מדריך · ניתוח
סימולציית מונטה קרלו בהנדסת מערכות: מהערכות נקודתיות להסתברויות
האזנה למדריך 19 דק׳
סימולציית מונטה קרלו בהנדסת מערכות מחליפה ניחוש טוב יחיד בהתפלגות של תוצאות. המדריך הזה עוסק בבחירת התפלגויות קלט, בהרצת מספיק דגימות, בקריאת אחוזונים ובהסתברות לעמוד בדרישה, במתאם ובטעויות הנפוצות, על מעבר הצילום של לוויין קטן לתצפית על כדור הארץ.
בדף זה
למה הערכות נקודתיות מטעות
רוב ההערכות ההנדסיות ניתנות כמספר אחד: מערך האינטגרציה נמשך 14 שבועות, המטען צורך 38 W, תחנת הקרקע מעבדת מעבר ב-45 דקות. כל מספר הוא בדרך כלל הערך הסביר ביותר, וחיבור ערכים סבירים ביותר נותן סכום שאינו אומר דבר על התדירות שבה הוא נחרג, משתי סיבות.
- קלטים אסימטריים. משכי משימות אמיתיים כמעט אף פעם אינם סימטריים. משימה שנמשכת ככל הנראה 6 דקות יכולה להסתיים ב-4, אבל גם להימשך 9 כשמשהו משתבש. הממוצע של משימה כזאת גבוה מהערך הסביר ביותר שלה, וסכום הממוצעים גבוה מסכום הערכים הסבירים ביותר.
- הטיית מיזוג. במקום שבו נתיבים מקבילים מתאחדים, העבודה ממתינה לאיטי מביניהם. התוחלת של המקסימום של כמה נתיבים לא ודאיים גדולה מהמקסימום של התוחלות שלהם, כי כל נתיב שמאחר מעכב את הכול.
אותו דבר חל על תקציבים. תקציב מסה או הספק שנבנה מערכים נומינליים מסתיר את הסיכוי שכמה פריטים יגיעו גבוה בבת אחת, ולוח זמנים שנבנה ממשכים נומינליים מסתיר את הסיכוי שהנתיב הקריטי יתארך. מספר יחיד אינו יכול לומר מה הסיכוי שהוא יחזיק. התפלגות יכולה.
סימולציית מונטה קרלו היא הדרך הפשוטה ביותר לקבל את ההתפלגות הזאת: מתארים כל קלט לא ודאי כהתפלגות הסתברות, מגרילים ערך אחד לכל קלט, מחשבים את התוצאה, וחוזרים על כך פעמים רבות. אוסף התוצאות מקרב את התפלגות הפלט, וממנו קוראים ממוצעים, אחוזונים ואת ההסתברות לעמוד בדרישה. במונחי ISO/IEC/IEEE 15288 זהו כלי של תהליך ניתוח המערכת, והתוצאה שלו היא לעיתים קרובות הראיה לאימות בניתוח, אחת מארבע השיטות במטריצת אימות דרישות.
קלטים לא ודאיים כהתפלגויות
התפלגות מבטאת את מה שידוע על קלט. יש לבחור את הפשוטה ביותר שמתאימה למידע הקיים; שלוש צורות מכסות את רוב העבודה בהנדסת מערכות. הדוגמאות לקוחות ממעבר הצילום של הלוויין שמפורט בהמשך.
| התפלגות | פרמטרים | מתי להשתמש | דוגמה |
|---|---|---|---|
| אחידה | מינימום ומקסימום | הגבולות ידועים ושום דבר אינו מעדיף ערך אחד על פני אחר | קידוד ואחסון של רצועת תמונה אחת נמשכים 20 עד 40 שניות, לפי תוכן הסצנה |
| משולשת | מינימום, הסביר ביותר, מקסימום | מומחים יכולים לתת טווח וערך סביר ביותר, לעיתים קרובות מוטה לצד הארוך | שליחת תוכנית הצילום נמשכת 4 עד 9 דקות, ככל הנראה 6 |
| נורמלית | ממוצע וסטיית תקן | השפעות קטנות ובלתי תלויות רבות מצטברות, או שנתונים מדודים מראים פיזור סימטרי | עיבוד מוצרי התמונה נמשך 45 דקות עם סטיית תקן של 10 |
- התפלגות אחידה היא כנה כשידועים רק הגבולות, אבל היא נותנת לקצוות משקל זהה לאמצע.
