指南 · 分析
系統工程中的蒙地卡羅模擬:從點估計到機率
收聽本指南 19 分鐘
系統工程中的蒙地卡羅模擬以結果的分布取代單一的最佳猜測。本指南涵蓋如何選擇輸入分布、執行足夠的樣本、解讀百分位數與滿足需求的機率、相關性以及常見錯誤,並以一顆小型地球觀測衛星的成像過境為完整範例。
本頁內容
為什麼點估計會誤導
大多數工程估計都以單一數字表示:整合作業需要 14 週、酬載耗電 38 W、地面站處理一次過境需要 45 分鐘。每個數字通常是最可能的值,而將最可能的值相加所得的總和,無法說明它多常被超過,原因有二。
- 偏斜的輸入。實際的任務持續時間很少是對稱的。一項最可能需要 6 分鐘的任務,可能 4 分鐘就完成,但出問題時也可能需要 9 分鐘。這類任務的平均值高於其最可能值,而平均值的總和也高於最可能值的總和。
- 匯合偏差。在平行路徑匯合處,工作要等待最慢的那一條。多條不確定路徑的最大值期望,大於其期望值的最大值,因為任何一條延遲的路徑都會拖慢整體。
預算也是如此。以標稱值建立的質量或功率預算,會掩蓋好幾個項目同時偏高的可能性;以標稱持續時間建立的時程,會掩蓋要徑拉長的可能性。單一數字無法說明它有多大的機率成立,分布可以。
蒙地卡羅模擬是取得這種分布最簡單的方法:將每個不確定的輸入描述為機率分布,為每個輸入抽取一個值,計算結果,然後重複多次。這些結果的集合近似於輸出的分布,從中可以讀出平均值、百分位數以及滿足需求的機率。以 ISO/IEC/IEEE 15288 的術語來說,它是系統分析流程的工具,其結果常是以分析進行驗證的證據,而分析是 需求驗證矩陣 中四種方法之一。
以分布表示不確定的輸入
分布陳述您對某個輸入所知道的內容。選擇與手上資訊相符的最簡單分布;三種形狀即可涵蓋大多數系統工程工作。範例取自下文完整說明的衛星成像過境。
| 分布 | 參數 | 適用時機 | 範例 |
|---|---|---|---|
| 均勻 | 最小值與最大值 | 您知道上下限,且沒有任何因素讓某個值比其他值更可能 | 編碼並儲存一條影像帶需要 20 到 40 秒,視場景內容而定 |
| 三角 | 最小值、最可能值、最大值 | 專家能給出範圍與最可能值,且通常偏向較長的一側 | 傳送成像計畫需要 4 到 9 分鐘,最可能為 6 分鐘 |
| 常態 | 平均值與標準差 | 許多微小的獨立效應相加,或量測資料顯示對稱的分散 | 處理影像產品需要 45 分鐘,標準差為 10 |
- 當您只知道上下限時,均勻分布是誠實的選擇,但它給予極端值與中間值相同的權重。
- 三角分布是工程師三點估計的常用選擇。其平均值為(最小值 + 最可能值 + 最大值)/ 3,因此較長的上尾會使平均值高於最可能值:4、6 與 9 分鐘得出的平均值為 6.33。
- 常態分布的尾部沒有界限。對於持續時間、質量及其他不能為負的量,應讓標準差相對於平均值保持很小,或使用有下限的分布。
- 其他形狀有特定用途:對數常態適用於多個因子相乘的量,指數分布適用於隨機事件之間的時間,Weibull 適用於失效時間,beta 適用於 0 到 1 之間的比例。
沒有不確定性的部分就固定不變。每個輸入都變動的模型較難審查,也會掩蓋真正驅動結果的少數輸入。
執行大量樣本
一次蒙地卡羅執行就是一種可能的結果:每個不確定的輸入從其分布取得一個隨機值,每個決策依其機率抽取,模型則將其當作真實情況計算結果。一項研究以獨立抽樣將此重複數百或數千次。兩項實用規則:
- 當結果要成為證據時,固定隨機種子。相同的種子會重現相同的執行,因此審查者可以重做研究,任何單次執行也都能重播,以查看其中發生了什麼。
- 將模型邏輯保留在模型中。帶有機率的分支、帶有次數的迴圈以及資源限制,都屬於模擬所執行的同一流程,而不是放在一份與設計脫節的獨立試算表中。該流程通常是 功能分析 中的作業情境,再加上持續時間。
