0% ont trouvé ce document utile (0 vote)
72 vues33 pages

Simulation 2024

La simulation est une méthode de recherche scientifique permettant d'étudier des phénomènes en reproduisant des modèles et en observant leur comportement sous différentes conditions. Elle est utilisée pour évaluer des scénarios, persuader des décideurs et économiser des coûts, et se décline en plusieurs types, notamment la simulation à événements discrets, continue et par agent. Les étapes de développement d'un modèle de simulation incluent la définition des objectifs, la collecte de données, la modélisation, et l'analyse des résultats.

Transféré par

ouimaounoel
Copyright
© © All Rights Reserved
Nous prenons très au sérieux les droits relatifs au contenu. Si vous pensez qu’il s’agit de votre contenu, signalez une atteinte au droit d’auteur ici.
Formats disponibles
Téléchargez aux formats PDF, TXT ou lisez en ligne sur Scribd
0% ont trouvé ce document utile (0 vote)
72 vues33 pages

Simulation 2024

La simulation est une méthode de recherche scientifique permettant d'étudier des phénomènes en reproduisant des modèles et en observant leur comportement sous différentes conditions. Elle est utilisée pour évaluer des scénarios, persuader des décideurs et économiser des coûts, et se décline en plusieurs types, notamment la simulation à événements discrets, continue et par agent. Les étapes de développement d'un modèle de simulation incluent la définition des objectifs, la collecte de données, la modélisation, et l'analyse des résultats.

Transféré par

ouimaounoel
Copyright
© © All Rights Reserved
Nous prenons très au sérieux les droits relatifs au contenu. Si vous pensez qu’il s’agit de votre contenu, signalez une atteinte au droit d’auteur ici.
Formats disponibles
Téléchargez aux formats PDF, TXT ou lisez en ligne sur Scribd

La simulation

La simulation est l’expérimentation sur un modèle. C’est une procédure de


recherche scientifique qui consiste à réaliser une reproduction artificielle
(modèle) du phénomène que l’on désire étudier, à observer le comportement de
cette reproduction lorsque l’on fait varier expérimentalement les actions que l’on
peut exercer sur celle-ci, et à induire ce qui se passerait dans la réalité sous
l’influence d’actions analogues.
Pourquoi simuler ?
Pour :

• Evaluer différents scénarios et choisir le plus adapté

• Persuader les responsables du bien fondé d’un projet

• Economiser de l’argent !
Depuis quand simule-t-on ?

Depuis le développement des sciences modernes


Le canard digéreur de Vaucanson

Vaucanson était un célèbre constructeur


d'automates intéressé par la reproduction des
êtres vivants. Il a présenté le Joueur de Flûte en
1738, un automate de 1.50m qui jouait réellement
de la flûte. Le canard bougeait les ailes, ingérait
des graines et les "digérait".
Les grands types de simulation

 La simulation à événements discrets : le système est traversé


par des entités discrètes qui déclenchent des traitements

 La simulation continue : elle revient à résoudre un système


d’équations différentielles

 La simulation par agent : elle représente des agents (groupes


sociaux par exemple) qui interagissent entre eux (voir modèle
de simulation d’évacuation de flux de piétons)
La simulation à événements
discrets pour l’étude des flux

L’entreprise est le lieu de circulation d’entités discrètes


(personnes, pièces, véhicules, informations, …) subissant des
transformations (opérations, formations, …).

Pour simuler l’entreprise, il faudra pouvoir prendre en compte


ces caractéristiques : prise en compte du temps, d’entités
discrètes (et continues, fluides), d’opérations.
Les entités discrètes dans le modèle de simulation

Tout « objet » identifiable de la réalité

Bouteilles

Clients Machines

Tables

Fournitures
Tracteurs
Poste à souder
Etapes du développement
d’un modèle de simulation
 Que simule-t-on ?
 Niveau de détail retenu

 Observations
 Système d’information de
l’entreprise
 Constitution de bases de
données
Les étapes d’un projet de simulation : détails

1. Définition des objectifs : à quoi s’intéresse-t-on exactement ?


2. Collecte des données utiles : temps d’attente, temps de cycle, fréquences de
pannes, règles de gestion, …
3. Rédaction d’un dossier d’analyse fonctionnelle :
• Paramètres à faire varier
• Description de la logique de fonctionnement
• Résultats à fournir par le modèle
• Plans d’expériences
4. Modélisation proprement dite
5. Tests et validation du modèle
• Jeux de données variés avec conditions moyennes et extrêmes
• Validation par mise en correspondance du modèle et du phénomène réel si
celui-ci existe ou validation par étapes sinon
6. Expérimentations pratiques
7. Analyse des résultats
• Mise en évidence de la distribution des résultats
• Sorties graphiques
• Validation statistiques : intervalles de confiance, …
• Étude de la sensibilité des résultats
Exemples de modèles de simulation

 Aéroports

 Flux de personnes

 Santé

 Chimie

 Logistique

 Industrie manufacturière

 Agroalimentaire

 Tertiaire et services

 Enseignement et science

 Electronique
Etude des flux de passagers dans
un terminal d’aéroport

Prise en compte de tous les


détails influents sur le temps
de correspondance d’un
passager entre 2 avions

But : Améliorer le taux de correspondances réussies pour les passagers


Chimie : simulation d’une production contrainte
par une ressource en eau limitée

Amélioration de la production
et des coûts étant donné une
ressource limitée en eau.