- התפלגות משולשת היא הבחירה המקובלת להערכות שלוש-נקודתיות של מהנדסים. הממוצע שלה הוא (מינימום + הסביר ביותר + מקסימום) / 3, ולכן זנב עליון ארוך מזיז את הממוצע מעל הערך הסביר ביותר: 4, 6 ו-9 דקות נותנים ממוצע של 6.33.
- להתפלגות נורמלית יש זנבות לא חסומים. עבור משכים, מסות וגדלים אחרים שאינם יכולים להיות שליליים, יש לשמור על סטיית תקן קטנה ביחס לממוצע, או להשתמש בהתפלגות עם חסם תחתון.
- לצורות אחרות יש שימושים מסוימים: לוג-נורמלית לגדלים שהם מכפלה של גורמים, מעריכית לזמנים בין אירועים אקראיים, Weibull לזמני כשל, בטא לשברים בין 0 ל-1.
מה שאינו לא ודאי נשאר קבוע. מודל שבו כל קלט משתנה קשה יותר לסקירה ומסתיר את הקלטים המעטים שמניעים את התוצאה.
הרצת דגימות רבות
הרצת מונטה קרלו אחת היא תוצאה אפשרית אחת: כל קלט לא ודאי מקבל ערך אקראי מההתפלגות שלו, כל החלטה מוגרלת לפי ההסתברות שלה, והמודל מחשב את התוצאה כאילו זה המקרה האמיתי. מחקר חוזר על כך מאות או אלפי פעמים בהגרלות בלתי תלויות. שני כללים מעשיים:
- יש לקבע את זרע האקראיות כשהתוצאה הופכת לראיה. אותו זרע משחזר את אותן הרצות, כך שסוקר יכול לחזור על המחקר, וכל הרצה בודדת אפשר להריץ מחדש כדי לראות מה קרה בה.
- יש לשמור את לוגיקת המודל במודל. הסתעפויות עם הסתברויות, לולאות עם מספר חזרות ומגבלות משאבים שייכות לאותה זרימה שהסימולציה מריצה, לא לגיליון אלקטרוני נפרד שסוטה מהתכן. הזרימה היא בדרך כלל התרחיש המבצעי מהניתוח הפונקציונלי, בתוספת משכים.
קריאת התוצאות
מחקר מפיק רשימת תוצאות, אחת לכל הרצה. קוראים אותה בארבע דרכים.
- היסטוגרמה. צורת התוצאות: היכן נופלות רוב ההרצות, האם ההתפלגות אסימטרית, וכמה ארוכים הזנבות.
- ממוצע וסטיית תקן. סיכומים שימושיים, עם רווח סמך על הממוצע שמצטמצם ככל שמוסיפים הרצות. הממוצע לבדו אינו אומר דבר על סיכון.
- אחוזונים. P50 הוא החציון: חצי מההרצות מסתיימות מתחתיו. P90 או P95 הוא ערך התחייבות: התוצאה שעומדים בה ב-90% או ב-95% מהמקרים. לוחות זמנים ותקציבים מתחייבים לעיתים קרובות ב-P80 או ב-P90 ולא בממוצע.
- ההסתברות לעמוד בדרישה. חלק ההרצות שעומדות בסף, למשל “זמן כולל של 100 דקות לכל היותר”. קוראים אותה מעקומת ההסתברות המצטברת (עקומת S), שמציגה לכל ערך x את חלק ההרצות שתוצאתן x לכל היותר. דרישה שמנוסחת עם הסתברות (“ב-90% מהמקרים לפחות”) נבדקת ישירות מול המספר הזה.
את המרווח אפשר לקרוא באותה דרך: ההפרש בין הסף לממוצע הוא המרווח בממוצע; ההפרש בין הסף לערך P90 או P95 הוא המרווח שיש ברמת הביטחון שמתחייבים אליה.
כמה הרצות מספיקות
תוצאת מונטה קרלו היא בעצמה הערכה, והדיוק שלה גדל עם השורש הריבועי של מספר ההרצות. עבור הסתברות p שהוערכה מ-N הרצות, שגיאת התקן היא בערך √(p(1 − p) / N). קרוב ל-0% או ל-100% הרווח הפשוט של ±2 שגיאות תקן גרוע, ולכן הטבלה משתמשת ברווח Wilson, שנשאר בתוך 0 עד 100%.