解讀結果
一項研究會產生一份結果清單,每次執行一筆。可從四個方面解讀。
- 直方圖。結果的形狀:大多數執行落在哪裡、分布是否偏斜,以及尾部有多長。
- 平均值與標準差。有用的摘要,平均值的信賴區間會隨執行次數增加而縮小。單看平均值無法說明風險。
- 百分位數。P50 是中位數:一半的執行在它之下完成。P90 或 P95 是承諾值:在 90% 或 95% 的情況下能達到的結果。時程與預算通常以 P80 或 P90 承諾,而不是以平均值。
- 滿足需求的機率。達到門檻的執行所占比例,例如「總時間最多 100 分鐘」。從累積機率曲線(S 曲線)讀取,該曲線針對每個值 x 繪出結果最多為 x 的執行所占比例。以機率陳述的需求(「至少 90% 的情況下」)直接與這個數字比對。
裕度也可以用同樣方式解讀:門檻與平均值之差是平均裕度;門檻與 P90 或 P95 值之差,則是在您所承諾的信心水準下擁有的裕度。
多少次執行才足夠
蒙地卡羅結果本身也是一種估計,其精確度隨執行次數的平方根成長。對於由 N 次執行估計的機率 p,標準誤約為 √(p(1 − p) / N)。在接近 0% 或 100% 時,簡單的 ±2 個標準誤區間效果不佳,因此表格使用 Wilson 區間,它會保持在 0 到 100% 之內。
| 執行次數(N) | 達到門檻的執行次數(p ≈ 97.6%) | 標準誤 | 95% 區間 |
|---|---|---|---|
| 100 | 98 | 1.5 個百分點 | 93.0% 到 99.4% |
| 200 | 195 | 1.1 個百分點 | 94.3% 到 98.9% |
| 1,000 | 976 | 0.5 個百分點 | 96.5% 到 98.4% |
| 2,000 | 1,951 | 0.3 個百分點 | 96.8% 到 98.1% |
| 10,000 | 9,756 | 0.15 個百分點 | 97.2% 到 97.8% |
實用的檢驗方式:當您據以決策的數字,其信賴區間不再跨越決策線時,研究的執行次數就足夠了。在下面的範例中,需求要求 90%;即使只有 100 次執行,區間也保持在 90% 以上,因此結論很早就確定。若估計值為 91%,區間為 88% 到 94%,就需要更多次執行。平均值很快就會穩定;尾部的百分位數(P95、P99)與很小的失效機率則需要多得多的執行次數,因為只有少數執行會落在那裡。
相關性及其影響
獨立抽取每個輸入,等於假設下傳時間長,對後續處理毫無影響。這通常不成立:資料量大會使兩者都變慢,低溫的太空載具會拖慢多個暖機步驟,沉重的結構需要更重的機構。具有共同原因的輸入是相關的。
正相關不會改變總和的平均值,但會使分散變寬:高值一起出現、低值一起出現,而不是相互抵消。尾部向外移動,承諾所依據的 P90 或 P95 值也隨之移動。因此,忽略真實存在的正相關會低估風險。
處理方式:
- 明確地為共同原因建模:每次執行抽取一次資料量,並由它推導出兩項持續時間。
- 從共用的隨機數抽取相關的輸入,讓它們在每次執行中一起變動。
- 至少將研究以獨立方式執行一次、以完全相關方式執行一次,並報告兩者:真實情況介於兩者之間。
常見錯誤
| 錯誤 | 為何會誤導 | 改為 |
|---|---|---|
| 虛假的精確度 | 從猜測的輸入範圍報告「P(meet) = 97.56%」,暗示了輸入本身並不具備的確定性 | 四捨五入到輸入所能支持的位數,提供信賴區間,並說明範圍的來源 |
| 並非真正獨立的獨立輸入 | 忽略了共同原因,分散過窄,尾部過短 | 為共同原因建模,或以一次獨立研究與一次相關研究框出結果 |
