Applications des réseaux de Petri

par Pascal RICHARD

Maître de conférences en Informatique à l’Université de Poitiers (LISI/ENSMA)
et Christophe HARO
Ingénieur en Informatique
Enseignant-chercheur à l’École d’ingénieurs en informatique pour l’industrie (EIII)
Chercheur au laboratoire d’informatique (LI), Université de Tours

1. Types d’application ................................................................................. S 7 254 – 2

2. Analyse d’un système en cours de conception............................... — 3
2.1 Présentation du cas simplifié...................................................................... — 3
2.2 Modélisation ................................................................................................ — 3
2.3 Évaluation des performances ..................................................................... — 4
2.4 Notes bibliographiques et conclusion ....................................................... — 7
3. Mise en œuvre d’un système ................................................................ — 7
3.1 Contexte industriel ...................................................................................... — 7
3.2 Modèle du système de planification .......................................................... — 9
3.3 Résolution .................................................................................................... — 10
3.4 Mise en œuvre informatique ...................................................................... — 11
3.5 Conclusion.................................................................................................... — 12
4. Conclusion générale................................................................................ — 12
Références bibliographiques ......................................................................... — 12

’article présente l’utilisation de techniques utilisant les réseaux de Petri (RdP)

L pour aider les ingénieurs de production dans leur travail. Après une présen-
tation générale, une première partie aborde, par l’étude d’un cas concret, la
modélisation, le dimensionnement et l’évaluation des performances d’un atelier
de fabrication de type job-shop. Une deuxième partie présente un cas industriel
emprunté à la production verrière et décrit la mise en œuvre d’un système de
planification de production.
Les réseaux de Petri, inventés par Carl Adam Petri en 1962, suscitent toujours
aujourd’hui de nombreux travaux de recherche dans beaucoup de pays. Cet
engouement est dû à l’élégante théorie mathématique sous-jacente à cette tech-
nique de modélisation graphique dont les fondements théoriques sont présen-
tés dans l’article « Outils de modélisation des automatismes séquentiels. Les
réseaux de Petri [R 7 252] ». Malgré cette effervescence dans le domaine de la
recherche, peu d’applications de taille industrielle voient le jour. Cela s’explique
en partie par l’absence de normalisation internationale des réseaux de Petri,
contrairement au grafcet. Cet inconvénient est en passe d’être corrigé puisque la
norme ISO 15909 sur les réseaux de Petri de haut niveau est actuellement en
cours d’élaboration. L’objectif de cet article est de présenter les applications des
réseaux de Petri dans un contexte industriel. La suite de l’introduction établit une
synthèse des types d’applications privilégiées des réseaux de Petri et replace
dans ce cadre les deux cas d’étude qui seront ensuite présentés.

