Cours Sur La File Datt

F -X C h a n ge F -X C h a n ge
PD PD
!
W
W
O
O
N
N
y
y
Par Mr LANGMIA Charles
bu
bu
to
to
ww
ww
om
om
k
k
lic
lic
C
C
.c
.c
w
w
tr re tr re
.
.
ac ac
k e r- s o ft w a k e r- s o ft w a
Titre 4 : Phénomènes d’attente

Chapitre 1 : Introduction aux problèmes d’attente
1.1 - L’exemple introductif : La coiffure
Mr. LANGMIA, le président du groupe LA PENSEE Corporation, a un coiffeur Constant ELOCK qui arrive
à son bureau une fois par semaine pour lui couper les cheveux. Tom BOSS, son
Directeur Général va se faire coiffer chez le coiffeur Constant ELOCK qui a une seule chaise opérationnelle.
Constant ELOCK visite aussi des P.D.G. dans la ville. Il arrive que Constant attende les P.D.G. parfois
occupés (en réunion par exemple) avant de pouvoir les coiffer. Tom BOSS trouve généralement des clients
arrivés avant lui à Constant ELOCK.
Ces situations ont en commun quelques caractéristiques :
(1) un service : la coupure des cheveux
(2) une station de service : l’ensemble représenté par le coiffeur et ses outils
(3) des clients qui demandent le service : les personnes qui veulent être coiffées
(4) une règle d’attente qui détermine l’ordre dans lequel les personnes seront servies : pour Mr LANGMIA,
c’est un système de rendez-vous ; pour Tom BOSS, c’est la règle du premier-arrivé, premier-servi (FIFO)
Ces situations impliquent des conflits dans les objectifs de chacun. Constant ELOCK n’aimerait pas attendre
une fois arrivé dans le bureau des P.D.G. même si son tarif a plus ou mois été étudié en prenant en compte ce
risque. Mr LANGMIA ne voudrait pas non plus que George BARBER arrive en retard à son rendez-vous.
M. Tom BOSS n’aimerait pas voir des personnes en attente avant son arrivée. Il voudrait être servi aussitôt
venu4. Constant ELOCK voudrait toujours avoir au moins une personne en attente dans sa file pour ne pas
chômer.
En observant la demande de service, on se rend compte que la plupart des clients aiment se coiffer pendant le
week-end (période de pointe) alors que le lundi, la demande est quasi nulle (lundi). Dans la même journée, il y a
des périodes de pointe et des périodes creuses.
De plus, le temps nécessaire pour coiffer deux personnes n’est pas le même ; deux coiffeurs n’ont pas non plus la
même habileté ou qualification (skill)
Les caractéristiques se complètent par :
(5) le taux des arrivées : comment de personnes arrivent par unité de temps pour demander le service ?
(6) le temps d’attente : pendant combien de temps une personne attend-elle avant d’être servie (temps d’attente
dans la file + temps du service)
(7) le temps de service (le temps que prend strictement la coiffure en excluant l’attente préalable)
(8) le taux d’utilisation du service : le rapport entre l’utilisation effective du service et la disponibilité dudit
service
1.2 - Autres exemples

Les exemples sont nombreux. Nous attendons dans les files pour la coiffure, l’achat de tickets aux guichets, les
inscriptions, pour manger au Restau U., dans les feux de circulation routière (feux rouges), devant une toilette ou
une cabine téléphonique, au cabinet du médecin, attente de trouver un organe pour une greffe, etc.
Mais il n’y a pas que les hommes (ou les êtres vivants dont les animaux) qui attendent ; les choses aussi :
courrier en attente d’être traité (lu, corrigé, dactylographié, etc.), machine en attente de réparation, tâches en
attente d’être traitées par un ordinateur (batch job processing), document en attente d’être imprimés (spooler),
avions attendant leur tour pour atterrir sur un aéroport surchargé, etc.
Exemples à fournir par les étudiants :
1.3 - La taille optimale de service

