ガイド · 解析
システムズエンジニアリングにおけるモンテカルロシミュレーション:点推定から確率へ
このガイドを聴く(英語音声) 19 min
システムズエンジニアリングにおけるモンテカルロシミュレーションは、一つの最良推定値を結果の分布に置き換えます。このガイドでは、入力分布の選び方、十分な数のサンプルの実行、パーセンタイルと要求を満たす確率の読み方、相関、よくある間違いを扱い、小型の地球観測衛星の撮像パスで実践します。
このページの内容
点推定が誤解を招く理由
エンジニアリングの見積もりのほとんどは一つの数値で示されます。統合キャンペーンは 14 週間かかる、ペイロードは 38 W を消費する、地上局は 1 回のパスを 45 分で処理する、といった具合です。それぞれの数値はたいてい最頻値であり、最頻値を足し合わせた合計は、それがどれくらいの頻度で超過されるかについて何も語りません。理由は二つあります。
- 偏った入力。実際のタスクの所要時間が対称になることはまれです。最頻値が 6 分のタスクは、4 分で終わることもあれば、何か問題が起きると 9 分かかることもあります。そのようなタスクの平均は最頻値より大きく、平均の合計は最頻値の合計より大きくなります。
- 合流バイアス。並列の経路が合流するところでは、作業は最も遅い経路を待ちます。いずれかの経路が遅れると全体が遅れるため、複数の不確かな経路の最大値の期待値は、それぞれの期待値の最大値よりも大きくなります。
同じことは予算にも当てはまります。公称値から作った質量予算や電力予算は、複数の品目が同時に高めに出る可能性を隠し、公称の所要時間から作ったタイムラインは、クリティカルパスが長引く可能性を隠します。一つの数値では、それがどれくらいの確率で守られるかを示せません。分布なら示せます。
モンテカルロシミュレーションは、その分布を得る最も簡単な方法です。不確かな各入力を確率分布として記述し、すべての入力について値を一つずつ抽出し、結果を計算し、これを何度も繰り返します。結果の集まりが出力の分布を近似し、そこから平均、パーセンタイル、要求を満たす確率を読み取ります。ISO/IEC/IEEE 15288 の用語では、これはシステム解析プロセスの道具であり、その結果はしばしば解析による検証の証拠になります。解析は要求検証マトリックスの四つの方法の一つです。
不確かな入力を分布として表す
分布は、入力について知っていることを表します。手持ちの情報に合う最も単純なものを選びます。システムズエンジニアリングの作業のほとんどは三つの形でまかなえます。例は、下で扱う衛星の撮像パスから取っています。
| 分布 | パラメーター | 使う場面 | 例 |
|---|---|---|---|
| 一様分布 | 最小値と最大値 | 範囲はわかっているが、どの値が起こりやすいかを示す根拠がない | 1 本のイメージストリップのエンコードと保存には、シーンの内容に応じて 20~40 秒かかる |
| 三角分布 | 最小値、最頻値、最大値 | 専門家が範囲と最頻値を示せる。多くは長い側に偏っている | 撮像計画の送信には 4~9 分、最頻値で 6 分かかる |
| 正規分布 | 平均と標準偏差 | 多数の小さな独立した効果が足し合わさる、または測定データが対称なばらつきを示す | 画像プロダクトの処理には 45 分、標準偏差 10 分かかる |
- 一様分布は、範囲しかわからないときには正直な選択ですが、両端に中央と同じ重みを与えます。
- 三角分布は、エンジニアによる三点見積もりでよく使われる選択です。平均は(最小値 + 最頻値 + 最大値)/ 3 なので、上側の裾が長いと平均は最頻値より大きくなります。4、6、9 分なら平均は 6.33 です。
- 正規分布の裾には限りがありません。所要時間、質量など負にならない量では、標準偏差を平均に比べて小さく保つか、下限のある分布を使います。
- ほかの形にもそれぞれの用途があります。要因の積である量には対数正規分布、ランダムな事象の間隔には指数分布、故障時間にはワイブル分布、0 から 1 の間の割合にはベータ分布です。
不確かでないものは固定しておきます。すべての入力が変動するモデルはレビューしにくく、結果を左右する少数の入力が埋もれてしまいます。
多数のサンプルを実行する
モンテカルロの 1 回の実行は、起こりうる一つの結果です。不確かな各入力はその分布からランダムな値を得て、各判断はその確率で抽出され、モデルはそれが実際の状況であるかのように結果を計算します。スタディでは、独立した抽出でこれを数百回から数千回繰り返します。実務上のルールが二つあります。
