Académique Documents
Professionnel Documents
Culture Documents
Introduction
2
Introduction Mots clés : modélisation, modèle
3
Introduction Mots clés : modélisation, modèle
■ La modélisation : c’est passer de la réalité au modèle qui est un résultat d’une simulation.
5
Introduction Mots clés : simulation
6
Un modèle de simulation permet de représenter
Introduction fidèlement un système complexe ... MAIS ...
Quel sont les inconvénients de la simulation ?
Il ne permet pas, contrairement aux méthodes analytiques de résoudre directement le problème. Il
s’agit d’un modèle comportemental (What if)
Gammes
Nomenclatures
Ressources Changements d’état
Processus Indicateurs de
Marché performance
Règles de gestion
Interprétation 7
Introduction Mots clés : système
8
Domaine d’application
Introduction
9
Avantage et nécessité de la modélisation dans la conception et
l’analyse des systèmes manufacturiers
10
Avantage et nécessité de la modélisation dans la conception et
l’analyse des systèmes manufacturiers
Problèmes de
MAINTENANCE
Un système
industriel
de production
Problèmes de
PANNES ET ALEAS
Problèmes de
Problèmes d' PRODUCTIVITE
ORDONNANCEMENT 11
Avantage et nécessité de la modélisation dans la conception et
l’analyse des systèmes manufacturiers
Complexité croissante
Interaction très forte entre les différents éléments
12
Avantage et nécessité de la modélisation dans la conception et
l’analyse des systèmes manufacturiers
Méthodologie générale :
13
Avantage et nécessité de la modélisation dans la conception et
l’analyse des systèmes manufacturiers
14
Avantage et nécessité de la modélisation dans la conception et
l’analyse des systèmes manufacturiers
15
Avantage et nécessité de la modélisation dans la conception et
l’analyse des systèmes manufacturiers
16
A quel niveau ?
■ La simulation : une aide à la conduite
17
■ La simulation : une aide à la traçabilité
18
■ La simulation : pour définir un futur système
19
Techniques évaluatives de modélisation
20
Techniques évaluatives de modélisation : Réseau de pétri
■ Avantages:
Permet de considérer la structure du système et l’évolution du flot de données.
Permet de représenter les changements d’états et la causalité des événements que
provoquent ces changements.
Modèle solidement assis sur des bases formelles.
21
Techniques évaluatives de modélisation : Réseau de pétri
■ Exemple :
Pour le RdP ci-dessus, le poids de l'arc reliant P1 à T1 est égal à 1, alors que celui reliant T1
à P2 est égal à 5.
23
Techniques évaluatives de modélisation : Réseau de pétri
24
Techniques évaluatives de modélisation : Réseau de pétri
■ Notations :
25
Techniques évaluatives de modélisation : Réseau de pétri
■ Marquage:
Le nombre de marque contenu dans une place Pi sera noté soit M(Pi) soit mi.
Le marquage du réseau à l'instant i, Mi est défini par le vecteur de ces marquages mi
c’est -à-dire Mi= (m1, m2, …,mn).
Le marquage dit initial décrit l'état initial du système modélisé (M0).
26
Techniques évaluatives de modélisation : Réseau de pétri
■ Exemple:
Ce RdP possède 4 places, 4 transitions et 8 arcs orientés. Soit donc : P = {P1, P2, P3, P4} et
T= {T1, T2, T3, T4} ;
Le marquage initial est M0 = (2, 1, 1,0) ;
La place P1 est en amont (une entrée) de la transition T2 et elle est en aval (une sortie) de la
transition T1 ;
T1 est une transition sans place d'entrée: transition source ; T2 est une transition sans place de
sortie: transition puit.
27
Techniques évaluatives de modélisation : Réseau de pétri
Pour qu'une transition soit franchissable, il faut et il suffit que l'on trouve dans toutes les
places immédiatement amont à cette transition, le nombre de marques est supérieur ou égale
au poids des arcs reliant respectivement chacune de ces places à cette transition.
