Consultez les métadonnées, la citation et les articles similaires sur [Link].

uk
Machine Translated by Google présenté par CORE
fourni par DSpace à l'Université technique VSB d'Ostrava

TECHNOLOGIES ET SERVICES DE L'INFORMATION ET DE LA COMMUNICATION, VOL. 9, N° 1, MARS 2011 7

LA FORMULE ERLANG C ET SON UTILISATION DANS LES CENTRES D'APPELS

Erik CHROMY.1, Tibor MISUTH.1, Matej KAVACKY.1

1
Département des télécommunications, Faculté de génie électrique et des technologies de l'information, Université slovaque de
Technologie, Ilkovičova 3, 812 19 Bratislava, République slovaque

chromy@[Link], misuth@[Link], kavacky@[Link]

Résumé. Cet article traite du calcul des paramètres importants d'un

centre d'appels à l'aide de la formule d'Erlang C, dont les résultats sont
ensuite validés par des simulations. La formule d'Erlang C est définie
1.1 Formule d'Erlang C et modèle M/M/m/∞
comme une fonction de deux variables : le nombre d'agents N et la Le rejet immédiat d'un appel en raison de l'occupation de tous les
charge A. À partir de leurs valeurs, il est possible de déterminer la agents (comme prévu par la formule d'Erlang B) est une solution
probabilité PC qu'un appel entrant ne soit pas pris en charge inappropriée au regard des services fournis par le centre d'appels.
immédiatement, mais doive patienter dans une file d'attente. Les Cette limitation est éliminée dans la seconde formule d'Erlang, Erlang C.
simulations satisfont aux hypothèses des modèles de Markov. Si l'appel ne peut être pris en charge immédiatement, il est placé dans
une file d'attente de longueur illimitée. Dès qu'un agent se libère, il est
automatiquement affecté à l'appel suivant dans la file d'attente. Si la file
d'attente est vide, l'agent est disponible et attend le prochain appel.

Mots clés
Centre d'appels, formule Erlang C, modèles de Markov, qualité
de service. La formule Erlang C [5] est définie dans sa forme originale comme
une fonction de deux variables : le nombre d'agents N et la charge A.
Sur la base de leurs valeurs, il est possible de déterminer la probabilité
PC (1) que l'appel entrant ne soit pas pris en charge immédiatement,
1. Introduction mais qu'il doive attendre dans la file d'attente.
Un centre d'appels est un système technique dynamique

 
(ensemble d'équipements techniques – matériels, logiciels et ressources

 
N
UN
humaines) conçu pour mettre efficacement en relation les personnes
!
NNA 
(1)
PNA
 
ayant besoin d'un service avec un opérateur ou un système capable de , ,
C N 1 N
UN
je

UN
répondre à leurs besoins. Le cœur du centre d'appels est la distribution +
automatique des appels (ACD). je 0 je ! !
NNA 

Chaque composant d'un système de distribution automatique d'appels (ACD) où

peut être décrit avec une certaine précision à l'aide d'outils mathématiques et de
relations de causalité. Étant donné que les systèmes ACD traitent un grand nombre A= . (2)
de requêtes entrantes, la majorité des modèles reposent sur les principes des
statistiques. Le choix judicieux d'un modèle statistique permet de garantir une
Nous utilisons maintenant la relation entre la charge A (2), le
précision suffisante des résultats. Il est essentiel de décrire la dépendance des
nombre moyen d'appels par unité de temps λ et le nombre moyen de
variables d'entrée et des paramètres, car ces derniers peuvent fortement influencer
requêtes traitées par unité de temps μ . Ensuite, nous définissons la
la précision des résultats. La modélisation des paramètres d'un centre d'appels est
variable η, qui représente la charge d'un agent, comme [2, 3, 7] :
possible grâce aux modèles de Markov, mais aussi grâce aux formules d'Erlang.

. (3)
N
Cet article traite du calcul des paramètres importants du centre En substituant (2) et (3) dans l'équation (1), nous obtenons :
d'appels (qui affectent le bon fonctionnement d'un tel système de file
d'attente) à l'aide de la formule Erlang C, puis les résultats sont vérifiés
par des simulations.
Ces simulations satisfont aux hypothèses des modèles de Markov.