- 結果が証拠になるときは乱数のシードを固定します。同じシードは同じ実行を再現するため、レビュー担当者はスタディを再現でき、どの実行も再生してその中で何が起きたかを確認できます。
- モデルのロジックはモデルの中に置きます。確率付きの分岐、回数付きのループ、リソースの制限は、設計とずれていく別のスプレッドシートではなく、シミュレーションが実行するのと同じフローに入れます。フローは通常、機能分析の運用シナリオに所要時間を加えたものです。
結果を読む
スタディは、実行ごとに一つ、結果のリストを生み出します。それを四つの方法で読みます。
- ヒストグラム。結果の形です。ほとんどの実行がどこに集まるか、分布が偏っているか、裾がどれだけ長いかがわかります。
- 平均と標準偏差。有用な要約で、平均の信頼区間は実行回数を増やすと狭まります。平均だけではリスクについて何もわかりません。
- パーセンタイル。P50 は中央値で、実行の半分がそれより前に終わります。P90 や P95 は確約値で、90% または 95% の場合に達成できる結果です。スケジュールや予算は、平均ではなく P80 や P90 で確約されることがよくあります。
- 要求を満たす確率。しきい値(たとえば「合計時間が 100 分以下」)を満たす実行の割合です。これは累積確率曲線(S カーブ)から読み取ります。S カーブは、各値 x について結果が x 以下になる実行の割合をプロットしたものです。確率付きで述べられた要求(「少なくとも 90% の場合に」)は、この数値と直接照合します。
マージンも同じように読めます。しきい値と平均の差は平均的なマージンであり、しきい値と P90 または P95 の値の差は、確約する信頼度でのマージンです。
何回実行すれば十分か
モンテカルロの結果そのものも推定値であり、その精度は実行回数の平方根に比例して高まります。N 回の実行から推定した確率 p の標準誤差は約 √(p(1 − p) / N) です。0% や 100% の近くでは単純な ±2 標準誤差の区間は不正確なため、表では 0~100% の範囲に収まる Wilson 区間を使っています。
| 実行回数(N) | しきい値を満たす実行(p ≈ 97.6%) | 標準誤差 | 95% 区間 |
|---|---|---|---|
| 100 | 98 | 1.5 パーセントポイント | 93.0%~99.4% |
| 200 | 195 | 1.1 パーセントポイント | 94.3%~98.9% |
| 1,000 | 976 | 0.5 パーセントポイント | 96.5%~98.4% |
| 2,000 | 1,951 | 0.3 パーセントポイント | 96.8%~98.1% |
| 10,000 | 9,756 | 0.15 パーセントポイント | 97.2%~97.8% |
実務的な判定方法:判断に使う数値の信頼区間が判断の境界線をまたがなくなれば、スタディの実行回数は十分です。下の例では要求が 90% を求めています。100 回の実行でも区間は 90% を上回ったままなので、判定は早い段階で決まります。推定値が 91% で区間が 88%~94% だったなら、さらに実行が必要だったでしょう。平均はすぐに安定しますが、裾のパーセンタイル(P95、P99)や小さな故障確率には、はるかに多くの実行が必要です。そこに入る実行がわずかしかないからです。
相関とその影響
すべての入力を独立に抽出することは、ダウンリンクが長くても、その後の処理については何もわからないと仮定することです。多くの場合、それは誤りです。データ量が大きければ両方が遅くなり、冷えた宇宙機は複数のウォームアップの手順を遅らせ、重い構造には重い機構が必要になります。原因を共有する入力は相関しています。
正の相関は合計の平均を変えませんが、ばらつきを広げます。高い値同士、低い値同士が打ち消し合わずにまとまって現れるからです。裾が外側に動き、確約の根拠となる P90 や P95 の値もそれとともに動きます。したがって、実在する正の相関を無視するとリスクを過小評価します。
扱い方は次のとおりです。
- 共通の原因を明示的にモデル化します。実行ごとにデータ量を一度抽出し、そこから両方の所要時間を導きます。
- 相関する入力を共通の乱数から抽出し、実行ごとに一緒に動くようにします。
- 少なくとも、独立の場合と完全に相関する場合でスタディを 1 回ずつ実行し、両方を報告します。真実はその間にあります。
よくある間違い
| 間違い | 誤解を招く理由 | 代わりに |
|---|---|---|