| הרצות (N) | הרצות שעומדות בסף (p ≈ 97.6%) | שגיאת תקן | רווח 95% |
|---|---|---|---|
| 100 | 98 | 1.5 נקודות אחוז | 93.0% עד 99.4% |
| 200 | 195 | 1.1 נקודות אחוז | 94.3% עד 98.9% |
| 1,000 | 976 | 0.5 נקודות אחוז | 96.5% עד 98.4% |
| 2,000 | 1,951 | 0.3 נקודות אחוז | 96.8% עד 98.1% |
| 10,000 | 9,756 | 0.15 נקודות אחוז | 97.2% עד 97.8% |
המבחן המעשי: במחקר יש מספיק הרצות כשרווח הסמך של המספר שעליו מחליטים כבר אינו חוצה את קו ההחלטה. בדוגמה שבהמשך הדרישה מבקשת 90%; אפילו 100 הרצות נותנות רווח שנשאר מעל 90%, ולכן ההכרעה נקבעת מוקדם. אילו ההערכה הייתה 91% עם רווח מ-88% עד 94%, היו נדרשות הרצות נוספות. ממוצעים מתייצבים מהר; אחוזונים בזנבות (P95, P99) והסתברויות כשל קטנות דורשים הרצות רבות הרבה יותר, כי רק מעט הרצות נוחתות שם.
מתאם והשפעתו
הגרלה בלתי תלויה של כל קלט מניחה שקישור למטה ארוך אינו אומר דבר על העיבוד שאחריו. לעיתים קרובות זה לא נכון: נפח נתונים גדול מאט את שניהם, חללית קרה מאטה כמה שלבי חימום, מבנה כבד צריך מנגנון כבד יותר. קלטים שיש להם סיבה משותפת הם מתואמים.
מתאם חיובי אינו משנה את הממוצע של סכום, אבל הוא מרחיב את הפיזור: ערכים גבוהים מגיעים יחד וערכים נמוכים מגיעים יחד, במקום לקזז זה את זה. הזנבות מתרחקים, ואיתם זז ערך ה-P90 או ה-P95 שעליו נשענת התחייבות. התעלמות ממתאם חיובי אמיתי מקטינה לכן את הסיכון בהערכה.
דרכים לטפל בכך:
- למדל את הסיבה המשותפת במפורש: להגריל את נפח הנתונים פעם אחת בכל הרצה ולגזור ממנו את שני המשכים.
- להגריל קלטים מתואמים ממספר אקראי משותף, כך שהם נעים יחד מהרצה להרצה.
- לכל הפחות, להריץ את המחקר פעם אחת בלתי תלוי ופעם אחת במתאם מלא, ולדווח על שניהם: האמת נמצאת ביניהם.
טעויות נפוצות
| טעות | למה זה מטעה | במקום זאת |
|---|---|---|
| דיוק מדומה | דיווח “P(meet) = 97.56%” מטווחי קלט מנוחשים מרמז על ודאות שאין לקלטים | לעגל למה שהקלטים תומכים בו, לתת את רווח הסמך ולציין מאיפה הגיעו הטווחים |
| קלטים “בלתי תלויים” שאינם כאלה | מתעלמים מסיבות משותפות, הפיזור צר מדי והזנבות קצרים מדי | למדל את הסיבה המשותפת, או לתחום את התוצאה במחקר בלתי תלוי ובמחקר מתואם |
| התעלמות מהזנבות | דיווח על הממוצע בלבד מסתיר באיזו תדירות הדרישה נכשלת | לדווח על P50 ועל P90 או P95, ועל ההסתברות לעמוד בכל סף |
| טווחים סימטריים לגדלים אסימטריים | התפלגות נורמלית סביב הערך הסביר ביותר מסירה את הזנב העליון הארוך | להשתמש בצורה משולשת או לוג-נורמלית כשחריגות כלפי מעלה גדולות מחריגות כלפי מטה |
| מעט מדי הרצות | ההכרעה משתנה כשחוזרים על המחקר עם זרע אחר | להוסיף הרצות עד שהרווח כבר אינו חוצה את קו ההחלטה |
| מודל ששונה מהתכן | עותק של הזרימה בגיליון אלקטרוני סוטה מהרצף האמיתי, מהנתיבים המקבילים שלו ומההחלטות שלו | לדמות את הזרימה שנשמרת במודל, כך ששינוי תכן מגיע לניתוח |
דוגמה מלאה: מעבר הצילום של EO-1
EO-1 הוא CubeSat בגודל 6U שמצלם שטחים חקלאיים, המשימה הבדיונית של פרויקט הדוגמה ל-MBSE. מפרט דרישות המערכת שלו מכיל דרישת תזמון שמאומתת בניתוח:
6.5 Planning Cycle Time. The mission shall complete each planning cycle, from target list uplink to product delivery, within 100 minutes.