© 2011 AVANCÉES EN GÉNIE ÉLECTRIQUE ET ÉLECTRONIQUE ISSN 1804­3119

Machine Translated by Google

8 TECHNOLOGIES ET SERVICES DE L'INFORMATION ET DE LA COMMUNICATION, VOL. 9, N° 1, MARS 2011

N T KAQ + =+=+ W
11 PC
. (10)
    NA


 
N (4)
  !
NN  N

PN ,    
N ! 1
,
Un autre paramètre important est l'utilisation moyenne des agents

 
C N N 1 N
N N η [2] :
je je

N +
N 1
0 je ! N ! 1
+
je

N 1
0 ! N k k
je
je

!
NN  A
k 0 nk !
1
 
=­
N
. (11)
N 1
UN
je

UN
Ce qui correspond à la relation de probabilité qu'une requête dans un +
système de files d'attente M/M/m/∞ soit placée dans la file, c'est­à­dire je 0 je ! !
NNA 

lorsque le système contient plus de m requêtes [2, 3, 7]. On démontre

La formule d'Erlang C sert de base à l'analyse des paramètres et
analytiquement que le modèle d'Erlang C (1) et le modèle de Markov M/
à la simulation du centre d'appels. Sa concision repose sur l'hypothèse
M/m/∞ (4) sont identiques.
d'une file d'attente illimitée. Ceci ne pose pas de problème en termes
de capacité de stockage disponible, et la file d'attente pourrait donc être
Il est possible, en utilisant la forme de base de la formule d'Erlang potentiellement illimitée, mais aucun appelant n'attendrait indéfiniment.
C (1), de calculer la valeur du paramètre A Par conséquent, la limitation du temps d'attente constitue un autre
(Charge maximale) pour un nombre d'agents N connu et la probabilité paramètre à prendre en compte dans les modèles de Markov spécifiques.
d'attente PC. Compte tenu de la complexité de l'expression analytique
de ces paramètres inconnus, une méthode numérique de résolution est
utilisée.
Modèle 1.2 M/M/m/M avec file d'attente de
L'ajout d'une file d'attente au système fait apparaître de longueur limitée
nombreuses autres variables paramétrables, susceptibles d'être
surveillées et influencées. Le temps d'attente est un facteur important Un nombre limité de requêtes placées dans la file d'attente d'un
pour l'appelant. Cette valeur est une variable aléatoire décrite par la système de files d'attente peut être décrit par le modèle de Markov M/
fonction de distribution [7] :  M/m/M, où le nombre maximal de requêtes dans le système M est

FW  1 PCe
 N/A
supérieur ou égal au nombre de serveurs m=N
, 0.


(5) [2].

Il est alors possible de calculer le temps d'attente moyen dans la La probabilité p0 [2] que dans le système se produise
file d'attente W (temps d'attente moyen d'un appel dans la file d'attente L'absence totale d'exigences (c'est­à­dire une exigence vide) est définie comme suit :

avant son attribution à un agent) :  1

A MN  1
UN N 1
C (6) N
P .
N  1 UN k (12)
W p = 
  NA
 0 k! UN
k 0 N! 1 
et en appliquant le théorème de Little [7] et la formule (2), nous obtenons N
le nombre moyen de requêtes dans la file d'attente comme suit :
Nous pouvons alors définir la probabilité de rejet de l'appel.