Le temps d’attente a un coût et en général, on n’aimerait pas attendre. Ce temps d’attente peut être réduit en
augmentant le nombre de stations de service (nombre de cabine téléphonique ou de cabine W-C), ou en
augmentant leur puissance (une imprimante 12 pages par minute au lieu de 6 pages par minute, des routes plus
larges, des canaux à hauts débits, une dactylographe plus qualifiée, un cadre plus performant pour l’étude des
dossiers en attente).
Toutes ces solutions ont également un coût plus élevé que le statu quo. Par surcroît, après l’augmentation de
capacité, on peut tomber dans un sur-dimensionnement de l’équipement avec un taux d’utilisation des ressources
plus faible donc moins de rentabilité.
Le sous-dimensionnement entraîne des coûts d’opportunité : clients découragés qui abandonnent ou vont se faire
servir chez les concurrents, mauvaise publicité ou mauvaise réputation de l’établissement, etc. toutes choses qui
nuisent à son chiffre d’affaires et compromettent sa survie.
Cours sur les files d’attente tel: 677767535 ou 655418374 pour plus de detailles Page
PD PD
!
W
W
O
O
N
N
y
y
bu
bu
to
to
ww
ww
om
om
k
k
lic
lic
C
C
.c
.c
w
w
tr re tr re
.
.
ac ac
Il convient donc de déterminer la taille optimale du service. Cette taille est évidemment dynamique et devra
suivre l’évolution de la demande sachant que dans certains domaines il est très difficile de réduire une capacité
installée (infrastructures routières).
1.4 - Résumé
Il y a phénomène d'attente, chaque fois qu'un certain nombre d'unités appelés clients se présente d'une manière
aléatoire afin de recevoir un service, d'une durée aléatoire, de la part d'autres unités appelées stations.
Lorsque le nombre de clients et de stations est tel que les clients doivent attendre avant de se faire servir, il se
forme une file d'attente.
Un système d'attente est dit ouvert : lorsque le nombre de client n'a pas une limite connue.
(Patients au cours d'une matinée au cabinet du médecin, la demande quotidienne de journaux dans un kiosque,
etc.)
Un système est dit fermé lorsque le nombre est fixé et connu et est limité. (Etudiants dans un bus attendant dans
la file de sortie, défilé militaire, etc.)
La file d'attente est l'ensemble des clients qui attendent d'être servis à l'exclusion de ceux qui sont en train de se
faire servir. Par contre, le système d'attente comprend tous les clients présents.
Le temps d'attente est le temps total dépensé depuis l’arrivée dans la file à la sortie de la station après avoir été
servi. Par contre, le temps de service est le temps strict que dure le service.
Les clients arrivent de manière aléatoire. Nous verrons que la loi des arrivées peut être ajustée par certaines lois
statistiques bien connues. Ils doivent recevoir un service à l'une des stations ; pour cela ils peuvent constituer
plusieurs files d’attentes séparées (une par station), ou une file unique.
Il est parfois possible de changer de file. On peut aussi trouver des cas où certains clients sont prioritaires. Enfin,
tout habitué d'une administration sait qu'il faut parfois faire la queue d'abord à une station puis ensuite à une
autre... C'est ce que l'on appelle le problème des files d'attente sérielles.
Nous dirons donc que l'attente obéit à une règle qui est fixée arbitrairement et qui s'impose au client (celui qui
serait tenté de l'oublier se voit rapidement rappelé à l'ordre par un sonore « faites la queue comme tout le monde
»).
Les clients arrivent donc de manière aléatoire, font la queue selon une règle d'attente pour recevoir de la part
des stations un service qui est lui-même d'une durée aléatoire, dont la loi peut être ajustée par une loi
statistique connue.
Le problème étant ainsi posé, quelles sont les questions qui peuvent intéresser le client, ou l'organisateur du
système? En d'autres termes, quels sont les éléments qui vont caractériser notre système d'attente.
Le client pourra se demander :
1) Combien de temps va-t-il attendre en moyenne dans la queue ?
2) Quelle probabilité a-t-il d'attendre pendant plus d'un temps t ?
3) Combien va-t-il trouver de clients avant lui (surtout s'il s'agit d'une queue devant une salle de cinéma) ?
Le chapitre suivant tentera de répondre à ces questions dans le cas d’une seule station de
service.
Chapitre 2 : Modèle de file d’attente avec une station
Il existe une infinité de modèles de file d’attente. Les modèles se différentient par leurs hypothèses. Plus les
hypothèses sont simplificatrices, plus la résolution du modèle est facile ; plus le modèle est réaliste (et souvent
sophistiqué) plus la résolution est difficile.
Parfois il n’existe pas de solution générale ou académique. C’est pourquoi dans ce cours nous nous intéressons à
un modèle de base dont les solutions sont connues.
2.1 - Hypothèses du modèle
H1 - Les arrivées sont aléatoires et indépendantes
Arrivées aléatoires : à tout instant il peut y avoir une arrivée ou non. Les arrivées ne sont pas prévisibles selon
une règle déterministe. On ne sait pas s’il y aura une arrivée dans l’unité de temps suivante ou non
Arrivées indépendantes : Les arrivées ne se sont pas corrélées. Le fait qu’une personne soit arrivée ne nous
donne pas une information sur une arrivée ou non l’unité de temps suivante
( t) infiniment petite (dt).
Contre exemples de la non corrélation
- Les arrivés des étudiants à un guichet d’admission se font en grappe (arrivée des bus).
PD PD
!
W
W
O
O
N
N
y
y
bu
bu
to
to
ww
ww
om
om
k
k
lic
lic
C
C
.c
.c
w
w
tr re tr re
.
.
ac ac
- Les appels téléphoniques sont plus denses en cours de semaine par rapport au week-end.
-
-
-
-
-
-
-
-
Quand cette hypothèse n’est pas vérifiée dans une étude, il faut découper le modèle en périodes plus ou moins
homogènes.
Exemple de découpage
- Les lundis, les mardis, etc. ...
- 8 h à 10h, de 10h à 12h, etc.
- La consultation des tarifs de téléphone montre les groupes homogènes tels qu’ils sont perçus par l’OPT et/ou
tels que l’OPT voudrait les endiguer.
H2 - La population des clients est infinie
Il s’agit d’une hypothèse technique nécessaire pour dériver la loi de Poisson. La plupart des phénomènes réels ne
peuvent être ajustés à une loi théorique que grâce à une hypothèse de répétition infinie (cf. cours de statistique :
variable de Bernoulli et loi Binomiale).
Sous ces deux hypothèses, la distribution des arrivées suit une loi de Poisson
H3 - Une seule station de service
Les solutions suivantes sont établies uniquement pour le cas d’une seule station. Pour plusieurs stations, la
solution est moins évidente.
H4 - Règle de service : First-In First-Out
Les clients sont servis selon la règle du premier arrivé, premier servi. Sans cette hypothèse, il y aurait une
anarchie et les temps moyens dérivés ci-après n’auraient plus de sens.
Des modèles avec priorité existent (première et deuxième classes), mais n’ont pas de solution facile.
H5 - Aucun client arrivé ne se décourage et ne sort de la file avant d’avoir été servi !
Il s’agit d’une hypothèse très forte mais dont la nécessité est évidente dans le modèle. Dans les cas de contre
exemple, cela fausse les formules des calculs ci-après, d’où la nécessité de cette hypothèse de construction.
Exemple validant l’hypothèse : obligation de se vacciner contre une maladie grave.
Contre exemple : les étudiants qui quittent la file d’attente du Restau U. pour aller dormir ou étudier ou se
nourrir auprès des concurrents du Restau U.
Re-formulation de l’hypothèse : Le modèle ne prend en compte que les clients qui arrivent et que ne quittent
qu’après avoir été servi. Les autres ne sont pas pris en compte dans le taux d’arrivée
2.2 - Notations du modèle

2.2.1 - Le taux moyen de service
Le taux de service est le nombre de personnes pouvant être servies en une unité de temps.
Exemple : John COIFFURE peut prendre en moyenne 6 clients par heure.
= 6 personnes / heure = 1 personne / 10 minutes.
2.2.2 - Le taux moyen des arrivées
Le taux moyen des arrivées et le nombre de personne arrivant en moyenne en une unité de temps. Au regard de
l’hypothèse H5, ne prend en compte que les clients qui arrivent et que ne quittent qu’après avoir été servi.
Exemple : 4 clients arrivent par heure à Constant ELOCK .
= 4 personnes / heure = 1 personne / 15 minutes
PD PD
!
W
W
O
O
N
N
y
y
bu
bu
to
to
ww
ww
om
om
k
k
lic
lic
C
C
.c
.c
w
w
tr re tr re
.
.
ac ac
NOTE : Il faut faire attention à l’unité et rapporter tous les paramètres du modèle à la même unité de
temps.
2.3 - Solutions du modèle
2.3.1 - Le nombre moyen d’arrivée dans l’intervalle de temps t
2.3.1.1 - Rappel de la formule de Poisson
La probabilité pour que la variable X suivant une loi de Poisson de paramètre prenne une valeur particulière n
dans l’unité de temps où est exprimée est :
P(X=n) = e- . n / n !
L’espérance mathématique E(X) = et la variance V(X) = .
Attention : n et doivent être exprimés dans la même unité de temps : l’heure, la minute etc. C’est
pourquoi la formule se note plus généralement :
P(X= n dans l’intervalle de temps t ) = e- t . ( t )n / n !
(n étant le nombre de réalisation dans l’intervalle de temps t.)
2.3.1.2 – Applications
Le nombre moyen d’arrivée dans une unité de temps : P(X=n) = e- . n / n !