Toute reproduction sans autorisation du Centre français d’exploitation du droit de copie est strictement interdite.
© Techniques de l’Ingénieur, traité Informatique industrielle S 7 254 − 1
APPLICATIONS DES RÉSEAUX DE PETRI ___________________________________________________________________________________________________
1. Types d’application
Deux grandes applications des réseaux de Petri émergent dans la
littérature suivant que le réseau est utilisé durant le cycle de concep-
tion ou bien comme outil de mise en œuvre d’un système. Dans le
premier cas, le réseau spécifie le système et constitue le point de
départ du cycle de conception. Ces spécifications permettent
ensuite des analyses qualitatives et quantitatives du système à
concevoir. Le non-respect de certaines clauses du cahier des char-
ges engendre des modifications du modèle dont les répercussions
seront évaluées en rejouant les analyses. La seconde catégorie
d’applications consiste à utiliser le réseau comme structure interne
d’un système de contrôle ou d’aide à la décision.
Un réseau de Petri est un outil graphique de modélisation de
système complexe. Sa puissance d’expression permet d’étudier
des systèmes composés de sous-systèmes fonctionnant en
parallèle, communiquant et partageant des ressources. Le
modèle représente les différents états possibles du système.
Afin d’étendre leurs champs d’application aux systèmes continus
et semi-continus, des extensions des réseaux de Petri ont été propo-
sées dans la littérature : il s’agit, respectivement, des réseaux conti-
nus et des réseaux hybrides. Nous n’en parlerons pas dans cet
article, bien qu’ils constituent une branche très vivante au niveau de
la recherche universitaire.
L’apprentissage de la modélisation par réseau de Petri n’est géné-
ralement pas aisé pour un débutant. Le concepteur du modèle doit
raisonner en termes d’états et de transitions d’états ce qui n’est pas
une démarche naturelle. Il est nécessaire tout d’abord de maîtriser
la modélisation des structures de base comme l’enchaînement
d’opérations, les communications et le partage de ressources. On
peut effectuer le parallèle avec l’apprentissage de la programmation
des ordinateurs et la maîtrise des structures algorithmiques de
base. Toutefois, la modélisation par réseau de Petri se prête très
bien à la conception modulaire des systèmes. Ainsi chaque sous-
système est modélisé séparément, puis les interactions de ceux-ci
reviennent à interconnecter les réseaux par de nouvelles places et
transitions. Nous pouvons noter qu’à l’usage, la modélisation par
réseau de Petri s’impose très rapidement aux autres outils de modé-
lisation pour étudier des systèmes complexes.
La puissance d’expression des réseaux de Petri permet aux
concepteurs de modéliser un même système de plusieurs façons.
Par exemple, les activités d’un système peuvent être modélisées par
des places ou des transitions. Dans le premier cas, le traitement de
l’opération est symbolisé par la présence d’un jeton dans la place la
modélisant et dans le second elle est modélisée par le tir de la tran-
sition la modélisant. Mais il faut avoir présent à l’esprit que le
modèle sera plus ou moins facile à analyser suivant la stratégie de
modélisation adoptée. Par exemple, si l’analyse à effectuer est
fondée sur le calcul des P-semiflots, les activités du système seront
modélisées par des places. C’est notamment le cas lorsque l’exclu-
sion mutuelle d’accès de processus à des ressources doit être vali-
dée. L’absence de méthode systématique de modélisation est
conjointement la limite de l’approche réseau de Petri en terme de
facilité d’utilisation dans un contexte industriel et sa richesse en
terme de facilité d’analyse de tels systèmes. A contrario, le grafcet
est une méthode de modélisation systématique, mais dont les capa-
cités d’analyse sont limitées.
L’apport des réseaux de Petri dans le cycle de conception est
méthodologique puisque le modèle n’est pas utilisé uniquement
pour exécuter ou implémenter les spécifications du système. La
démarche complète suit les étapes suivantes :
Toute reproduction sans autorisation du Centre français d’exploitation du droit de copie est strictement interdite.
S 7 254 − 2 © Techniques de l’Ingénieur, traité Informatique industrielle
— conception du modèle : le concepteur construit un réseau de
Petri répondant à la description du système à concevoir ;
— analyse qualitative : cette analyse permet de valider les spéci-
fications fonctionnelles du système ; par exemple, vérifier la borni-
tude d’une place permet de valider le respect de la capacité du
buffer qu’elle modélise ;
— analyse quantitative : cette analyse permet de valider les per-
formances du système ;
— génération de code : la génération de code permet d’établir en
général le squelette du programme contrôlant le procédé, par exem-
ple dans le langage de programmation d’un automate programma-
ble.
Ce programme est ensuite complété pour tenir compte de l’envi-
ronnement industriel des entrées/sorties.
Pour illustrer cette première catégorie d’applications, nous
présenterons la conception d’un atelier de fabrication de perforatri-
ces de bureau. La modélisation modulaire du système sera décrite,
puis l’analyse des performances sera étudiée afin de satisfaire les
commandes prévisionnelles de perforatrices. Dans cette étude de
cas, l’analyse quantitative et la génération de code ne seront pas
abordées. La seconde catégorie d’applications des réseaux de Petri
réside dans la mise en œuvre d’un système industriel utilisant un
réseau. Dans ce cas, le réseau de Pétri n’est plus un outil méthodo-
logique de conception et de dialogue entre concepteurs mais
devient le modèle interne d’un procédé automatique ou d’un
système de décision. Nous distinguons trois sous-classes d’utilisa-
tion dans la mise en œuvre suivant qu’elle dépend de l’interpréta-
tion du réseau (joueur de jetons), de l’utilisation du graphe de
marquages ou de l’utilisation des relations d’algèbre linéaire sous-
jacentes au réseau. En pratique, ces trois techniques visent à résou-
dre des problèmes différents.
Dans la première sous-classe d’utilisation d’un réseau de Petri
pour implémenter un système, un joueur de jeton interprète la règle
de tir du réseau en tenant compte des interactions avec le procédé
contrôlé ou l’utilisateur utilisant un système d’aide à la décision. Ce
type de réseau devient dépendant de son contexte d’utilisation et
est appelé pour cela réseau interprété. L’analogie avec le grafcet et
les automates programmables est alors immédiate.
Dans la seconde sous-classe, le réseau de Petri permet d’exprimer
la dépendance et l’indépendance (le parallélisme potentiel) entre les
actions ou les événements d’un système. L’arbre de marquages du
réseau permet de décrire l’enchaînement des états possibles. Ils
décrit précisément toutes les séquences d’actions ou d’événements
réalisables. Cette description détaillée du système permet d’envisa-
ger la recherche d’une séquence de transitions particulière en opti-
misant un ou plusieurs critères de performance. Par exemple, la
séquence la plus courte en nombre de transitions permet d’effectuer
une reprise d’erreur efficace entre un état d’erreur et un état sain. De
même, si les séquences représentent les ordonnancements réalisa-
bles des activités d’un atelier de fabrication, la recherche de la
séquence de plus courte durée permet d’établir le plan de fabri-
cation optimal de l’atelier. Le graphe de marquages est alors le
moyen d’explorer l’ensemble des solutions réalisables pour un
problème complexe. L’implémentation reprendra alors logiquement
le réseau comme structure de contrôle et de commande, ou bien
comme structure de données informatiques mémorisant le
problème à résoudre.
Enfin, dans la troisième sous-classe, les réseaux de Petri sont utili-
sés pour mettre en œuvre un système. Cela revient à utiliser le
réseau en modèle interne comme précédemment, mais cette fois en
utilisant les relations de l’algèbre linéaire sous-jacentes au graphe
du réseau ou des outils de programmation mathématique. Ce type
d’application se pose dans la conception de système informatique
d’aide à la décision en interaction, non plus avec un environnement
industriel, mais avec un utilisateur. La seconde étude que nous
aborderons sera dédiée à ce problème dans le contexte de l’aide à la
planification de production dans l’industrie verrière. Nous verrons
dans ce cas les apports des réseaux de Petri par rapport aux appro-
ches classiques de type recherche opérationnelle.
____________________________________________________________________________________________________ APPLICATIONS DES RÉSEAUX DE PETRI
2. Analyse d’un système
en cours de conception
Dans cette partie, nous présentons un système à fonctionne-
ment cyclique de type job-shop à partir de l’étude d’un cas
concret, mais cependant suffisamment simple pour permettre de ne
pas accumuler les niveaux de difficultés. Nous montrons comment
étudier son comportement dynamique et comment en optimiser les
performances.
2.1 Présentation du cas simplifié
Un atelier doit produire des perforatrices de bureau. Celles-ci
sont constituées à partir de l’assemblage de plusieurs types de
pièces.
Le corps de la perforatrice est constitué de l’assemblage de deux
demi-coquilles rigoureusement identiques. Chaque demi-coquille
est obtenue par une opération de tournage réalisée sur un tour à
commandes numériques, suivie d’un ensemble d’opérations réali-
sées sur une fraiseuse.
Le poinçon est obtenu par une opération de tournage, suivie
d’une opération de fraisage. Il passe ensuite sur une rectifieuse qui
termine sa préparation. Le poinçon est emmanché à force dans un
bouton permettant d’actionner la perforatrice. Le bouton subit une
opération de tournage puis une opération de fraisage.
Les pièces entrent dans l’atelier sur un tapis roulant. Un robot R1
les saisit et charge le tour M1. Lorsque l’opération est terminée, un
second robot R2 décharge M1 et charge la fraiseuse M2 avec la pièce
intermédiaire. L’opération de fraisage terminée, un robot R3
décharge M2. Si la pièce intermédiaire est un poinçon, il la charge
sur la rectifieuse M3. Sinon, il la dépose sur un tapis qui conduit les
pièces à l’atelier d’assemblage. À la fin d’une opération de rectifi-
cation, le robot R3 décharge la rectifieuse M3 et dépose la pièce sur
le tapis roulant.
Pour simplifier l’étude de ce cas, nous confondrons les opérations
de chargement/déchargement des machines avec les opérations
réalisées par ces machines. Ainsi, par exemple, le travail de R1 sera
intégré à l’opération de tournage réalisée par M1. Le système se
simplifie donc et devient celui représenté sur la figure 1.
Dans la suite, on désigne par P1 le produit brut en entrée de
l’atelier destiné à être usiné pour réaliser le poinçon ou le poinçon
lui-même en sortie de l’atelier. De même, on désigne par P2 le
produit brut pour produire le bouton ou le bouton proprement dit et
Pièces en entrée Rectifieuse M3
Tour M1 Fraiseuse M2
Sortie des produits finis
Figure 1 – Atelier simplifié
Toute reproduction sans autorisation du Centre français d’exploitation du droit de copie est strictement interdite.
© Techniques de l’Ingénieur, traité Informatique industrielle
P1 M1(3) M2(1) M3(4) P1
P2 M1(2) M2(2) P2
P3 M1(1) M2(1) P3
Figure 2 – Gamme de fabrication
par P3 celui utilisé pour produire les demi-coquilles formant le corps
de l’objet fini. La perforatrice étant constituée des deux demi-
coquilles, d’un poinçon et d’un bouton, il est clair que l’atelier devra
produire à partir de 25 % de P1, 25 % de P2 et de 50 % de P3.
On suppose que les pièces entrent dans l’atelier selon la séquence
σ0 = < P3, P1, P2, P3 >. Le séquencement sur les machines, c’est-à-
dire l’ordre de passage des pièces sur chacune d’elles, est donné
par :
σ(M1) = < P3, P1, P2, P3 > ; σ(M2) = < P3, P1, P2, P3 > ; σ(M3) = < P1 >
Cette ligne de fabrication est associée à une gamme linéaire. Les
pièces visitent les machines dans l’ordre donné par les gammes
suivantes :
P1 : < M1(3), M2(1), M3(4) >
P2 : < M1(2), M2(2) >
P3 : < M1(1), M2(1) >
Les nombres entre parenthèses précisent la durée de l’opération
considérée sur la machine correspondante. Ces gammes sont repré-
sentées sur la figure 2. Dans l’atelier, les machines sont alignées
dans l’ordre de la gamme.
2.2 Modélisation
La modélisation d’un job-shop se fait usuellement en trois
étapes.
■ On commence par modéliser le processus de fabrication de cha-
que type de pièce. Pour cela, chaque opération réalisée sur un pro-
duit dans sa gamme de fabrication est représentée par une
transition t. Les différentes transitions associées aux opérations suc-
cessives que subit le produit sont séparées les unes des autres par
des places symbolisant des stocks tampons ou plus généralement
des moyens de stockage (buffer B). Ces derniers sont d’abord sup-
posés de capacité infinie. À chaque transition est associé un temps
de franchissement. Celui-ci est égal au temps que prend la machine
pour réaliser l’opération représentée par la transition. Enfin, la
gamme de fabrication d’un produit est répétée autant de fois que
celui-ci apparaît dans la séquence de fabrication afin d’obtenir les
rapports de production (ratio) donnés. Les réseaux obtenus après
cette phase sont représentés par la figure 3.
■ La seconde étape modélise le mode opératoire cyclique de l’ate-
lier en supposant qu’une nouvelle pièce rejoint le système dès
qu’une pièce du même type est terminée. Les produits passent
d’une station à l’autre. Ce transit est réalisé à l’aide d’un moyen de
transport. La deuxième étape de la modélisation les représente. À
chaque produit est associé un certain nombre de moyens de trans-
port dans la séquence de fabrication. Lorsque la fabrication d’un
produit est terminée, le moyen de transport qu’il utilise est libéré et
il est supposé immédiatement disponible pour un nouveau trans-
port. Une place supplémentaire vient augmenter le modèle précé-
dent. Un jeton dans cette place symbolise un moyen de transport
disponible. Le recyclage des moyens de transport est symbolisé par
un rebouclage sur cette place des transitions d’entrée et de sortie du
S 7 254 − 3
APPLICATIONS DES RÉSEAUX DE PETRI ___________________________________________________________________________________________________

t1 B1 t2 B2 t3
p1 c9
P1

t1 B1 t2 B2 t3
M1(3) M2(1) M3(4)

t4 B3 t5 P1

P2 M1(3) M2(1) M3(4)

