Kurskapitel
Schulung · Reihe 3. Verhalten und Architektur · Kapitel 3.5 von 6
3.5 Simulation 2:39
Den Schritten Dauern geben, einen Lauf abspielen, dann hundert, und das Ergebnis gegen eine Grenze prüfen.
Zeigt Holarch 1.27.
Das lernen Sie
- Die Dauer einer Action als festen Wert oder als Verteilung festlegen
- Eine Simulation mit diskreten Ereignissen ausführen und die Zeitachse ablesen
- Eine Monte-Carlo-Studie ausführen und Mittelwert, Streuung und 95. Perzentil ablesen
- Die Gesamtzeit mit einer geforderten Wahrscheinlichkeit gegen die Grenze einer Anforderung prüfen
Geben Sie den Schritten von Rent a Bike Dauern, darunter eine Normalverteilung, führen Sie eine Simulation mit diskreten Ereignissen auf einer Zeitachse aus, führen Sie Monte Carlo aus, lesen Sie die Streuung der Mietdauern ab und prüfen Sie, wie wahrscheinlich eine Miete innerhalb einer Zeitgrenze abgeschlossen ist.
Projektdateien
- Startprojekt (.holarch.json; Projekte verwalten → Projektdateien ▾ → Projekt importieren (.json)…)
- Fertiges Projekt (.holarch.json; Projekte verwalten → Projektdateien ▾ → Projekt importieren (.json)…)
Das Video wird von holarch.app abgespielt; siehe Datenschutzerklärung.
Übung
Führen Sie dies selbst in Holarch durch, am Demoprojekt CubeSat EO-1.
- Öffnen Sie Ihr EO-1-Demoprojekt oder erstellen Sie es: Projekte verwalten → Projektdateien ▾ → Neues Demoprojekt → CubeSat (Geführtes Systems Engineering).
- Wählen Sie in der Datenbank OPS.11 Receive Downlink (9 Minuten) aus und setzen Sie seine Duration auf
=triang.dist(8, 15, 9)Minuten, für Überflüge, die manchmal länger dauern. - Öffnen Sie Verhalten → Simulator, wählen Sie OPS Run Nominal Imaging Pass als Wurzel-Action, behalten Sie Diskrete Ereignisse bei und klicken Sie auf ⏩ Bis zum Ende ausführen. Lesen Sie Gesamtzeit und die Zeitachse ab.
- Wechseln Sie zu Monte Carlo und klicken Sie auf ▶ Monte Carlo ausführen. Lesen Sie auf der Registerkarte Verteilung den Mittelwert und die Streuung der Gesamtzeit ab.
- Klicken Sie auf Gegen Requirement prüfen…, behalten Sie Gesamtzeit bei, setzen Sie ≤ höchstens
100Minuten, die Anforderung 6.5 Planning Cycle Time und Erforderliche Wahrscheinlichkeit (%)95. Lesen Sie P5 / P50 / P95, P(meet) und das Ergebnis ab. - Für eine geprüfte Schritt-für-Schritt-Anleitung führen Sie Tutorial 8 Simulate the Functional Flow aus (Hilfe → Tutorials).
Sie sind fertig, wenn die Prüfung P(meet) und ein Ergebnis Pass oder Fail für 6.5 Planning Cycle Time bei 95 % zeigt.
Selbsttest
- Warum gibt man einem Schritt eine Verteilung statt einer festen Dauer?
- Was verrät Ihnen ein einzelner Lauf mit diskreten Ereignissen, was Monte Carlo nicht zeigt?
- Warum prüft man gegen das 95. Perzentil und nicht gegen den Mittelwert?
- Was ändert „Ergebnis erfassen“ im Modell?
Antworten anzeigen
Warum gibt man einem Schritt eine Verteilung statt einer festen Dauer?
Reale Dauern schwanken. Eine Verteilung wird bei jeder Ausführung neu gezogen, daher zeigt Monte Carlo die Streuung der Gesamtzeit, nicht eine einzige Zahl.
Was verrät Ihnen ein einzelner Lauf mit diskreten Ereignissen, was Monte Carlo nicht zeigt?
Er spielt einen einzelnen Lauf auf einer Zeitachse ab, sodass Sie die Reihenfolge der Schritte, die parallelen Zweige und den Zweig sehen, den eine Entscheidung genommen hat. Monte Carlo wiederholt den Lauf viele Male für die Statistik.
Warum prüft man gegen das 95. Perzentil und nicht gegen den Mittelwert?
Die Hälfte der Läufe dauert länger als der Mittelwert. Eine Grenze, die in 95 von 100 Läufen halten muss, wird an der Zeit gemessen, die diese 95 unterschreiten, und genau die melden P(meet) und P95.
Was ändert „Ergebnis erfassen“ im Modell?
Es setzt den Projected Value (oder Value) des Measure auf den Mittelwert und setzt einen Test Case, der die Anforderung verifiziert, auf Passed oder Failed. Sie prüfen die Änderungen zuerst, und sie werden als ein Rückgängig-Schritt angewendet.
Weiterlesen
Transkript
Transkript anzeigen (Erzählung und Bildschirminhalt)
Introduction
Welcome back. The action diagram of Rent a Bike says what happens. With durations, Holarch can tell you how long it takes.
In this chapter you put numbers on the steps and simulate them.
Durations
Open Rent a Bike as an action diagram again. Select Identify Rider and set its duration. Riders take different times to find their card, so use a distribution: equals norm dot dist, four, one: a normal distribution with a mean of four seconds and a standard deviation of one.
On screen: Database → F.1 → Open in ▾ → Action Diagram; Identify Rider → Duration.
Check Account depends on the network: a normal distribution around two seconds. Unlocking the bay and showing its number take one second each.
On screen: Check Account, Unlock Bay, Show Bay Number.
Starting the rental takes half a second, and relocking the bay, on the rare branch, one and a half.
On screen: Start Rental, Relock Bay.
One run
Open Behavior, then Simulator, and choose Rent a Bike as the root action. Discrete event mode plays one run on a timeline.
On screen: Behavior → Simulator → root F.1 → Discrete Event → Run to End.
Each step appears when it runs, the two parallel branches side by side, and the decision takes one of its branches with the probability you gave it.
On screen: The timeline.
A hundred runs
One run is one sample. Switch to Monte Carlo and run it: a hundred runs, each drawing every duration from its distribution and every decision from its probabilities.
On screen: Monte Carlo → Run.
The statistics give the mean rental time and its spread, and the 95th percentile: the time that ninety-five rentals in a hundred stay under. A commitment to riders needs that number, not the average.
On screen: Statistics and the time chart.
Check against a limit
Is that fast enough? Choose Check Against Requirement. Compare the total time with a limit: at most ten seconds for the whole rental at the kiosk, met in at least ninety-five runs in a hundred.
On screen: Check Against Requirement → ≤ 10 Seconds, 95 %.
The dialog reports the probability of meeting the limit from the hundred runs, and whether it clears the ninety-five percent you asked for. Record Result can save the check on the model.
On screen: The result.
Recap
Let's recap. You gave the steps durations, played one run on a timeline, ran Monte Carlo, read the spread of rental times, and checked the chance of meeting a limit.
Next, the dock's mass: a budget, and a technical performance measure to track it.