Chapitre 1 · Leçon 1.3
Panorama des modèles dynamiques
Quatre grandes familles de modèles traitent le temps, l'ordre et les dépendances. Elles se complètent plus qu'elles ne s'excluent.
Les arbres de défaillance dynamiques
Ils gardent la lecture en arbre et ajoutent des portes qui expriment la dynamique (Dugan et ses collègues les ont proposés au début des années 1990) :
- PAND (ET prioritaire) : vrai seulement si les entrées échouent dans un ordre donné ;
- SPARE : une pièce de secours (froid, tiède ou chaud) prend le relais de la pièce principale ;
- FDEP (dépendance fonctionnelle) : la défaillance d'un élément déclencheur entraîne celle d'autres éléments.
Ils sont lisibles pour un ingénieur habitué aux arbres, mais leur calcul exact passe en général par une chaîne de Markov sous-jacente.
Les chaînes de Markov
Le système est décrit par un ensemble d'états (les pompes en marche, en panne, en réparation) et des taux de transition entre états. Si les taux sont constants (durées exponentielles), le calcul est exact : disponibilité, fiabilité, temps moyen avant défaillance. Limite : le nombre d'états croît très vite avec le nombre de composants. C'est le chapitre 2.
Les réseaux de Petri
Ils décrivent le système par des places (conditions), des transitions (événements) et des jetons (ressources, états). Ils représentent naturellement la concurrence (le réparateur partagé), les files d'attente et les séquences. Les réseaux de Petri stochastiques, dont les transitions ont des durées aléatoires, se ramènent à une chaîne de Markov quand les durées sont exponentielles. C'est le chapitre 3.
La simulation de Monte Carlo
On fait vivre le modèle des milliers de fois en tirant au hasard les durées, puis on estime les grandeurs recherchées par des moyennes. Aucune restriction sur les lois ni sur la taille, mais le résultat est une estimation avec une incertitude, et les événements très rares sont coûteux à estimer. C'est la méthode de dernier recours, et souvent de contrôle.
Quelques mentions
Des formalismes plus riches existent : les BDMP (processus de Markov pilotés par des portes logiques) combinent la lecture en arbre et la dynamique de Markov, et le langage AltaRica décrit des systèmes à base de composants et de flux. Ils s'appuient sur des outils spécialisés dont les noms, les licences et les versions évoluent : à contrôler avant tout choix pour un projet.
| Modèle | Ce qu'il représente bien | Résultat | Limite principale |
|---|---|---|---|
| Arbre dynamique | Ordre, secours, dépendance, en gardant la forme d'un arbre | Exact ou approché | Calcul souvent par Markov |
| Chaîne de Markov | États, réparation, secours, tests | Exact | Explosion du nombre d'états ; taux constants |
| Réseau de Petri | Ressources partagées, séquences, files | Exact (accessibilité) ou simulé | Lisibilité d'un grand réseau |
| Monte Carlo | Tout, y compris lois quelconques | Estimé avec incertitude | Événements rares, temps de calcul |
Les arbres dynamiques, les chaînes de Markov, les réseaux de Petri et la simulation répondent aux limites des arbres statiques. Les premiers gardent la lecture d'un arbre, les deuxièmes donnent un résultat exact quand les taux sont constants, les troisièmes décrivent bien les ressources partagées, la simulation traite tous les cas au prix d'une incertitude.