| 見かけの精度 | 推測した入力範囲から「P(meet) = 97.56%」と報告すると、入力にはない確かさがあるように見える | 入力が裏付ける程度に丸め、信頼区間を示し、範囲の出どころを述べる |
| 実際には独立でない入力を独立とする | 共通の原因が無視され、ばらつきが狭すぎ、裾が短すぎる | 共通の原因をモデル化するか、独立のスタディと相関のあるスタディで結果を挟み込む |
| 裾を無視する | 平均だけを報告すると、要求がどれくらいの頻度で満たされないかが隠れる | P50 と P90 または P95、そして各しきい値を満たす確率を報告する |
| 偏った量に対称な範囲を使う | 最頻値を中心とする正規分布は、長い上側の裾を取り除いてしまう | 超過が不足より大きい場合は、三角分布か対数正規分布の形を使う |
| 実行回数が少なすぎる | 別のシードでスタディを繰り返すと判定が変わる | 区間が判断の境界線をまたがなくなるまで実行を追加する |
| 設計と異なるモデル | スプレッドシートにコピーしたフローが、実際の順序、並列の経路、判断からずれていく | モデルに保持しているフローをシミュレーションし、設計の変更が解析に届くようにする |
実践例:EO-1 の撮像パス
EO-1 は、農地を撮影する 6U CubeSat で、MBSE サンプルプロジェクトの架空のミッションです。そのシステム要求仕様書には、解析によって検証されるタイミングの要求があります。
6.5 Planning Cycle Time。The mission shall complete each planning cycle, from target list uplink to product delivery, within 100 minutes.(ミッションは、ターゲットリストのアップリンクからプロダクトの配信までの各計画サイクルを 100 分以内に完了すること。)
6.5 の検証計画は、撮像パスのモンテカルロシミュレーションが 90% 以上の確率で 100 分を満たすこと、です。尺度 MOE-7 Planning Cycle Time はこの要求を規定しており、しきい値は 100 分、目標値は 80 分です。
運用のタイムラインはアクション OPS Run Nominal Imaging Pass です。地上局が撮像計画を送信し、宇宙機がそれを復号して読み込み、カメラのウォームアップ中に最初のターゲットへ向きます。四つのターゲットを撮像し、それぞれストリップを撮影してからエンコードします。地上とのコンタクトが視野内にあれば(パスの 75%)、データを送信します。なければ次のパスまでデータを保持します。最後に、地上がダウンリンクを受信して画像プロダクトを処理する間、バッテリーが日照中に充電されます。
| Action | フロー内の位置 | 所要時間 | 最頻値(分) | 平均(分) |
|---|---|---|---|---|
| OPS.1 Transmit Imaging Plan | 開始 | 三角分布、4~9 分、ピーク 6 | 6 | 6.33 |
| OPS.2 Receive Imaging Plan | 次 | 固定、1 分 | 1 | 1 |
| OPS.3 Load Command Schedule | 次 | 固定、2 分 | 2 | 2 |
| OPS.4 Rotate to Target | OPS.5 と並列 | 正規分布、平均 3、標準偏差 0.5 分 | 3 | 3 |
| OPS.5 Prepare Camera | OPS.4 と並列 | 固定、5 分 | 5 | 5 |
| OPS.6 Capture Image Strip | ループ、ターゲット 4 つ | 正規分布、平均 40、標準偏差 6 秒 | ターゲットあたり 0.67 | ターゲットあたり 0.67 |
| OPS.7 Encode and Store Image | ループ、ターゲット 4 つ | 一様分布、20~40 秒 | ターゲットあたり 0.50 | ターゲットあたり 0.50 |
| OPS.8 Transmit Image Data | コンタクトが視野内(75%) | 正規分布、平均 8、標準偏差 1.5 分 | 8 | 8 |
| OPS.9 Hold Data Onboard | コンタクトなし(25%) | 固定、1 分 | 1 | 1 |
| OPS.10 Recharge Battery in Sunlight | OPS.11 および OPS.12 と並列 | 固定、35 分 | 35 | 35 |
