Executive Master of Engineering - GENERALISTE Module: Système des Systèmes

Executive Master of Engineering

GENERALISTE

Système des Systèmes

System of Systems –SoS
Chapitre 3 : Modélisation et simulation de SoS avec AnyLogic

Enseignant : Moncef HAMMADI – Maître de conférences, ISM-Supméca – Paris

Email : moncef.hammadi@supmeca.fr

Page 34
Executive Master of Engineering - GENERALISTE Module: Système des Systèmes

Chapitre 3 : Modélisation et simulation de SoS avec AnyLogic

AnyLogic est un outil de simulation développé par The AnyLogic Company. AnyLogic possède
un langage de modélisation graphique et facilite également l’extension du modèle de simulation avec
le code Java. L’édition PLE (Personal Learning Edition) d’AnyLogic est disponible gratuitement pour
un usage pédagogique (voir : https://www.anylogic.fr/downloads/).
Vous pouvez télécharger la version PLE et l’installer sur votre propre machine pour une utilisation
personnelle. La version PLE est gratuite mais elle a des limitations par rapport à la version
professionnelle qui est payante.
AnyLogic peut supporter les trois différents types de modélisation et de simulation (figure 3.1) :
 La dynamique des systèmes
 Événements discrets
 Systèmes multi-agents (SMA)

Figure 3.1 : Trois approches de simulation [source Wikipédia]

La méthode de la dynamique des systèmes (DS) et l'événement discret (ED) sont des approches
de simulation traditionnelles. Quant à la méthode des systèmes multi-agents (SMA), il s’agit d’une
nouvelle approche.
L’utilisation d’une méthode de simulation dépend du type de problème à résoudre et du niveau
d’abstraction. La figure 3.2 montre comment les trois approches de simulation correspondent aux
différents niveaux d’abstractions de modélisation. La méthode DS traitant des ensembles agrégés est
utilisée au niveau d'abstraction le plus haut. La modélisation par événement discrets est utilisée à
l’échelle basse et moyenne d’abstraction. Quant à SMA, cette technique est utilisée à travers tous les
niveaux d'abstraction. Les agents peuvent être des objets de modèles de nature très diverse par rapport
à l'échelle : les agents de niveau bas "physiques" peuvent être par exemple des piétons ou des voitures
ou des robots ; au niveau moyen - des clients ; et au niveau le plus haut - des sociétés concurrentes.

Page 35
Executive Master of Engineering - GENERALISTE Module: Système des Systèmes

Figure 3.2 : Les approches de simulation et les niveaux d’abstraction [source Wikipédia]
AnyLogic permet au modélisateur de combiner ces approches de simulation dans le même modèle.
Il n'y a aucune hiérarchie fixe. Ainsi, par exemple, on pourrait créer un modèle d'industrie expédiant
des paquets où les transporteurs sont modélisés comme des agents qui agissent/réagissent
indépendamment, tandis que les fonctionnements internes de leurs systèmes de transport et des réseaux
d'infrastructure pourraient être modélisés par une approche de simulation à événements discrets.
De même, on peut modéliser des consommateurs comme des agents dont le comportement global
alimente un modèle de dynamique de systèmes de flux tout comme des revenus ou des coûts qui ne
doivent pas être liés aux agents individuels. Cette approche de langage combinée est directement
applicable à une large variété de problèmes complexes qui peuvent être modélisés via chaque approche
indépendamment ou bien avec leurs combinaisons. Il est ainsi possible de développer des modèles
pour les applications suivantes :
 Marché et Compétition
 Systèmes de santé publique et pharmacie
 Systèmes de Production
 Chaîne d'approvisionnement
 Logistique
 Vente au détail et services
 Gestion de projets
 Processus commerciaux
 Systèmes sociaux et Dynamique d'Écosystèmes
 Défense
 Télécommunications et systèmes d'information
 Déplacements de Piétons et simulation de Trafic
 Aérospatial

Page 36
Executive Master of Engineering - GENERALISTE Module: Système des Systèmes

