2 Pour le modèle B, les relations (III.14) donnent
II. 4 - PROCESSUS DE LIVRAISON POUR CHAQUE MODELE
r + H-3 v=[-Z r + £ +1
2 •]
(Xt)^ -Xt e V ! + r+£-2I
rr+£+liv=L O J
(Xt)'' -Xt c(v) r+£-l c(V) r+£-2(r+£-2-v) r2v—r—£+2L—Z- - - - -■]
(v-2s-l)!(2v-r-£+2)! v!(2v-r-£-2s+2)! (r+£-l-v)r2v-r-£+2-L—2---:
(v-2s)!(2v-r-£+l)! v!(2v-r-£-2s+2)! (r>2, £=1,2) (II. 25)où f^(r) est donné d'avoir i demandes
par (11.24) et en V groupes, vaut
qui est la probabilité
^(v) _ (^_^) ^ (1-c)^ ^ , (v>[j (i+1)^ , par application de
la loi binomiale .
En introduisant (11.25) dans (11.22), on obtiendra les pro babilités V^(t). Dès lors, connaissant toutes les probabilités-clés
et V^(t), l'application de la méthode décrite au § 1.5 permet trait, en principe, d'obtenir la distribution stationnaire du pro cessus général. Mais étant donné la dimension de l'expression de P[Q^(t) = r], nous préférons nous en tenir à ces éléments de base.
II.4 - PROCESSUS DE LIVRAISON POUR CHAQUE MODELE.
Pour terminer, nous considérons dans ce paragraphe une autre grandeur qui pourrait intéresser le gestionnaire du CENTRE-I : Il s'agit de 1'intervalle de temps qui sépare deux livraisons succes- sives, pour chaque modèle particulier.
143 .
Soit U=la 1ongueurfd'un intervalle de temps entre deux livraisons successives (au CENTRE-I) ;
!
=la longueur d'un intervalle de temps qui sépare deux départs successifs du CENTRE-II.
(Car par hypothèse (H8), une fois qu'une unité est servie au
CENTRE-II, elle est immédiatement livrée au CENTRE-I, sans délai).
Nous noterons par :
hj (t) la densite de probabilité de U entre les (j-1) et j • • • C 0 départs, (j>l) ; h ( t) = lim h.(t) , (supposée 3) J ir;(j) - IP [X^EX(tj€D) = n] ; 7î’ = lim n ■''■^(j) . (supposée
3)
j^ooRappelons que nous avons déjà calculé (ou du moins avons indiqué comment calculer) directement la distribution
{TT = lim IP rY,=X(t. e DUJ)=nl}. Dès lors la distribution {1T ' }
^
'-JJ-' npeut s'en déduire grâce à une relation assez évidente qui existe entre elles. Cette relation est la suivante :
U = d . TT '
O O
n ° ^n'^o^ ’ ’ (11.26)
où d est une constante de normalisation et précédemment.
Y
n est défini comme
fin de service laissant n clients dans la file, ou bien qu'on soit au début du service, d'un groupe de n clients, immédiatement après une période d'inactivité.
Le système d'équations (11.26) s'écrit encore.
TT ' O = T ■’T d O et Tt' = -T H (tt - TT Y ) r» n • Tl ^; d n n (11.27) où d=l-TT Ey=1-tt. (11.28) O ^' n O n^l - Expressions de h.(t) et de h(t) : Par sa définition,
U est une durée d'un service au CENTRE-II sauf si le système devient vide à la fin du service précédent ; dans ce cas, U est la somme d'une période d'inactivité et d'une durée d'un service.
Ceci dit, il vient que
-y t -y.t
h.(t) = Z TT' (j-l)y e "•+ Z Tr’(j-l)(f (t)^y.e ^ )y.,
^
n>l " " i>l ° O ^ ^
(11.29)
relation qui est valable pour chacun des trois modèles particuliers, (voir hypothèses GH2 et H'7) ; où f^ (t) est la densité de probabi lité de et H désigne un produit d^ composition ordinaire.
En prenant la limite membre à membre de (11.29) pour on a
-y t -y.t
h(t) = Z TT' y e " + Z TT'(fT„ (t)w.e
) y..
(11.30)n>l ^ " i>l ° ^o ^ ^
Nous allons traiter cette dernière relation pour chaque modèle, en particulier, afin d'en déduire la moyenne de la v.a. U en R.P.
145 .
