Académique Documents
Professionnel Documents
Culture Documents
Imane HSSINI
« L ’ efficacité des décisions du cadre
dépend pour une large part de la qualité de
ses modèles»
Henry Mintzberg
Introduction
3
▪ L'étude scientifique d'un système nous amène dans la plupart des cas à faire un
ensemble de suppositions sur le fonctionnement du système. Ces suppositions,
prennent habituellement la forme de relations mathématiques constituant un
modèle qui est utilisé pour essayer de comprendre comment se comporte le
système étudié.
▪ Si les relations qui composent le modèle sont assez simples il est toujours possible
d'utiliser des méthodes mathématiques (telle que l'algèbre, la théorie des
probabilités) pour obtenir des réponses exactes aux questions qui nous intéressent.
Une telle solution s'appelle
▪ Cependant, les systèmes qu'on trouve dans la réalité sont le plus souvent trop
complexes pour pouvoir se prêter à une évaluation analytique, et leurs modèles
doivent être étudiés au moyen de la simulation.
Introduction
4
Simulation Vs Modélisation
5
▪ On utilise un modèle quand on veut comprendre un système réel que l’on ne peut
pas observer ou expérimenter directement, parce que le système n'existe pas encore
ou parce que cela est trop difficile à manipuler. Ensuite, par simulation, il est
possible de mesurer l'impact relatif de chacune de ces composantes sur la
performance globale du système de production. Ainsi, la modélisation et la
simulation de la partie opérative du système permet de fournir les informations
nécessaires au système de conduite.
La modélisation est le processus de conception d’un modèle d’un système, tandis que la
simulation est le processus d’implantation du modèle et les simulations faites sur ce modèle
dans le but de comprendre le comportement du système et/ou d'évaluer différentes
stratégies pour différentes opérations du système.
Qu’est ce que la simulation?
6
✓ La simulation d'un système industriel a pour but de reproduire sur un modèle certains
comportements dynamiques du système afin d'analyser les flux dans le système et la
disponibilité des ressources.
✓ La simulation est un processus de création d’un modèle « informatisé », dans le but de mener
des expériences numériques pour comprendre le comportement du système réel, sous des
conditions biens définies
Objectif de la simulation
7
▪ Bien que la simulation est très utile dans certains cas, elle présente des limites
dans d’autre cas :
▪ Les temps d’exécution (CPU) peuvent devenir excessifs.
▪ Ne fournit habituellement que des estimations; l’optimisation est beaucoup
plus difficile par simulation que via les outils habituels de programmation
mathématique.
▪ L’analyse statistique des résultats n’est pas toujours simple.
• La classification des modèles peut se faire en fonction du temps et de la nature des variables :
Statique Dynamique
Modélisation
• Simulations statiques :
✓ Monte Carlo: méthode applicable seulement si le temps n'a pas d'influence, utilise
des tirages aléatoires et souvent uniformes. Ex.: Fiabilité d’un réseau; . . .
• Simulations dynamiques
✓ Système qui change dans le temps. Autrement dit, On s’intéresse à l’´évolution
dans le temps. Ex.: Trafic routier ou téléphonique; Système d’inventaire; . . .
• Simulations Déterministes
✓ Qui ne contient pas de variable aléatoire, une variable d'entrée donnée, produit
toujours le même résultat . Ex: Équations différentielles; programmation linéaire
• Simulations Stochastiques
✓ Implique de l’incertitude. Entrées et sorties sont aléatoires. Ex.: Files d’attente;….
• Simulation continue (Modèle en temps continu):
✓ L’´état change continument dans le temps, habituellement selon des équations
différentielles. Ex.: Un objet qui se déplace; prédictions météo;….
Étapes de la réalisation d'une simulation
14
• Analyse
• Modélisation
• Simulation
Critères de la réalisation d'une simulation
15
• Avant de commencer la simulation d’un système nous devons fixer les critères pour
pouvoir obtenir des bons résultats. Quelques critères d’un bon modèle de
simulation sont :
Temps
Modélisation à événement discret
17
▪ En effet, La théorie des files d’attente consiste en l’étude de systèmes où des clients se
présentent à un dispositif de service, appelé serveur. Puisqu’un client occupe le serveur
pendant un certain temps, les autres clients doivent attendre avant d’être servis, formant
ainsi une file d’attente.
▪ Rappel:
▪ Le modèle de base en files d’attente se nomme M/M/1 et se généralise en notation
de Kendall A/B/C/K/N/D :
✓ A : processus d’arrivée (M = markovien ou memoryless).
✓ B : processus de service (M = markovien ou memoryless).
✓ C : nombre de serveurs.
✓ K : capacité du système (file + serveurs).
✓ N : taille de la population des clients (habituellement infinie).
✓ D : discipline de service (par défaut, FIFO, ou PAPS : 1er arrivé 1er servi, mais aussi
RANDOM ou PRIORITY).
▪ Modèle M/M/1
➢ Les clients se présentent au système aléatoirement selon un processus de Poisson de taux λ.
➢ Le temps de service suit une loi exponentielle de taux µ,indépendamment d’un client à
l’autre.
➢ La file d’attente peut s’étendre `a l’infini.
Modélisation à événement discret
19