Exemple 1 : Déterminer la probabilité pour qu’il arrive 7 personnes une 1 heure chez Constant ELOCK
= 4 personnes / heure. Ramenons le problème à l’heure. = 4/h et t=1 heure = > t = 4/h * 1 h = 4
P(X=7) = e-4 . 47 / 7 ! = 0.0595403626
La probabilité pour qu’il arrive 7 personnes en 1 heure chez John COIFFURE est de 5.95 %
NOTE POUR LES CANDIDATS

1 - Aucune table n’étant autorisée à cet examen, les candidats doivent apprendre à manipuler efficacement
une calculatrice scientifique et en disposer à l’examen.
2 - D’autre part, il faut exécuter le calcul d’un trait sans reporter les réponses intermédiaires sur papier sinon
une trop forte imprécision se glisse dans le résultat, ce qui peut induire en erreur dans la décision.
2 - En outre, les réponses doivent être encadrées et expliquées dans le langage courant.
Exemple 2 : Déterminer la probabilité pour qu’il arrive 2 personnes un quart d’heure chez
Constant ELOCK. L’unité de temps est ici le quart d’heure ( 15 minutes)
= 4 personnes / heure = 1 personne / 15 minutes. Ramenons le problème au ¼ heure. =1 / ¼ h
et t = ¼ heure = > t = 1 / ¼ h * ¼ h = 1
P(X=2 en ¼ heure) = e-1 . 12 / 2 ! = 0.1839397206
La probabilité pour qu’il arrive 2 personnes en ¼ d’heure chez John COIFFURE est de 18.39 %
2.3.2 - La distribution du temps entre deux arrivées et du temps de service
Il est souvent préférable de décrire la loi des arrivées par la distribution du temps entre deux arrivées dite
distribution des inter-arrivées.
2.3.2.1 - Loi exponentielle (négative)
Lorsque les arrivées sont distribuées selon une loi de Poisson, les inter-arrivées sont distribuées selon la loi
exponentielle (négative) dont la densité de probabilité est :
f(t) = e- t , avec E(t) = 1/ et V(t) = 1/ 2 (pour t=1)
L'intervalle de temps moyens entre deux arrivées est évidemment l’inverse du nombre de personne qui arrivent
par unité de temps : E(t) = 1/ . De même, la distribution du temps de service suit une loi exponentielle négative
de densité g(t) = e- t où représente le nombre moyen de clients servis par unité de temps. Le temps moyen
du service est évidemment l’inverse du nombre de personne servi par unité de temps : E(t) =1/ .
V(t) = 1/ 2 (pour t=1)
2.3.2.2 - Probabilité que l’intervalle entre deux arrivées soit supérieure à t
La probabilité pour que l’intervalle de temps séparant deux arrivées successives soit supérieure à une valeur t
est égale à la probabilité de n’observer aucune arrivée dans
l’intervalle de temps t , d’où :
PD PD
!
W
W
O
O
N
N
y
y
bu
bu
to
to
ww
ww
om
om
k
k
lic
lic
C
C
.c
.c
w
w
tr re tr re
.
.
ac ac
P( I t) = P(X= 0 dans l’intervalle de temps t ) = e- t . ( t )n / n ! = e- t . ( t )0 / 0 ! = e- t
P( I t) = e- t
Exemple : Quelle est la probabilité qu’entre 11h et 11h15 minutes il n’y ait aucune arrivée chez Constant
ELOCK
t=15 minutes. Retenons l’unité de temps comme étant ¼ d’heure : t=1. Il faut rapporter à
15 mn. = 4 personnes / heure = 1 personne / 15 mn pour t=1
P( I t) = e- t = P( I 1) = e-1 = 0.3678794412
La probabilité pour qu’entre 11h et 11h15 mn il n’y ait aucune arrivée chez Constant ELOCK
est de 36.79 %
Note : Cette probabilité est valable pour n’importe quel intervalle de 15 minutes.
C’est la probabilité pour que l’intervalle de temps séparant deux arrivées successives soit supérieure à 15
minutes.
2.3.2.3 - Probabilité que l’intervalle entre deux arrivées soit comprise entre deux bornes
On traduit le problème en une conjonction de deux événements indépendants par hypothèse dont le produit des
probabilités donne la réponse désirée :
P(A B) = P(A) * P(B)
La probabilité pour que le temps entre deux arrivées soit compris entre deux bornes données a et b (avec b>a)
est obtenue en multipliant la probabilité de zéro arrivée jusqu’au moment a (soit l’intervalle de longueur a) par
la probabilité d’avoir au moins une d’arrivée ( 1 arrivée) au moment b (soit l’intervalle de longueur b).
L’arrivée (ou les arrivées) a (ont) dû se produire dans l’intervalle (b-a).
P(X= n dans le temps t ) = e- t . ( t )n / n !
P(X=0 dans le temps a) = e- a . ( a )0 / 0 ! = e- a
P(X 1 dans le temps a) = 1 - P(X=0 dans le temps a) = 1- e- a (probabilité complémentaire)
On en déduit en changeant la variable a par (b-a) :
P(X 1 dans le temps b-a) = 1 - P(X=0 dans le temps b-a) = 1- e- (b-a)
L’événement qu’il y ait au moins une arrivée pendant l’intervalle de temps (b-a) équivaut à la conjonction de
deux événements indépendants par hypothèse : personne n’est arrivé jusqu'à l’instant a et quelqu’un (au moins)
est arrivé à l’instant b, i.e. dans l’intervalle (ba),
d’où : P(a I b) = P(X=0 dans le temps a) * P(X 1 dans le temps b-a).
P(a I b) = e- a * [1- e- (b-a)] = e- a * [1- e(- b+ a)] = e- a - e- a - b + a = e- a - e- b
P(a I b) = e- a - e- b
Exemple : Quelle est la probabilité qu’il arrive un client chez Constant ELOCK en dix ou douze minutes ?
a = 10 mn b = 12 mn = 4 personnes / heure
Nous devons rapporter toutes ces valeurs à une unité commune : l’heure par exemple.
a = 1/6 heure b = 1/5 heure = 4 personnes / heure
P(a I b) = e- a - e- b = P(1/6 I 1/5 ) = e-4/6 - e-4/5 = 0.0640881549
La probabilité pour qu’il arrive un client chez John COIFFURE entre 10 et 12 minutes est de 6.41 %
2.3.3 - Le taux d’utilisation des facteurs ou du service

