Dr Dávid Felhős, Karman Mechanics
Alors que la simulation technique occupe une place de plus en plus centrale dans le développement de produits, les entreprises sont soumises à une pression croissante pour répartir leurs charges de travail de calcul entre des environnements partagés, tant sur site que dans le cloud. Si les progrès réalisés en matière de capacités des solveurs et d’infrastructures de calcul ont permis d’accroître les capacités de simulation, la disponibilité des ressources est désormais souvent limitée par des modèles de licences et de droits d’accès étroitement liés au comportement en exécution. Dans les workflows de simulation complexes, une consommation de ressources non maîtrisée peut entraîner des variations dans les temps d’exécution, réduire le débit et compromettre la prévisibilité des calendriers d’ingénierie. Cette présentation propose une approche de gouvernance basée sur les données pour gérer la consommation des ressources de simulation, en l’intégrant pleinement au processus de simulation plutôt que de la considérer comme une fonction administrative externe. Ce cadre traite les contraintes de licence comme un paramètre au niveau du système, au même titre que la disponibilité de calcul ou les limites de mémoire, et intègre la prise en compte de la consommation directement dans la planification et l’exécution des workflows de simulation. En établissant une corrélation entre les caractéristiques des charges de travail — telles que la concurrence, le temps réel, la classe de solveur et le contexte d’exécution — et les modèles de consommation observés, cette approche permet aux ingénieurs et aux responsables de simulation d’anticiper les contraintes avant qu’elles n’affectent les étapes clés du projet. La méthodologie repose sur la collecte et la normalisation de données télémétriques granulaires provenant des environnements d’exécution et des couches de gestion des ressources. Ces flux de données sont agrégés en profils de consommation qui décrivent le comportement des différentes classes de charges de travail de simulation dans des conditions opérationnelles variables. Des modèles prédictifs dérivés des données d’exécution historiques sont ensuite utilisés pour faciliter la prise de décision proactive, notamment la hiérarchisation des charges de travail, la gestion des files d’attente et l’ordonnancement adaptatif. Il est important de noter que cette couche de gouvernance fonctionne indépendamment des solveurs spécifiques ou des technologies de licence, garantissant ainsi la portabilité entre différents domaines de simulation. D’un point de vue systémique, cette présentation décrit une architecture qui intègre la collecte de données, l’analyse et l’application des politiques à l’infrastructure existante des processus de simulation. Des mécanismes de politique allégés sont utilisés pour traduire les informations prédictives en contrôles d’exécution, permettant ainsi aux organisations d’équilibrer des objectifs contradictoires tels que le débit, l’équité et le respect des plannings. Un accent particulier est mis sur le maintien de l’autonomie des ingénieurs tout en mettant en place des garde-fous qui empêchent les conflits d’accès aux ressources pendant les périodes de pointe. Les mises en œuvre concrètes de ce cadre démontrent une stabilité améliorée dans l’exécution des simulations et une variabilité réduite des délais d’exécution des tâches. Plutôt que de se concentrer uniquement sur l’optimisation des coûts, l’analyse se concentre sur des indicateurs de performance opérationnelle directement liés aux résultats d’ingénierie, notamment la stabilité des files d’attente, la cohérence de l’utilisation et la prévisibilité de la livraison des simulations. Ces améliorations favorisent des cycles d’itération de conception plus fiables et réduisent le risque de retards en aval dans le développement des produits. La session se conclut par la présentation d’un ensemble de métriques pratiques et de principes de gouvernance pouvant être adoptés par les organisations cherchant à faire évoluer leurs charges de travail de simulation de manière contrôlée et transparente. Les participants découvriront comment une gouvernance fondée sur les données peut être intégrée aux processus de simulation afin de soutenir des opérations d’ingénierie résilientes, évolutives et bien coordonnées, en particulier dans les environnements où les ressources partagées et les flux de travail complexes sont la norme.
