Vérification validation

L'un des vrais problèmes auxquels l'analyste de simulation est confronté est de valider le modèle. Le modèle de simulation n'est valide que si le modèle est une représentation précise du système réel, sinon il n'est pas valide.

La validation et la vérification sont les deux étapes de tout projet de simulation pour valider un modèle.

  • Validationest le processus de comparaison de deux résultats. Dans ce processus, nous devons comparer la représentation d'un modèle conceptuel au système réel. Si la comparaison est vraie, alors elle est valide, sinon invalide.

  • Verificationest le processus de comparaison de deux résultats ou plus pour garantir leur exactitude. Dans ce processus, nous devons comparer l'implémentation du modèle et ses données associées avec la description conceptuelle et les spécifications du développeur.

Techniques de vérification et de validation

Il existe diverses techniques utilisées pour effectuer la vérification et la validation du modèle de simulation. Voici quelques-unes des techniques courantes -

Techniques pour effectuer la vérification du modèle de simulation

Voici les moyens d'effectuer la vérification du modèle de simulation -

  • En utilisant des compétences en programmation pour écrire et déboguer le programme dans des sous-programmes.

  • En utilisant une politique de «visite guidée structurée» dans laquelle plus d'une personne doit lire le programme.

  • En traçant les résultats intermédiaires et en les comparant aux résultats observés.

  • En vérifiant la sortie du modèle de simulation à l'aide de diverses combinaisons d'entrées.

  • En comparant le résultat final de la simulation avec les résultats analytiques.

Techniques pour effectuer la validation du modèle de simulation

Step 1- Concevoir un modèle à haute validité. Ceci peut être réalisé en suivant les étapes suivantes -

  • Le modèle doit être discuté avec les experts système lors de la conception.
  • Le modèle doit interagir avec le client tout au long du processus.
  • La sortie doit être supervisée par des experts système.

Step 2- Tester le modèle aux données d'hypothèses. Ceci peut être réalisé en appliquant les données d'hypothèse dans le modèle et en le testant quantitativement. Une analyse sensible peut également être effectuée pour observer l'effet du changement dans le résultat lorsque des changements importants sont apportés aux données d'entrée.

Step 3- Déterminez la sortie représentative du modèle de simulation. Ceci peut être réalisé en suivant les étapes suivantes -

  • Déterminez à quel point la sortie de simulation est proche de la sortie réelle du système.

  • La comparaison peut être effectuée à l'aide du test de Turing. Il présente les données au format système, qui ne peut être expliqué que par des experts.

  • La méthode statistique peut être utilisée pour comparer la sortie du modèle avec la sortie réelle du système.

Comparaison des données de modèle avec des données réelles

Après le développement du modèle, nous devons effectuer une comparaison de ses données de sortie avec des données système réelles. Voici les deux approches pour effectuer cette comparaison.

Validation du système existant

Dans cette approche, nous utilisons des entrées du monde réel du modèle pour comparer sa sortie avec celle des entrées du monde réel du système réel. Ce processus de validation est simple, cependant, il peut présenter des difficultés lors de sa réalisation, par exemple si la sortie doit être comparée à la durée moyenne, au temps d'attente, au temps d'inactivité, etc., elle peut être comparée à l'aide de tests statistiques et de tests d'hypothèses. Certains des tests statistiques sont le test du chi carré, le test de Kolmogorov-Smirnov, le test de Cramer-von Mises et le test des moments.

Validation du premier modèle

Considérez que nous devons décrire un système proposé qui n'existe pas à l'heure actuelle ni n'a existé dans le passé. Par conséquent, aucune donnée historique n'est disponible pour comparer ses performances. Par conséquent, nous devons utiliser un système hypothétique basé sur des hypothèses. Suivre des conseils utiles aidera à le rendre efficace.

  • Subsystem Validity- Un modèle lui-même peut ne pas avoir de système existant pour le comparer, mais il peut être constitué d'un sous-système connu. Chacune de cette validité peut être testée séparément.

  • Internal Validity - Un modèle avec un degré élevé de variance interne sera rejeté car un système stochastique avec une variance élevée en raison de ses processus internes masquera les changements dans la sortie dus aux changements d'entrée.

  • Sensitivity Analysis - Il fournit les informations sur le paramètre sensible du système auquel nous devons accorder une plus grande attention.

  • Face Validity - Lorsque le modèle fonctionne sur des logiques opposées, il doit être rejeté même s'il se comporte comme le système réel.