C’est le rapport entre le taux d’arrivée sur le taux de service exprimés dans une même unité de temps.
= /
Le taux d’utilisation de John COIFFURE est : = / = 4 arrivées par heures / 6 servis par heure = 4/6 =
2/3 = 0.66667 = 66.67%
John COIFFURE utilise deux tiers de sa capacité soit un taux d’utilisation de 66.67%
Note : Si le taux d’utilisation est supérieur à 1, il y aura un engorgement, la file s’accroissant indéfiniment. Une
hypothèse complémentaire du modèle est que / < 1 indique également le nombre moyen de client en
train d’être servi à tout instant
2.3.4 - Le nombre moyen de personne en attente dans le système à n’importe quel moment, y compris la
personne qui est en train d’être servie
E(xs) = /( )
Application à John COIFFURE : E(xs) = /( ) = 4/(6 4) = 4/2 = 2
Chez John COIFFURE, le nombre moyen de personnes que l’on peut trouver à tout moment dans le salon y
compris la personne qui est en train d’être coiffée est 2 clients.
PD PD
!
W
W
O
O
N
N
y
y
bu
bu
to
to
ww
ww
om
om
k
k
lic
lic
C
C
.c
.c
w
w
tr re tr re
.
.
ac ac
2.3.5 - Le nombre moyen de personne en attente dans le système à n’importe quel moment, excepté la
personne qui est en train d’être servie
E(xw) = 2/ ( )= E(xs) = E(xs) -
Application à Constant ELOCK:
- Formule 1 : E(xw) = 2/ ( - l) = 42/6(6-4) = 16/12 = 4/3 = 1.33 clients
- Formule 2 : E(xw) = E(xs) = 2/3 * 2 = 4/3 = 1.33 clients
- Formule 3 : E(xw) = E(xs) - =2 - 2/3 = 4/3 = 1.33 clients
La formule 3 découle d’une identité :
Nombre moyen de personne dans la file = Nombre moyen de personne dans le système -
Nombre moyen de personnes en train d’être servie.
(Rappelons que le taux d’utilisation du service est également le nombre moyen de client en train d’être
servi à tout instant)
Chez Constant ELOCK, le nombre moyen de personnes que l’on peut trouver à tout moment dans la file
d’attente excepté la personne qui est en train d’être coiffée est 1.33 clients.
2.3.6 - Le temps moyen dépensé par un client dans le système (y compris le temps de service)
E(ts) = 1/( )
Application à John COIFFURE : E(xs) = 1/( ) = 1/(6 4) = 1/2 =0.5 heures soit 30 minutes.
Le temps moyens dépensé par un client Chez John COIFFURE (y compris le temps de service) est de 30
minutes.
2.3.7 - Le temps moyen dépensé par un client dans le système (excepté le temps de
service)
E(tw) = / ( )= E(ts) = E(ts) - 1/
Application à John COIFFURE :
- Formule 1 : E(tw) = / ( ) = 4/6(6 4) = 4/12 = 1/3 heure soit 20 minutes
- Formule 2 : E(tw) = E(ts) = 2/3 * 1/2 = 1/3 heure soit 20 minutes
- Formule 3 : E(tw) = E(ts) - 1/ =1/2 - 1/6 = 3/6-1/6 = 2/6 = 1/3 heure soit 20 minutes
La formule 3 découle d’une identité :
Temps dépensé dans la file = Temps dépensé dans le système - Temps de service
(Rappelons que le temps moyens de service E(ts) = 1/ )
Le temps moyens dépensé par un client Chez John COIFFURE (excepté le temps de service) est de 20 minutes.
Résumé : en moyenne, un client qui arrive chez Constant ELOCK, espère y trouver 2 clients en attente
avant son arrivée, sera obligé d’attendre 20 minutes dans la file pour avoir ses cheveux coupés pendant en
moyenne 10 minutes supplémentaires ; il ne ressortira en moyenne que 30 mn après son entrée.
2.3.8 - La probabilité pour que le nombre de client dans le système excède un nombre
donné
P (xs > n) = ( / ) n+1 = ( ) n+1
Application à John COIFFURE : Probabilité pour que le nombre de personnes en attente dans le système soit
supérieur à 3 :
P (xs > 3) = (4/6) 3+1 = (2/3)4 = 0.1975308642
La probabilité pour que le nombre de personnes en attente dans le système soit supérieur à
3 chez John COIFFURE est de 19.75%
4
2.4 - Exercices d’entraînement
2.4.1 - Loi de Poisson
Sachant que le nombre moyen de communications téléphoniques reçues par un «standard» entre 10 h et 11h est
1,8 par minute, calculer la probabilité pour qu'entre 10:53 et 10:54, il y ait :
- aucun appel
- 1 appel
- au moins 2 appels
- plus de deux appels
- 2 ou 3 ou 4 appels.
PD PD
!
W
W
O
O
N
N
y
y
bu
bu
to
to
ww
ww
om
om
k
k
lic
lic
C
C
.c
.c
w
w
tr re tr re
.
.
ac ac
2.4.2 - Loi de Poisson
On admet que le nombre de défauts sur le verre d'une ampoule de télévision obéit à une loi de Poisson de
paramètre =4.
Calculer la probabilité des événements suivants :
- Il n'y a aucun défaut sur l'ampoule
- Il y a plus de 2 défauts sur l'ampoule
- Le nombre de défaut est compris entre 3 et 7 (bornes incluses).
2.4.3 - Files d'attente
Le terminal principal de la Société des Transports Interurbains est localisé à Grandville. La société emploie un
agent de réservation qui s'occupe uniquement des réservations de la clientèle. Si un appelant demande une
réservation ou des informations sur une possible réservation, la standardiste transfert l'appel à l'agent de
réservation. Si l'agent est occupé, la standardiste met l'appel en attente. Quand l'agent est enfin libre, la
standardiste lui branche la première personne en attente. On suppose que :
- les appels suivent une loi de Poisson de paramètre = 15 appels par heure
- le temps de service suit une loi exponentielle avec un temps moyen de service 3 minutes.
1 - Quel est le taux d'utilisation (utilization factor) de l'agent ?
2 - Quel est le temps moyen d'attente d'un appelant avant d'être mis en contact avec l'agent de réservation ?
3 - Quelle est la longueur moyenne de la file d'attente, (i.e. le nombre moyen de personnes en attente d'être mis
en communication avec l'agent de réservation) ?
