Optimisation des expériences de simulation

Généralités (brève vidéo)

Les bases de l'optimisation des expériences de simulation dans la Simulation sont les expériences avec variation de facteurs. Dans une expérience avec variation de facteurs, vous pouvez varier les valeurs d'attributs pour les objets inclus dans la simulation. Selon la configuration, un grand nombre de scénarios est créé. Vous pouvez définir une fonction d'optimisation pour trouver la configuration optimale de processus et de ressources sans devoir simuler tous les scénarios possibles.

Calcul de la fonction cible

La fonction cible pour l'optimisation est calculée en multipliant chaque indicateur de résultat par la pondération définie, puis en y additionnant les résultats pondérés.

Exemple

Les pondérations suivantes sont définies pour les résultats :

Pondération

Résultat

Valeur

0,5

Temps de cycle (moyen)

3,600

-1,000

Dossiers processus en attente dynamique

10

0

Temps de traitement (moyen)

300

Calcul :

0,5 x 3 600 - 1 000 x 10 + 0 x 300 = -8 200

La valeur pour cette fonction cible est égale à -8 200. Elle est affichée dans la colonne Cible du fichier de sortie.

Calcul du nombre des cours de simulation

L'objectif de l'optimisation est de trouver le résultat optimal avec un nombre donné de cours de simulation sans vérifier tous les scénarios possibles. Le nombre des configurations possibles résulte du nombre des facteurs définis, leurs limites supérieure et inférieure et ainsi que des intervalles. Le nombre des cours de simulation à parcourir est déterminé par la table suivante :

Nombre de configurations et cours de simulation

Nombre de configurations possibles

Nombre de cours de simulation

De 101 à 1 000

100

De 1 001 à 5 000

200

De 5 001 à 100 000

200 + 20 par chaque intervalle supplémentaire de 5 000 configurations

De 100 001 à 1 000 000

380 + 20 par chaque intervalle supplémentaire de 10 000 configurations

De 1 000 001 à 100 000 000

560 + 20 par chaque intervalle supplémentaire de 1 000 000 configurations

À partir de 100 000 001

2 540 + 20 par chaque intervalle supplémentaire de 10 000 000 configurations

L'optimisation n'est activée qu'à partir de 101 configurations.

Exemple

Deux facteurs ont été déterminés, le premier devant être varié entre 1 et 100 et le deuxième entre 1 et 120. Un intervalle de 1 est utilisé. On obtient 100 x 120 = 12 000 configurations possibles. Selon la table, il en résulte 240 cours de simulation.