La semaine dernière, dans les Notions de base sur la collecte des données (partie 1), j’ai abordé la question de la collecte des données, en présentant les thèmes de l’identification des données nécessaires et de la localisation ou de la création de ces données. Une fois que vous disposez de données, vous devez généralement les analyser avant de pouvoir les utiliser efficacement.
Sélectionnez la distribution
En général, les données d’entrée d’un modèle de simulation sont spécifiées sous la forme d’une distribution. Si vous disposez de données estimées, vous devez sélectionner la distribution la plus appropriée (par exemple, un temps minimum, un temps typique et un temps maximum peuvent être représentés sous la forme d’une distribution triangulaire). Si vous disposez de données réelles, vous devrez les soumettre à une analyse statistique. De nombreux logiciels (certains génériques et d’autres spécifiques à la simulation) sont disponibles pour vous aider à sélectionner (ajuster) une distribution et ses paramètres de forme, et même à nettoyer les données pour éliminer les mauvaises observations.
Analyser la sensibilité
Une fois que vous disposez de certaines données, vous pouvez les intégrer dans votre modèle et commencer à faire des essais. En particulier si vous vous êtes appuyé sur une estimation, vous pouvez faire tourner votre modèle avec des valeurs supérieures et inférieures aux valeurs estimées afin de déterminer la sensibilité du système à ce paramètre. Si vous constatez que le système est sensible à une valeur estimée (par exemple, les résultats changent de manière significative lorsque le paramètre d’entrée est modifié), vous pouvez alors déterminer s’il vaut la peine d’investir davantage pour obtenir une valeur plus fiable. Il s’agit là d’une solution potentielle aux problèmes de biais et d’imprécision évoqués dans l’article initial. Mais plus encore, c’est aussi un bon moyen de déterminer de manière itérative le temps à consacrer à vos données d’entrée.
Ajuster le détail
Parfois, la qualité des données disponibles peut vous aider à déterminer le niveau de détail approprié pour un modèle. Si les données que vous avez l’intention d’utiliser ne sont pas très bonnes, il n’y a pas lieu de construire un modèle très détaillé. Cela ne veut pas dire qu’un tel modèle n’a aucune valeur, après tout, chaque modèle n’est qu’une représentation ou une estimation de la réalité – aucun modèle ne sera parfait. Mais il est important de présenter à vos parties prenantes la précision relative du modèle et de ses données sous-jacentes.
Il s’agit là d’un aperçu rapide de certaines étapes de la collecte de données. Des chapitres entiers du manuel ont été consacrés à chacune de ces étapes, alors n’hésitez pas à consulter les détails lorsque vous serez prêt.
Dave Sturrock
VP Produits – Simio LLC