M1(2) M2(2) c1 p2
c5
t6 B4 t7
t4 t5
P3 P2

M1(1) M2(1)
c4 M1(2) B3 M2(2)
t8 B5 t9 c2 c6 c8

P3 p3

M1(1) M2(1) t6 t7
P3
Figure 3 – Modèle des gammes de fabrication

M1(1) B4 M2(1)
c3 c7
p1
p4
t1 B1 t2 B2 t3
t8 t9
P1 P3

M1(3) M2(1) M3(4)

M1(1) B5 M2(1) jeton
p2
Figure 5 – Réseau RdP du job-shop
P2 t4 t5

modèle précédent. Les circuits obtenus sont représentés par la

figure 4. On les appelle des circuits de fabrication. Leurs places sont
désignées par p.
M1(2) B3 M2(2)
■ La dernière étape introduit le séquencement des produits sur les
machines. Les transitions représentant les opérations exécutées par
p3 une machine donnée sont intégrées dans un nouveau circuit élé-
mentaire. L’ordre de parcours du circuit élémentaire ainsi créé est
l’ordre de transit des produits dans la machine comme il a été défini
P3 t6 t7 dans la séquence d’entrée. Ces nouveaux circuits sont représentés
sur la figure 5. On les appelle des circuits de commande. Leurs pla-
ces sont désignées par c.
Finalement, un jeton dans un circuit de fabrication représente une
M1(1) B4 M2(1) pièce ou un moyen de transport alors qu’un jeton dans un circuit de
commande donne une information sur l’état d’une machine.
Dans le paragraphe suivant, nous envisageons d’évaluation du
p4 système cyclique.

P3 t8 t9
2.3 Évaluation des performances
On s’intéresse d’abord au dimensionnement du système afin
d’assurer les propriétés qualitatives du réseau et les propriétés stati-
M1(1) B5 M2(1) ques du système. Dans un deuxième temps, on cherchera à évaluer
les performances du système modélisé puis à optimiser la produc-
Figure 4 – Circuits de fabrication tion.

Toute reproduction sans autorisation du Centre français d’exploitation du droit de copie est strictement interdite.
S 7 254 − 4 © Techniques de l’Ingénieur, traité Informatique industrielle
 ____________________________________________________________________________________________________ APPLICATIONS DES RÉSEAUX DE PETRI

2.3.1 Dimensionnement Ainsi, dans le mode de fonctionnement FT, le tir d’une transition
débute dès qu’elle est franchissable. On sait que sous ce mode, un
régime périodique s’établit en un temps fini. Plus précisément, on
Le graphe du réseau obtenu est tel que chaque place a une et une définit pour tout circuit γ de l’ensemble Γ des circuits élémentaires
seule transition en entrée et une et une seule transition en sortie. De du GET le temps de cycle associé au marquage M du réseau. C’est
plus, chacun des arcs du réseau est pondéré à 1. Un tel réseau est le nombre π (γ ) défini par :
appelé un graphe d’événements temporisés (GET). Les GET présen-
tent l’avantage essentiel d’être bien adaptés à l’analyse des systè- µ(γ )
π ( γ ) = -------------
mes de production qu’ils modélisent. Leurs propriétés sont M(γ )
relativement simples à établir et un grand nombre de travaux ont
permis de bien comprendre ces propriétés. avec µ (γ ) somme des durées des tirs des transitions du circuit,
Le graphe du réseau obtenu est un GET fortement connexe. On M (γ )nombre de jetons dans ce circuit.
sait qu’un GET fortement connexe est vivant si, et seulement si, Il vient donc, en notant θ (t ) la durée de tir d’une transition t
chaque circuit élémentaire du graphe, c’est-à-dire chaque circuit ne quelconque :
repassant pas deux fois par le même sommet, contient au moins un
jeton. Le GET est alors borné, réversible et consistant. En raison du
nombre de circuits élémentaires γ, nous n’en donnons qu’un sous-
∑ θ(t)
t∈γ
π ( γ ) = ------------------------
-
ensemble.
∑ M(p)
1. Circuits de fabrication : p∈γ
— γ 1 = < t 1 , B 1 , t 2 , B 2 , t3 , p 1 > ; Dans le cas déterministe, pour lequel les durées de tir des transi-
— γ 2 = < t4 , B 3 , t5 , p 2 > ; tions sont connues et constantes, µ (γ ) est constant et connu. On sait
— γ 3 = < t6 , B 4 , t7 , p 3 > ; d’autre part que dans un GET, la somme M (γ ) est constante pour
— γ4 = < t8, B5, t9, p4 >. tout circuit élémentaire γ. Par conséquent, π (γ ) caractérise le circuit γ.
2. Circuits de commande : Considérons par exemple le GET du réseau de la figure 5 dans
— γ5 = < t1, c1, t4, c2, t6, c3, t8, c4 > ; lequel nous supposons pour commencer que chacune des places
— γ6 = < t2, c5, t5, c6, t7, c7, t9, c8 > ; (pi)i = 1,…,4 des circuits de fabrication contient un jeton. On obtient
— γ7 = > t3, c9 >. les circuits suivants.
3. Circuits mixtes : 1. Circuits de fabrication :
— γ8 = < t1, c1, t4, B3, t5, c6, t7, c7, t9, c8, t2, B2, t3, p1 > ;
— γ9 = < t1, c1, t4, c2, t6, B4, t7, c7, t9, c8, t2, B2, t3, p1 > ; 8 4 3 2
π (γ1) = --- = 8 ; π (γ2) = --- = 4 ; π (γ3) = --- = 3 ; π (γ4) = --- = 2 .
— γ10 = < t1, c1, t4, c2, t6, c3, t8, B5, t9, c8, t2, B2, t3, p1 > ; 1 1 1 1
— etc. 2. Circuits de commande :
Les trois circuits de commande contiennent déjà un et un seul
jeton. Chacun des circuits mixtes est marqué en c3 ou en c7. Il reste 7 6 4
π (γ5) = --- = 7 ; π (γ6) = --- = 6 ; π (γ7) = --- = 4 .
donc à dimensionner les circuits de fabrication. Le fonctionnement 1 1 1
d’un GET est habituellement étudié selon deux modes de fonction-
nement. Ces modes déterminent les performances du système 3. Circuits mixtes :
modélisé. 15 14 13
π (γ8) = ------ = 7, 5 ; π (γ9) = ------ = 7 ; π (γ10) = ------ = 6,5 ; etc.
Dans un premier mode, une transition est tirée dès qu’elle est 2 2 2
sensibilisée, à condition qu’elle ne soit pas déjà engagée dans une
phase de tir. On parle de fonctionnement au plus tôt du GET. Dans On définit alors le temps de cycle du GET. C’est le temps de cycle
la suite, nous désignons ce mode de fonctionnement par l’expres- donné par : π* = maxγ ∈ Γ π (γ ). Les circuits élémentaires γ* dont le
sion mode FT. temps de cycle est π* sont appelés les circuits critiques du GET. Ce
Dans un second mode, les transitions sont franchies de façon sont eux qui imposent leur vitesse au système. Dans l’exemple
périodique. On parle alors de fonctionnement périodique ou mode précédent, le GET possède un circuit critique : c’est le circuit de
FP. Dans la suite de cette partie, nous n’envisageons que le mode fabrication γ1 dont le temps de cycle est 8. On démontre que dans le
FT. mode de fonctionnement FT et lorsque le régime permanent est
Nota : le lecteur intéressé trouvera en bibliographie [1] [R 7 252], référence [5] lui per- atteint, le nombre de jetons qui circulent dans le système par unité
mettant d’étudier le mode périodique. 1
de temps est ρ = ------ . Pour augmenter la vitesse de fonctionnement
Pour assurer la non-réentrance des tirs des transitions, c’est-à- π∗
dire pour empêcher le tir d’une transition déjà dans une phase de tir, du système, il faut donc ajouter des jetons dans le circuit critique.
nous supposons qu’à chacune d’elles est associée une place initia- Comme dans un GET, le nombre de jetons dans un circuit élémen-
lement marquée à 1 et telle que cette place est à la fois entrée et taire est invariant, il reste égal au nombre de jetons du marquage
sortie de la transition. Une telle boucle est représentée en figure 6. initial M0. il vient donc :
Ces boucles ne sont pas représentées dans les réseaux que nous
µ(γ∗)
étudions. π∗ = -------------------
M0 ( γ ∗ )
En posant St (k) la date du début du k e franchissement de la transi-
tion t, on a, sous le mode de fonctionnement FT, qu’il existe deux
entiers naturels k0 et K tels que :
(∀t ∈ T ) (∀k > k0) (St (k + K ) = St (k) + K π*)
t p
avec T ensemble des transitions.
Cette équation exprime la propriété annoncée plus haut sur
l’établissement du régime périodique du mode FT.
Nous avons vu dans les paragraphes précédents que le temps de
Figure 6 – Boucle sur une transition temporisée cycle du GET dépend du marquage initial du réseau. Le problème

