ENIB LANG-C Ex_0101 - Optimisation et consommation énergétique

Connaissances requises pour cet exercice

Faire des estimations approximatives, à partir de données fournies, autour des relations entre optimisations de traitements calculatoires, gains potentiels en énergie et autonomie.
Mener des calculs élémentaires (proportionnalités, arithmétique de base).
- Il ne s'agit pas de programmation mais de calculs libres (“au dos de l'enveloppe”).

{1} Première variante

Nous nous appuyons sur les données suivantes :

Un rapport de RTE indique que la consommation électrique des data-centers français s'est élevée à 3 térawatts-heure (3x10¹² W.h) sur l'année 2015✍
Il ne s'agit que d'une partie infime des data-centers mondiaux.
.
Une étude estime la consommation électrique moyenne d'un foyer français à 6343 kilowatts-heure (6343x10³ W.h) sur l'année 2010.

En supposant de manière très approximative que la consommation énergétique est proportionnelle à la durée des traitements effectués, quel gain en efficacité de calcul faut-il viser pour espérer que l'économie d'énergie ainsi réalisée sur les data-centers français permette d'alimenter 50000 foyers français✍

Un tel gain peut s'exprimer sous la forme d'un facteur multiplicatif

par exemple : “la durée de traitement est multipliée par 0.8”,

ou bien par un pourcentage

par exemple : “la durée de traitement est diminuée de 20 %”.

{2} Deuxième variante

Nous nous appuyons sur les données suivantes :

Un modèle de véhicule autonome sous-marin dépense 70 % de son énergie dans de lourds traitements calculatoires✍
Des algorithmes traitent des signaux issus de multiples capteurs et procèdent à des analyses d'images afin de déceler des objets connus sur les fonds marins.
et les 30 % restants dans l'alimentation de ses capteurs et sa propulsion.
Son autonomie lors d'une mission est de 20 heures.

Si nous parvenons à optimiser de 20 % les performances des traitements calculatoires✍

Nous supposons très approximativement qu'ils se contentent désormais de 80 % de leur consommation énergétique initiale.

de ce véhicule autonome sous-marin, de quelle durée sera sa nouvelle autonomie lors d'une mission ?

{3} Troisième variante

Nous nous appuyons sur les données suivantes :

Un certain modèle de microcontrôleur✍
Un microcontrôleur renferme les composants essentiels d'un ordinateur (unités de calcul, mémoire...) mais propose des performances et une consommation énergétique limitée.
Ce matériel est généralement adapté à la réalisation des calculs dans un système embarqué.
a été préparé pour consommer 13.92 mA lorsqu'il calcule et seulement 6.2 μA lorsqu'il est inactif✍
Rappel : 1 μA = 10^-3 mA
.
Le système embarqué dont il fait partie est alimenté par batterie et l'ensemble des autres composants (capteurs...) consomme globalement en moyenne 10 mA.
Ce microcontrôleur passe actuellement 70% de son temps à calculer ; les 30 % du temps restant il est inactif.

Si nous parvenons à optimiser le code de calcul pour que ce microcontrôleur ne passe plus que 40 % du temps à calculer (et donc reste désormais 60 % du temps dans son état inactif), quel sera le gain en autonomie du système embarqué dans sa globalité✍

Un tel gain peut s'exprimer sous la forme d'un facteur multiplicatif

par exemple : “l'autonomie est multipliée par 1.2”,

ou bien par un pourcentage

par exemple : “l'autonomie est augmentée de 20 %”.

La réponse pourra être rédigée dans un simple fichier texte puisqu'il ne s'agit pas encore de code.
Les calculs pourront être approximatifs✍
L'interpréteur Python exécuté de manière interactive pourra vous servir de calculette si besoin : $ python ↵ ... >>> 7e3/4+9.2 ↵ 1759.2 >>> [Control][d] $
(sans toutefois être aberrants).
Les étapes du raisonnement devront être explicitées.

Résultats

Si vous suivez scrupuleusement les énoncés et les consignes, vous devez obtenir des résultats semblables à ceux-ci :

Fichier results_ex0101.txt✎

Contenu du fichier results_ex0101.txt

------------------------------------------------------------------------------
Première variante
~~~~~~~~~~~~~~~~~

Déterminer l'énergie à économiser :
• 50000 foyers x 6343x10^3 W.h = 31715x10^7 W.h

Déterminer la proportion de l'énergie des data-centers qu'elle représente :
• 31715x10^7 W.h / 3x10^12 W.h ≈ 0.1057

Le gain en efficacité à réaliser revient à effectuer une optimisation du code
qui diminuera la durée de traitement de 10.57 % (c'est à dire la multipliera
par 0.8943).

------------------------------------------------------------------------------
Deuxième variante
~~~~~~~~~~~~~~~~~

Déterminer la nouvelle consommation suite à l'optimisation :
• 70 % x 80 % + 30 % = 86 % de la consommation initiale

L'autonomie varie selon l'inverse de la consommation :
• 20 h / 86 % ≈ 23.25 h

L'optimisation du code permettra de gagner 3 h 15 d'autonomie pour réaliser
des missions de 23 h 15.

------------------------------------------------------------------------------
Troisième variante
~~~~~~~~~~~~~~~~~~

Déterminer la consommation avant l'optimisation :
• 70 % x 13.92 mA + 30 % x 6.2x10^-3 mA + 10 mA ≈ 19.75 mA

Déterminer la nouvelle consommation suite à l'optimisation :
• 40 % x 13.92 mA + 60 % x 6.2x10^-3 mA + 10 mA ≈ 15.57 mA

L'autonomie varie selon l'inverse de la consommation :
•  19.75 mA / 15.57 mA ≈ 1.27

L'optimisation augmentera de 27 % l'autonomie du système (c'est à dire la
multipliera par 1.27).

------------------------------------------------------------------------------