Simulation avancée

Modélisation des systèmes dont les états changent seulement à des instants discrets comme résultats d'évènements spécifiques.

La simulation à événements discrets (SED) permet de modéliser des systèmes dynamiques dont le comportement est caractérisé par la circulation des entités au cours du temps.

-Ateliers ou d'usines au sein desquels circulent des produits, des transporteurs, des ouvriers,

- Services dans lesquels circulent des clients, des documents, des informations,

- Bâtiments ou plans en général dans lesquels circulent des clients, etc.

Les composants du système à définir :

• Entité: Objet d'intérêt au sein d'une simulation dont les activités sont modélisées.

• Attribut: Dans un système, il peut y avoir de nombreux types d'entités, chacun ayant des caractéristiques uniques, appelés attributs. Les attributs représentent des valeurs définies par l'utilisateur associées à des entités individuelles, comme le type de client, la taille du produit, etc. Toutes les entités ont le même ensemble d'attributs (priorité, heure d'arrivée) avec des valeurs différentes.

• Activité : Opération s'effectuant sur une période de temps déterminée.

• État : Collection de variables nécessaire pour décrire le système à tout moment par rapport aux objectifs de l'étude.

• Événement : Réalisation instantanée qui correspond à un changement d'état d'objet.

La modélisation d'un système à événements discrets suit une démarche méthodique composée de plusieurs étapes«  » :

1. Analyse du système réel : Cette étape consiste à observer et comprendre le fonctionnement du système étudié. Elle inclut l'identification des flux, des contraintes, des règles de gestion et des interactions entre les différents éléments.

2. Définition des entités :Les entités représentent les objets dynamiques qui circulent dans le système (clients, pièces, produits, dossiers, etc.). Chaque entité peut posséder des attributs qui décrivent ses caractéristiques.

3. Identification des ressources : Les ressources sont les moyens nécessaires au traitement des entités (machines, opérateurs, serveurs). Leur disponibilité et leur capacité influencent directement les performances du système.

4. Définition des événements : Les événements sont les instants où l'état du système change (arrivées, débuts et fins de service, pannes, sorties). Ils structurent l'évolution temporelle du modèle.

5. Modélisation des files d'attente : Les files d'attente apparaissent lorsque la demande dépasse la capacité des ressources. Leur discipline de gestion (FIFO, priorité, etc.) doit être clairement définie.

6. Définition des indicateurs de performance :Les indicateurs permettent d'évaluer le système, tels que :  temps d'attente moyen,  temps de séjour dans le système,  taux d'utilisation des ressources,  longueur moyenne des files.

La modélisation sous Aréna [4]^[1] repose sur une distinction claire entre les flux dynamiques et les paramètres de contrôle. Nous pouvons diviser ces composants en cinq catégories essentielles :

1. Les objets entrants sont spécifiés par les entités, ils constituent les composants dynamiques qui circulent dans le modèle (pièces, clients, ordre de fabrication, etc.). Ces entités sont caractérisées par des données appelées attributs (couleur, taille, poids, référence, type, etc.). La création (génération) des entités dans le modèle doit être spécifiées (suivant des lois de probabilité, suivant un Schedule, etc.).

2. Paramètres de l'environnement : déterminent des grandeurs sur lesquels on considère n'avoir aucune influence (non contrôlable) mais pouvant influer le système (distances séparant des cellules d'usinages, des taux de panne, etc.)

3. Variables de décision sont les grandeurs dont on veut étudier l'influence sur le système, (Le nombre de guichets de douane, le nombre de chariots élévateurs, règles de routage, etc.)

4. Les objets sortants sont des objets sur lesquels on cherchera à faire des statistiques. Dans le cas d'une usine les pièces usinées, ou dans un aéroport, les passagers ayant récupérés leurs valises.

5. Les indicateurs de performances permettent de compléter les observations sur les objets sortants pour << juger >> de la performance du modèle observé, (longueurs de files d'attente, des temps de séjour, etc.)