Toute reproduction sans autorisation du Centre français d’exploitation du droit de copie est strictement interdite.
© Techniques de l’Ingénieur, traité Informatique industrielle S 7 254 − 5
APPLICATIONS DES RÉSEAUX DE PETRI ___________________________________________________________________________________________________

fondamental consiste donc à atteindre une performance donnée du On démontre alors qu’un marquage M est une solution admissi-
système modélisé en minimisant le coût engendré par la présence ble si, et seulement si :
des jetons dans le réseau. C’est ce problème qui est étudié ci-après.
µ(γ )
(∀p ∈ P)  min γ ∈ Γp  M ( γ ) – ----------- > 0 )
  α  
2.3.2 Optimisation du marquage Γp désigne l’ensemble des circuits élémentaires qui contiennent
la place p. On montre aussi que l’évaluation des
Soit alors le vecteur µ(γ )
min γ ∈ Γ p  M ( γ ) – -----------
W = t (w1, w2, …, w|P |) ∈ R + |P |  α 
avec |P¨| nombre de places (cardinal de l’ensemble P) peut être transformée en un problème de recherche des plus courts
qui associe le coût wi à chacun des jetons de la place (pi)i = 1,…,|P |. Le chemins dans un graphe orienté et ne nécessite donc pas l’énumé-
coût total engendré par les jetons circulant dans le réseau, pour un ration des circuits élémentaires du graphe. Soit alors } (α) l’ensem-
marquage M, est donné par : ble des marquages tels que :

Z W (M ) = t W M µ(γ )
(∀p ∈ P)  min γ ∈ Γp  M ( γ ) – ----------- ∈ [ 0 ;1 [
  α  
On souhaite que la fonction linéaire ZW (M ) à minimiser ne
dépende pas de l’état du système, c’est-à-dire qu’elle reste indépen- Les résultats précédents permettent de démontrer que :
dante du marquage du réseau. Par conséquent, en notant ! (M0), — tout marquage M de } (α) est une solution admissible de PLN
l’ensemble des marquages accessibles depuis le marquage initial (α, FT) ;
M0, cette fonction est telle que : — } (α) contient au moins une solution admissible optimale du
(∀M0 ∈ N |P |) (∀M ∈ ! (M0)) (t W M = t W M0) problème PLN (α, FT).
De ce théorème, on déduit un algorithme appelé algorithme
C’est la définition d’un P-invariant lorsque W est un vecteur de
d’ajustement pour résoudre le problème d’optimisation. Une procé-
rationnels positifs ou nuls.
dure par séparation et évaluation utilisant l’algorithme d’ajuste-
Étant donné un P-invariant W et α un réel positif évaluant la ment pour déterminer les bornes supérieures et la programmation
performance attendue, le problème d’optimisation du marquage linéaire pour déterminer les bornes inférieures, a également été
initial, noté PLN (α, FT) dans la suite, consiste à déterminer le proposée pour résoudre ce problème. Son étude dépasse le cadre
marquage initial M0 minimiser ZW (M0) = t W M0 sous les de cet article.
contraintes :
π* < α (∀pb ∈ Pb) (M0 (pb) = 1) (1)
2.3.3 Application à l’exemple d’introduction
Nota : PLN programmation linéaire en nombres entiers.
Dans ce problème, Pb désigne l’ensemble des places du réseau À titre d’exemple d’application, nous montrons comment résou-
réalisant une boucle pour éviter la réentrance des transitions. Le dre le problème PLN (α, FT) énoncé en (1) pour le cas étudié dans
problème (1) est alors équivalent à minimiser ZW (M0) = t W M0 sous cette partie.
les contraintes : Soient t W un P-invariant et t X = (xij) la matrice définie par :
m < α t X M0 (∀pb ∈ Pb) (M0(pb) = 1) (2)  1 si p j ∈ γ i
tX
x ij = 
avec défini dans le paragraphe 2.3.3.  0 sinon.
Pour le problème PLN (α, FT), un marquage M est une solution Ainsi, la matrice t X est la matrice dont les lignes sont les compo-
admissible si, et seulement si : santes de P-invariants associés à chacun des circuits élémentaires
du GET. En raison de leur nombre, la matrice t X comporte unique-
µ(γ )
(∀γ ∈ Γ)  ------------- < α ment un sous-ensemble des P-invariants. Pour notre exemple, voir
M(γ )  encadré 1.

Encadré 1
p1 B1 B2 p2 B3 p3 B4 p4 B5 c1 c2 c3 c4 c5 c6 c7 c8 c9

γ1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
γ2 0 0 0 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0
γ3 0 0 0 0 0 1 1 0 0 0 0 0 0 0 0 0 0 0
γ4 0 0 0 0 0 0 0 1 1 0 0 0 0 0 0 0 0 0
tX = γ5 0 0 0 0 0 0 0 0 0 1 1 1 1 0 0 0 0 0
γ6 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 1 1 0
γ7 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1
γ8 1 0 1 0 1 0 0 0 0 1 0 0 0 0 1 1 1 0
γ9 1 0 1 0 0 0 1 0 0 1 1 0 0 0 0 1 1 0
γ10 1 0 1 0 0 0 0 0 1 1 1 1 0 0 0 0 1 0

Toute reproduction sans autorisation du Centre français d’exploitation du droit de copie est strictement interdite.
S 7 254 − 6 © Techniques de l’Ingénieur, traité Informatique industrielle
____________________________________________________________________________________________________ APPLICATIONS DES RÉSEAUX DE PETRI

