Concepts et classification

Dans ce chapitre, nous discuterons de divers concepts et de la classification de la modélisation.

Modèles et événements

Voici les concepts de base de la modélisation et de la simulation.

  • Object est une entité qui existe dans le monde réel pour étudier le comportement d'un modèle.

  • Base Model est une explication hypothétique des propriétés de l'objet et de son comportement, qui est valable dans tout le modèle.

  • System est l'objet articulé dans des conditions définies, qui existe dans le monde réel.

  • Experimental Frameest utilisé pour étudier un système dans le monde réel, comme les conditions expérimentales, les aspects, les objectifs, etc. Le cadre expérimental de base se compose de deux ensembles de variables - les variables d'entrée de trame et les variables de sortie de trame, qui correspondent aux terminaux du système ou du modèle. La variable d'entrée Frame est chargée de faire correspondre les entrées appliquées au système ou à un modèle. La variable de sortie Frame est chargée de faire correspondre les valeurs de sortie au système ou à un modèle.

  • Lumped Model est une explication exacte d'un système qui suit les conditions spécifiées d'un cadre expérimental donné.

  • Verificationest le processus de comparaison de deux éléments ou plus pour garantir leur exactitude. Dans la modélisation et la simulation, la vérification peut être effectuée en comparant la cohérence d'un programme de simulation et du modèle groupé pour garantir leurs performances. Il existe différentes manières d'effectuer le processus de validation, que nous aborderons dans un chapitre séparé.

  • Validationest le processus de comparaison de deux résultats. Dans la modélisation et la simulation, la validation est effectuée en comparant les mesures expérimentales avec les résultats de la simulation dans le contexte d'un cadre expérimental. Le modèle n'est pas valide si les résultats ne correspondent pas. Il existe différentes manières d'effectuer le processus de validation, que nous aborderons dans un chapitre séparé.

Variables d'état du système

Les variables d'état du système sont un ensemble de données, nécessaires pour définir le processus interne du système à un moment donné.

  • Dans un discrete-event model, les variables d'état du système restent constantes sur des intervalles de temps et les valeurs changent à des points définis appelés temps d'événements.

  • Dans continuous-event model, les variables d'état du système sont définies par des résultats d'équations différentielles dont la valeur change continuellement dans le temps.

Voici quelques-unes des variables d'état du système -

  • Entities & Attributes- Une entité représente un objet dont la valeur peut être statique ou dynamique, selon le processus avec d'autres entités. Les attributs sont les valeurs locales utilisées par l'entité.

  • Resources- Une ressource est une entité qui fournit un service à une ou plusieurs entités dynamiques à la fois. L'entité dynamique peut demander une ou plusieurs unités d'une ressource; si elle est acceptée, l'entité peut utiliser la ressource et la libérer une fois terminée. En cas de refus, l'entité peut rejoindre une file d'attente.

  • Lists- Les listes sont utilisées pour représenter les files d'attente utilisées par les entités et les ressources. Il existe différentes possibilités de files d'attente telles que LIFO, FIFO, etc. en fonction du processus.

  • Delay - Il s'agit d'une durée indéfinie causée par une combinaison de conditions du système.

Classification des modèles

Un système peut être classé dans les catégories suivantes.

  • Discrete-Event Simulation Model- Dans ce modèle, les valeurs des variables d'état ne changent qu'à certains moments discrets où les événements se produisent. Les événements se produiront uniquement à l'heure et aux délais d'activité définis.

  • Stochastic vs. Deterministic Systems - Les systèmes stochastiques ne sont pas affectés par le caractère aléatoire et leur sortie n'est pas une variable aléatoire, tandis que les systèmes déterministes sont affectés par le caractère aléatoire et leur sortie est une variable aléatoire.

  • Static vs. Dynamic Simulation- La simulation statique comprend des modèles qui ne sont pas affectés par le temps. Par exemple: modèle de Monte Carlo. La simulation dynamique inclut des modèles qui sont affectés avec le temps.

  • Discrete vs. Continuous Systems- Le système discret est affecté par les changements de variable d'état à un instant discret. Son comportement est décrit dans la représentation graphique suivante.

Le système continu est affecté par la variable d'état, qui change continuellement en fonction du temps. Son comportement est décrit dans la représentation graphique suivante.

Processus de modélisation

Le processus de modélisation comprend les étapes suivantes.

Step 1- Examinez le problème. À ce stade, nous devons comprendre le problème et choisir sa classification en conséquence, par exemple déterministe ou stochastique.

Step 2- Concevez un modèle. Dans cette étape, nous devons effectuer les tâches simples suivantes qui nous aident à concevoir un modèle -

  • Collectez des données selon le comportement du système et les exigences futures.

  • Analysez les caractéristiques du système, ses hypothèses et les actions nécessaires à entreprendre pour que le modèle réussisse.

  • Déterminez les noms de variables, les fonctions, ses unités, les relations et leurs applications utilisées dans le modèle.

  • Résolvez le modèle à l'aide d'une technique appropriée et vérifiez le résultat à l'aide de méthodes de vérification. Ensuite, validez le résultat.

  • Préparez un rapport qui comprend les résultats, les interprétations, les conclusions et les suggestions.

Step 3- Fournir des recommandations après avoir terminé l'ensemble du processus lié au modèle. Cela comprend les investissements, les ressources, les algorithmes, les techniques, etc.