Événements et processus non déterministes

Simulation d’événements discrets en Python

Diogo Costa (PhD, MSc)

Adjunct Professor, University of Saskatchewan, Canada & CEO of ImpactBLUE-Scientific

Non-déterminisme des événements

REMARQUE : Les termes « événement » et « processus » sont utilisés de façon interchangeable.

Qu’est-ce que la non-déterminisme d’un événement (ou processus) ?

Impossibilité de prédire précisément un processus
Le processus est dit « non déterministe »

Pourquoi les processus déterministes sont-ils importants ?

Les activités naturelles et humaines sont souvent non déterministes
À chaque occurrence, elles se répètent différemment
Leur durée ne peut pas être estimée précisément
Elles peuvent fortement impacter la sortie du système

Exemples de processus ou événements non déterministes

Monde naturel

Moment d’une éruption volcanique
Moment exact où il pleuvra
Moment et lieu d’un éclair
Moment et lieu de formation d’une tornade

Processus d’origine humaine

Moment où une machine tombe en panne
Moment où l’on doit aller aux toilettes
Moment où un bébé commence à pleurer
Si un vol commercial sera retardé

Représenter des événements non déterministes dans des modèles à événements discrets

Processus non déterministes

Impact non reproductible sur le système
Durée exacte inconnue

Statistiques

Représentent la variabilité des durées

Le package random est utile pour cela
Exemple : random.randint(start, end)

import random

# Non-deterministic processes
process_1 = [5, 15]

while time < simulation_time:

   # Update simulation time: process_1
   time += random.randint(
               process_1[0], 
               process_1[1])

Représenter des événements non déterministes avec SimPy

Pas de méthode spécifique pour ces processus
Variabilité de durée calculée comme pour les modèles sans SimPy
Passer les bonnes statistiques à .timeout()

import random

# Non-deterministic processes
process_1 = [5, 15]

while True:

  # Update simulation time: process_1
  yield env.timeout(random.randint(
         process_1[0], 
         process_1[1]))

Passons à la pratique !

Simulation d’événements discrets en Python