QW  N / A
 PC  N / A 
UN
PC . (7)
PB [2] comme :

UN
M
PB p (13)
0 MN


En utilisant la définition générale de la fonction de distribution de

NN !
toute distribution statistique [4] et en appliquant ses propriétés à la et la probabilité que l'appel soit affecté à la file d'attente PC [2] comme
fonction de distribution (5), nous pouvons dériver la formule de calcul suit :
du paramètre GoS (Grade de
N
Service) (pourcentage d'appels auxquels on répond ou qui sont attribués PC
UN
. (14)
p0
à un agent avant le seuil défini AWT – N !
Temps d'attente acceptable) en fonction de la valeur connue de AWT [2,
De plus, les valeurs Q [2] et K [2] peuvent être calculées comme
6] : N AAWT
GoS P e1 =
C . (8)

pA N +1 UN MN  1
Le nombre moyen de requêtes dans le système K (et Q 0 1 

( 1)!( NNA

)2 N , (15)

 
le nombre moyen de lignes occupées) est également [7] :


A MN UN
UN  MN 1 1
N N
KN = + PC =
A+ C = +
PAQ , (9)
1 N / A
UN M
où l'on obtient, à partir du théorème de Little, une valeur du temps (16)
KQA
=+1
 p .
moyen T que l'utilisateur passe dans le système : NN
0 MN  !

© 2011 AVANCÉES EN GÉNIE ÉLECTRIQUE ET ÉLECTRONIQUE ISSN 1804­3119

Machine Translated by Google

TECHNOLOGIES ET SERVICES DE L'INFORMATION ET DE LA COMMUNICATION, VOL. 9, N° 1, MARS 2011 9

Les caractéristiques temporelles peuvent être calculées sur la base est alors plus rapide qu'une génération progressive de valeurs individuelles
du théorème de Little [7]. au cours de la simulation.

Ces relations sont relativement complexes. Il convient donc

d'examiner si l'approximation par la formule d'Erlang C standard est 2.2 Simulation du trafic
insuffisante, et quelles sont les conditions pour que cette approximation
soit suffisamment précise. Si le nombre moyen de requêtes dans le Le cœur de la simulation est réalisé sous forme de cycle, chaque

système, K, est largement inférieur à la limite M, il est possible d'appliquer itération représentant un pas de temps. À chaque itération, le vecteur des

la formule d'Erlang C sans tenir compte de la capacité maximale. Plus la appels entrants est comparé à l'heure réelle et, si nécessaire, l'appel est

valeur de K se rapproche de la limite, moins les résultats fournis par la acheminé vers le centre d'appels simulé selon un délai approprié.

formule d'Erlang C seront précis. Simultanément, l'heure de l'appel entrant est enregistrée pour des calculs
ultérieurs. L'appel est placé dans la file d'attente ou directement attribué à
un agent disponible. L'index temporel est stocké pour des calculs ultérieurs
(temps d'attente moyen) au moment de l'attribution de l'appel.

2. Le principe des simulations réalisées

De plus, à chaque itération, le statut et la disponibilité de tous les
L'algorithme simulé se compose de trois blocs de base : agents sont vérifiés. Si un agent est disponible, il reçoit le premier appel
de la file d'attente. Si plusieurs agents sont disponibles, l'appel est attribué

• configuration des entrées,

à l'agent inactif depuis le plus longtemps. S'il n'y a pas d'appel en attente,
l'agent reste disponible et attend l'arrivée d'une nouvelle requête.
• simulations de trafic,

• Traitement des valeurs mesurées et leur présentation.

Au cours d'une itération, il est possible d'enregistrer plusieurs
appels simultanément dans le système et de les attribuer à un agent. Le
2.1 Modélisation des intrants nombre d'appels en cours est enregistré à chaque étape, ce qui permet
Les paramètres de base sont : de déterminer le nombre d'appels en attente.

• nombre moyen d'appels entrants au centre d'appels par période λ,

Le modèle mathématique du système de file d'attente est défini
pour l'état stationnaire. Cela signifie que, lors de la surveillance des
• temps moyen de traitement des appels par agent 1/μ, paramètres, la simulation s'exécute indéfiniment.

• nombre d'agents N.
La simulation s'arrête après un temps prédéfini. Seules les requêtes
Le groupe de paramètres temporels comprend :
terminées (et donc traitées par l'agent) avant l'expiration du temps simulé
• la durée totale du trafic simulé en secondes TSIM, sont prises en compte dans les statistiques.

• pas de temps de la simulation TSTEP (par défaut 1 seconde),

• temps nécessaire pour atteindre l’état stable du TNAB.