Nous avons reconnu précédemment γ1 comme circuit critique. On
diminue le temps de cycle du système, autrement dit, on augmente
la productivité, si on augmente le nombre de jetons dans le circuit
critique. Une augmentation du nombre de jetons dans un autre
circuit reste sans effet. Comme par ailleurs, le nombre de jetons
dans les circuits de commande est nécessairement fixé à 1, c’est la
machine la plus chargée, c’est-à-dire celle dont le temps de cycle est
le plus élevé, qui impose son rythme. Le problème d’optimisation
consiste donc à augmenter le nombre de jetons dans les circuits
critiques, ici γ1, pour ramener leur temps de cycle à celui du circuit
de la machine M1, c’est-à-dire γ5, pour laquelle on a π (γ5) = 7. Soit
alors α = max γ ∈ Γ c π ( γ ) , où Γc est l’ensemble des circuits de
contrôle. Ici, on a α = 7. Le problème consiste donc à déterminer le
marquage initial M0 du réseau qui minimise ZW (M0) = t W M0 pour
le P-invariant choisi. On sait que l’un des P-invariants d’un GET
modélisant un job-shop à fonctionnement cyclique est le P-invariant
W dont toutes les composantes valent 1. Soit alors t (m0, m1, …,
m17) le marquage initial du réseau. On note x l’entier supérieur ou
égal à x. Le problème (2) s’écrit :
i = 17
minimiser ∑ mi
i=0
2.4 Notes bibliographiques
et conclusion
On trouve une analyse détaillée des résultats utilisés dans cette
partie en bibliographie (référence [4]). Ces résultats sont mis en
œuvre dans de nombreux exemples appliqués aux systèmes de
production, référence [1]. Ces deux références fournissent de plus
une bibliographie abondante sur le sujet. Des informations complé-
mentaires sur les applications des réseaux de Petri aux systèmes
manufacturiers pourront être trouvées dans l’article de synthèse [3].
Dans ce paragraphe 2, nous avons développé l’étude d’un cas
concret mais élémentaire. Nous avons successivement abordé la
modélisation, le dimensionnement et l’évaluation des performances
d’un atelier de type job-shop cyclique modélisé par un graphe
d’événements temporisés. Les principaux résultats du domaine ont
été présentés.
3. Mise en œuvre
d’un système

sous les contraintes : Dans ce paragraphe, la mise en œuvre d’un système de planifica-
8 tion de production fondée sur les réseaux de Petri est présentée.
m0 + m1 + m2 > --- =2 Ce travail a été réalisé dans le cadre de la convention CIFRE
7
(Convention industrielle de formation par la recherche en entre-
prise) entre le laboratoire d’Informatique de l’Université « François
m3 + m4 > 4
--- =1 RABELAIS » de Tours et la société BSN/Emballage (groupe Danone).
7
Dans un premier temps, nous présenterons le contexte industriel, le
problème de planification à résoudre, les techniques classiques de
m5 + m6 > 3
--- =1 résolution et leurs limites. Nous présenterons ensuite la modélisa-
7
tion du problème avec les réseaux de Petri et le principe de la réso-
lution. Enfin, nous détaillerons la mise en œuvre et nous établirons
m7 + m8 > 2
--- =1 le bilan de ce projet.
7

,5
m0 + m2 + m4 + m9 + m14 + m15 + m16 > 7
--------- –1=1
7 3.1 Contexte industriel

m0 + m2 + m6 + m9 + m10 + m15 + m16 > 7

--- –1=0 Depuis plus d’un siècle, la production verrière est devenue une
7 industrie lourde et mécanisée. Cette mécanisation et la diversifi-
cation de la demande ont fait émerger très tôt le besoin de rationa-
,5
m0 + m2 + m8 + m9 + m10 + m11 + m16 > 6
--------- –1=0 liser la production en la planifiant de façon à gérer les variations
7 saisonnières des ventes.

(∀pb ∈ Pb) (M0(pb) = 1) Le processus de fabrication est semi-continu. La partie continue

Les nombres soustraits des seconds membres des inégalités
représentent les jetons déjà présents dans les circuits de
commande, qui doivent aussi vérifier :
m9 + m10 + m11 + m12 = 1 et m11 = 1
m13 + m14 + m15 + m16 = 1 et m15 = 1
m17 = 1
On vérifie alors que le marquage défini par
M0 = t (0, 2, 0, 1, 0, 1, 0, 1, 0, 0, 0, 1, 0, 0, 0, 1, 0, 1)
est une solution optimale du problème. Le critère vaut 8 dans ce cas.
Il peut paraître étonnant que dans l’état initial du système, la place
B1 soit marquée par deux jetons, ce qui signifie que deux poinçons
sont déjà engagés dans le circuit de fabrication et ont passé la
première phase d’usinage (tournage). Il s’agit de jetons qui n’exis-
tent que pendant le régime transitoire du système. Lorsqu’ils auront
franchi les transitions t2 et t3, chaque jeton du circuit de fabrication
représentera un poinçon.
est constituée d’un four qui réalise la fusion des matières premières
et la distribution du verre sous forme de gouttes, appelées paraisons
ou gobs. Le processus de fabrication est ensuite discret. Les gobs
sont réceptionnés par les machines à mouler les bouteilles équipées
de différents procédés (pressage et soufflage). De nombreux traite-
ments à chaud et à froid sont ensuite effectués (traitement thermi-
que, tests de la qualité, satinage, emballage…). Nous donnons
figure 7 le synoptique complet du processus de fabrication.
Les ventes s’articulent autour d’environ 2 000 articles emballés
différemment. La plupart des articles sont produits sur prévision de
vente et sont soumis à des variations saisonnières très typées
(marché de la bière, champagne, jus de fruits…).
La planification consiste à effectuer les commandes prévisionnel-
les à l’outil de production, c’est-à-dire choisir les usines, les fours,
les machines et les périodes où les commandes seront fabriquées.
La particularité de la planification dans l’industrie du verre est que la
capacité de production est quasi constante en tonnage sur l’année,
tandis que la demande commerciale est très fluctuante. L’art de la
planification va donc résider dans la constitution des stocks par
modèle pour passer les pics de saisonnalité. Pour cela, le comporte-
ment du système est étudié sur un intervalle de temps fini appelé

Toute reproduction sans autorisation du Centre français d’exploitation du droit de copie est strictement interdite.
© Techniques de l’Ingénieur, traité Informatique industrielle S 7 254 − 7
APPLICATIONS DES RÉSEAUX DE PETRI ___________________________________________________________________________________________________

Sable STOCKAGE
+ Soude CIRCUIT DE PRODUCTION
+ Calcaire MÉLANGE
+ Groisil Four
Feeder