28
Techniques évaluatives de modélisation : Réseau de pétri
■ Exemple 1 :
■ Exemple 2 :
30
Techniques évaluatives de modélisation : Réseau de pétri
31
Techniques évaluatives de modélisation : Réseau de pétri
■ Selon les poids attribués aux arcs liés à une transition donnée, les transitions sont :
"Consommatrice", "Génératrice" ou "Conservatrice" de marques.
T est génératrice
T est consommatrice
T est conservatrice
32
Techniques évaluatives de modélisation : Réseau de pétri
■ Exemple :
Transition génératrice
33
Techniques évaluatives de modélisation : Réseau de pétri
■ Récapitulatif :
Un Rdp peut être interprété en termes de processus, d’actions et de ressources.
1. Les transitions servent à modéliser les actions des processus.
2. Les jetons représentent des ressources consommables.
3. Le franchissement d’une transition représente l’exécution d’une action
(consommation & production de ressources).
4. Les flèches entrantes indiquent les conditions à satisfaire avant l’action (ressources
nécessaires). Les flèches sortantes représentent les conditions à satisfaire après l’action
(ressources à produire).
5. La présence d’un jeton marque la satisfaction, partielle ou totale, d’une condition (i.e.
présence d’une ressource).
34
Techniques évaluatives de modélisation : Réseau de pétri
35
Techniques évaluatives de modélisation : Réseau de pétri
Producteur: Consommateur:
• produire • prendre
• déposer • consommer
Prêt-à-produire Prêt-à-prendre
bac
Prêt-à-déposer Prêt-à-consommer
36
Techniques évaluatives de modélisation : Réseau de pétri
■ Exemple simple 2 :
Soit une machine dont l'état est soit en marche soit en arrêt (son état initial). Proposez un
RdP qui compte le nombre de passage de cet état dans la valeur marche.
37
Techniques évaluatives de modélisation : Réseau de pétri
■ Matrice d’incidence:
Matrice post-incidence
C'est une matrice à n lignes et m colonnes avec n le nombre de places et m le nombre de
transitions dans le Rdp.
Chaque élément de cette matrice Post (Pi, Tj) correspond au nombre de jetons à rajouter
dans Pi en franchissant Tj.
38
Techniques évaluatives de modélisation : Réseau de pétri
■ Matrice d’incidence:
Matrice post-incidence : Exemple
39
Techniques évaluatives de modélisation : Réseau de pétri
■ Matrice d’incidence:
Matrice pré-incidence
C'est une matrice à n lignes et m colonnes avec n le nombre de places et m le nombre de
transitions dans le Rdp.
Chaque élément de cette matrice Pré (Pi, Tj) correspond au nombre de jetons à enlever dans
Pi en franchissant Tj.
40
Techniques évaluatives de modélisation : Réseau de pétri
■ Matrice d’incidence:
Matrice pré-incidence : Exemple
41
Techniques évaluatives de modélisation : Réseau de pétri
■ Matrice d’incidence:
C'est une matrice à n ligne et m colonnes avec n le nombre de places et m le nombre de
transitions dans le RdP.
Chaque élément de cette matrice C (Pi, Tj) correspond au nombre de jetons à rajouter moins
celui à enlever dans Pi en franchissant Tj.
42
Techniques évaluatives de modélisation : Réseau de pétri
43
Techniques évaluatives de modélisation : Réseau de pétri
44
Techniques évaluatives de modélisation : Réseau de pétri
45
Techniques évaluatives de modélisation : Réseau de pétri
1. Conflits structurels
2. Graphes Rdp
3. Rdp pur & Impur
4. Rdp propre
5. Vivacité, Quasi vivacité et pseudo vivacité
6. Rdp sauf ( binaire)
7. Rdp sans blocage
46
Techniques évaluatives de modélisation : Réseau de pétri
Concurrence à la fourniture de jetons dans une place : C'est la convergence d'arcs sur
une place.