2.3 Traitement des résultats de la simulation
Un vecteur contenant les temps d'arrivée de chaque appel, calculés
Cette phase de l'algorithme assure le traitement de toutes les données
à partir du nombre moyen de requêtes par unité de temps et de la durée
mesurées pendant la simulation (heure de génération des événements, nombre
de la simulation, est généré aléatoirement. La distribution exponentielle
d'appels dans le système, taux d'occupation des agents, etc.). À partir de ces
des intervalles entre les arrivées est exploitée. Les variables aléatoires
générées sont ensuite testées par le test du χ² [4]. La cohérence du données, les paramètres spécifiques surveillés dans le centre d'appels sont calculés.
Les résultats de simulation ainsi obtenus peuvent ensuite être comparés aux valeurs
vecteur avec une distribution exponentielle est vérifiée au seuil de
attendues, calculées à l'aide du modèle mathématique.
signification α = 0,05. En cas d'échec du test, le vecteur est entièrement
généré aléatoirement.

Le nombre d'appels générés est supérieur de 20 % au nombre moyen Les variables générales disponibles à partir des résultats du modèle
d'appels qui devraient parvenir au centre d'appels pendant la période simulé sont :
simulée.
• durée réelle de la simulation (temps de calcul),
De plus, un vecteur contenant les temps de service des appels
individuels qui seront attribués pendant la simulation est généré pour • nombre d'appels simulés,
chaque agent en fonction de son temps de service moyen.
• temps de service moyen par appel (1/μ),
Toutes ces opérations sont effectuées à l'avance grâce à la rapidité
• nombre moyen d'appels dans le système (K),
et à l'efficacité de MATLAB lors du traitement de vecteurs et de matrices.
La génération d'un ensemble de valeurs • temps moyen passé par l’utilisateur dans le système (T),

© 2011 AVANCÉES EN GÉNIE ÉLECTRIQUE ET ÉLECTRONIQUE ISSN 1804­3119

Machine Translated by Google

10 TECHNOLOGIES ET SERVICES DE L'INFORMATION ET DE LA COMMUNICATION, VOL. 9, N° 1, MARS 2011

• nombre d'appels placés dans la file d'attente, 3.2 Calcul du paramètre N

• probabilité de blocage PB, respectivement probabilité d'attente PC, Le calcul analytique selon (1) et (17) serait très complexe. La
solution réside donc dans une méthode numérique. La technique la plus
simple consiste à augmenter progressivement le nombre d'agents et à
• utilisation moyenne des agents η.
vérifier en continu les conditions d'arrêt. Cela dépend de la manière dont
la valeur d'entrée PC est saisie (directement, sous forme de W ou de
GoS). Lorsque la valeur actuelle du calcul est inférieure ou égale à la
3. Calculs utilisant le modèle Erlang C valeur requise, le nombre d'agents nécessaire est déterminé.
L'implémentation utilise ce principe, mais en appliquant la relation (17)
à chaque étape du calcul, il est possible d'utiliser le résultat actuel
Le modèle Erlang C fonctionne dans sa forme de base avec 3 obtenu lors de l'itération précédente pour la valeur minimale de N. Il
paramètres d'entrée (A, N, PC). Grâce à la relation (2), il est possible de s'agit donc d'une méthode très rapide pour trouver la valeur inconnue
décomposer la charge A (générée par les appels entrants) en deux de N.
composantes : λ et 1/μ. Le calculateur utilise donc toujours 4 valeurs : 3
servent de paramètres d'entrée et le dernier est le paramètre de sortie.
En ajoutant la file d'attente, on obtient un ensemble de nouveaux
paramètres qui peuvent être calculés puis comparés aux résultats de la
simulation. 3.3 Calcul du paramètre λ ou 1/μ
Le calcul de l'une de ces inconnues à l'aide du modèle d'Erlang C
• Nombre moyen de requêtes dans la file d'attente Q revient à déterminer la charge A que le système peut traiter avec les
(en utilisant (7)), paramètres N spécifiés.
et PC (respectivement les paramètres W et GoS ).
• nombre moyen de demandes au centre d'appels K (en utilisant Par conséquent, nous pouvons calculer la seconde en appliquant la formule
(9)), (2) et l'une des valeurs λ et 1/μ.