תוכנית האימות של 6.5 קובעת: סימולציית מונטה קרלו של מעבר הצילום עומדת ב-100 דקות בהסתברות של 90% לפחות. ה-Measure MOE-7 Planning Cycle Time מפרט את הדרישה, עם ערך סף של 100 דקות וערך יעד של 80 דקות.
ציר הזמן המבצעי הוא הפעולה OPS Run Nominal Imaging Pass. תחנת הקרקע שולחת את תוכנית הצילום, החללית מפענחת וטוענת אותה, ואז פונה אל המטרה הראשונה בזמן שהמצלמה מתחממת. היא מצלמת ארבע מטרות, כל אחת רצועה שנלכדת ואז מקודדת. אם יש קשר קרקע בטווח (75% מהמעברים), היא משדרת את הנתונים; אחרת היא שומרת אותם למעבר הבא. לבסוף הסוללה נטענת באור השמש בזמן שהקרקע קולטת את השידור למטה ומעבדת את מוצרי התמונה.
| פעולה | מיקום בזרימה | משך | הסביר ביותר (דק׳) | ממוצע (דק׳) |
|---|---|---|---|---|
| OPS.1 Transmit Imaging Plan | התחלה | משולשת, 4 עד 9 דקות, שיא 6 | 6 | 6.33 |
| OPS.2 Receive Imaging Plan | אחר כך | קבוע, דקה אחת | 1 | 1 |
| OPS.3 Load Command Schedule | אחר כך | קבוע, 2 דקות | 2 | 2 |
| OPS.4 Rotate to Target | במקביל ל-OPS.5 | נורמלית, ממוצע 3, סטיית תקן 0.5 דקות | 3 | 3 |
| OPS.5 Prepare Camera | במקביל ל-OPS.4 | קבוע, 5 דקות | 5 | 5 |
| OPS.6 Capture Image Strip | לולאה, 4 מטרות | נורמלית, ממוצע 40, סטיית תקן 6 שניות | 0.67 לכל מטרה | 0.67 לכל מטרה |
| OPS.7 Encode and Store Image | לולאה, 4 מטרות | אחידה, 20 עד 40 שניות | 0.50 לכל מטרה | 0.50 לכל מטרה |
| OPS.8 Transmit Image Data | קשר בטווח (75%) | נורמלית, ממוצע 8, סטיית תקן 1.5 דקות | 8 | 8 |
| OPS.9 Hold Data Onboard | אין קשר (25%) | קבוע, דקה אחת | 1 | 1 |
| OPS.10 Recharge Battery in Sunlight | במקביל ל-OPS.11 ול-OPS.12 | קבוע, 35 דקות | 35 | 35 |
| OPS.11 Receive Downlink | אחר כך OPS.12 | קבוע, 9 דקות | 9 | 9 |
| OPS.12 Process Image Products | אחרי OPS.11 | נורמלית, ממוצע 45, סטיית תקן 10 דקות | 45 | 45 |
ההערכות הנקודתיות
- ערכים סבירים ביותר, עם ענף הקשר הסביר יותר: 6 + 1 + 2 + max(3, 5) + 4 × (0.67 + 0.50) + 8 + max(35, 9 + 45) = 80.7 דקות. מול סף של 100 דקות זה נראה כמו מרווח של כמעט 20 דקות.
- ערכי ממוצע, עם שקלול שני הענפים לפי ההסתברות שלהם (0.75 × 8 + 0.25 × 1 = 6.25): 6.33 + 1 + 2 + 5 + 4.67 + 6.25 + max(35, 54) = 79.25 דקות.
שני המספרים אומרים שהמעבר נכנס בנוחות. אף אחד מהם אינו אומר באיזו תדירות הוא אינו נכנס, ובדיוק את זה הדרישה שואלת.