47
Techniques évaluatives de modélisation : Réseau de pétri
48
Techniques évaluatives de modélisation : Réseau de pétri
Les graphes d'événements sont une sous-classe de RdP pour lesquels toute place a
exactement une transition amont et une transition aval.
49
Techniques évaluatives de modélisation : Réseau de pétri
Les graphes d‘états sont une sous-classe de RdP pour lesquels toute transition a
exactement une place d’entrée et une place de sortie.
50
Techniques évaluatives de modélisation : Réseau de pétri
51
Techniques évaluatives de modélisation : Réseau de pétri
52
Techniques évaluatives de modélisation : Réseau de pétri
Un RdP est vivant pour un marquage initial M0 si toutes ses transitions sont vivantes
( franchissables) pour ce marquage initial.
53
Techniques évaluatives de modélisation : Réseau de pétri
Une transition Tj est quasi vivante pour un marquage initial M0 s’il existe une séquence de
franchissements à partir de M0 contenant Tj.
Il s’en suit qu’un RdP est quasi vivant pour un marquage initial M0 si toutes ses transitions
sont quasi vivantes pour ce marquage initial.
54
Techniques évaluatives de modélisation : Réseau de pétri
55
Techniques évaluatives de modélisation : Réseau de pétri
56
Techniques évaluatives de modélisation : Réseau de pétri
57
Techniques évaluatives de modélisation : Réseau de pétri
58
Techniques évaluatives de modélisation : Réseau de pétri
Conflit
structurel
Graphe
d’événement
Graphe d’état
vivant
Quasi-vivant
59
Techniques évaluatives de modélisation : Réseau de pétri
■ Exercice 1
A partir du marquage initial Mo=[2 0 0 0 0] donnez l’ensemble des marquages accessibles à
partir de Mo pour le réseau suivant :
60
Techniques évaluatives de modélisation : Réseau de pétri
■ Exercice 1
A partir du marquage initial Mo=[2 0 0 0 0] donnez l’ensemble des marquages accessibles à
partir de Mo pour le réseau suivant :
Réponse :
Mo=[2 0 0 0 0] (T1 → M1=[0 1 1 0 0] )
M1 (T2→M2=[0 0 1 1 0] (T3→ M3 = [0 0 0 1 1]
ou M1 (T3→M2'=[0 1 0 0 1]' (T2→M3
puis M3 (T4→ M0
61
Techniques évaluatives de modélisation : Réseau de pétri
■ Exercice 2
Analysez ce RdP : est-il un graphe d'état ? d'événement ? avec/sans conflit structurel ?
Donnez l’ensemble des marquages
Le réseau est il vivant ?
62
Techniques évaluatives de modélisation : Réseau de files d’attente
63
Techniques évaluatives de modélisation : Réseau de files d’attente
La théorie des files d’attente consiste en l’étude de systèmes où des clients se présentent à un
dispositif de service, appelé serveur.
Puisqu’un client occupe le serveur pendant un certain temps, les autres clients doivent attendre
avant d’être servis, formant ainsi une file d’attente.
En ingénierie, on s’intéresse à des métriques de performance des files d’attente, par exemple :
Taille moyenne de la file d’attente.
Taux d’utilisation du serveur.
Temps moyen d’attente d’un client.
64
Techniques évaluatives de modélisation : Réseau de files d’attente
Source 1 Station 1
File d’attente 1 Processus
Source 2 de service Station 2
Processus File d’attente 2
des unités
d’arrivée
(durée et
d’unités
ordre de
File d’attente F service, …)
Source U Station S
66
Techniques évaluatives de modélisation : Réseau de files d’attente
67
Techniques évaluatives de modélisation : Réseau de files d’attente
■ La population:
Dans la théorie des files d’attente, on appelle « population » la source de clients potentiels.