• temps d'attente moyen dans la file d'attente W (en utilisant En termes d'implémentation, la recherche de la valeur inconnue A est la
(6)), plus difficile des trois combinaisons. On peut utiliser la fonctionnalité
permettant de rechercher la valeur de l'inconnue x pour laquelle f(x) = 0.
• temps moyen passé au centre d’appels T (en utilisant (10)),
Dans ce cas, la fonction f(x) pour l'entrée PC est :
• valeur de GoS pour AWT=20 s (en utilisant (8)),

• utilisation moyenne des agents η (en utilisant (11)). f (x) = PC (x,N) ­ PC _ SAISIR = 0. (18)

La probabilité d'insertion dans la file d'attente PC peut être

Si la valeur d'entrée est définie comme le temps d'attente moyen W,
saisi en trois variantes différentes :
respectivement GoS, nous pouvons utiliser les substitutions suivantes par
• saisie directe de la valeur PC, (6) et (10) :

• saisie du temps d'attente moyen W, PC = W   N  A , (19)

• entrée du gouvernement.
 GoS
PC  . (20)
e 1   NA AWT


Lorsqu'un PC est utilisé comme variable d'entrée, cette variable est

considéré jusqu'à la limite supérieure. Dans les deux cas, nous connaissons la valeur μ. Par conséquent, si
nous avons besoin de la solution pour la valeur inconnue 1/ μ, nous devons
d'abord trouver la solution pour la valeur μ , puis calculer la charge A à l'aide
3.1 Calcul du paramètre Pc
de l'équation (2). Les fonctions f(x) pour l'entrée W (par substitution (19))
Le calcul de la valeur inconnue de la probabilité d'attente peut sont :
être facilement réalisé à l'aide de la relation de base du modèle d'Erlang
f (x) PC (x,N) W N  x 0, (21)
C (1). La division de deux grands nombres peut entraîner des erreurs
numériques et le résultat obtenu risque d'être inexact. C'est pourquoi
respectivement, si μ est inconnu, alors :
nous avons établi une relation alternative, identique à l'originale (1) (en
termes de résultat) : W (22)
fx(PC
) ,N   N 0.
3600 x x 3600 x

PNA
C
 
, N
1
 1
. (17) Si le paramètre d'entrée est GoS, la substitution (20) est utilisée et la
fonction pour le paramètre λ est :
N / A je

N k
1+
N je 1k 0 UN

P fx
xN C  (, )

 Nx

1 GoS
AWT  e
0, (23)
De même, nous pouvons également utiliser le schéma de Horner [8] pour
des calculs plus efficaces. respectivement, si μ est inconnu, alors :

© 2011 AVANCÉES EN GÉNIE ÉLECTRIQUE ET ÉLECTRONIQUE ISSN 1804­3119

Machine Translated by Google

TECHNOLOGIES ET SERVICES DE L'INFORMATION ET DE LA COMMUNICATION, VOL. 9, N° 1, MARS 2011 11

1 GoS (24) Modèle mathématique et résultats également obtenus par simulations.

fx(P) C ,N  0.
3600 x 

xN AWT
3600 x
e
Tableau 1. Résultats des calculs

PC W GoS η
N KT [s] Q
4. Simulations 28
[%]
95,4 155 836,6 127,2 686,6 45,1 243,5
[s] [%] [%] 7,2
99,3 35,9 95,8
L'ensemble du processus de simulation du modèle Erlang C est 29 75,3 17,3 93,5 35,2 189,9 7,4 39,9 31,7 56,3 92,6 70,6
30 58,7 171,1 3,9 21,1 30 162,1 2,2 12,1 29,1 89,7 80,6 86,8
illustré dans la figure 1 suivante :
31 45,1 157,3 1,4 7,3 28,6 154,5 0,8 4,5 28,3 87,3 84,2 91,9
32 34,1 152,8 0,5 2,8 28,1 151,7 0,3 1,7 28 81,7 94,9 79,4
33 25,3 151,1 0,2 1,1 96,8 77,2 98,1
34 18,5 75,1
35 13,3
36 9,4
37 6,5