1 550 °C 1 200 °C
PESAGE

Paraison
Bassin de fusion Bassin
de travail

550 °C

Machines de choix Traitement Arche de cuisson Traitement Machines de fabrication

à froid à chaud
SECTEUR FROID SECTEUR CHAUD

Palettiseur Évacuation Houssage

navette rétraction

Figure 7 – Synoptique de la fabrication de bouteilles en verre

horizon de planification. Cet horizon se subdivise en périodes système d’équations (c), les fabrications sur les fours permettent de
discrètes de durées égales. Par exemple, l’horizon peut être l’année satisfaire les demandes commerciales dans chaque période. La
et une période le mois. Sur ces périodes, le plan de production indi- formulation du programme mathématique du PTS est donnée par le
que les commandes prévisionnelles qui seront fabriquées sur l’outil système d’équations (3).
de production dans chaque période.
i=m j= n k= K
La planification est généralement étudiée suivant trois niveaux :
stratégique, tactique et opérationnel. Le niveau stratégique surveille
(a) min z = ∑ ∑ ∑ cijk xijk
i =1 j = 1 k = 1
l’adéquation de l’outil de production à l’évolution de la demande. Le
niveau tactique planifie la fabrication des articles sur l’outil de soumis aux contraintes
production, sur un horizon glissant de douze mois. Le niveau opéra- j=n a=k
(3)
tionnel affecte les articles au jour le jour sur les différentes lignes de (b) ∑ ∑ xija = a ik ∀ i = 1, … , m ∀ k = 1, … , K
production. L’objectif est de maximiser à chaque niveau les bénéfi- j = 1 a =1
ces de l’entreprise. Cela revient pour un prix de vente donné à mini- i =m a = k
miser les coûts de fabrication et de transports des livraisons. (c) ∑ ∑ xija = b jk ∀ j = 1, … , n ∀ k = 1, … , K
La taille du problème à résoudre est telle que l’optimisation doit i = 1 a =1
faire place au savoir-faire du décideur. Ce type de comportement est
fondé sur une succession de raisonnements locaux. Il peut conduire avec aik (t) offre du four i à la période k,
à des solutions sous-optimales et ainsi faire passer à côté de solu- bjk (t) quantité demandée à la période k,
tions tant audacieuses que pertinentes. Pour cela, BSN/Emballage cijk coût de transport d’une unité de la demande j depuis l’offre
utilise un logiciel spécifique, appelé ARIANE [5], qui permet de i à la période k,
résoudre le problème d’optimisation. Le problème de planification
est formulé par un programme mathématique reposant sur le xijk quantité de la demande j transportée depuis l’offre i à la
problème de recherche opérationnelle appelé le problème de trans- période k.
port simple (PTS). La formulation du PTS permet de résoudre celui L’approche d’ARIANE est fondée sur l’utilisation de solveurs de
de la planification des fours afin de minimiser les coûts de transport. type boîte noire. Le décideur fournit des données du problème à
Ce programme mathématique repose sur les variables xijk qui résoudre, puis la résolution est lancée sans interaction avec celui-ci.
mémorisent la quantité en tonnes de verre du four i affectée à la La solution est affinée par des mises à jour des données en entrée et
commande j à la période k. Il va de soi que l’objectif est de minimi- en recommençant entièrement le processus de résolution. La plani-
ser la valeur z égale à la somme des coûts multipliée par les quanti- fication se fait donc par essai/erreur. Si un trop grand nombre de
tés affectées (a). Deux systèmes d’équations déterminent les données en entrée sont simultanément modifiées entre deux réso-
contraintes du problème à respecter. Le système d’équations (b) lutions, les résultats correspondants seront difficiles à interpréter.
indique que la somme des fabrications d’un four i affectée aux En d’autres termes, la solution est mal contrôlée et nécessite un
demandes j utilise toutes la capacité du four par période k. Dans le apprentissage de l’utilisation d’ARIANE.

Toute reproduction sans autorisation du Centre français d’exploitation du droit de copie est strictement interdite.
S 7 254 − 8 © Techniques de l’Ingénieur, traité Informatique industrielle
____________________________________________________________________________________________________ APPLICATIONS DES RÉSEAUX DE PETRI
3.2 Modèle du système de planification
3.2.1 Modélisation des programmes linéaires
L’inconvénient du modèle mathématique présenté dans le para-
graphe précédent (système d’équations (3)) est lié à sa représenta-
tion mathématique en terme d’équations séparées. Nous allons
présenter maintenant comment modéliser ce problème mathémati-
que avec des réseaux de Petri. L’apport de ce nouveau modèle sera
la représentation sous la forme d’un graphe. Dans le para-
graphe 3.3, nous présenterons l’intérêt de ce modèle réseau de Petri
pour guider la résolution du problème par le décideur.
Un programme mathématique est dit linéaire si toutes les équa-
tions utilisées sont des équations linéaires. On peut toujours formu-
ler un tel programme mathématique de la façon suivante (appelée
forme standard), défini par les relations matricielles :
t disponibilité en heures sur T, les places machines/teinte dont le
[ Opt ] z = X D
soumis aux contraintes
(4)
CX = b
X>0
avec [Opt]direction de l’optimisation : min pour minimiser la
fonction objectif z et max pour maximiser z,
X vecteur des variables,
C matrice des contraintes,
D vecteur des coefficients de la fonction objectif,
b vecteur second membre des contraintes.
Remarquez que l’unique différence entre ce programme linéaire
et l’équation d’état d’un réseau de Petri est le second membre. Nous
pouvons définir le second membre comme la différence entre le
marquage final Mf (à atteindre) et le marquage initial M0. Posons
b = Mf – M0. La matrice C des contraintes est la matrice d’incidence
du réseau (C (i, p) en désignent les composantes). Alors C X = b
devient l’équation d’état.
Par exemple, la contrainte x1 – x2 + 2x3 – 4x4 = 3 se modélise par
le réseau de la figure 8. Le comportement du réseau doit assurer Mf
(p) – M0 (p) = 3 pour respecter la contrainte. Le respect d’une
contrainte est donc modélisé comme un problème d’accessibilité
d’un marquage Mf depuis M0. En utilisant ce principe, chaque
contrainte est modélisée par une place dans le réseau de Petri. Il
reste maintenant à modéliser la fonction objectif en terme de fonc-
tionnement sur le réseau. Dans un réseau de Petri, une seule transi-
tion est tirée à la fois. Ainsi, en associant un coût à chaque tir d’une
transition, il est possible de connaître à tout instant la valeur de la
fonction objectif. La direction de l’optimisation (min, max) n’est pas
(0)
Tableau 1 – Relation entre un programme et un réseau de Petri
Programme linéaire
contraintes
variables
matrice des contraintes
coefficient de la fonction objectif
second membre des contraintes (b > 0)
solution optimale X
Toute reproduction sans autorisation du Centre français d’exploitation du droit de copie est strictement interdite.
© Techniques de l’Ingénieur, traité Informatique industrielle
représentée dans le réseau de Petri. Clairement, l’optimisation d’un
programme linéaire peut être vue comme la recherche d’une
séquence optimale pour atteindre un marquage Mf depuis M0.
Nous avons montré [2] que tout programme linéaire peut être
modélisé par un réseau de Petri. Nous récapitulons dans le
tableau 1 les relations entre un programme linéaire et un réseau de
Petri.
3.2.2 Modélisation de la planification
des fours et des machines
Sur un horizon T donné, les commandes (prévisionnelles ou
fermes) sont connues par bouteille et par teinte. Le couple machine/
bouteille fixe la cadence de production. L’objectif de la planification est
d’affecter les teintes aux fours, puis les commandes aux machines.
Le modèle réseau de Petri du système de planification va utiliser
trois types de places : les places fours où le marquage indiquera la
marquage indiquera le nombre d’heures de fonctionnement dans
une teinte donnée et les places demandes dont le marquage indique
le nombre de bouteilles commandées dans chaque teinte. Deux
types de transitions vont être utilisés : les transitions affecter_teinte
qui assurent la répartition des heures de fonctionnement entre les
places fours et machines/teinte et les transitions fabrications qui
modélisent la répartition des heures machines aux différentes
commandes. Les coûts associés aux transitions modélisent d’une
part les coûts de matière première et de fusion et d’autre part, les
coûts de fabrication et de moulerie. Nous notons figure 9, kij la
cadence de la machine i pour produire un modèle j. Cette figure
donne la formulation du problème résolu dans Ariane. Pour le
marquage initial, seules les places fours sont marquées et pour le
marquage final, les places demandes doivent contenir le nombre de
jetons nécessaire.
x1 x3
2
4
x2 x4
Figure 8 – Modélisation d’une contrainte linéaire
Réseau de Petri
places
transitions
matrice d’incidence
coûts associés aux transitions
i =m
M0 ( p ) = ∑ C ( i, p ) et Mf (p) = M0 (p) + b (p)
i=1
pour p = 1, …, n
vecteur caractéristique optimal (∃s, M0 s Mf)
S 7 254 − 9
APPLICATIONS DES RÉSEAUX DE PETRI ___________________________________________________________________________________________________
Four
Affecter_teinte
Machine/teinte
Fabrications
c1,1 c1,2 c2,1 c2,2
Modèle 1/teinte 1 Modèle 2/teinte 1
Demande modèle/teinte
Figure 9 – Modèle du système de planification
3.2.3 Planification des machines avec équilibrage
des lignes
La planification à court terme utilise les résultats du plan à moyen
terme, c’est-à-dire le calendrier des teintes pour chaque four et
l’affectation des lots de modèles aux usines. Pour chaque couple
bouteille/machine sont connues la cadence de production kij et la
marge unitaire de production mij du produit j sur la machine i qui est
donnée par le prix de vente moins les coûts de production. Le rende-
ment est supposé être pris en compte dans les coûts. Les nombres
d’heures de fonctionnement par teinte et par machine sont fixés par
le niveau de planification supérieur. Pour chaque machine, la dispo-
nibilité en heures dans chaque teinte est donnée. Les quantités
commandées dans chaque bouteille/teinte sont aussi connues. Le
critère optimisé est la maximisation de la marge. En sortie, les lots
sont distribués aux machines dans chaque campagne de teinte.
Lorsqu’une campagne de teinte se termine, toutes les machines
doivent terminer leurs productions en même temps, de façon à
amorcer le changement de teinte. L’objectif de la planification à
court terme est d’établir un plan de production visant à charger les
machines de façon à ce qu’elles terminent leurs productions en
même temps. De cette façon, aucun arrêt de ligne de production
n’est nécessaire, évitant ainsi de déstabiliser la charge du four.
Le modèle réseau de Petri contient une place par machine, dont le
marquage représente le nombre d’heures de fonctionnement de la
machine Mi , une place par demande Dj dont le marquage repré-
sente le nombre de bouteilles fabriquées. Les transitions tij modéli-
sent les fabrications et les coûts sont les marges de production. Un
arc relie Mi à tij valué par 1 et un arc relie tij à Dj valué par kij . Le tir
d’une transition, avec une quantité unitaire, représente ainsi une
heure de fabrication de Dj sur Mi à la cadence kij . Initialement, les
places machines sont marquées par ai jetons et les autres places
sont vides. Le marquage final est défini par les places machines
vides et bj jetons dans les places Dj . Le problème de maximisation
de la marge consiste alors à calculer la séquence avec un coût total
maximal conduisant au marquage final depuis le marquage initial.
Les transitions si représentent des variables d’écart et permettent
d’éliminer les heures de disponibilité non utilisées par les machines.
On définit une transition (variable) Cmax représentant la fonction
d’équilibrage. Le marquage initial et final de cette nouvelle place est
nul. Les transitions tij doivent être franchies le même nombre de
fois, afin que le tir de la transition Cmax permette d’atteindre le
Toute reproduction sans autorisation du Centre français d’exploitation du droit de copie est strictement interdite.
S 7 254 − 10 © Techniques de l’Ingénieur, traité Informatique industrielle
marquage final. Le modèle complet est donné figure 10. Le pro-
gramme mathématique associé à ce réseau de Petri est :
i =m j = n
max z = ∑ ∑ mij kij xij
i=1j=1
avec xij quantité de produit j fabriqué sur la machine i.
Soumis aux contraintes
j= n
∑ xij < ai ∀i = 1, …, m (offres)
j=1
i= m
∑ k ij x ij = b j ∀j = 1, …, n (demandes)
(5)
i=1
j= n
∑ xij = C max ∀i ∈ M f , ∀f = 1, …, F (équilibrage)
j=1
x ij > 0 ∀ i = 1, … , m ∀ j = 1, … , n
Évidemment, la taille du réseau devient rapidement très importante.
Nous verrons dans le paragraphe 3.4 comment générer automatique-
ment le réseau de Petri modélisant le système de planification. Nous
présentons maintenant comment le modèle réseau de Petri va contri-
buer à la résolution du problème de planification.
3.3 Résolution
La démarche de constitution d’un plan de production reste du
domaine de l’aide à la décision. La très grande variété des contrain-
tes ne permet pas de les modéliser explicitement une à une avec un
réseau de Petri ou un programme mathématique. De plus, des choix
stratégiques peuvent être ponctuellement contradictoires avec
l’optimisation globale. Ainsi, la solution doit être construite conjoin-
tement par l’homme et la machine pour constituer rapidement un
plan de production pertinent.
3.3.1 Résolution manuelle
L’approche de planification manuelle dans un système d’aide à la
décision consiste à laisser le décideur prendre des décisions. Dans
notre cas, cela revient à réaliser manuellement les affectations des
variables du programme linéaire. Il dirige ainsi les grandes options
du planning désiré. D’un point de vue mise en œuvre, cela revient à
ajouter des contraintes supplémentaires dans le programme
linéaire modélisant le problème originel de planification de produc-
tion.
Les inconvénients d’une telle approche sont les incohérences des
affectations réalisées manuellement par rapport aux contraintes
originelles (comme la capacité des machines). De plus, la cohérence
des contraintes supplémentaires entre elles n’est pas garantie. Par
exemple, les affectations en heures de fonctionnement des machi-
nes dépendant d’un four sont liées aux affectations des teintes sur
ce même four. De plus, aucun historique des contraintes d’affecta-
tion n’est tenu à jour puisqu’elles sont indifférenciées dans le
programme linéaire. Le raisonnement du décideur est donc perdu.
Pour réaliser la planification manuelle, un joueur de jeton interac-
tif peut être utilisé. Le logiciel permet l’ensemble des affectations
possibles en fournissant l’ensemble des transitions validées dans le
réseau de Petri du problème de planification. La prise de décision du
décideur revient à tirer une transition. L’impact de cette décision est
directement calculé par la règle de tir : retrait de jetons dans les
places en entrée de la transition et ajout de jetons dans les places en
sortie de cette transition. Les séquences de tirs ainsi constituées
permettent de pallier les deux problèmes de cohérence notés plus
haut. Premièrement, le respect des contraintes originelles revient à
respecter la règle de validation des transitions. Deuxièmement,
____________________________________________________________________________________________________ APPLICATIONS DES RÉSEAUX DE PETRI

