Modélisation et simulation - Introduction
Modellingest le processus de représentation d'un modèle qui comprend sa construction et son fonctionnement. Ce modèle est similaire à un système réel, ce qui aide l'analyste à prédire l'effet des changements sur le système. En d'autres termes, la modélisation crée un modèle qui représente un système avec ses propriétés. C'est un acte de construction d'un modèle.
Simulationd'un système est le fonctionnement d'un modèle en termes de temps ou d'espace, qui permet d'analyser les performances d'un système existant ou proposé. En d'autres termes, la simulation est le processus consistant à utiliser un modèle pour étudier les performances d'un système. C'est un acte d'utiliser un modèle pour la simulation.
Histoire de la simulation
La perspective historique de la simulation est énumérée dans un ordre chronologique.
1940 - Une méthode nommée «Monte Carlo» a été développée par des chercheurs (John von Neumann, Stanislaw Ulan, Edward Teller, Herman Kahn) et des physiciens travaillant sur un projet Manhattan pour étudier la diffusion des neutrons.
1960 - Les premiers langages de simulation spéciaux ont été développés, comme SIMSCRIPT par Harry Markowitz de la RAND Corporation.
1970 - Pendant cette période, des recherches ont été initiées sur les fondements mathématiques de la simulation.
1980 - Au cours de cette période, un logiciel de simulation sur PC, des interfaces utilisateur graphiques et une programmation orientée objet ont été développés.
1990 - Au cours de cette période, une simulation basée sur le Web, des graphiques animés fantaisie, une optimisation basée sur la simulation, des méthodes de Monte Carlo à chaîne de Markov ont été développées.
Développement de modèles de simulation
Les modèles de simulation se composent des composants suivants: entités système, variables d'entrée, mesures de performances et relations fonctionnelles. Voici les étapes pour développer un modèle de simulation.
Step 1 - Identifier le problème avec un système existant ou définir les exigences d'un système proposé.
Step 2 - Concevez le problème en tenant compte des facteurs et des limites du système existant.
Step 3 - Collectez et commencez à traiter les données du système, en observant ses performances et ses résultats.
Step 4 - Développer le modèle à l'aide de schémas de réseau et le vérifier à l'aide de diverses techniques de vérification.
Step 5 - Valider le modèle en comparant ses performances dans différentes conditions avec le système réel.
Step 6 - Créer un document du modèle pour une utilisation future, qui comprend les objectifs, les hypothèses, les variables d'entrée et les performances en détail.
Step 7 - Sélectionnez une conception expérimentale appropriée selon les besoins.
Step 8 - Induire des conditions expérimentales sur le modèle et observer le résultat.
Effectuer une analyse de simulation
Voici les étapes pour effectuer une analyse de simulation.
Step 1 - Préparez un énoncé du problème.
Step 2- Choisissez des variables d'entrée et créez des entités pour le processus de simulation. Il existe deux types de variables: les variables de décision et les variables incontrôlables. Les variables de décision sont contrôlées par le programmeur, tandis que les variables incontrôlables sont les variables aléatoires.
Step 3 - Créer des contraintes sur les variables de décision en les affectant au processus de simulation.
Step 4 - Déterminez les variables de sortie.
Step 5 - Collectez des données du système réel pour les saisir dans la simulation.
Step 6 - Développer un organigramme montrant la progression du processus de simulation.
Step 7 - Choisissez un logiciel de simulation approprié pour exécuter le modèle.
Step 8 - Vérifier le modèle de simulation en comparant son résultat avec le système temps réel.
Step 9 - Réalisez une expérience sur le modèle en modifiant les valeurs des variables pour trouver la meilleure solution.
Step 10 - Enfin, appliquez ces résultats dans le système en temps réel.
Modélisation & Simulation ─ Avantages
Voici les avantages de l'utilisation de la modélisation et de la simulation -
Easy to understand - Permet de comprendre comment le système fonctionne réellement sans travailler sur des systèmes temps réel.
Easy to test - Permet d'apporter des modifications dans le système et leur effet sur la sortie sans travailler sur des systèmes en temps réel.
Easy to upgrade - Permet de déterminer la configuration système requise en appliquant différentes configurations.
Easy to identifying constraints - Permet d'effectuer une analyse des goulots d'étranglement qui entraîne des retards dans le processus de travail, les informations, etc.
Easy to diagnose problems- Certains systèmes sont si complexes qu'il n'est pas facile de comprendre leur interaction à la fois. Cependant, Modélisation & Simulation permet de comprendre toutes les interactions et d'analyser leur effet. De plus, de nouvelles politiques, opérations et procédures peuvent être explorées sans affecter le système réel.
Modélisation et simulation ─ Inconvénients
Voici les inconvénients de l'utilisation de la modélisation et de la simulation -
Concevoir un modèle est un art qui nécessite des connaissances, une formation et une expérience du domaine.
Les opérations sont effectuées sur le système en utilisant un nombre aléatoire, donc difficile de prédire le résultat.
La simulation nécessite de la main-d'œuvre et c'est un processus qui prend du temps.
Les résultats de la simulation sont difficiles à traduire. Il faut des experts pour comprendre.
Le processus de simulation est coûteux.
Modélisation & Simulation ─ Domaines d'application
La modélisation et la simulation peuvent être appliquées aux domaines suivants - applications militaires, formation et assistance, conception de semi-conducteurs, télécommunications, conceptions et présentations de génie civil et modèles commerciaux électroniques.
De plus, il est utilisé pour étudier la structure interne d'un système complexe tel que le système biologique. Il est utilisé lors de l'optimisation de la conception du système, comme l'algorithme de routage, la chaîne de montage, etc. Il est utilisé pour tester de nouvelles conceptions et politiques. Il est utilisé pour vérifier les solutions analytiques.