2.4.4 - File d’attente
M. Jean X a ouvert un salon de coiffure sous l'enseigne «JOHN Coiffure». En 1996, il avait un seul fauteuil de
service. Les clients arrivent à un rythme aléatoire. Le modèle de service chez «JOHN Coiffure» est «le premier-
venu, premier-servi», (chacun à son tour chez le coiffeur). Quoique les têtes n'aient pas les mêmes besoins de
raffinement, M. Student T., un étudiant en maîtrise, après avoir étudié une centaine de cas, propose un temps
moyen de service de 10 minutes par client. Les cas de coupure de barbe sont isolés et ne sont pas étudiés par le
jeune chercheur. D'après ses statistiques, Student remarque qu'en moyenne 4 clients entrent dans le salon en 1
heure.
- Quelle est la loi des arrivées ?
- Quelle est la probabilité de voir 7 clients arriver en 1 heure ?
- Quelle est la loi des inter-arrivées ?
- Quelle est la probabilité pour que deux arrivées soit séparées par une durée de 10 à 12 minutes ?
- Définir et calculer , le taux d'utilisation (utilization factor). Que se passerait-il si on avait > 1 ? Quelle est
a priori la valeur optimale de ?
- Donner l'expression et calculer
* le nombre moyen de personnes en attente dans le salon à tout moment (y compris le client en train d'être servi).
* le nombre de client dans la file d'attente (excepté donc celui qui est en train d'être coiffé)
* le temps moyen dépensé par un client dans le système ( y compris le temps de service)
* le temps moyen dépensé par un client dans la file d'attente (excepté donc le temps de service)
* la probabilité que le nombre de personnes en attente dans le système soit supérieur à 2,5 clients.
Les arrivées des clients au poste de vente de la firme Grande Société S.A. suivent une loi de Poisson avec un
temps moyen des inter-arrivées de 5 minutes. Les temps de service suivent la loi exponentielle avec une
moyenne de 3 minutes. A son arrivée, le client tire un numéro séquentiel et s'installe à sa guise ; il n'y a donc pas
de file physique. Les clients sont servis par appel de leur numéro ; il y a donc une file logique. Déterminez :
a- le nombre moyen de personnes en attente dans la file à tout moment (y compris le client en train d'être servi).
b - le nombre de clients dans la file d'attente (excepté donc celui qui est en train d'être servi)
c - le temps moyen dépensé par un client dans la file d'attente (excepté le temps de service)
d - le temps moyen dépensé par un client dans le système (y compris le temps de service)
e - la probabilité pour que le nombre de personnes en attente dans le système soit supérieur à 5 clients.
PD PD
!
W
W
O
O
N
N
y
y
bu
bu
to
to
ww
ww
om
om
k
k
lic
lic
C
C
.c
.c
w
w
tr re tr re
.
.
ac ac
Au restaurant universitaire de la Nouvelle Université, il n'y a qu'un seul poste de service et une seule serveuse.
Les étudiant(e)s forment une file physique d'attente et sont servi(e)s dans leur ordre dans la file. Il y règne une
discipline légendaire librement consentie par les futurs leaders de la Nouvelle Société ; aucune personne ne se
fait servir en dehors de la file.
Les arrivées suivent une loi de Poisson de paramètre = 3 étudiant(e)s par minute. Le temps de service suit une
loi exponentielle avec un temps moyen de service 18 secondes.
1 - Quel est le taux d'utilisation (utilization factor) du service ?
2 - Quel est le temps moyen d'attente qu'un(e) étudiant(e) fait dans la file avant qu'on ne commence à le (la)
servir ?
3 - Quelle est la longueur moyenne de la file d'attente, (i.e. le nombre moyen d'étudiant(e)s en attente hors celui
(celle) qui est en train d'être servi(e) ?
4 - Quelle est la probabilité pour que le nombre d'étudiant(e)s en attente dans le système soit supérieur à 10 ?
5 - A quelle condition mathématique élémentaire, la "légendaire discipline librement consentie" risque-t-elle
d'être soumise à rude épreuve ?
Les lettres arrivent au Pool Central de Sténo-Dactylographie de la firme Grande Société S.A. de manière
aléatoire à un taux de 8 par heure. Un(e) sténodactylo peut traiter en moyenne 3 lettres par heure. Combien de
sténodactylo Grande Société S.A. devrait avoir si la politique de la firme est de ne pas faire attendre une lettre
pour plus de 30 minutes avant qu'un(e) sténodactylo ne commence son traitement ?
Titre 5 : Gestion des stocks
Chapitre 1 : Notions de base
Le stockage est utile pour éviter à l’entreprise la discontinuité de ses opérations de production et de vente. Une
rupture de stock de matière première ou de produit semi-fini est source de blocage de la production et de coûts
fixes. Une rupture de stock de produit fini est source de perte de chiffre d’affaires.
On pourrait penser donc que l’objectif du gestionnaire de stock est d’assurer le stock maximum pour l’entreprise.
Mais le stock a plusieurs coûts. Un très grand stock est source d’immobilisation de capitaux, entraîne des frais de
stockage, de gardiennage, des risques de péremption ou d’obsolescence, etc.
Le problème du gestionnaire des approvisionnements et de concilier deux tendances opposées : maximiser la
quantité en stock et minimiser le coût de stockage. Ce problème est classique en économie ; il s’agit d’optimiser
le stock.
1.1 - Différents concepts de stock
Les vocables pour désigner les différents concepts de stocks varient d’un auteur à un autre.
Dans ce cours, nous distinguerons :
- le stock délai
- le stock de sécurité
- le stock d'alerte
- le stock moyen.
1.1.1 - Le stock délai : sd