| 忽略尾部 | 只報告平均值會掩蓋需求未達成的頻率 | 報告 P50 與 P90 或 P95,以及達到每個門檻的機率 |
| 對偏斜的量使用對稱範圍 | 以最可能值為中心的常態分布會去掉較長的上尾 | 當超支大於節省時,使用三角或對數常態形狀 |
| 執行次數太少 | 以另一個種子重做研究時,結論就改變了 | 增加執行次數,直到區間不再跨越決策線 |
| 與設計不同的模型 | 流程的試算表副本會與真實的順序、平行路徑與決策脫節 | 模擬保存在模型中的流程,讓設計變更能反映到分析中 |
完整範例:EO-1 成像過境
EO-1 是一顆拍攝農地的 6U CubeSat,也就是 MBSE 範例專案 中的虛構任務。其系統需求規格包含一項以分析驗證的時序需求:
6.5 Planning Cycle Time。任務應在 100 分鐘內完成每個規劃週期,從目標清單上傳到產品交付。
6.5 的驗證計畫寫道:成像過境的蒙地卡羅模擬以至少 90% 的機率達到 100 分鐘。Measure MOE-7 Planning Cycle Time 規定此需求,門檻值為 100 分鐘,目標值為 80 分鐘。
作業時間軸是動作 OPS Run Nominal Imaging Pass。地面站傳送成像計畫,太空載具解碼並載入計畫,然後在相機暖機的同時轉向第一個目標。它拍攝四個目標,每個目標是一條先擷取再編碼的影像帶。如果可與地面聯繫(75% 的過境),就傳送資料;否則將資料保留到下一次過境。最後,電池在日照下充電,同時地面接收下傳資料並處理影像產品。
| 動作 | 在流程中的位置 | 持續時間 | 最可能值(分鐘) | 平均值(分鐘) |
|---|---|---|---|---|
| OPS.1 Transmit Imaging Plan | 開始 | 三角,4 到 9 分鐘,峰值 6 | 6 | 6.33 |
| OPS.2 Receive Imaging Plan | 接著 | 固定,1 分鐘 | 1 | 1 |
| OPS.3 Load Command Schedule | 接著 | 固定,2 分鐘 | 2 | 2 |
| OPS.4 Rotate to Target | 與 OPS.5 平行 | 常態,平均值 3,標準差 0.5 分鐘 | 3 | 3 |
| OPS.5 Prepare Camera | 與 OPS.4 平行 | 固定,5 分鐘 | 5 | 5 |
| OPS.6 Capture Image Strip | 迴圈,4 個目標 | 常態,平均值 40,標準差 6 秒 | 每個目標 0.67 | 每個目標 0.67 |
| OPS.7 Encode and Store Image | 迴圈,4 個目標 | 均勻,20 到 40 秒 | 每個目標 0.50 | 每個目標 0.50 |
| OPS.8 Transmit Image Data | 可聯繫(75%) | 常態,平均值 8,標準差 1.5 分鐘 | 8 | 8 |
| OPS.9 Hold Data Onboard | 無法聯繫(25%) | 固定,1 分鐘 | 1 | 1 |
| OPS.10 Recharge Battery in Sunlight | 與 OPS.11 及 OPS.12 平行 | 固定,35 分鐘 | 35 | 35 |
| OPS.11 Receive Downlink | 接著 OPS.12 | 固定,9 分鐘 | 9 | 9 |
| OPS.12 Process Image Products | 在 OPS.11 之後 | 常態,平均值 45,標準差 10 分鐘 | 45 | 45 |
點估計