Tableau 2. Résultats des simulations du modèle Erlang C

PC W GoS η
N KT [s] Q
[%] [s] [%] [%]
28 91,9 88,5 478 43,2 60,9 328 15,4 12,3 98,8
29 74 233 35,1 189 83,4 7,2 38,8 38 95,6
30 59,3 32,4 30 4,5 24,1 2,2 55,9 93
31 46,2 174 11,9 1,4 7,3 69,3 90
32 33,7 162 0,9 4,7 0,5 2,5 81,3 86,9 87,5
33 25,1 29,2 158 0,3 1,5 0,2 1 84,4 91,5 82,1
34 19,2 28,8 155 95,5 79,4 97,4
35 13 28,3 153 77,1 98,2 75,3
36 8,7 28 151
37 6,4 28,1 151

Les résultats de simulation et les calculs obtenus sont très

similaires. Les différences n'apparaissent que dans le cas d'un nombre
minimal d'agents. Toutefois, il est probable qu'aucune entreprise ne
maintiendrait un centre d'appels avec une qualité de service extrêmement
médiocre [9, 10, 11, 12] (notamment en raison de temps d'attente très
longs).

Du point de vue de l'appelant, les paramètres les plus importants

sont le temps d'attente moyen dans la file d'attente W et le paramètre
GoS (dans ce cas, l'évaluation porte sur un temps d'attente moyen de 20
Figure 1. Processus de simulation du modèle Erlang C
secondes). L'appelant s'attend à la valeur la plus basse possible pour W ,
ainsi qu'à une valeur de GoS proche de 100 %. Du point de vue du centre
4.1 Résultats de la simulation d'appels, les paramètres les plus importants sont le nombre d'agents N et
leur taux d'utilisation η, car ces deux variables influent significativement
Les paramètres du modèle simulé sont : sur les coûts du service. L'objectif de l'opérateur est de minimiser le
nombre d'agents et de maximiser leur utilisation. L'analyse vise donc à
• 667 appels entrants par heure,
déterminer ce nombre minimal d'agents N, tout en maintenant les
• Le temps de réponse moyen aux appels est de 150 secondes. paramètres opérationnels à un niveau satisfaisant. Le paramètre GoS
peut être considéré comme approprié.
• La durée de simulation du travail au centre d'appels est de 30 heures.
par étape d'une seconde (le temps nécessaire pour atteindre l'état stable est d'une heure).
Paramètre au niveau 80% et temps d'attente moyen d'environ 10 secondes.
Les appels ne pouvant être traités immédiatement sont placés
dans une file d'attente (selon la formule d'Erlang C). Pour la stabilité du
système, la condition A < N doit être respectée. Par conséquent, les
calculs et simulations sont réalisés pour un nombre d'agents compris
entre 28 et 37. C'est dans cet intervalle que l'on observe les variations les
plus notables des paramètres de sortie. Les tableaux 1 et 2 présentent
les résultats obtenus par calcul.

© 2011 AVANCÉES EN GÉNIE ÉLECTRIQUE ET ÉLECTRONIQUE ISSN 1804­3119

Machine Translated by Google

12 TECHNOLOGIES ET SERVICES DE L'INFORMATION ET DE LA COMMUNICATION, VOL. 9, N° 1, MARS 2011

peut être utilisé en cas de performances différentes des agents.

Il est possible de déterminer la valeur du temps de traitement moyen
des appels ou le nombre moyen d'appels traités par unité de temps en
divisant le nombre total d'appels traités par unité de temps de tous les
agents et le nombre total d'agents dans le groupe de service.

Pour approfondir l'étude, il serait intéressant d'étendre les simulations en

intégrant simultanément davantage de groupes de service indépendants et en
répartissant aléatoirement les appels entre eux selon des probabilités définies. On
pourrait également envisager des temps de service moyens différents pour chaque
agent. Enfin, il est possible de simuler l'impact des performances inégales des
agents sur les résultats globaux du centre d'appels.