s1 a1 M1 s2 a2 M2 s3 a3 M3

x11 x12 x13 x21 x22 x23 x31 x32 x33

Cmax

k11 k32
k12 k22 k23
k21 k33
k31 k13

Figure 10 – Réseau RdP de la planification à court terme avec équilibrage de lignes

l’ordre des contraintes posées est mémorisé dans la séquence de

tirs que construit progressivement le décideur. Son raisonnement
est ainsi conservé. Un dernier avantage de l’approche RdP est de ne
pas changer la taille du programme linéaire à résoudre car aucune
contrainte supplémentaire n’est posée.
3.3.2 Résolution automatique
Chaque place du réseau de Petri correspond à une contrainte
dans le programme linéaire. De même, chaque transition corres-
pond à une variable. Le second membre du système d’équations
linéaires (contraintes) est calculé par la méthode présentée dans le
paragraphe 3.2. Grâce à cette correspondance, les réseaux de Petri
modélisant les systèmes de planification peuvent être formulés
comme des programmes linéaires. Un solveur classique peut alors
être utilisé pour calculer le plan de production optimal.
L’avantage de cette approche est de pouvoir spécifier des sous-
problèmes à résoudre en indiquant un marquage cible à atteindre
différent du marquage final. Par exemple, on peut ainsi se focaliser
sur l’affectation des bouteilles dans une teinte donnée. Cela n’est
pas réalisable lorsque seul le programme linéaire est utilisé pour
construire le planning. L’apport des réseaux de Petri est donc à
nouveau intéressant dans le cadre d’un logiciel d’aide à la décision.
3.4 Mise en œuvre informatique
La gestion informatique d’un réseau de Petri de taille importante
peut être faite à l’aide d’une base de données, et sa manipulation
peut être faite avec un langage de quatrième génération (L4G)
comme SQL (Structured Query Language). Une base de données
relationnelle mémorise les informations structurées en différents
tableaux appelés tables. Une table mémorise les informations liées
à une entité du système. Des exemples d’entités sont les places, les
arcs et les transitions. Les colonnes d’une table désignent les attri-
buts de l’entité. Par exemple, les colonnes (attributs) des trois tables
que nous allons utiliser sont données figure 11. Les lignes de la
table correspondent aux occurrences de l’entité. Dans le cas de
l’entité place, le nombre de lignes dans la table correspondante sera
le nombre de places dans le réseau. Chaque place définit ainsi un
multiensemble d’éléments. Le langage SQL permet d’extraire des
sous-ensemble d’occurrences, d’effectuer des opérations ensem-
blistes et de faire des calculs sur des tables. Dans un souci de simpli-
fication, nous ne présentons pas les requêtes SQL mais seulement
les fonctions mises en œuvre.
PLACE ARC TRANSITION
nom numéro nom
marquage_M0 relation={pré,post} coût
marquage_Mf place tirs
transition
valuation
Figure 11 – Tables SQL mémorisant le modèle
Le prototype réalisé permet de valider la méthodologie reposant
sur les concepts présentés dans les paragraphes précédents. La
principale source de difficultés provient de la taille du réseau de
Petri modélisant le système de planification. Un moyen simple de
constituer le réseau automatiquement est de décrire seulement un
squelette à l’aide du système d’information du système de planifi-
cation de l’entreprise. Le squelette du réseau va définir les liens
entre les différents types de variables. Ce squelette sera ensuite
expansé en un réseau de Petri avec des requêtes SQL. Ces requêtes
utiliseront les tables du système d’information de l’entreprise. À
chaque objet du graphe (arc, place ou transition) correspond une
requête SQL remplissant la table associée (arc, place ou transition).
Le squelette du réseau défini figure 9 est donné figure 12. Par
exemple, la place « place disponibilité four » du squelette est liée à
une requête de même nom qui va mémoriser dans la table « place »
toutes les places associées. Cette requête va définir autant de places
qu’il existe de fours dans la table du système d’information appelée
« four ».
De la même façon, nous avons implémenté le joueur de jetons du
réseau de Petri avec des requêtes SQL. Ces requêtes permettent
ainsi d’effectuer manuellement le plan de production et aussi de
convertir le réseau en un programme linéaire.
La règle de tir d’une transition effectue la mise à jour du
marquage. Les jetons associés aux places en entrée de la transition
t tirée sont d’abord soustraits, puis dans un deuxième temps, les
jetons sont ajoutés dans les places en sortie de t. Nous avons consi-
déré que le nombre de tirs peut être supérieur à un. Cette opération

