Utilisation de modèles de simulation

La modélisation est une méthode de résolution des problèmes , dans laquelle le système étudié est remplacé par un objet simple, le modèle, qui décrit le système réel et / ou son comportement.

La simulation est utilisée lorsqu'il serait impossible ou peu pratique de réaliser certaines expériences sur un système réel : par exemple, en raison du coût élevé du prototypage et des essais, ou parce que la fragilité du système fait que celui-ci ne pourrait pas soutenir des tests approfondis, ou encore parce que la durée de l'expérience en temps réel est peu pratique.

Des morceaux, pas des atomes. Nous devons faire la distinction entre la modélisation physique et la modélisation mathématique. Un exemple de modèle physique est une copie à l'échelle d'un avion dans une soufflerie. Les simulations sont une classe spéciale de modèles mathématiques informatisés dont le comportement est dicté par des équations et des algorithmes, généralement fondées sur des données, et représentées par un certain type d'interface utilisateur de l'ordinateur. Ces modèles simulent le comportement d'un système réaliste et développent des résultats théoriques basés sur des données d'entrée changeantes. Ceci permet à l'utilisateur de la simulation d'examiner le comportement et les scénarios complexes sur une large gamme de conditions bien plus rapidement et à moindre coût par rapport aux systèmes physiques.

Exemple d'un modèle de simulation

La manière d'appliquer la simulation peut être illustrée en observant un exemple basé sur le service à la clientèle d'une banque. Supposons que nous essayons de déterminer le niveau minimal de dotation en personnel nécessaire pour atteindre un niveau donné de service.

Nous développons une mesure de la qualité de service selon laquelle la taille moyenne maximale d'une file de clients ne peut pas dépasser N personnes. Pour résoudre ce problème, vous devez avoir quelques connaissances de base sur le système, par exemple le nombre de clients se rendant à la banque, à quelle fréquence et de combien de temps un caissier a besoin pour servir un client individuel. Et puisque nous essayons de modéliser une situation réelle, nous devons faire varier le temps d'arrivée du client (ruée vers l'heure du déjeuner) et la durée de service pour tenir compte des transactions simples et complexes.

Cette tâche n'a que l'apparence d'un cas spécial ; il s'agit d'une tâche relevant d'un cadre général rassemblant des problèmes de files d'attente se posant dans de nombreux domaines qui impliquent l'utilisation de ressources humaines et techniques. Les entreprises essaient toujours d'abaisser le coût des ressources sous-utilisées, qu'il s'agisse d'experts techniques ou de biens d'équipement. Établir les calendriers optimaux d'utilisation des ressources optimales et équilibrer les coûts des systèmes en fonction de la charge de travail permet de réduire les coûts et d'augmenter les bénéfices.

La première étape dans la résolution de ce problème consiste à créer un modèle qui corresponde à la structure et aux processus professionnels de la banque. Le modèle ne doit prendre en considération que les facteurs qui influent sur le problème analysé. Par exemple, la disponibilité des services de bureau pour les comptes d'entreprise ou le service de crédit n'a aucun effet sur les services aux personnes, parce que ces services sont physiquement et fonctionnellement distincts. Ce modèle peut être représenté, dans un schéma, comme une séquence incluant toutes ces actions.

 what_is_simulation_flow

Exécuter le modèle...

La deuxième étape consiste à introduire dans notre modèle des données brutes : la variabilité et les pics d'arrivée des clients, la durée moyenne de service à la clientèle, le montant des scrutateurs disponibles et le personnel de service. Sur la base de ces données, le modèle simule ou reproduit le travail de la banque dans un délai de temps spécifié.

 what_is_simulation_table

L'étape suivante consiste à analyser les statistiques recueillies et fournies par le modèle. Si la taille moyenne de la file d'attente dépasse la limite N spécifiée, le nombre de salariés disponible doit être augmenté et une nouvelle expérience doit être faite.

 what_is_simulation_chart

Après plusieurs expériences, l'utilisateur aura déterminé la dotation optimale en personnel en fonction des profils de clients attendus. Naturellement, ce type d'expérimentation a été automatisé et l'utilisateur peut faire varier rapidement un large éventail de valeurs de paramètres ou optimiser les meilleures solutions plutôt que de mener plusieurs tests répétitifs.

Avantages de la simulation

Les expériences par modèle de simulation ont plusieurs avantages importants par rapport aux expériences physiques :

  • Valeur. Un modèle de simulation peut offrir un retour sur investissement considérable. Supposons qu'une entreprise enregistre un manque à gagner et répond en réduisant le personnel. Cela réduit toutefois le service à la clientèle et le temps de réponse, entraînant une diminution des ventes et une érosion ultérieure des revenus. Une simulation peut être utilisée pour équilibrer les paramètres clés tels que les remises, les changements de processus, la publicité, et de nombreux autres facteurs nécessaires pour équilibrer ce système redéfini.
  • Temps. Dans le monde réel, évaluer l'impact à long terme du processus ou les modifications du modèle peut prendre des mois ou des années. Un modèle de simulation vous mettra les idées au clair en quelques minutes seulement.
  • Répétabilité. La vie moderne oblige les organisations à répondre rapidement aux conditions changeantes du marché. Des analyses telles que des prévisions sur la demande de produits doivent être préparées rapidement, et pourtant leurs résultats peuvent être essentiels. Une équipe marketing peut utiliser un modèle de simulation et faire varier les paramètres tels que le prix et le segment de marché pour un nombre illimité d'expériences.
  • Précision. Les méthodes traditionnelles de calcul nécessitent un haut degré d'abstraction et ne tiennent pas compte des détails importants. Les modèles de simulation nous permettent de décrire la structure du système et de ses processus de façon naturelle, sans recourir à l'utilisation de formules et de relations mathématiques strictes.
  • Visibilité. Un modèle de simulation permet la visualisation du système au fil du temps ; les animations illustrent le fonctionnement du système et des graphiques quantifient les résultats. Cela nous permet de visualiser la décision qui en découle et simplifie considérablement la tâche de présenter ces idées au client et aux collègues.
  • Versatilité. La simulation permet de résoudre des problèmes dans tous les domaines : l'industrie, la logistique, les finances, la santé, et de nombreux autres secteurs. Dans chaque cas, le modèle simule la vie réelle et permet un large éventail d'expériences sans aucun impact sur les objets réels.