La vérification et la validation sont deux étapes distinctes mais essentielles pour garantir la crédibilité d'un modèle de simulation. Le principal défi pour un analyste est de valider le modèle, car celui-ci n'est utile que s'il représente fidèlement le système réel.

• Vérification: Le processus visant à garantir que l'implémentation du modèle et ses données correspondent à la description conceptuelle et aux spécifications du développeur.
• Validation: Le processus de comparaison de la représentation du modèle conceptuel au système réel.

Techniques de vérification et de validation

Techniques de vérification :

• Écriture et débogage du programme en sous-programmes à l'aide de compétences en programmation.
• Mise en œuvre d'une politique de « revue structurée » dans le cadre de laquelle plusieurs personnes examinent le programme.
• Suivre les résultats intermédiaires et les comparer aux résultats observés.
• Vérifier les résultats du modèle en fonction de diverses combinaisons d'entrées.
• Comparaison du résultat final de la simulation avec les résultats analytiques connus.

Techniques de Validation :

1. Conception pour une validité élevée :
   • Discutez de la conception du modèle avec des experts du système.
   • Maintenir le contact avec le client tout au long du processus de développement.
   • Faites superviser la sortie par des experts du système.
2. Hypothèses du modèle de test :
   • Tester quantitativement le modèle en appliquant les données d'hypothèse.
   • Effectuez une analyse de sensibilité pour observer comment les résultats évoluent lorsque des modifications importantes sont apportées aux données d'entrée.
3. Déterminer la production représentative :
   • Évaluer dans quelle mesure les résultats de la simulation correspondent aux résultats du système réel.
   • Utiliser un Test de Turing, où les données sont présentées dans le format système afin que des experts puissent les évaluer.
   • Utiliser des méthodes statistiques (par exemple, le test du chi carré, le test de Kolmogorov-Smirnov) pour comparer les résultats du modèle avec les données réelles du système.

Approches de comparaison des données

• Validation d'un système existant : Utilisez des données d'entrée réelles dans le modèle et comparez sa sortie avec celle du système réel. Cela peut impliquer des tests d'hypothèses statistiques pour des indicateurs tels que le temps d'attente ou le temps d'inactivité.
• Validation d'un système nouveau/hypothétique : Lorsque les données historiques sont indisponibles, la validation repose sur :
  • Validité du sous-système : Tester séparément les sous-systèmes connus au sein du modèle plus large.
  • Validité interne: S’assurer que le modèle ne présente pas un degré élevé de variance interne qui masquerait l’impact des modifications des données d’entrée.
  • Analyse de sensibilité: Identifier les paramètres sensibles qui nécessitent une attention particulière.
  • Validité apparente : Rejeter un modèle s'il fonctionne selon une logique inverse, même si son comportement imite celui du système réel.