 Photovoltaïque
 Etc.
3.1 Modélisation des SoS avec des agents
La modélisation à base d'agents est une méthode relativement nouvelle comparée à la modélisation
dynamique et à la modélisation d'événements discrets. En fait, la modélisation à base d'agents était en
grande partie un sujet académique jusqu'à ce que les praticiens de la simulation commencent à l'utiliser
il y a 20 ans. Cela a été déclenché par :
• Une volonté d’approfondir la connaissance des systèmes que les méthodes de modélisation
traditionnelles ne capturent pas bien.
• Les progrès de la technologie de modélisation rendus possibles par la science informatique, tels que
la modélisation orientée objet, UML et les tableaux de statistiques.
• La croissance rapide de la puissance du processeur et de la mémoire. Les modèles basés sur les
agents sont plus exigeants que les modèles dynamiques et les modèles à événements discrets.
La modélisation à base d'agents offre au modélisateur une autre manière de regarder le système.
Vous pouvez ne pas savoir comment le SoS se comporte, ou incapable d’identifier ses variables clés
et leurs dépendances, ou reconnaître son flux de processus, mais vous pouvez avoir une idée sur la
façon les éléments du SoS se comportement. Si tel est le cas, vous pouvez commencer à construire
votre modèle en identifiant les objets (agents) et en définissant leurs comportements. Ensuite, vous
pouvez connecter les agents que vous avez créés et leur permettre d’interagir ou de les placer dans un
environnement doté de sa propre dynamique. Le comportement global du système résulte de nombreux
comportements individuels simultanés (des dizaines, des centaines, des milliers, ou des millions).
Il n’existe pas de langage standard pour la modélisation par agents, et la structure d’un modèle est
fournie par des éditeurs graphiques ou des scripts. Il existe de nombreuses façons de spécifier le
comportement d’un agent. L'agent a souvent une notion d'état et ses actions et réactions dépendent de
l’état ; alors le comportement est mieux défini avec les statecharts (diagramme d’états-transitions).
Parfois, le comportement est défini avec des règles exécutées lors d'événements spéciaux.
Dans de nombreux cas, le meilleur moyen de capturer la dynamique interne de l'agent consiste à
utiliser la méthode dynamique des systèmes (DS) ou une approche d'événements discrets (ED), puis à
placer un diagramme de stock et de flux ou un organigramme de processus à l'intérieur d'un agent. De
la même manière, les agents extérieurs à la dynamique de l'environnement dans lequel ils évoluent
sont souvent naturellement modélisés à l'aide de méthodes traditionnelles. C’est pourquoi de nombreux
modèles d’agents sont des modèles à plusieurs méthodes.

Page 37
Executive Master of Engineering - GENERALISTE Module: Système des Systèmes

Les agents dans un modèle basé sur les agents peuvent représenter des choses très diverses :
véhicules, unités d'équipement, projets, produits, idées, organisations, investissements, terrains,
personnes occupant différents rôles, etc.
Les universitaires discutent toujours des propriétés qu'un objet devrait être un «agent» : qualités
proactives et réactives, une conscience spatiale, une capacité d'apprentissage, une capacité sociale, un
intellect, etc. Dans la modélisation appliquée à base d'agents, on peut trouver toutes sortes d’agents :
certains communiquent, d’autres vivent dans un isolement total, d’autres vivent dans un espace,
d’autres vivent sans espace, d’autres apprennent et s’adaptent, tandis que d’autres ne modifient jamais
leur comportement.
Voici quelques faits utiles pour vous assurer que vous n'êtes pas égaré par la littérature académique
ou les différentes théories de la modélisation à base d’agents :
• Les agents ne sont pas des automates cellulaires. Les agents ne doivent pas nécessairement
vivre dans un espace discret (comme la grille dans The Game of Life, ("Le jeu de la vie")), et l’espace
ne fait pas partie de nombreux modèles basés sur des agents. Lorsque vous devez représenter un espace,
il s’agit généralement d’une carte continue ou d’une carte géographique.
• Les agents ne sont pas nécessairement des personnes. Tout peut être un agent : un véhicule,
un équipement, un projet, une idée, une organisation ou même un investissement. Un modèle d'usine
de conversion de l'acier dans lequel chaque machine est modélisée en tant qu'agent et leurs interactions
produisent de l'acier est un modèle basé sur agents.
• Un objet qui semble être absolument passif peut être un agent. Vous pouvez modéliser un
segment de canalisation dans un réseau d'alimentation en eau plus important en tant qu'agent, puis
associer à celui-ci des calendriers de maintenance et de remplacement, des coûts et des incidents.
• Un modèle basé sur des agents peut avoir beaucoup ou peu d'agents. Le modèle peut
également avoir un ou plusieurs types d'agents.
• Il existe des modèles basés sur des agents dans lesquels les agents n'interagissent pas.
L'économie et la santé, par exemples, utilisent des modèles de consommation d'alcool, d'obésité et de
maladies chroniques dans lesquels la dynamique individuelle ne dépend que de paramètres personnels
et, parfois, de l'environnement.
3.2 Modélisation avec les événements discrets - ED
La modélisation d'événements discrets est presque du même âge que la dynamique de système.
En 1961, Geoffrey Gordon, ingénieur chez IBM, introduisit GPSS, considéré comme la première
implémentation logicielle de la méthode de modélisation par événements discrets. Aujourd'hui, un