C’est le stock dont l’écoulement correspond au délai d’approvisionnement (d).
sd = d * taux de consommation
Exemple : La firme MAGIX

L'entreprise MAGIX fabrique le produit IX à partir de la matière STOCKIX. Sa consommation annuelle est de
1800 kg de matière STOCKIX achetée au prix de 40 F. Le délai d’approvisionnement est de 2 mois ; la marge de
sécurité est de 1 mois, la cadence de consommation est régulière.
Taux de consommation ou cadence de consommation = 1800 kg par an
En prenant le mois comme unité de temps, il vient :
t=1800 kg/12 mois = 150 kg/mois.
Délai de réapprovisionnement : temps qui s'écoule entre le lancement de la commande et la réception :
d = 2 mois
PD PD
!
W
W
O
O
N
N
y
y
bu
bu
to
to
ww
ww
om
om
k
k
lic
lic
C
C
.c
.c
w
w
tr re tr re
.
.
ac ac
Stock délai : sd = d * t = 150 kg/mois x 2 mois = 300 kg

sd = 300 kg
1.1.2 - Le stock de sécurité
C’est le stock dont l’écoulement correspond au temps nécessaire pour faire face à tout aléa de livraison de la
commande. Il ne doit normalement pas être entamé.
ss = taux de consommation * a avec a : délai de marge de sécurité
L'entreprise MAGIX considère que les aléas de livraison ne peuvent dépasser 1 mois.
ss = 150 kg/mois * 1 mois = 150 kg
1.1.3 - Le stock d'alerte
C'est le niveau de stock au niveau duquel, il faut immédiatement passer commande.

Stock d'alerte = Stock délai + stock de sécurité.
sa = sd + ss
sa = sd + st = 300 kg + 150 kg = 450 kg
1.1.4 - Le stock moyen
Le stock moyen est la moyenne arithmétique des stocks au cours de l'année. Il se calcule selon le nombre de
données disponibles et peut se calculer en quantité comme en valeur.
Exemples :
Stock moyen = (Stock initial + Stock final ) / 2
Stock moyen = (Stock Maximum + Stock Minimum ) / 2
1.2 - Les coûts relatifs au stock

Ces coûts sont de deux sortes :
- les coûts de stockage : 1
- les coûts de rupture ou de pénuries : 2
Le coût total des stocks est :
= 1+ 2
1.2.1 - Les coûts de stockage
Le coût de stockage comprend :
- le coût annuel de passation de commandes : c
- le coût annuel de détention des stocks : d
Le coût total de stockage est :
1= c+ d
1.2.1.1 - Le coût annuel de passation des commandes : c

- Coût des opérations administratives
* tenue des stocks : manuelle ou sur ordinateur
* rapprochement inventaire physique et inventaire théorique
* passation de la commande : enveloppe, timbre, secrétariat, ...
*
*
*
- Coût des opérations physiques
* réception des commandes
* contrôle de qualité, de conformité
*
*
1.2.1.2 - Le coût annuel de détention des stocks : d

- intérêt de l'argent immobilisé :
PD PD
!
W
W
O
O
N
N
y
y
bu
bu
to
to
ww
ww
om
om
k
k
lic
lic
C
C
.c
.c
w
w
tr re tr re
.
.
ac ac
* financement sur le crédit bancaire

* autofinancement : coût d'opportunité sur les capitaux immobilisés
- coût d'obsolescence
Obsolescence = vieillissement technologique.
On appelle «rossignols», les produits déclassés : bien invendables destinés à être bradés voire détruits, articles
obsolètes, démodés (out-of-date), dont la clientèle ne veut plus ou qui sont inutilisables car périmés, rouillés,
avariés.
- coût d'assurance :
* risques de vol
* risques d'incendie
* risques d'inondation
* risque de dégâts des eaux (par les fenêtres ou les canaux par exemple)
* pollution : par produits chimiques, atomiques, bruits, etc.
- coût fiscal : impôt sur le capital dans certains régimes
1.2.2 - Les coûts de rupture ou de pénurie
1.2.2.1 - Définition et conséquence
Ce sont essentiellement des coûts d'opportunité.

En ce qui concerne la distribution peut citer :
- manque à gagner = vente perdue
- perte de clientèle déçue
- détérioration de l'image de marque
- paiement éventuel de pénalités de retard ou de non livraison
-
-
-
En ce qui concerne la production, on peut citer :
- blocage de la production
- coût de chômage des ateliers
- détérioration de produits complémentaires disponibles
-
-
-
-
1.2.2.2 - Mesure et estimation du taux de rupture
Comme tout coût d'opportunité, la mesure du coût de pénurie est délicate, voire subjective.
On peut retenir toutefois deux statistiques :
- le taux de rupture r
r = Nombre d'unités manquantes / Nombre d'unités demandées
r = Nombre d'échéance non respectées / Nombre total d'échéance
- le taux de service s
s= 1 – r
Exemple MAGIX.
La demande de produit IX au cours de l'année est de 6000 unités. La demande satisfaite est de 4800 unités.
s = 4800 / 6000 = 80 %
r = (6000 - 4800) / 6000 = 1200 / 6000 = 20 %

---------
s+ r = 100 %
1.2.2.3 - Estimation du coût de rupture
Hypothèse sur le coût de rupture : le coût de rupture R constant et déterminé grâce à une évaluation moyenne sur
plusieurs années. En conséquence le coût de rupture est :
2= r* R
Chapitre 2 : Formalisation du coût de gestion de stockage
Cours sur les files d’attente tel: 677767535 ou 655418374 pour plus de detailles Page 10
PD PD
!
W
W
O
O
N
N
y
y
bu
bu
to
to
ww
ww
om
om
k
k
lic
lic
C
C
.c
.c
w
w
tr re tr re
.
.
ac ac
2.1 - Le modèle
Il s'agit de minimiser le coût total de stock :

= 1 + 2 où
1 : les coûts de stockage
2 : les coûts de rupture ou de pénurie.
Le modèle considère qu'il n'y a pas de coût de rupture : 2 = 0. En effet, le modèle devrait éviter la rupture.
L'objectif revient donc à minimiser les coûts de stockage
1= c+ d où
c : le coût annuel de passation de commandes
d : le coût annuel de détention des stocks :

