Méthodes pour la validation de modèles formels pour la ... - ISAE

3.2 Processus de modélisation 59
Nous expliciterons dans la suite de ce chapitre les différentes étapes du processus de modélisation
présenté sur la figure 3.2. Diverses illustrations montreront ensuite son application à des
systèmes appartenant à des domaines physiques différents.
3.2 Processus de modélisation
3.2.1 Analyse préliminaire : Composition et objectifs du modèle
3.2.1.1 Caractérisation des objectifs du modèle haut niveau
Commençons par rappeler la définition donnée section 2.1.2 selon laquelle la modélisation est
un processus technique qui permet de représenter un objet dans un but de connaissance [25]. Cette
définition étant prise en compte, il serait sans doute déraisonnable et hasardeux de commencer
notre approche sans préciser les objectifs du modèle souhaitant être construit. De manière simple,
on exprimera dans un premier temps ces objectifs en précisant que le modèle devra permettre
l’étude des évènements redoutés considérés et que pour cela, son périmètre devra couvrir le système
d’étude (en prenant en compte l’ensemble des comportements ayant un impact sur l’occurrence
des évènements redoutés considérés).
Il faut donc tout d’abord s’intéresser à l’identification de ces objectifs, et se poser la question
des évènements redoutés qui devront être évalués (qualitativement et quantitativement) par le
modèle du système (on se place dans un premier temps au plus haut niveau). Ici, pas de miracle !
Une liste des évènements redoutés pourra en général être fournie par les réglementations en
vigueur dans le domaine considéré (réglementations aéronautiques, ferroviaires, automobiles...).
Des évènements redoutés spécifiques pourront également provenir, via des analyses fonctionnelles
des dangers (section 1.4), d’exigences clients ou d’exigences internes au concepteur du produit.
Parmi l’ensemble de ces exigences, nous en choisirons un sous-ensemble (ou la totalité) que devra
évaluer le modèle du système.
Une fois obtenu l’ensemble des évènements redoutés (qualitatifs et quantitatifs) à considérer,
nous proposons de nous intéresser à l’identification du périmètre du modèle et de son architecture.
Nous supposerons dans la section suivante que le système est suffisamment complexe pour
admettre et mériter un découpage en sous-systèmes d’étude.
3.2.1.2 Caractérisation de l’architecture globale du modèle haut niveau
Déterminer l’architecture d’un modèle AltaRica (i.e. le choix des composants à modéliser
dans le modèle) est crucial dans le sens où cette étape détermine le périmètre et la granularité (i.e.
le niveau de détail) de ce modèle. Dans cette optique, nous souhaitons commencer par décrire 1) le
système haut niveau comme une hiérarchie de sous-systèmes et 2) les dépendances fonctionnelles
et physiques entre ces sous-systèmes. Pour cela, la démarche débute par une analyse fonctionnelle
(de philosophie typiquement similaire à SADT [40]).
Pour guider le découpage du système en sous-systèmes d’étude, diverses « bonnes pratiques »
peuvent être fournies à l’analyste. À ce stade, lorsque le système peut être décrit comme une hiérarchie
de sous-systèmes et/ou de composants, la structure du modèle reflètera autant que possible
la structure du système. A contrario, lorsque le système ne présente que peu ou pas de hiérarchie,
une option intéressante à ce stade est d’identifier des sous-systèmes d’étude physiquement homogènes,
i.e. de regrouper différents composants d’un même domaine physique (comme le sera
présenté dans de prochaines sections, la propagation de défaillance entre composants d’un même
domaine physique peut se faire en propageant un ensemble de grandeurs spécifiques au domaine).