la présentation des files d’attente par priorité 24 GOL500 Industries de services Section Applications non traditionnelles des files d’attente 25 Gestion des files d’attente Applications Modéliser les boutons / commandes « undo » d’une application logicielle • Population o • Serveur o • Infinie: bien que les commandes sont généralement limitées. Le nombre de commandes arrivant dans la file d’attente est considéré comme infini. Unique: l’application logicielle. Processus des arrivées et du serveur o Stochastique (non déterministe): les commandes ne sont pas enclenchées périodiquement par l’utilisateur. Le temps nécessaire pour « défaire » une commande varie selon sa complexité. 26 Gestion des files d’attente Applications Modéliser les boutons / commandes « undo » d’une application logicielle • Discipline de la file o • LCFS (dernier arrivé, premier servi) car un veut « défaire » la dernière commande exécutée par l’application logicielle. On analyse quoi? o Déterminer la longueur de la file d’attente. L’implantation de « undo » implique la mémorisation du contexte précédent l’exécution d’une commande. Plus la file est longue, plus elle exige de la mémoire de stockage. 27 Gestion des files d’attente Applications Déterminer l’attente pour toilettes temporaires d’un événement extérieur. Selon l’agence américaine FEMA (Federal Emergency Management Agency) • Le nombre de toilettes temporaires extérieurs est une fonction des facteurs suivants o Durée de l’événement; o Type de participants; o Conditions météorologiques; o Consommation de boissons alcoolisées ou non; o Règlements de la localité; o Etc. 28 Outdoor toilet facilities availability guide. 2015. In Le site americanrestroom.org. En ligne. Gestion des files d’attente Applications FEMA recommande (50-50, femme/homme) Sans alcool Avec alcool 29 Outdoor toilet facilities availability guide. 2015. In Le site americanrestroom.org. En ligne. Gestion des files d’attente Applications Dans ce contexte, le temps d’attente a un impact sur la salubrité des lieux et la santé publique en général. • • Population o finie: Si l’événement reçoit un nombre limité de participants; o Infinie: Si l’événement est ouvert au public. Serveur o Unique: Si la file d’attente est associée à une seule toilette temporaire; o Multiple: Si plus d’une toilette est associée à une file d’attente. 30 Gestion des files d’attente Applications Dans ce contexte, le temps d’attente a un impact sur la salubrité des lieux et la santé publique en général. • Processus des arrivées et de service o Selon une estimation (*), en moyenne on visite la toilette à chaque 3 à 4 heures. La fréquence des visites augmente s’il y a consommation de boissons alcoolisées. o Selon le résultat d’un sondage (**)., les hommes passent en moyenne 15 minutes par jour au toilette. Les femmes 12 minutes par jour. Ainsi, en supposant une visite à chaque 4 heures (6 visites par jour), nous aurons en moyenne 2.5 minutes par visite pour les hommes et 2 minutes par visite pour les femmes. Augmenter la fréquence des visites s’il y a consommation de boissons alcoolisées. (*) How to calculate the number of toilets needed for an event. 2014. En ligne. <http://www.dinkumdunnies.com.au/news/calculate-number-toilets-needed-event>. Consulté le 20 juin 2015. (**) How long do we spend in bathroom, 2008. En ligne. <http://www.scotsman.com/news/how-long-do-we-spend-inbathroom-1-189-years-1-1072528>. Consulté le 20 juin 2015. 31 Gestion des files d’attente Applications Dans ce contexte, le temps d’attente a un impact sur la salubrité des lieux et la santé publique en général. • Discipline de la file d’attente o • FCFS. On analyse quoi? o Le nombre moyen de participants dans la file d’attente: La situation où il y a beaucoup de personnes qui attentent encourage les gens à faire leurs besoins ailleurs que dans les toilettes. o Le temps moyen d’attente: La situation où le temps d’attente est long encourage les gens à quitter la file d’attente et faire leurs besoins ailleurs que dans les toilettes. 32 Gestion des files d’attente Applications Modéliser le flux d’automobiles d’une intersection de rues et déterminer le nombre de voies pour ces rues • Les auteurs de ce projet de recherche ont utilisé la configuration serveurs multiples et FCFS pour modéliser le flux d’automobiles; • Ils ont analysé le temps d’arrivée des automobiles à l’aide du test 2: o • Résultat conforme à la distribution de Poisson. Pour le taux moyen de service, les auteurs ont compté le nombre de véhicules traversant l’intersection à différentes heures et à différents jour. o Ce taux moyen de service est donc empirique et le temps de service est supposé conforme à la distribution exponentielle. 33 S. Yang, X. Yang, 2014. The application of queuing theory in the traffic flow of intersection, International Journal of Gestion des files d’attente Applications Modéliser le flux d’automobiles d’une intersection de rues et déterminer le nombre de voies pour ces rues • Population o • Serveur o • Multiple: Chaque voie de la rue est un serveur. Processus des arrivées et de service o • Infinie: Tous les véhicules peuvent circuler sur ces rues. Stochastique: voir page précédente. Discipline de la file d’attente o FCFS. 34 S. Yang, X. Yang, 2014. The application of queuing theory in the traffic flow of intersection, International Journal of Gestion des files d’attente Applications Modéliser le flux d’automobiles d’une intersection de rues et déterminer le nombre de voies pour ces rues • μ Par la théorie des files d’attente, on sait que ρ = <1 𝑠λ signifie un système en régime permanent; • Si 1, le système devient instable avec une file d’attente de plus en plus longue et éventuellement atteindre une longueur infinie. • Donc, o Le nombre de voies s est la valeur à la quelle < 1; o Il peut y avoir plus d’une valeur de s satisfaisant < 1. 35 S. Yang, X. Yang, 2014. The application of queuing theory in the traffic flow of intersection, International Journal of Gestion des files d’attente Applications Modéliser le flux d’automobiles d’une intersection de rues et déterminer le nombre de voies pour ces rues • Selon les auteurs, la détermination du nombre de voies par rue passent par et Pn (probabilité qu’il y ait n véhicule dans le système). μ o Choisir s de sorte que < 1; ρ = 𝑠λ < 1 Choisir s de sorte que Ps soit le plus petit que possible. o 𝑠−1 𝑃0 = 𝑛=0 μ λ 𝑛! 𝑛 + μ λ 𝑠! 𝑠 −1 1 1−ρ μ 𝑛 λ 𝑃 0 𝑛! 𝑃𝑛 = μ 𝑛 λ 𝑃 𝑠! 𝑠 𝑛−𝑠 0 𝑛 ≤𝑠 𝑛>𝑠 36 S. Yang, X. Yang, 2014. The application of queuing theory in the traffic flow of intersection, International Journal of Fin de la séance #6