| OPS.11 Receive Downlink | 次に OPS.12 | 固定、9 分 | 9 | 9 |
| OPS.12 Process Image Products | OPS.11 の後 | 正規分布、平均 45、標準偏差 10 分 | 45 | 45 |
点推定
- 最頻値で、起こりやすいコンタクトの分岐を取ると、6 + 1 + 2 + max(3, 5) + 4 × (0.67 + 0.50) + 8 + max(35, 9 + 45) = 80.7 分です。100 分のしきい値に対して、20 分近いマージンがあるように見えます。
- 平均値で、二つの分岐をその確率で重み付けすると(0.75 × 8 + 0.25 × 1 = 6.25)、6.33 + 1 + 2 + 5 + 4.67 + 6.25 + max(35, 54) = 79.25 分です。
どちらの数値も、パスは余裕を持って収まると言っています。どちらも、収まらない頻度については何も言っておらず、要求が問うているのはまさにそれです。
モンテカルロの結果
同じフローのスタディでは、すべての実行ですべての所要時間とコンタクトの判断を抽出し、並列の経路を競わせます。表には、Python で別途計算した 100 万回の実行による確認と、下のスクリーンショットに示す Holarch の 2,000 回のスタディを示します。乱数生成器が異なるため、両者はサンプリング誤差の分だけ異なります(2,000 回では、平均で約 0.25 分、P95 で 0.5 分、確率で 0.35 パーセントポイント)。
| 出力 | Python、1,000,000 回 | Holarch、2,000 回、シード 2026 |
|---|---|---|
| 合計時間の平均 | 79.35 分 | 79.35 分 |
| 標準偏差 | 10.35 分 | 10.16 分 |
| P5 / P50 / P95 | 62.4 / 79.3 / 96.6 分 | 62.4 / 79.4 / 96.0 分 |
| P90 | 92.8 分 | 92.4 分 |
| P(合計 ≤ 80 分)、MOE-7 の目標値 | 52.7% | 52.4% |
| P(合計 ≤ 100 分)、要求 6.5 | 97.6% | 97.8%(2,000 回中 1,955 回、95% 区間 97.0%~98.3%) |
数値が示していることは次のとおりです。
- 要求は合格です。パスの約 97.6% が 100 分以内に終わり、求められる 90% を大きく上回っています。2,000 回の実行による区間も、90% を大きく上回ったままです。
- マージンは見かけより小さいです。平均でのマージンは約 20.6 分ですが、P95 の値は約 96.6 分なので、95% の信頼度では約 3.4 分しか残りません。約 40 回に 1 回のパスがしきい値を超えます。そのような実行のほぼすべてで OPS.12 Process Image Products が 1 時間以上かかっており(平均 45 分に対して平均 67 分)、その 95% ではコンタクトの分岐が 8 分のダウンリンクを加えていました。
- 目標値は五分五分です。MOE-7 の 80 分の目標値はほぼ正確に中央値の位置にあり、パスの約半分でしか満たされません。最頻値による 80.7 分の見積もりは、これを完全に隠しています。
- ここでは合流バイアスは小さいです。平均の 79.35 分は平均値による見積もりより 0.1 分大きいだけです。地上の連鎖(OPS.11 と OPS.12、平均 54 分)が 35 分の充電より短くなるのは、実行の約 3% にすぎないからです。並列の経路の長さがより近いフローでは、この差は大きくなります。
スタディは、効く手立ても示しています。ばらつきの大部分は OPS.12 Process Image Products が担っています(標準偏差 10 分。コンタクトの判断によるものは約 3 分、それ以外すべてで 1 分)。したがって、処理時間を締めれば裾が動き、宇宙機側のステップを速めてもほとんど効果はありません。
相関を含めた同じ例
ダウンリンクと処理は、どちらもパスで生成された画像データの量に依存します。データが多いほど送信は長くなり、処理の実行も長くなります。実行ごとに一つの共通の乱数から OPS.8 と OPS.12 を抽出し(同じ標準正規分布の z に対して 8 + 1.5z 分と 45 + 10z 分)、長いダウンリンクには長い処理が伴うようにすると、両方の分布はそのままで、次の結果が得られます。