Toute reproduction sans autorisation du Centre français d’exploitation du droit de copie est strictement interdite.
© Techniques de l’Ingénieur, traité Informatique industrielle S 7 254 − 11
APPLICATIONS DES RÉSEAUX DE PETRI ___________________________________________________________________________________________________

sation du problème de planification reste du ressort d’un spécialiste.

De plus, l’entreprise ne désire pas apprendre un nouveau langage
Place disponibilité four de spécification et préfère utiliser son langage métier. Ainsi pour
permettre la formalisation du problème de planification, une
surcouche graphique utilisant le langage métier doit impérative-
Arc four/teinte
ment être définie afin de masquer à l’utilisateur final les réseaux de
Petri, qui ne sont alors qu’un modèle utilisé pour l’implémentation
Transition four/teinte du logiciel. C’est seulement avec cet effort supplémentaire que
l’utilisateur final pourra définir lui-même de nouveaux modèles de
Arc teinte/machine problèmes de planification.
L’étude détaillée de ce cas se trouve en bibliographie, référence
Place disponibilité machine [2].

Arc machine production

Transition four/teinte/machine/modèle
Arc production commande
Place modèle/teinte
Figure 12 – Squelette du réseau modélisant le problème
de planification
est effectuée par deux requêtes SQL. Le nombre de tirs d’une transi-
tion donnée est mémorisé dans la table « transition » dans le
champs tirs.
L’ensemble de ces requêtes permet de définir la construction
manuelle et progressive d’une solution du problème de planification.
Toutefois, l’utilisateur reste libre d’utiliser la représentation du réseau
de Petri sous forme d’un programme linéaire pour recourir à l’optimi-
sation mathématique d’une sous-partie du problème général.
3.5 Conclusion
Nous avons présenté une approche fondée sur les réseaux de
Petri pour planifier la production de bouteilles en verre. La résolu-
tion semi-automatique du problème est alors possible. La résolution
manuelle est faite par un joueur de jetons interactif où le décideur
choisit les transitions à franchir. La résolution automatique s’obtient
par la résolution du programme linéaire associé au réseau de Petri.
L’apport des réseaux de Petri tient dans la possibilité d’enchaîner
ces deux modes de fonctionnement.
L’expérience menée au sein du service planification de production
de BSN/Emballage montre l’intérêt pour la méthode mais la modéli-
4. Conclusion générale
Cet article a introduit l’utilisation des réseaux de Petri dans la
production manufacturière à partir de deux exemples.
Dans une première partie, l’étude d’un cas concret a montré
comment modéliser une ligne de fabrication simple. Le dimension-
nement et l’évaluation des performances du système ont été étudiés
à partir du graphe d’événements temporisés obtenu lors de la phase
de modélisation. Cet exemple a permis de mettre en évidence, au
moins partiellement, quelques avantages de l’approche par réseaux
de Petri. Nous avons ainsi montré succinctement qu’une même
famille d’outils est utilisée pour la spécification, la modélisation,
l’analyse qualitative, le dimensionnement et l’évaluation des perfor-
mances du système étudié.
La deuxième partie de cette étude a décrit la mise en œuvre d’un
système de planification de production. Ce cas industriel a présenté
diverses techniques de résolution de ce problème et a permis de
compléter l’étude précédente en mettant en évidence d’autres avan-
tages de l’approche par réseaux de Petri. La même famille d’outils a
été utilisée à différents niveaux d’analyse, comme l’ordonnance-
ment, la planification, la coordination globale et le contrôle local de
production.
L’article a ainsi abordé quelques-unes des techniques, basées sur
les réseaux de Petri, permettant de seconder les ingénieurs de
production dans leur travail.
Informations pratiques et activités des groupes de recherche.
Serveur internet de l’université de Arrhus au Danemark conte-
nant des outils logiciels en-ligne :
http://www.daimi.aau.dk/PetriNets/
Serveur du groupe francophone sur les réseaux de Petri. Il
tient à jour une liste d’ouvrages concernant le domaine :
http://www.ec-lille.fr/~rdp

Références bibliographiques
[1] PROTH (J.M.) et XIE (X.). – Les réseaux de
Petri pour la conception et la gestion des sys-
tèmes de production. 292 p., bibl. (67 ref.),
1995 MASSON 120, boulevard Saint-Ger-
main, 72580 PARIS Cedex 06.
[2] RICHARD (P.). – Contribution des réseaux de
Petri à l’étude des problèmes de recherche
opérationnelle. 174 p., bibl. (142 ref.), 1997
Thèse de doctorat, Université « François
RABELAIS », École d’Ingénieurs en Informa-
tique pour l’Industrie, 64 Avenue jean Porta-
lis, 37200 TOURS.
[3] SILVA (M.) et VALETTE (R.). – Petri Nets and
Flexible manufacturing (Réseaux de Petri et
systèmes de production). Lectures Notes in
Computer Sciences, Advances in Petri Nets,
n° 424, 1989, pages 374 à 417, 6 figures,
bibl. (172 ref.), Springer-Verlag, D-69042 Hei-
delberg, Germany.
[4] XIE (X.). – Analyse, conception et contrôle
des systèmes de production. 250 p. bibl. (150
ref.), 1995 HDR en Sciences, Université de
METZ.
[5] PROUST (C.) et GRÜNENBERGER (E.). – Pla-
nification de production dans un contexte de
Flowshop hybride : conception et interpro-
grammation de ARIANE 2000. Revue d’Auto-
matique et de Productique Appliquée, vol. 8,
n° 5, 1995, pages 715 à 734.
Dans les Techniques de l’Ingénieur
[6] LADET (P.). – Outils de modélisation des
automatismes séquentiels. Les réseaux de
Petri. Traité Mesures et Contrôle, n° R 7 252,
1989, pages 1 à 16, 32 figures, bibl. (4 ref.).

Toute reproduction sans autorisation du Centre français d’exploitation du droit de copie est strictement interdite.
S 7 254 − 12 © Techniques de l’Ingénieur, traité Informatique industrielle