Capítulos del curso
Formación · Curso 3. Comportamiento y arquitectura · Capítulo 3.5 de 6
3.5 Simulación 2:39
Dar duraciones a los pasos, reproducir una ejecución y luego cien, y comprobar el resultado frente a un límite.
Muestra Holarch 1.27.
Lo que aprenderá
- Fijar la duración de una acción como valor fijo o como distribución
- Ejecutar una simulación de eventos discretos y leer la línea de tiempo
- Ejecutar un estudio de Monte Carlo y leer la media, la dispersión y el percentil 95
- Comprobar el tiempo total frente al límite de un requisito con una probabilidad requerida
Dé duraciones a los pasos de Rent a Bike, incluida una distribución normal, ejecute una simulación de eventos discretos en una línea de tiempo, ejecute Monte Carlo, lea la dispersión de los tiempos de alquiler y compruebe la probabilidad de que un alquiler termine dentro de un límite de tiempo.
Archivos de proyecto
- Proyecto inicial (.holarch.json; Gestionar proyectos → Archivos de proyecto ▾ → Importar proyecto (.json)…)
- Proyecto terminado (.holarch.json; Gestionar proyectos → Archivos de proyecto ▾ → Importar proyecto (.json)…)
El vídeo se reproduce desde holarch.app; consulte la Política de privacidad.
Práctica
Hágalo usted mismo en Holarch, en el proyecto de demostración CubeSat EO-1.
- Abra su proyecto de demostración EO-1 o créelo: Gestionar proyectos → Archivos de proyecto ▾ → Nuevo proyecto de demostración → CubeSat (ingeniería de sistemas guiada).
- En la Base de datos, seleccione OPS.11 Receive Downlink (9 minutos) y fije su Duration en
=triang.dist(8, 15, 9)Minutes, para los pases que a veces se alargan. - Abra Comportamiento → Simulador, elija OPS Run Nominal Imaging Pass como Action raíz, mantenga Eventos discretos y pulse ⏩ Ejecutar hasta el final. Lea el Tiempo total y la línea de tiempo.
- Cambie a Monte Carlo y pulse ▶ Ejecutar Monte Carlo. En la pestaña Distribución, lea la media y la dispersión del tiempo total.
- Haga clic en Comprobar frente a requisito…, mantenga Tiempo total, fije ≤ como máximo
100Minutos, el requisito 6.5 Planning Cycle Time y Probabilidad requerida (%)95. Lea P5 / P50 / P95, P(meet) y el Resultado. - Para un recorrido guiado y comprobado, ejecute el tutorial 8 Simulate the Functional Flow (Ayuda → Tutoriales).
Habrá terminado cuando la comprobación muestre P(meet) y un resultado Pasa o Falla para 6.5 Planning Cycle Time al 95 %.
Compruebe lo aprendido
- ¿Por qué dar a un paso una distribución en lugar de una duración fija?
- ¿Qué le indica una ejecución de eventos discretos que Monte Carlo no le indica?
- ¿Por qué comprobar frente al percentil 95 y no frente a la media?
- ¿Qué cambia Registrar resultado en el modelo?
Mostrar las respuestas
¿Por qué dar a un paso una distribución en lugar de una duración fija?
Las duraciones reales varían. Una distribución se muestrea en cada ejecución, de modo que Monte Carlo muestra la dispersión del tiempo total, no un único número.
¿Qué le indica una ejecución de eventos discretos que Monte Carlo no le indica?
Reproduce una sola ejecución en una línea de tiempo, de modo que se ve el orden de los pasos, las ramas paralelas y qué rama tomó una decisión. Monte Carlo repite la ejecución muchas veces para obtener estadísticas.
¿Por qué comprobar frente al percentil 95 y no frente a la media?
La mitad de las ejecuciones duran más que la media. Un límite que debe cumplirse en 95 de cada 100 ejecuciones se juzga por el tiempo por debajo del cual quedan esas 95, que es lo que indican P(meet) y P95.
¿Qué cambia Registrar resultado en el modelo?
Fija el Projected Value (o Value) de la Measure en la media y pone un Test Case que verifica el requisito en Aprobado o Fallido. Primero se revisan los cambios, y se aplican como un único paso de deshacer.
Más información
Transcripción
Mostrar la transcripción (narración y lo que aparece en pantalla)
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.