Dans le cas du Modèle I, nous savons que les interarrivées T sont distribuées suivant une loi exponentielle négative (X) ; d'où par la propriété d'oubli de celle-ci, la densité de probabilité d'une survie de T vaut, f (t)=^e Dès lors, en tenant compte des hypothèses et des résultats rappelés au § II.1, la densité de probabilité h(t) de U, pour le Modèle I, s'écrit :
-ut -Xt
h(t) =ttJ y^e + ( 1-ïï ^-tt J )y e +ïï^ Xe ^^*y j e . c
+ TT ' Xe"^^><ye“'^^ (1-c). (11.31) O
Soit h(z)=L{h(t)} ; en calculant la transformée de Laplace de (11.31), il vient que
(11.32)
Sachant que mj= lE (U) = » nous avons, par un calcul z = o
direct de la relation (11.32),
(i- - i)
y i y (11.33)
Dans le cas des Modèles II et III, nous savons que T est une O
survie d'une v.a. distribuée suivant une loi qui n'est pas expo nentielle négative, (1.7). C'est-à-dire que la distribution de dépend du temps que T a déjà vécu. Aussi faisons-nous, pour ces deux modèles, l'hypothèse supplémentaire que voici :
Nous supposons de plus qu'à tout moment le gestionnaire du CENTRE-I connaît le temps qui s'est écoulé depuis l'instant de sa dernière commande. (Il lui suffit pour cela qu'il note les instants où il lance une commande).
Soit h(t;v) la densité de probabilité de U, en R.P., sachant que le temps qui s'est écoulé depuis l'instant de la dernière commande est connu et vaut v.
L'expression de h(t;v) se déduit de (11.30) en remplaçant (t) par (t;v) ; où ° O
■ ■ It ® .
O k. ™ 1 irX^e ^^(t+v)^ V[(k-1)! Z j , pour le Modèle II, r = o ■
Xe ^^ [l-c + cX(t+v)]/(1+cXv), pour le Modèle III ;
(11.34) résultat qui découle de (1.17), et compte tenu des hypothèses relatives à chaque modèle. Plus précisément, nous avons
- pour le Modèle II :
h(t;v)= E " +ïï^{x’^e ^*^(t+v)^ V[(k-1)! E
^
’n>l r=o
(car , (II.3) ; ce qui s'écrit encore, en termes des transformées de Laplace, si h(z;v)E/^e h(t;v)dt ,
TT ' U
U f \ r-
n n h(z;v)= E —--- +TT P, ^ , z+y O '^k n^l n k-1[( î
k-H Jl = o 5,!(z + X) (z+y ) r = o k-1 ,, .r )/( E )] r ! (11.35)- pour le Modèle III :
"Vi_t h(t;v) = E ^ [l-c+cX (t+v)] / ( 1+cXv) } n^l ^{y 2^"^2*^ l-c + 2c^ 1+c -^^3® 3. 2c(l-c) 1 +c
I .
en tenant compte aussi de (11.21) ; ce qui s'écrit encore, en termes des transformées de Laplace,
U/
\ r n n ^ O /1-c+cXv . h(z;v)= E --- + ■■ ■ , (--- ;--- + cX .vt z+y n^l n 1 +cXv z + X r) (-( 1-c + 2c )y, 2c(1-c)y^ (1+c)(z+y^) (11.36)147 .
Notons par (v) h(tiv)dt = f(-l)
['
i d^h(z;v)
d Z ■
]
=dès lors un calcul direct utilisant respectivement (11.35) et (11.36) nous donne
- pour le Modèle II
(11.37)
- pour le Modèle III
nij (v) = TT ' Z — n^l ^n + TT
[| O
1 +cXv)
1 +c 1 -c + 2c‘ 2c ( 1-c) V>o (11.38)Enfin, signalons que la méthode suivie pour l'étude de la v.a. U, dans ces modèles particuliers, peut s'appliquer également au modèle général du chapitre I dès que les probabilités (i^l)» et
aussi les V (t) sont connues. Celles-ci constituent donc des élé- r
déterminant s. ment s
BIBLIOGRAPHIE
1. BHARUCHA-REID, A.T. ;
Eléments of the Theory of Markov Processes and Their
Applications. Mc Graw-Hill Book Company, New York (1960).
2. CHUNG, K.L. :
Markov Chains with Stationary Transition Probabilities, 2nd ed. Springer-Verlag, Berlin, Heidelberg, New York
(1967).
3. CODDINGTON, E.A. and LEVINSON, N. :
Ordinary Differential Equations. Mc Graw-Hill Book Company, New York (1955).
4. CONOLLY, B.W. :
"Some applications of theory of infinité capacity service Systems to a single server system with linearly State dépendent service." J. Appl* Prob . , vol. 8, (1971), PP. 202-207 .
5. CONOLLY, B.W. :
"Generalized state-dependent Erlangian queues ; Spéculations about calculating measures of effectivenes s." J. Appl.
Prob., vol. 12, (1975), pp. 358-363.
6. CONOLLY, B.W. :
Lecture Notes on Queueing Systems. Ellis Horwood Publisher, Chichester (1975).