תוצאת מונטה קרלו
מחקר של אותה זרימה מגריל כל משך ואת החלטת הקשר בכל הרצה, ונותן לנתיבים המקבילים להתחרות. הטבלה מציגה בדיקה של מיליון הרצות שחושבה בנפרד ב-Python ואת מחקר ה-Holarch של 2,000 הרצות שמוצג בצילומי המסך שבהמשך. הם משתמשים במחוללי מספרים אקראיים שונים, ולכן הם נבדלים בשגיאת דגימה (עבור 2,000 הרצות כ-0.25 דקות בממוצע, 0.5 דקות ב-P95 ו-0.35 נקודות אחוז בהסתברות).
| פלט | Python, 1,000,000 הרצות | Holarch, 2,000 הרצות, זרע 2026 |
|---|---|---|
| זמן כולל ממוצע | 79.35 דקות | 79.35 דקות |
| סטיית תקן | 10.35 דקות | 10.16 דקות |
| P5 / P50 / P95 | 62.4 / 79.3 / 96.6 דקות | 62.4 / 79.4 / 96.0 דקות |
| P90 | 92.8 דקות | 92.4 דקות |
| P(total ≤ 80 minutes), היעד של MOE-7 | 52.7% | 52.4% |
| P(total ≤ 100 minutes), דרישה 6.5 | 97.6% | 97.8% (1,955 מתוך 2,000; רווח 95%: 97.0% עד 98.3%) |
מה המספרים אומרים:
- הדרישה עוברת. כ-97.6% מהמעברים מסתיימים בתוך 100 דקות, הרבה מעל ה-90% הנדרשים, והרווח מ-2,000 הרצות נשאר מעל 90% בפער גדול.
- המרווח קטן ממה שהוא נראה. המרווח על הממוצע הוא כ-20.6 דקות, אבל ערך ה-P95 הוא כ-96.6 דקות, כך שברמת ביטחון של 95% נותרות רק כ-3.4 דקות. כמעבר אחד מכל ארבעים מחטיא את הסף. כמעט בכל ההרצות האלה OPS.12 Process Image Products נמשכה יותר משעה (67 דקות בממוצע, מול ממוצע של 45), וב-95% מהן ענף הקשר הוסיף את השידור למטה של 8 דקות.
- היעד הוא הטלת מטבע. יעד 80 הדקות של MOE-7 נמצא כמעט בדיוק בחציון: עומדים בו רק בכמחצית מהמעברים. ההערכה הסבירה ביותר של 80.7 דקות מסתירה זאת לגמרי.
- הטיית המיזוג קטנה כאן. הממוצע של 79.35 דקות גבוה רק ב-0.1 דקות מהערכת ערכי הממוצע, כי שרשרת הקרקע (OPS.11 ו-OPS.12, ממוצע 54 דקות) קצרה מהטעינה של 35 דקות רק בכ-3% מההרצות. בזרימה שבה הנתיבים המקבילים קרובים יותר באורכם, הפער גדל.
המחקר גם מצביע על נקודת המינוף. OPS.12 Process Image Products נושאת את רוב הפיזור (סטיית תקן של 10 דקות, מול כ-3 דקות מהחלטת הקשר ודקה אחת מכל השאר), ולכן קיצור זמן העיבוד מזיז את הזנב; האצת שלבי החללית תורמת מעט.
אותה דוגמה עם מתאם
השידור למטה והעיבוד תלויים שניהם בכמות נתוני התמונה שהמעבר הפיק: יותר נתונים פירושם שידור ארוך יותר והרצת עיבוד ארוכה יותר. הגרלת OPS.8 ו-OPS.12 ממספר אקראי משותף אחד בכל הרצה (8 + 1.5z ו-45 + 10z דקות עבור אותו z נורמלי סטנדרטי), כך ששידור ארוך בא יחד עם עיבוד ארוך, משאירה את שתי ההתפלגויות כפי שהיו ונותנת:
| פלט | בלתי תלוי (Python / Holarch) | OPS.8 ו-OPS.12 מתואמים (Python / Holarch) |
|---|---|---|
| ממוצע | 79.35 / 79.35 דקות | 79.35 / 79.04 דקות |
| סטיית תקן | 10.35 / 10.16 דקות | 11.35 / 11.44 דקות |
| P95 | 96.6 / 96.0 דקות | 98.5 / 99.0 דקות |
| P(total ≤ 100 minutes) | 97.6% / 97.8% | 96.1% / 96.2% |
הממוצע אינו משתנה והפיזור גדל בכעשירית. ערך ה-P95 מתרחק בכשתי דקות, מה שמקטין את המרווח ברמת ביטחון של 95% מכ-3.4 דקות לכ-1.5. הדרישה עדיין עוברת ב-90%, אבל התחייבות מחמירה יותר, כמו 100 דקות ב-95% מהמעברים, הייתה עכשיו גבולית. להתחייבות ב-P95, המקרה המתואם הוא הבטוח יותר לתכנון.