68
Techniques évaluatives de modélisation : Réseau de files d’attente
69
Techniques évaluatives de modélisation : Réseau de files d’attente
70
Techniques évaluatives de modélisation : Réseau de files d’attente
71
Techniques évaluatives de modélisation : Réseau de files d’attente
73
Techniques évaluatives de modélisation : Réseau de files d’attente
■ Capacité du système
74
Techniques évaluatives de modélisation : Réseau de files d’attente
75
Techniques évaluatives de modélisation : Réseau de files d’attente
Définitions :
■ Clients : On appelle ainsi les objets ou les personnes qui arrivent dans le système,
attendent s'il y a lieu, sont traitées (service) et repartent. On suppose que les clients arrivent
un par un, et sont servis par ordre d'arrivée.
■ Service : On appelle ainsi le temps de service (le temps que le client passe au guichet par
exemple). Le temps de séjour total dans le système est la somme du temps d'attente et de la
durée du service effectif.
76
Techniques évaluatives de modélisation : Réseau de files d’attente
Notations et terminologies :
■ L’état du système = Nombre de client dans le système de file d’attente
■ Longueur de la file d’attente = nombre de clients en attente de service = état du système –
nombre de clients en service
■ n(t) : Nombre de clients dans le système à l’instant t
■ P(n) : Probabilité d’avoir n clients dans le système à l’instant t (en régime permanent, le nombre
de clients dans le système est indépendant du temps) = Pn
■ λ : Taux d’arrivée moyen des clients
■ μ : Taux de service moyen des clients
77
Techniques évaluatives de modélisation : Réseau de files d’attente
78
Techniques évaluatives de modélisation : Réseau de files d’attente
= nombre espéré de clients dans le système ( à un instant quelconque dans le long terme).
79
Techniques évaluatives de modélisation : Réseau de files d’attente
80
Techniques évaluatives de modélisation : Réseau de files d’attente
Introduisons alors représentant le taux d'entrée moyen des clients dans le système (nombre
moyen de clients entrant dans le système par unité de temps).
La relation liant toutes ces données s'appelle loi de Little et est définie par :
81
Techniques évaluatives de modélisation : Réseau de files d’attente
Nous savons que les files d’attente ponctuée par un service sont caractérisées par le fait que le temps
des services ont une durée qui suit une loi Exponentielle et que le nombre d'unité admises dans la file
suit une loi de Poisson.
82
Techniques évaluatives de modélisation : Réseau de files d’attente
83
Techniques évaluatives de modélisation : Réseau de files d’attente
84
Techniques évaluatives de modélisation : Réseau de files d’attente
si et 0 si
Cette loi permet d’estimer le temps qu’une personne passe au service (guichet). Dans cette loi, on peut
clairement identifier que λ est le nombre de clients servis par unité de temps et donc que est le temps
moyen que passe un client au guichet.
85
Les processus stochastiques...
Exemples :
o Processus markoviens
o Processus de renouvellement ( ou processus de naissance et de mort)
o Processus de poisson
Processus de renouvellement ...
89
Techniques évaluatives de modélisation : Réseau de files d’attente
90
Techniques évaluatives de modélisation : Réseau de files d’attente
91
Techniques évaluatives de modélisation : Réseau de files d’attente
92
Les files d’attente élémentaires ...
■ File M/M/1
■ File M/M/C
■ File M/M/1/K
■ File M/M/C/K
La file M/M/1 ...
■ Équations d’équilibre :
■ p(0)= p(1)
■ (+) p(n)= p(n-1)+ p(n+1) n1 On peut montrer par
récurrence que :
■ p(n)= p(n+1) n0
Modélisation de la file M/M/1 par une chaine de Markov ...
𝜆
■ On pose : (taux de charge)
■ Si 1 : le système est saturé
■ Si 1 : on peut calculer l’état d’équilibre
p(n)= p(n+1) n0 ⇒ On peut montrer par
récurrence que :
p(n)=n p(0) n0
Pour déterminer p(0), on utilise l’équation de
normalisation :
Performances de la file M/M/1 ...
D’où : Avec
Après simplification :
Techniques évaluatives de modélisation : Réseau de files d’attente
■ Exercice :
99