7. CONOLLY, B.W. and CHAN, J. :
"Generalised birth and death queueing processes : Recent results." Adv. Appl. Prob., vol. 9 , ( 1 977 ), pp . 125-140 .
8. CRABILL, Th. B. :
"Sufficient conditions for positive récurrence and récur rence of specially structured Markov chains." J.O.R.S.A., vol. 16, (1968), pp. 858-867.
1 49 .
9. DOETSCH, G. :
Einführung in Théorie und Anwendung der Laplace-Transforma- tion. Birkhaüser Verlag, Basel und Stuttgart (1970).
10. ERDELYI, A. :
Tables of Intégral Transforma, 2 vols., Mc Graw-Hill Book Company, New York (1954).
1 1 . FABENS, A.J. :
"The solution of queueing and inventory modela by semi- Markow processes.", J. Roy. Stat. Soc. B 23, (1961)
pp. 113-127.
12. FELLER, W. :
An Introduction to Probability Theory and Its Applications, 2 vols. Wiley, New York, (vol. 1, 1957, 1968 ; vol. 2,
1 966) .
13. GRASSMANN, W.K. :
"The steady State behaviour of the M/E^^/1 queue, with State dépendent arrivai rates.", INFOR, vol. 12, (1974), pp. 163-173.
14. GROSS, D. and HARRIS, C.M. :
"On one-for-one-ordering inventory policies with state- dependent leadtimes." J.O.R.S.A., vol. 19, (1971), pp. 735-760.
15. GROSS, D., HARRIS, C.M. and LECHNER, J.A. :
"Stochastic inventory modela with bulk demand and state- dependent leadtimes." J. Appl. Prob . vol. 8, (1971), pp. 521-534.
16. GROSS, D. and HARRIS, C.M. :
"Continuous-review (s. S) inventory modela with state-
dependent leadtimes." Mn. Sc., vol. 19, (1973), pp. 567-574.
17. GROSS, D. and HARRIS, C.M. :
Fundamentals of Queueing Theory. John Wiley and Sons, New York (1974).
18. HADIDI, N. :
"On the service time distribution and the waiting time pro-
cess of a potentially infinité capacity queueing System."
J. Appl. Prob., vol. 6, (1 969), pp. 594-603.
19. HADIDI, N. and CONOLLY, B.W. :
"On the réduction of congestion in queueing Systems." Statist. Research Report N° 6, Institute of Mathematics, University of Oslo (1969).
20. HADIDI, N. :
"On the output process of a State dépendent queue." Skand. Aktuar Tidskr., (1972), pp. 182-186.
21. HADIDI, N. :
"Busy period of queues with State dépendent arrivai and service rates." J. Appl. Prob., vol. 11, (1974),
pp. 842-848 .
22. HADLEY, G. and WHITIN, T.M. :
Analysis of Inventory Systems. Prentice-Hall, Inc., Englewood Cliffs, N. J. (1963).
23. HARRIS, C.M. ;
"Some results for bulk-arrival queues with state-dependent service time." Mn. Sc., vol. 16, (1970), pp. 313-326.
24. KARLIN, S. and Mc GREGOR, J. :
"The classification of birth and death processes." Trans. Am. Math. Soc., vol. 86, (1957), pp. 366-400.
25. KARLIN, S. ;
A First Course in Stochastic Processes. Academie Press, New York, (1966).
26. LAMBOTTE, J.P. ;
Processus Semi-Markoviens.
15 1
.
27. LEDERMANN, W. and REUTER, G.E.H. :
"On the differential équations for the transition probabi- lities of Markov processes with enumerably many States." Proc. Cambridge Phil. Soc., vol. 49, (1953), pp. 247-262.
28. LOEVE, M. :
Probability Theory. Springer-Verlag, Berlin, Heidelberg, New York, ( 1 977) .
29. MANYA, L. :
Modèles d'attente à taux de service variable. Mémoire de Lie. en Sc. Math., U.L.B. (1972).
30. NATVIG, B. :
"On the transient State probabi1ities for a queueing model
where potential customers are discouraged by queue length."
J. Appl. Prob., vol. 1 1 , ( 1 974), pp. 345-354.
31 . NATVIG, B. :
"On a queueing model where potential customers are discou raged by queue length." Scand. J. Statist., vol. 2, (1975), pp . 3 4-4 2.
32. PRABHU, N.U. :
Queues and Inventories. Wiley, New York, ( 1 965).
33. SCHWARTZ, L. :
Théorie des Distributions. Hermann, Paris, (1966).
34. WIDDER, D.V. :
The Laplace Transform. Princeton University Press, Princeton, ( 1 946) .
35. WIDDER, D.V. :
An Introduction to Transform Theory. Academie Press, New York, (1971) .