But : réviser les séquences d’opérations pour privilégier les plus


économes, valider la taille des équipements et retenir les meilleurs plans
de production
Production : étude de l’intérêt d’un robot

Etude du remplacement
d’une opération manuelle par
un bras robotisé placé dans
son contexte industriel

But :

• Choisir une technologie de robot parmi plusieurs


• Evaluer ses performances
• Dimensionner la taille des buffers en amont et en aval
• Révision les plannings de maintenance en organisant différemment les
plans de production.
Logistique : simulation du
fonctionnement d’un port maritime

Etude de la performance
d’un port étant donné un flux
de bateaux et les horaires
des marées

But :

• Choisir les engins de manutention les plus adaptés

• Déterminer le nombre des personnels (dockers) et leurs horaires


Agro-alimentaire : Etude de la production sous
contrainte de mesures d’hygiène

Modèle de simulation gérant


la fabrication de produits
suivant des recettes, et un plan
de production prenant en
compte à la fois les stocks
de matière et le nettoyage
des différents équipements
suivant un planning ou le
changement de produit.

But :

• Validation les stocks de matières premières.


• Diminution du nombre de cuves pour le stockage intermédiaire avant
conditionnement.
• Validation des protocoles de nettoyage
Services : Etude de la performance
d’un centre d’appel

Simulation d’un centre d’appel recevant 4 types de


requêtes et disposant de personnels à 4 niveaux de
compétences.

Le tableau suivant indique le type d'appels


spécialisé (X) et le type d'appel optionnels (O) pour
chaque agent:

But :

Déterminer le nombre et la répartition des


agents spécialisés pour obtenir une certaine
satisfaction des clients
Résultats
Exemple de modèle de simulation : une
fabrication de shampoing - passage du continu
au discret
Etude du temps d’évacuation du public d’une
manifestation sportive

https://www.youtube.com/watch?v=c6unBZoY9Ag

But :

Dimensionnement des équipements de sécurité et des personnels étant


donné un temps d’évacuation
Un exemple de simulation continue : étude de la propagation d’une
maladie au sein d’une population – Dynamique des systèmes
Modèle Stella
Les équations du modèle S.I.R.
Un exemple de simulation continue : étude l’évolution de l’économie
mondiale – Dynamique des systèmes

Modèle World : J.W. Forrester - The Limits to Growth", 1972


1Point2 : distributeur français
du logiciel Extend Sim et
développeur de modèles pour
l’industrie et les services

Clients : Airbus, Air France, Alcan


RioTinto, Areva, Arkema, Aventis,
BioMérieux, Bouygues, CTIF, CERN,
Cristal, Dade Behring, Danone, Ecole
des Mines, EPFL, Eurenco, Eurocast,
Eurotungstène, Finaref, Firmenich,
Frontex, GlaxoSmithKline, Hager
Electro, Hitachi, Ifremer, INSEAD,
Jacobs, Johnson&Johnson, Kerneos,
Lafarge, MEDA, Mobalpa, Monsanto,
Norpac, OCP Maroc, Pepsico,
Procter&Gamble, Quick Restaurants,
Rhodia Solvay, Rohm & Haas, Sagem,
SBB Cargo, SNCF, Technip,
ThyssenKrupp, Total, Toyota, Unilever,
Vico, Yoplait…

http://www.1point2.com/fr/actualite/
La simulation à événements discrets sous Extend

Entités discrètes
Le générateur

Loi des inter arrivées

2 2 2 2 2 2 2

Écarts constants

Écarts « exponentielle de moyenne 1 »

3 2 2 3 2 2 2
Écarts « empirical table »
Le temps dans la simulation : un temps « logique »

Données en secondes → temps total exprimé en secondes


Données en minutes → temps total exprimé en minutes
Données en heures → temps total exprimé en heures
Données en jours → temps total exprimé en jours

Exemple : 8h de production et
des données exprimées en mn
correspondent à « End simulation
at time » 480
Les blocs Extend : classés par bibliothèques

Discrète Généric Plotter Mfg Flow


Les bibliothèques de la version 7
La simulation continue : le temps comme principe déclencheur

0 dt dt dt dt dt dt dt dt dt dt dt dt dt dt

actions actions actions actions actions actions actions actions actions actions actions actions actions actions
Exemple de modèles Extend
Exemple de modèles Extend
Modèle Witness

WITNESS, the world's leading


business simulation system, gives
you the power and flexibility to model
your working environment, simulate
the implications of different business
decisions and understand any
process, however complex. As a
result, you can always be confident
that you have found the best
business solution for your
organization-before making a
financial commitment to change
Bibliographie

Vous aimerez peut-être aussi