Holarch
Chapitres du cours

Formation · Parcours 3. Comportement et architecture · Chapitre 3.5 sur 6

3.5 Simulation 2:39

Donner des durées aux étapes, jouer une exécution, puis cent, et contrôler le résultat par rapport à une limite.

Montre Holarch 1.27.

← 3.4 Interfaces · Tous les chapitres · 3.6 Budgets et TPM →

Ce que vous allez apprendre

  • Définir la durée d'une action comme valeur fixe ou comme distribution
  • Lancer une simulation à événements discrets et lire la chronologie
  • Lancer une étude Monte-Carlo et lire la moyenne, la dispersion et le 95e centile
  • Contrôler le temps total par rapport à la limite d'une exigence avec une probabilité requise

Donnez des durées aux étapes de Rent a Bike, dont une distribution normale, lancez une simulation à événements discrets sur une chronologie, lancez Monte-Carlo, lisez la dispersion des durées de location et vérifiez la probabilité qu'une location se termine dans un délai donné.

Fichiers de projet

  • Projet de départ (.holarch.json ; Gérer les projets → Fichiers de projet ▾ → Importer un projet (.json)…)
  • Projet terminé (.holarch.json ; Gérer les projets → Fichiers de projet ▾ → Importer un projet (.json)…)

La vidéo est diffusée depuis holarch.app ; voir la Politique de confidentialité.

Pratique

Faites-le vous-même dans Holarch, sur le projet de démonstration CubeSat EO-1.

  1. Ouvrez votre projet de démonstration EO-1, ou créez-le : Gérer les projets → Fichiers de projet ▾ → Nouveau projet de démonstration → CubeSat (ingénierie système guidée).
  2. Dans la Base de données, sélectionnez OPS.11 Receive Downlink (9 minutes) et réglez sa Durée sur =triang.dist(8, 15, 9) Minutes, pour les passages qui durent parfois plus longtemps.
  3. Ouvrez Comportement → Simulateur, choisissez OPS Run Nominal Imaging Pass comme Action racine, gardez Événements discrets et appuyez sur ⏩ Exécuter jusqu'à la fin. Lisez le Temps total et la chronologie.
  4. Passez à Monte-Carlo et appuyez sur ▶ Exécuter Monte Carlo. Dans l'onglet Distribution, lisez la moyenne et la dispersion du temps total.
  5. Cliquez sur Contrôler par rapport à une exigence…, gardez Temps total, réglez ≤ au plus sur 100 Minutes, l'exigence sur 6.5 Planning Cycle Time et Probabilité requise (%) sur 95. Lisez P5 / P50 / P95, P(meet) et le Résultat.
  6. Pour un parcours guidé et contrôlé, lancez le tutoriel 8 Simulate the Functional Flow (Aide → Tutoriels).

C'est terminé quand le contrôle affiche P(meet) et un résultat Réussi ou Échec pour 6.5 Planning Cycle Time à 95 %.

Vérifiez vos connaissances

  1. Pourquoi donner une distribution à une étape plutôt qu'une durée fixe ?
  2. Qu'apprend une exécution à événements discrets que Monte-Carlo n'indique pas ?
  3. Pourquoi contrôler par rapport au 95e centile et non à la moyenne ?
  4. Que modifie Consigner le résultat dans le modèle ?
Afficher les réponses
  1. Pourquoi donner une distribution à une étape plutôt qu'une durée fixe ?

    Les durées réelles varient. Une distribution est échantillonnée à chaque exécution : Monte-Carlo montre donc la dispersion du temps total, et non un seul chiffre.

  2. Qu'apprend une exécution à événements discrets que Monte-Carlo n'indique pas ?

    Elle joue une seule exécution sur une chronologie : vous voyez l'ordre des étapes, les branches parallèles et la branche qu'a prise une décision. Monte-Carlo répète l'exécution de nombreuses fois pour produire des statistiques.

  3. Pourquoi contrôler par rapport au 95e centile et non à la moyenne ?

    La moitié des exécutions durent plus longtemps que la moyenne. Une limite qui doit être tenue dans 95 exécutions sur 100 se juge sur le temps sous lequel restent ces 95, que donnent P(meet) et P95.

  4. Que modifie Consigner le résultat dans le modèle ?

    Il règle la Projected Value (ou Value) de la Measure sur la moyenne et passe à Passed ou Failed un Test Case qui vérifie l'exigence. Vous examinez d'abord les modifications, qui s'appliquent en une seule étape d'annulation.

Pour aller plus loin

Transcription

Afficher la transcription (narration et contenu de l'écran)

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.