הורדת הדוגמה: מחקר אי-הוודאות של מעבר הצילום של EO-1 כחוברת Excel (קלטים עם ההתפלגויות שלהם, התוצאות הבלתי תלויות והמתואמות עם אחוזונים ו-P(meet), וטבלת מספר ההרצות), או אותם נתונים כ-CSV: קלטי מעבר הצילום והתפלגויות ותוצאות מונטה קרלו, אחוזונים ו-P(meet). אפשר להשתמש בה כתבנית לדיווח על מחקר משלכם.
לנסות ב-Holarch
ב-Holarch, מונטה קרלו רץ על זרימת הפעולות של המודל: אותה דיאגרמת Action שמתארת את התפעול היא המודל שמדומה. ה-משך של כל Action הוא מספר קבוע או התפלגות עם יחידה, כמו =triang.dist(4, 9, 6) דקות (מינימום, מקסימום, שיא), =norm.dist(40, 6) שניות או =uniform.dist(20, 40) שניות. יש עשר התפלגויות זמינות, ביניהן בטא, לוג-נורמלית, מעריכית ו-Weibull. הפרטים בסימולציה.
- יש ליצור את פרויקט ה-CubeSat דרך ניהול פרויקטים ← קובצי פרויקט ▾ ← פרויקט הדגמה חדש ← CubeSat (הנדסת מערכות מודרכת). הוא כבר מכיל את OPS Run Nominal Imaging Pass עם המשכים מהטבלה, את דרישה 6.5 ואת ה-Measure MOE-7.
- יש לפתוח את דיאגרמת ה-Action של הפעולה ולבחור ▶ סימולציה ▾ ← Monte Carlo. יש להגדיר את ריצות ל-2000, את זרע אקראי ל-2026 ואת שינוי משכים קבועים ל-ללא (ההדגמה מוסיפה כברירת מחדל ±10% למשכים קבועים; המחקר כאן משאיר אותם קבועים), וללחוץ על ▶ הרצת Monte Carlo.
- יש לקרוא את סטטיסטיקה, התפלגות המשך ו-הסתברות מצטברת (עקומת S) בכרטיסייה התפלגות. הזנת 100 בשדה x של עקומת ה-S מציגה את P(X ≤ 100 min).
- יש לפתוח את הכרטיסייה גורמים מניעים כדי לראות אילו פעולות לוקחות את הזמן לאורך כל ההרצות ואילו צירופי ענפים התרחשו.
- יש ללחוץ על בדיקה מול דרישה… ולבחור את ה-Measure MOE-7 Planning Cycle Time. הוא ממלא את הקריטריון (≤ 100 דקות, מערך הסף וכיוון השיפור שלו) ואת דרישה 6.5; יש להשאיר את ההסתברות הנדרשת של 90%. הטבלה נותנת את P(meet) עם רווח הסמך שלו, את המרווח ואת ההכרעה. העברת שימוש ל-יעד בודקת את יעד 80 הדקות, שנכשל בכ-52%.
- תיעוד התוצאה… מציג תצוגה מקדימה של השינויים: ה-Projected Value של MOE-7 הופך לממוצע, ו-Test Case שמאמת את 6.5 מקבל את המצב Passed ואת טקסט התוצאה. מחילים אותם כצעד ביטול אחד.
עורך המשך של Holarch מגריל כל התפלגות באופן בלתי תלוי. ההשוואה המתואמת שלמעלה השתמשה במשכים שמונעים על ידי ווי סקריפט שקוראים ערך משותף אחד בכל הרצה, דבר שעורך המשך עוד אינו מציע. כדי לתחום מתאם במודל משלכם, אפשר להשוות את המחקר הבלתי תלוי לחישוב במתאם מלא שנעשה מחוץ לכלי. גם אנרגיית הסוללה לאורך המעבר מדומה: הכמות המינימלית והסופית של המשאב Battery Charge הן פלטי מונטה קרלו שבדיקת הדרישה מקבלת. תקציבי מסה והספק עם רזרבה ומרווחים נשמרים בתקציבים ו-TPMs, ואותה חשיבה חלה על ערכים לא ודאיים בניתוח חלופות: דירוג שמתהפך בתוך טווחי הקלט עדיין אינו החלטה.
לאן ממשיכים
- סימולציה: הרצות Discrete Event ומונטה קרלו, החלוניות ובדיקת הדרישה.
- תקציבים ו-TPMs: סיכומים עם רזרבה, הקצאות, מרווחים ומדדי ביצועים.
- דיאגרמות Action: הזרימה, המבנים, המשאבים והסקריפטים שסימולציה קוראת.