Figure 2. Résultats de la simulation

La figure 2 montre la courbe caractéristique des principaux

résultats de simulation du centre d'appels selon les hypothèses du
modèle Erlang C en relation avec le nombre d'agents N. La courbe
Remerciements
caractéristique du temps d'attente moyen a un caractère exponentiel
très marqué et ainsi une légère augmentation du nombre d'agents Ce travail s'inscrit dans le cadre des activités de recherche
(environ 1 à 2 agents) peut apporter une amélioration significative de ce menées à l'Université technique slovaque de Bratislava, Faculté de
paramètre. génie électrique et de technologies de l'information, Département des
La courbe caractéristique de la probabilité PC présente une évolution télécommunications, dans le cadre des projets VEGA n° 1/0565/09
similaire, quoique moins marquée . Le paramètre GoS converge « Modélisation des paramètres de trafic dans les réseaux et services de
également de façon exponentielle vers 100 %, ce qui montre qu'une télécommunications NGN » et ITMS 26240120029 « Soutien à la
légère modification du nombre d'agents peut engendrer une amélioration construction d'un centre d'excellence pour les technologies, systèmes
significative. La courbe caractéristique de la charge d'agents η est quasi et services SMART II ».
linéaire dans la plage affichée.

Conformément aux exigences de qualité de service mentionnées

ci­dessus pour le centre d'appels, 32 agents peuvent être considérés
comme suffisants dans ce cas précis. L'ajout de deux agents permet de
réduire de moitié le temps d'attente moyen et d'augmenter de 10 % la
Références
valeur du paramètre GoS , qui se situe ainsi à un niveau très satisfaisant [1] BERGEVIN, R., WYATT, A. Les centres de contact pour les nuls. [en ligne].
(90 %). Le taux d'utilisation des agents ne descend pas en dessous de Indianapolis (IN) (États­Unis) : Wiley Publishing, 2005, 80 p. ISBN 0­
471­75819­1. Disponible à l'adresse suivante : <http://
80 %, évitant ainsi des temps d'attente inutilement longs, contrairement
[Link]/files/[Link]>.
aux situations où certains agents seraient en surnombre.
[2] UNČOVSKÝ, L. Stochastické modèle operačnej analyse. 1ère éd.
Bratislava : ALFA, 1980, 416 p. ISBN63­557­80.
[3] POLEC, J., KARLUBÍKOVÁ, T. Stochastické modelly v telekomunikáciách. 1ère éd. Bratislava : Fond
Jozefa Murgaša pre telekomunikácie nf vo vydavateľstve FABER, 1999, 128 p. ISBN80­968125­0­5.

5. Conclusion
[4] RIEČANOVÁ, Z. et al. Méthodes numériques et statistiques mathématiques. 1re éd.
D'après les calculs et les simulations, on peut affirmer que, de par Bratislava : ALFA, août 1987. 496 p. ISBN 063­
sa simplicité et la précision des résultats obtenus, la formule d'Erlang C 559­87.

est applicable aux simulations de centres d'appels. [5] Diagnostic Strategies. Modélisation du trafic et allocation des ressources dans les
centres d'appels. Needham, États­Unis : Diagnostic Strategies, 2003.
Cependant, sa brièveté ne permet d'effectuer des calculs que pour un
Disponible à l'adresse : <[Link]
seul groupe de services, et impose également de définir pour tous les A4_1Traffic_Modeling.pdf>
agents le même temps de service. f>.