Soient :
v : le coût variable unitaire par commande
C : la consommation annuelle en quantité
Q : la quantité à commander (N fois dans l'année)
C/Q = N : le nombre de commande à passer au cours de l'année
c = vC/Q = vN : le coût annuel de passation
Soient :
t : le taux de possession du stock exprimé pour 1 F par an.
Exemple t = 0.1 = 10% : il coûte 10 F de stocker 100 F de marchandises en 1 an
P : prix (unitaire) du bien
P = f(Q) : le prix est fonction des quantités achetées (économies d'échelles, remise et ristournes). Wilson fait
l'hypothèse simplificatrice de P = constant.
Le Stock moyen : (Stock Maximum + Stock Minimum ) / 2
Ici le Stock Maximum = QP : la commande à chaque période. On refait le plein.
Le Stock minimum est nul; Le modèle considère que le stock de sécurité est nul.
En conséquence,: Stock moyen valeur = (QP + 0 ) / 2.
Sm = QP/2
Le coût de stockage annuel est : d = t * Sm = t QP /2
d = t QP /2
Il s'agit de trouver le lot économique à commander i.e. la quantité Q qui minimise le coût annuel
1(Q) = c(Q) + d (Q)
1(Q) = vC/Q + tQP/2
En abandonnant l'indice 1 l'objectif devient :
Min (Q) = vC/Q + tQP/2
2.2 - Solution du modèle : Méthode du lot économique à commander
Le problème revient à un problème d'optimisation sans contrainte.
2.2.1 - Condition de 1er ordre
'(Q) = - vC/Q2 + tP/2 = 0

v C/Q2= tP/2
Q2 = 2 vC/tP
Q vC
IP = 2
2.2.2 - Condition de 2nd ordre
'(Q) = - vC/Q2 + tP/2 = - Q-2 + avec >0

''(Q) = +2 Q-3 > 0 lorsqu'il est défini.
''(Q) > 0 : l'optimum déterminé par la condition de 1 er ordre est un minimum.
2.3 - Solution du modèle : Méthode du nombre de commandes à passer
PD PD
!
W
W
O
O
N
N
y
y
bu
bu
to
to
ww
ww
om
om
k
k
lic
lic
C
C
.c
.c
w
w
tr re tr re
.
.
ac ac
Le problème revient à un problème d'optimisation sans contrainte.

Rappel : C/Q = N : le nombre de commande à passer au cours de l'année
=> Q = C/N. En remplaçant Q par sa valeur dans , il vient :
Min (N) = vN + t(C/N)P/2
Min (N) = vN + tCP/2N
2.3.1 - Condition de 1er ordre
'(N) = v - tCP/2N2 = 0
v = tCP/2N2
N2 = tCP/2v
N ICP
v=2
2.3.2 - Condition de 2nd ordre
'(N) = v - tCP/2N2 = - N-2 avec >0

''(N) = +2 N-3 > 0 lorsqu'il est défini.
''(N) > 0 : l'optimum déterminé par la condition de 1er ordre est un minimum.
Chapitre 3 : Gestion du stock d’un produit
Les formules établies au chapitre précédent ont donné lieu au calcul du lot économique à commander en
supposant une consommation régulière dans le temps. En fait, l'activité est souvent irrégulière; ce chapitre fait
l'application des différents modèles d'irrégularité.
A - Une seule commande annuelle - cadence constante
B - Plusieurs commandes - cadence variable - quantités constantes
C - Plusieurs commandes - quantité variable - période régulière
3.1 - Enoncé
Extrait de Charles KOUPHIN, Magloire LANHA, Manuel d'entraînement en
Comptabilité Analytique, Université Nationale du Bénin, Cotonou, 1991.
THEME : ETUDE ECONOMIQUE ET BUDGETAIRE DES APPROVISIONNEMENTS
- Stocks minimum, de sécurité et d'alerte, graphe.
- Nombre optimal de commandes, lot économique à commander
- Budget des approvisionnements :
- quantités constantes
- période régulière
L'entreprise MAGIX fabrique le produit IX à partir de la matière STOCKIX. Sa consommation annuelle
est de 1800 kg de matière STOCKIX achetée au prix de
40 F. Elle étudie les trois options d'approvisionnement pour l'année 1990.
OPTION A
MAGIX lance une seule commande par an.
Sachant que le délai d'approvisionnement est d = 2 mois, la marge de sécurité s = 1 mois et en
supposant que la consommation est régulière sur toute l'année 1990,
A.1 : Calculer Sm, le stock minimum s'écoulant du lancement de la commande à sa réception.
A.2 : Calculer Ss, le stock de sécurité ou niveau du stock à la réception de la commande.
A.3 : Calculer Sa, le stock d'alerte ou niveau du stock au lancement de la commande.
A.4 : Représenter graphiquement ces données.
N.B. On se contentera de calculer et de représenter ces stocks en quantité.
OPTION B
La cadence de consommation est supposée constante pendant l'année de 360 jours. Pour minimiser
son stock maximum et les frais de stockage de la matière
STOCKIX, la firme MAGIX envisage de fractionner la consommation annuelle en plusieurs
commandes. Elle doit alors supporter des coûts de passation (ou d'acquisition) d'une commande de
150 francs. Le coût de stockage (ou de possession) est de 6 francs par an par kg de matière stockée.
Calculer :
PD PD
!
W
W
O
O
N
N
y
y
bu
bu
to
to
ww
ww
om
om
k
k
lic
lic
C
C
.c
.c
w
w
tr re tr re
.
.
ac ac
B. 1: N le nombre de commande à effectuer par an