- 最可能值,採用較可能的聯繫分支:6 + 1 + 2 + max(3, 5) + 4 × (0.67 + 0.50) + 8 + max(35, 9 + 45) = 80.7 分鐘。對照 100 分鐘的門檻,看起來有將近 20 分鐘的裕度。
- 平均值,依機率為兩個分支加權(0.75 × 8 + 0.25 × 1 = 6.25):6.33 + 1 + 2 + 5 + 4.67 + 6.25 + max(35, 54) = 79.25 分鐘。
兩個數字都表示這次過境綽綽有餘。兩者都沒有說明多常放不下,而需求問的正是這一點。
蒙地卡羅結果
針對同一流程的研究在每次執行中抽取每個持續時間與聯繫決策,並讓平行路徑相互競速。表格列出另以 Python 計算的一百萬次執行檢核,以及下方螢幕擷圖所示的 2,000 次 Holarch 研究。兩者使用不同的隨機數產生器,因此差異來自抽樣誤差(2,000 次執行時,平均值約 0.25 分鐘、P95 約 0.5 分鐘、機率約 0.35 個百分點)。
| 輸出 | Python,1,000,000 次執行 | Holarch,2,000 次執行,種子 2026 |
|---|---|---|
| 平均總時間 | 79.35 分鐘 | 79.35 分鐘 |
| 標準差 | 10.35 分鐘 | 10.16 分鐘 |
| P5 / P50 / P95 | 62.4 / 79.3 / 96.6 分鐘 | 62.4 / 79.4 / 96.0 分鐘 |
| P90 | 92.8 分鐘 | 92.4 分鐘 |
| P(總時間 ≤ 80 分鐘),MOE-7 目標值 | 52.7% | 52.4% |
| P(總時間 ≤ 100 分鐘),需求 6.5 | 97.6% | 97.8%(2,000 次中 1,955 次;95% 區間 97.0% 到 98.3%) |
這些數字說明了:
- 需求通過。約 97.6% 的過境在 100 分鐘內完成,遠高於要求的 90%,而 2,000 次執行的區間也以很大的差距保持在 90% 以上。
- 裕度比看起來小。平均值的裕度約為 20.6 分鐘,但 P95 值約為 96.6 分鐘,因此在 95% 信心水準下只剩約 3.4 分鐘。大約每四十次過境就有一次未達門檻。在幾乎所有這些執行中,OPS.12 Process Image Products 都花了超過一小時(平均 67 分鐘,而其平均值為 45),其中 95% 還有聯繫分支加上的 8 分鐘下傳。
- 目標值只有一半機會。MOE-7 的 80 分鐘目標值幾乎正好落在中位數上:只有約一半的過境能達到。80.7 分鐘的最可能估計完全掩蓋了這一點。
- 這裡的匯合偏差很小。79.35 分鐘的平均值只比平均值估計高 0.1 分鐘,因為地面鏈(OPS.11 與 OPS.12,平均 54 分鐘)只在約 3% 的執行中比 35 分鐘的充電短。在平行路徑長度較接近的流程中,差距會變大。
研究也指出了槓桿所在。OPS.12 Process Image Products 承擔了大部分的分散(標準差 10 分鐘,相較之下聯繫決策約 3 分鐘,其他所有部分約 1 分鐘),因此縮短處理時間的變動會移動尾部;加快太空載具的步驟則幫助不大。
考慮相關性的同一範例
下傳與處理都取決於過境產生了多少影像資料:資料越多,傳送越久,處理也越久。每次執行從一個共用的隨機數抽取 OPS.8 與 OPS.12(對同一個標準常態 z,分別為 8 + 1.5z 與 45 + 10z 分鐘),讓長的下傳伴隨長的處理,兩個分布保持不變,結果為:
| 輸出 | 獨立(Python / Holarch) | OPS.8 與 OPS.12 相關(Python / Holarch) |
|---|---|---|