[6] KOOLE, G. Call Center Mathematics : A scientific method for understanding and
Malgré ces limitations, la formule de base d'Erlang C peut improving contact centers. Amsterdam : Vrije Universiteit, 68 p. [consulté le
également être utilisée pour les calculs relatifs aux centres d'appels 26 janvier 2008]. Disponible à l’adresse : <[Link]
comportant plusieurs services. Dans ce cas, s'il est possible de
déterminer la probabilité d'acheminement des appels vers chaque [7] BOLCH G., et al. Réseaux de files d'attente et chaînes de Markov. 2e éd.
Hoboken, New Jersey, États­Unis : John Wiley, 2006, 878 p. ISBN 0­471­
service, la formule d'Erlang C peut être appliquée individuellement à 56525­3.
chaque service. Le nombre d'appels entrants par unité de temps [8] FORSYTHE, GE, MALCOLM, MA, MOLER, CB Computer Methods for Mathematical
représente une fraction du nombre total d'appels entrants au centre Computations. Upper Saddle River, New Jersey, USA: Prentice Hall, 1977, 259 p.
d'appels. Le calcul s'effectue à l'aide de la formule d'Erlang C. ISBN 0131653326.
[9] POSOLDOVÁ, A., BAROŇÁK, I. : Méthodes AC dans les réseaux ATM et IP. Dans
Nouvelles technologies de l’information et du multimédia. NIMT

© 2011 AVANCÉES EN GÉNIE ÉLECTRIQUE ET ÉLECTRONIQUE ISSN 1804­3119

Machine Translated by Google

TECHNOLOGIES ET SERVICES DE L'INFORMATION ET DE LA COMMUNICATION, VOL. 9, N° 1, MARS 2011 13

2010 : Brno, République tchèque, 16­17 septembre 2010, Université de

technologie de Brno, pp. 20­23, ISBN 978­80­214­4126­2.
[10] BALOGH, T., LUKNÁROVÁ, D., MEDVECKÝ, M. : Performance des algorithmes d'ordonnancement
de files d'attente Round Robin. Dans : CTRQ 2010 : Troisième conférence internationale sur la
théorie de la communication, la fiabilité et la qualité de service, Athènes, Grèce, 13­19.

6. 2010, IEEE Computer Society, 2010, pp. 156 ­ 161, ISBN 978­0­
7695­4070­2.

[11] BAROŇÁK, I., MIČUCH, J. : Méthodes préventives prenant en charge la QoS

dans IP. Dans : Nouvelles technologies de l'information et du multimédia.
NIMT 2009, Brno, République tchèque, 17 ­ 18 septembre 2009, Université
de technologie de Brno, pp. 15­23, ISBN 9778­80­214­3930­6.
[12] VOZNAK, M., ROZHON, J. : Méthodologie pour les tests de performance de
l'infrastructure SIP, WSEAS TRANSACTIONS on COMPUTERS, Numéro 11,
Volume 9, pp. 1012­1021, septembre 2010, ISSN 1109­2750.

À propos des auteurs…

Erik ChromÝ est né à Veľký Krtíš, en Slovaquie, en

1981. Il a obtenu une maîtrise en télécommunications
en 2005 à la Faculté de génie électrique et de
technologies de l'information de l'Université technique
slovaque (FEI STU).

Bratislava. En 2007, il a soutenu une thèse de doctorat portant

sur l'observation des propriétés statistiques du flux d'entrée des sources de trafic sur
le dimensionnement des chemins virtuels. Ses recherches scientifiques sont axées
sur l'optimisation des processus dans les réseaux convergents. Il est actuellement
maître de conférences au département des télécommunications de la Faculté
à technique d'État de Bratislava (FEI STU
d'ingénierie et d'électronique de l'Université
Bratislava).

Tibor Mišuth est doctorant au département des

à
télécommunications de la faculté de génie
électrique et des technologies de l'information de
l'Université technique slovaque de Bratislava. Ses
recherches portent sur l'application des équations
d'Erlang aux réseaux de télécommunications
classiques et aux réseaux IP modernes.

Matej KAVACKÝ est né à Nitra, en Slovaquie, en

1979. Il a obtenu une maîtrise en télécommunications
en 2004 à la Faculté de génie électrique et de
technologies de l'information de l'Université
technique slovaque (FEI STU).

Bratislava. En 2006, il a soutenu sa thèse de

doctorat intitulée « Qualité de service dans les réseaux à large bande ».
Il travaille actuellement comme professeur assistant au département des
télécommunications de la FEI STU Bratislava et ses recherches
scientifiques portent sur la qualité de service et les réseaux de
télécommunications privés.

© 2011 AVANCÉES EN GÉNIE ÉLECTRIQUE ET ÉLECTRONIQUE ISSN 1804­3119