B. 2: Lot économique à commander en quantité (Lq) et en valeur (Lv)
B. 3: La cadence d'approvisionnement.
N.B. Les questions de la série B pourraient être traitées dans un ordre différent de celui proposé.
OPTION C
En fait l'activité de MAGIX est saisonnière et la cadence de consommation irrégulière qui en résulte se
présente ainsi (en kg)
Jan. 150,0 Fév. 112,5 Mar. 187,5
Avr. 187,5 Mai. 150,0 Jun. 150,0
Jul. 112,5 Aoû. 37,5 Sep. 150,0
Oct. 187,5 Nov. 187,5 Déc. 187,5
Les commandes sont toujours lancées en fin de mois. Le délai d'approvisionnement est de deux mois.
Les réceptions se font le dernier jour du mois précédent celui où le stock de sécurité de 150 kg risque
d'être entamé. Le nombre annuel de commande est 6. Le stock de matière STOCKIX au 31.12.89 est
de 412,5 kg.
Présenter (a) la fiche prévisionnelle de stock et (b) le budget des approvisionnements dans les deux
cas suivants :
C.1 : les quantités commandées sont constantes.
C.2 : les commandes sont effectuées par intervalles réguliers de temps et couvrent exactement la
consommation nécessaire entre deux réceptions.
3.2 – Corrigé
OPTION A
SM : Stock Maximum
Sm : Stock minimum
Sa : Stock d’alerte
Ss : Stock de sécurité
A-1:
Consommation annuelle
Sm = --------------------------------- x d ( mois ) = Cadence de consommation x d
Année ( mois )
1 800 kg
Sm = -------------------- x 2 ( mois ) = 150 kg / mois x 2 mois = 300 kg
12 ( mois )
A - 2 :Ss = Cadence de consommation x s = 150 kg / mois x 1 mois = 150 kg
A - 3 :Sa = Sm + Ss = 300 kg = 450 kg
Autre formule : Sa = Cadence x ( d + s ) = 150 kg / mois x ( 2 + 1 ) mois
Sa = 150 kg / mois x ( 2 + 1 ) mois = 150 kg / mois x 3 mois = 450 kg
commandes
N
tCP
v=2 (formule de WILSON) où
N : Nombre annuel de commandes
t : Coût de stockage de 1 F de matière par an
C : Consommation annuelle en quantité
P : Prix unitaire
CP : Consommation annuelle en valeur
v : Coût variable unitaire d’acquisition d’une commande.
t = 6 F par an pour 1 kg de matière valant 40 F
6F
t = --------- = 0,15 ( soit 15 % )
40 F
Soit C : consommation annuelle en quantité ( C = SM )
CP = 1 800 kg x 40 F / kg = 72 000 F
v = 150 F
d’après la formule de WILSON N= 6 commandes par an
PD PD
!
W
W
O
O
N
N
y
y
bu
bu
to
to
ww
ww
om
om
k
k
lic
lic
C
C
.c
.c
w
w
tr re tr re
.
.
ac ac
200 où t est exprimé pour 100 F / an.

B.2 Lot économique à commander
C 1 800 kg
- en quantité Lq = ------------ = ------------- = 300 kg
N 6
C.P 72 000 F
- en valeur Lv = -------- = ----------------- = 12 000 F
N 6
(Lv = Lq . P = 300 * 40 = 12 000)
B.3 Cadence d’approvisionnement
Année ( jours ) 360 jours
r = -------------------------- = ------------------- = 60 jours = 2 mois
N 6
La cadence est e 300 kg tous les deux mois.
Remarque : Les questions de l'option B peuvent être traitées dans un autre
ordre si l'on emploie une autre formule .
Exemple
commandes par an
(4) soit une cadence de 300 kg tous les deux mois.

Cours Sur La File Datt

Transféré par

Droits d'auteur :

Formats disponibles

Cours Sur La File Datt

Transféré par

Informations du document

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

Cours Sur La File Datt

Transféré par

Droits d'auteur :

Formats disponibles

F -X C h a n ge F -X C h a n ge

Titre 4 : Phénomènes d’attente

1.1 - L’exemple introductif : La coiffure

1.2 - Autres exemples

1.3 - La taille optimale de service

Chapitre 2 : Modèle de file d’attente avec une station

2.1 - Hypothèses du modèle

H1 - Les arrivées sont aléatoires et indépendantes

H2 - La population des clients est infinie

H3 - Une seule station de service

H4 - Règle de service : First-In First-Out

2.2 - Notations du modèle

2.2.2 - Le taux moyen des arrivées

Le nombre moyen d’arrivée dans une unité de temps : P(X=n) = e- . n / n !

NOTE POUR LES CANDIDATS

2.3.2 - La distribution du temps entre deux arrivées et du temps de service

2.3.2.1 - Loi exponentielle (négative)

2.3.2.2 - Probabilité que l’intervalle entre deux arrivées soit supérieure à t

P( I t) = P(X= 0 dans l’intervalle de temps t ) = e- t . ( t )n / n ! = e- t . ( t )0 / 0 ! = e- t

2.3.3 - Le taux d’utilisation des facteurs ou du service

2.4.1 - Loi de Poisson

2.4.2 - Loi de Poisson

2.4.3 - Files d'attente

2.4.4 - File d’attente

2.4.5 - File d’attente

2.4.6 - File d’attente

2.4.7 - File d’attente

Titre 5 : Gestion des stocks

Chapitre 1 : Notions de base

1.1 - Différents concepts de stock

1.1.1 - Le stock délai : sd

Exemple : La firme MAGIX

Stock délai : sd = d * t = 150 kg/mois x 2 mois = 300 kg

1.1.2 - Le stock de sécurité

1.1.3 - Le stock d'alerte

C'est le niveau de stock au niveau duquel, il faut immédiatement passer commande.

1.1.4 - Le stock moyen

1.2 - Les coûts relatifs au stock

1.2.1.1 - Le coût annuel de passation des commandes : c

1.2.1.2 - Le coût annuel de détention des stocks : d

* financement sur le crédit bancaire

1.2.2 - Les coûts de rupture ou de pénurie

1.2.2.1 - Définition et conséquence

Ce sont essentiellement des coûts d'opportunité.

r = Nombre d'échéance non respectées / Nombre total d'échéance

r = (6000 - 4800) / 6000 = 1200 / 6000 = 20 %

1.2.2.3 - Estimation du coût de rupture

Chapitre 2 : Formalisation du coût de gestion de stockage

Il s'agit de minimiser le coût total de stock :

2 : les coûts de rupture ou de pénurie.

c : le coût annuel de passation de commandes

d : le coût annuel de détention des stocks :

2.2 - Solution du modèle : Méthode du lot économique à commander

Le problème revient à un problème d'optimisation sans contrainte.

2.2.1 - Condition de 1er ordre

'(Q) = - vC/Q2 + tP/2 = 0

2.2.2 - Condition de 2nd ordre

'(Q) = - vC/Q2 + tP/2 = - Q-2 + avec >0

2.3 - Solution du modèle : Méthode du nombre de commandes à passer

Le problème revient à un problème d'optimisation sans contrainte.