Simulation

discrète I
2ème année

Wadie CHATT | INSEA 2023-2024

PLAN

Objectifs &
1 méthodologie

2 Définitions et rappel

3 Limites

4 Cas d’usage

2
OBJECTIFS PÉDAGOGIQUES Examiner les tests des
4 générateurs

Utiliser les
3 générateurs des
nombres aléatoires

Intégrer les
2 principes de
l’approche
Situer le contexte événement

1 global de la
simulation
discrète
MÉTHODOLOGIE

Learning by doing

+ 30% Exercices pratiques

Du temps alloué sera dédié aux
HORAIRE

Démarrage Fin

16 h 00 19 h 00
16 h 45 19 h 30
CALCUL DE LA NOTE FINALE

Examen final Contrôle / TD Réactivité

Note sur 15 Note sur 4 Note sur 1

Note finale / 20
Expérience
Deux volontaires
8 9 10 11 12 13
14 15 24 25 26 27
28 29 30 31 40 41
42 43 44 45 46 47
56 57 58 59 60 61
62 63
1 3 5 7 9 11
13 15 17 19 21 23
25 27 29 31 33 35
37 39 41 43 45 47
49 51 53 55 57 59
61 63
4 5 6 7 12 13
14 15 20 21 22 23
28 29 30 31 36 37
38 39 44 45 46 47
52 53 54 55 60 61
62 63
32 33 34 35 36 37
38 39 40 41 42 43
44 45 46 47 48 49
50 51 52 53 54 55
56 57 58 59 60 61
62 63
2 3 6 7 10 11
14 15 18 19 22 23
26 27 30 31 34 35
38 39 42 43 46 47
50 51 54 55 58 59
62 63
16 17 18 19 20 21
22 23 24 25 26 27
28 29 30 31 48 49
50 51 52 53 54 55
56 57 58 59 60 61
62 63
PLAN

Objectifs &
1 méthodologie

2 Définitions et rappel

3 Limites

4 Cas d’usage

16
DÉFINITION

La simulation est l’un des outils d’aide à la décision les plus efficaces à la disposition des
concepteurs et des gestionnaires des systèmes complexes. La simulation est un
processus qui consiste à :

Concevoir un modèle du système réel

Mener des expérimentations sur ce modèle

Interpréter les observations fournies par le déroulement du

modèle et formuler des décisions relatives au système
OBJECTIF

comprendre le comportement dynamique des systèmes, de

comparer leurs configurations, d’évaluer les différentes
stratégies de pilotage et d’optimiser leurs performances.
 Un peu
d’histoire
Un peu d’histoire
Jay Wright
Forrester

1950 1960 1970 1980 1990 2010

Travaux sur la dynamique des Elargissement du

systèmes Apparition des premiers langages Apparition des Recours des grandes
Emergence des logiciels
périmètre d’utilisation
informatiques de simulation (Simula)de simulations avec
premiers logiciels industries à la
de la simulation
→ mise en place des premiers interface graphiquede simulations simulation
Proposition des modèles
modèles destinés à l’étude des commerciaux
en 3D
systèmes organisationnels.
Types de
simulation
Simulation dynamique

Deterministe

Stochastique
Méthode analytique vs simulation

Méthode analytique Simulation

▪ Limitée : incapable de prendre en ▪ Permet d’étudier des systèmes complexes :
compte l’ensemble des composantes systèmes de production industrielle,
d’un systèmes (hypothèses de ▪ Permet une flexibilité de conception
production) ▪ Permet de dimensionner et de décider d’une
stratégie de gestion
▪ Impose des simplifications abusives

24
Types de simulation

Est-ce que le temps joue un rôle important dans le modèle

Statique Dynamique

25
Types de simulation

L’état du système peut-il changer continuellement ou

seulement à des instants identifiables

Continue Discrète

26
Types de simulation

Est-ce que tout est prévisible d’avance ou est ce qu’il y a

des facteurs aléatoires

Déterministe Stochastique

27
Domaines
d’application
▪ Dimensionnement des aérogares
(boutiques, ascenseurs, nombre de
guichets, zones de sécurité, zones..)

▪ Dimensionnement des circuits de

bagages

▪ Validation des plannings de vols

▪ Simulateurs de vols
 Optimisation des
flux de circulation
90 Km d’embouteillage
12 jours pour couvrir cette distance

Dimensionnement
des zones d’attente
Gestion des flux humains
dans un stade
Conception et
dimensionne
ment des
Data Centers
Optimisation des processus de production
Optimisation
des services
hospitaliers
Optimisation des plateformes portuaires
Méthodologie générale
Méthodologie générale
Système (réel) Modèle conceptuel

Analyse et modélisation

Validation

Programmation
Interprétations

Vérification
& actions

Expérimentation

Correction

Résultats Programme de simulation

Etapes de la simulation

1 Pourquoi
Définir modélise-t-on
l'objectif ? Qu'étudie-t-on ? Que veut-on améliorer, ou faire ?
de la modélisation

2 Réalisation d'une fonction,

Définir les éléments ou d'un
du système processus,
et ses limites entrées, sorties

3 Ordonnancement,
Définir hiérarchie
les interactions entre les éléments

4 Entités la
Définir quidynamique
circulent entre les éléments, comportement du système
du système

5 Fixer le nombre
Modéliser et la nature des essais à effectuer….
et expérimenter

6 Analyse
Analyserde
lesdonnées
résultatset prise de décisions
Limites

40
 La simulation demande un certain niveau d'expertise :
La qualité des résultats fournis lors de l'analyse des solutions est liée à
la qualité de la modélisation et au savoir-faire du « modélisateur » (la
modélisation est un métier).

La simulation n'est pas une technique d'optimisation au sens

propre :
Elle ne peut qu'établir les performances d'une solution conçue et
imaginée par l'utilisateur. C'est une technique entièrement itérative
qui ne propose pas de solution finale mais qui permet seulement à
l'utilisateur d'envisager des choix possibles

41
 Les résultats de simulation sont souvent complexes à interpréter :
On étudie des phénomènes aléatoires et les techniques d'analyse
demandent de la rigueur ; il est souvent difficile de faire la part du crucial
et de l'anecdotique (le modèle doit être ni trop grossier, ni trop précis).

Contraintes financières
Souvent pour des raisons financières, on doit aller au plus vite vers une
solution finale (sans passer trop de temps à explorer d’autres solutions
intermédiaires).

42
La simulation permet d'anticiper des
problèmes au lieu de les subir
Autres cas
d’usage