| 出力 | 独立(Python / Holarch) | OPS.8 と OPS.12 が相関(Python / Holarch) |
|---|---|---|
| 平均 | 79.35 / 79.35 分 | 79.35 / 79.04 分 |
| 標準偏差 | 10.35 / 10.16 分 | 11.35 / 11.44 分 |
| P95 | 96.6 / 96.0 分 | 98.5 / 99.0 分 |
| P(合計 ≤ 100 分) | 97.6% / 97.8% | 96.1% / 96.2% |
平均は変わらず、ばらつきは約 1 割大きくなります。P95 の値は約 2 分外側に動き、95% の信頼度でのマージンは約 3.4 分から約 1.5 分に縮みます。要求は 90% ではまだ合格ですが、パスの 95% で 100 分といった、より厳しい確約は際どくなります。P95 で確約するなら、計画に使うのは相関のある場合の方が安全です。
例をダウンロード:EO-1 の撮像パスの不確かさのスタディ(Excel ブック)(分布付きの入力、パーセンタイルと P(meet) を含む独立の場合と相関のある場合の結果、実行回数の表)、または同じデータの CSV:撮像パスの入力と分布、モンテカルロの結果、パーセンタイル、P(meet)。自分のスタディを報告するためのテンプレートとして使えます。
Holarch で試す
Holarch では、モンテカルロはモデルのアクションフロー上で実行されます。運用を記述する Action 図そのものが、シミュレーションされるモデルです。各 Action の所要時間は固定の数値か単位付きの分布で、たとえば =triang.dist(4, 9, 6) 分(最小値、最大値、ピーク)、=norm.dist(40, 6) 秒、=uniform.dist(20, 40) 秒のように指定します。ベータ、対数正規、指数、ワイブルなど 10 の分布を使えます。詳しくはシミュレーションを参照してください。
- プロジェクトを管理 → プロジェクトファイル ▾ → 新しいデモプロジェクト → CubeSat(ガイド付きシステムズエンジニアリング)で CubeSat プロジェクトを作成します。表の所要時間を持つ OPS Run Nominal Imaging Pass、要求 6.5、尺度 MOE-7 が既に含まれています。
- アクションの Action 図を開き、▶ シミュレーション ▾ → モンテカルロを選びます。実行を 2000、乱数シードを 2026、固定の所要時間を変動させるをなしに設定し(デモは既定で固定の所要時間に ±10% を加えますが、ここでのスタディでは固定のままにします)、▶ モンテカルロを実行を押します。
- 分布タブで統計、所要時間の分布、累積確率(S カーブ)を読みます。S カーブの x フィールドに 100 と入力すると、P(X ≤ 100 min) を読み取れます。
- 要因タブを開くと、全実行を通じてどのアクションが時間を使っているか、どの分岐の組み合わせが発生したかがわかります。
- 要求に照らしてチェック…をクリックし、尺度 MOE-7 Planning Cycle Time を選びます。基準(しきい値と改善の方向から ≤ 100 分)と要求 6.5 が入力されます。必要な確率は 90% のままにします。表には、信頼区間付きの P(meet)、マージン、判定が表示されます。使用を目的に切り替えると 80 分の目標値をチェックでき、約 52% で不合格になります。
- 結果を記録…で変更をプレビューします。MOE-7 の Projected Value が平均になり、6.5 を検証するテストケースのステータスが Passed になって結果のテキストが入ります。一つの元に戻す操作の単位として適用します。
Holarch の所要時間エディターは、各分布を独立に抽出します。上の相関のある比較では、実行ごとに一つの共通の値を読むスクリプトフックで駆動した所要時間を使いましたが、所要時間エディターにはまだその機能がありません。自分のモデルで相関を挟み込むには、独立のスタディと、ツールの外で行った完全に相関する計算を比較します。パスを通じたバッテリーのエネルギーもシミュレーションされます。Battery Charge リソースの最小量と最終量はモンテカルロの出力であり、要求のチェックで使えます。コンティンジェンシーとマージンを含む質量予算と電力予算は予算と TPM で管理します。同じ考え方はトレードスタディの不確かな値にも当てはまります。入力の範囲内で入れ替わる順位は、まだ決定とは言えません。