| 平均值 | 79.35 / 79.35 分鐘 | 79.35 / 79.04 分鐘 |
| 標準差 | 10.35 / 10.16 分鐘 | 11.35 / 11.44 分鐘 |
| P95 | 96.6 / 96.0 分鐘 | 98.5 / 99.0 分鐘 |
| P(總時間 ≤ 100 分鐘) | 97.6% / 97.8% | 96.1% / 96.2% |
平均值不變,分散增加約十分之一。P95 值向外移動約兩分鐘,使 95% 信心水準下的裕度從約 3.4 分鐘降到約 1.5 分鐘。需求在 90% 時仍然通過,但更嚴格的承諾,例如 95% 的過境在 100 分鐘內完成,現在就只是勉強達到。對於 P95 的承諾,以相關情況來規劃較為安全。
下載範例:EO-1 成像過境不確定性研究的 Excel 活頁簿(各輸入及其分布、含百分位數與 P(meet) 的獨立與相關結果,以及執行次數表),或相同資料的 CSV:成像過境輸入與分布 以及 蒙地卡羅結果、百分位數與 P(meet)。可將它當作報告您自己研究的範本。
在 Holarch 中試試看
在 Holarch 中,蒙地卡羅在模型的動作流程上執行:描述作業的同一張 Action 圖,就是被模擬的模型。每個 Action 的 持續時間 是固定數字或帶有單位的分布,例如 =triang.dist(4, 9, 6) 分鐘(最小值、最大值、峰值)、=norm.dist(40, 6) 秒或 =uniform.dist(20, 40) 秒。共有十種分布可用,包括 beta、對數常態、指數與 Weibull。詳情請參閱 模擬。
- 使用 管理專案 → 專案檔案 ▾ → 新增示範專案 → CubeSat(引導式系統工程) 建立 CubeSat 專案。其中已包含使用表格中持續時間的 OPS Run Nominal Imaging Pass、需求 6.5 與 Measure MOE-7。
- 開啟該動作的 Action 圖,選擇 ▶ 模擬 ▾ → 蒙地卡羅。將 執行 設為 2000、隨機種子 設為 2026、變動固定持續時間 設為 無(示範專案預設會對固定持續時間加上 ±10%;此處的研究讓它們保持固定),然後按下 ▶ 執行蒙地卡羅。
- 在 分布 分頁上閱讀 統計、持續時間分布 與 累積機率(S 曲線)。在 S 曲線的 x 欄位輸入 100,即可讀出 P(X ≤ 100 min)。
- 開啟 驅動因素 分頁,查看在所有執行中哪些動作占用了時間,以及出現了哪些分支組合。
- 按一下 對照需求檢查…,選擇 Measure MOE-7 Planning Cycle Time。它會填入準則(≤ 100 分鐘,來自其門檻值與改善方向)以及需求 6.5;保留所需機率 90%。表格提供 P(meet) 及其信賴區間、裕度與判定。將 使用 切換為 目標值,即可檢查 80 分鐘的目標值,結果約 52%,未通過。
- 記錄結果… 會預覽變更:MOE-7 的 Projected Value 變成平均值,而驗證 6.5 的 Test Case 會取得狀態 Passed 與結果文字。將它們作為一個復原步驟套用。
Holarch 的持續時間編輯器會獨立抽取每個分布。上面的相關比較使用了由腳本掛鉤驅動的持續時間,每次執行讀取一個共用值,而持續時間編輯器目前尚未提供此功能。若要在您自己的模型中框出相關性,請將獨立研究與在工具外進行的完全相關計算加以比較。過境期間的電池能量也會被模擬:Battery Charge 資源的最小量與最終量是需求檢查可接受的蒙地卡羅輸出。含應變餘量與裕度的質量與功率預算保存在 預算和 TPM 中,同樣的思路也適用於 權衡研究 中的不確定值:在輸入範圍內就會翻轉的排名,還不算是決策。