Page 38
Executive Master of Engineering - GENERALISTE Module: Système des Systèmes

certain nombre de programmes, y compris les versions modernes de GPSS, offrent la modélisation
d'événements discrets.
- La modélisation d'événements discrets oblige le modélisateur à réfléchir au système qu'il
souhaite modéliser en tant que processus - une séquence d'opérations exécutées par les agents.
Les opérations d’un modèle peuvent inclure des retards, des services fournis par diverses
ressources, des sélections de branches de processus, des scissions, etc. Tant que les agents sont en
concurrence pour des ressources limitées et peuvent être retardés, les files d'attente feront partie de
presque tous les modèles d'événements discrets.
Le modèle est spécifié graphiquement sous forme d'organigramme de processus où les blocs
représentent des opérations. L'organigramme commence généralement par des blocs "source" qui
génèrent des agents et les injectent dans le processus et se termine par des blocs "puits" qui les
suppriment.
Les agents - transactions initialement nommées dans GPSS ou entités dans d’autres logiciels de
simulation - peuvent représenter des clients, des patients, des appels téléphoniques, des documents
physiques et électroniques, des pièces, des produits, des palettes, des transactions informatiques, des
véhicules, des tâches, des projets, des idées, etc. Les ressources représentent le personnel, les médecins,
les opérateurs, les travailleurs, les serveurs, les processeurs, la mémoire de l'ordinateur, les
équipements et les transports.
Les temps de service et les heures d’arrivée des agents sont généralement stochastiques et, comme
ils sont tirés d’une distribution de probabilités, les modèles à événements discrets sont eux-mêmes
stochastiques. En termes simples, cela signifie qu'un modèle doit s'exécuter pendant une durée
spécifique ou effectuer un nombre spécifique de réplications avant de produire une sortie significative.
Les résultats typiques attendus d’un modèle à événements discrets incluent :
• Utilisation des ressources
• Temps passé dans le système ou sa partie par un agent
• Temps d'attente
3.3 Modélisation avec la méthode Dynamique des Systèmes - DS
La méthode DS a été créée dans les années 1950 par le professeur Jay Forrester de MIT. Fort de
ses connaissances en sciences et en ingénierie, Forrester a cherché à utiliser les lois de la physique, en
particulier les lois des circuits électriques, pour étudier les systèmes économiques et sociaux.
Aujourd'hui, la méthode DS est généralement utilisée dans les modèles stratégiques à long terme
et suppose des niveaux élevés d'agrégation d’objets : les modèles systèmes représentent les personnes,
les produits, les événements et d'autres éléments discrets.

Page 39
Executive Master of Engineering - GENERALISTE Module: Système des Systèmes

La méthode DS suggère de :
• Modéliser le système en tant que structure causalement fermée définissant son propre
comportement.
• Découvrir les boucles de rétroaction du système (causalité circulaire) en équilibre ou en
renforcement. Les boucles de rétroaction sont au cœur de la dynamique du système.
• Identifier les stocks (accumulations) et les flux qui les affectent.
Les stocks sont des accumulations qui caractérisent l'état du système. Ils sont la mémoire du
système et des sources de déséquilibre. Les flux sont les vitesses auxquelles ces états du système
changent. S’il y a des difficultés à distinguer les stocks des flux, il faut réfléchir à la façon dont nous
les mesurons. Les stocks sont généralement exprimés en quantités telles que les personnes, les niveaux
d'inventaire, l'argent ou les connaissances, tandis que les flux sont généralement des mesures de
quantités sur une période donnée, tels que les clients par mois ou en dollars par an.
La méthode DS est l’une de méthode de modélisation d’AnyLogic et elle peut être couplée avec
la méthode des évènements discrets et les agents. Les chapitres suivants présenteront des travaux
dirigés sur l’utilisation des agents et des méthodes discrets. Les travaux dirigés sur l’approche DS
seront traités dans le module Système Multidisciplinaire.

Page 40