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‑détermination des événements

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

Qu'est-ce que la non‑détermination d'un événement (ou processus) ?

Incapacité à 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 déterminée avec précision
Peuvent fortement influer sur la sortie du système

Exemples de processus ou d'événements non déterministes

Monde naturel

Moment où un volcan entrera en éruption
Moment exact où il pleuvra
Moment et lieu d'un éclair
Moment et lieu de formation d'une tornade

Processus liés ou déclenchés par l'humain

Moment où une machine tombera en panne
Moment où l'on doit aller aux toilettes
Moment où un bébé se mettra à pleurer
Si un vol commercial aura du retard

Représenter des événements non déterministes dans des modèles à événements discrets

Processus non déterministes

Produisent un effet non répétable sur le système
Durée exacte inconnue

Statistiques

Représentent la variabilité de la durée des processus

Le module random est utile ici
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 méthodes spécifiques pour tenir compte des processus non déterministes
Variabilité de durée calculée comme pour les modèles sans SimPy
Transmettez 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