Modélisation des systèmes à événement

discrets par réseaux de Petri

MANSOURI Hajar
Hajar.mansouri@gmail.com
2016-2017
 Plan

n Chapitre 1. Introduction générale aux RdP

n Chapitre 2. Méthodes d’analyse et propriétés des

RdPs

n Chapitre 3. Extensions des Réseaux de Petri

n Chapitre 4. Plate forme CPN Tools (Simulation)

2
Modélisation des systèmes à événement
discrets par réseaux de Petri

Chapitre II: Méthodes d’analyse et

propriétés des Rdps
 Plan
n Méthodes d’analyse
• Graphe de marquage Analyse par énumération des
• Graphe de couverture marquages

• Méthode algébrique
– Matrice d’incidence
– Equations d’état Simulation

– P-invariants
Invariants
– T-invariants
n Propriétés comportementale
• Atteignabilité
• Bornitude
• Vivacité
• Réversibilité

4
 Introduction

Comportementales
VS

Structurelle

5
 Réseaux de Petri –Arbre de marquage-

Arbre de marquage
n Considérons un Rdp PN= (R,M0),


Exp: machine soumise aux aléas

n L’objet de l’arbre de marquage est de découvrir tous

les marquages que l’on peut atteindre à partir de M0

Arborescence dont les nœuds sont les marquages atteignables à

partir de M0, et dont chaque arc représente le tirage d’une
transition. La racine de l’arborescence représente M0.

6
 Réseaux de Petri –Graphe de marquage-

Graphe de marquage


n A la notion arbre de marquage est associée la notion de
graphe des marquages GA(R ; M0), qui est un graphe
dont :

• Les nœuds sont les nœuds libellés « new » dans l’arbre

• Un arc joint le nœud A au noeud B si et seulement si le marquage
associé à B est déduit du marquage associé à A par le
franchissement d’une transition unique.

n Exemple machine soumise aux aléas

7
 Réseaux de Petri –Graphe de marquage-

Séquence de franchissement

n Le franchissement successif de transitions (sensibilisées)
dans un ordre donné à partir d’un marquage donné
constitue une séquence de franchissements.
n Les Séquences de franchissement peuvent être notés
différemment selon les auteurs.
Un exemple de séquence qui conduit du marquage M0 au marquage M2
S1 = T1 T2 ou M0 (T1 T2 M2 , M0(S1 M2), ou encore M0[S1 >M2).
Un exemple de séquences qui conduisent du marquage M0 au
marquage M0
S2 = T1T2T3 ou M0(T1T2T3 M0, M0(S2 M0), ou encore M0[S2 >M0).

8
 Réseaux de Petri –Graphe de marquage-
n Construire l’arbre de marquage du modèle suivant:

On remarque que L’arbre de marquage peut se développer

indéfiniment

9
 Réseaux de Petri –Arbre de recouvrement-
n Pour éviter d’aboutir à un graphe qui se développe
indéfiniment il a été décidé :
i. Qu’un marquage qui a été trouvé à un niveau précèdent de
l’arborescence est marqué par « old », un nœud marqué
« old » sera une feuille de l’arborescence (on cherchera pas
ses descendants)
ii. Que si un marquage M* obtenu à un niveau donné est tel qu’il
existe, sur le chemin qui mène de la racine M0 à M* un
marquage M tel que M*(p) >= M(p) pour toutes les places p du
RdP, et si M*(p)>M(p) pour au moins une place, alors le
marquage de cette place est marqué « w ». Ce symbole peut
se comprendre comme signifiant l’infini.
Ce marquage restera w dans tous les développements suivants, et
la règle « i » s’applique également aux marquages contenant le
symbole w

10
 Réseaux de Petri –Graphe de recouvrement-

n L’arbre ainsi obtenu s’appelle arbre de recouvrement,

n Il permet moyennant l’acceptation de certaines pertes
d’informations, de limiter la taille du graphe lorsque le nombre
d’états n’est pas fini.
n Certains des sommets représentent des marquages pour
lesquels un ou plusieurs places ont un nombre de jetons, noté,
w, pouvant être arbitrairement grand, M(p)=w
Il contient moins d’information que l’arbre de marquage et reste
de taille limitée
n Le graphe de recouvrement GC(R ; M0), est dérivé du
précèdent,
n Graphe dont les nœuds sont libelés « new » dans l’arbre de
recouvrement

11
 Exemple
n Construire le graphe de recouvrement des modèles
suivants:
p1
t3

p2 t1 t0

t2
p3

12
 Solution

13
 Réseau de Petri –Matrice d’incidence-
n Considérons le RdP « R » comportant l places et m
transitions.
n R peut être représenté par une matrice dite d’entrée
E(P,T) ou Pré(P,T) et une matrice dite de sortie S(P,T)
ou Post(P,T) définies comme suit :
E(P,T) : matrice de dimension l×m dans laquelle :
• E(i,j)= poids de l’arc reliant Pi à Tj si Pi est une place d’entrée
de Tj.
• E(i,j)= 0 si Pi n’est pas une place d’entrée de Tj.
S(P,T) : matrice de dimension l×m dans laquelle :
• S(i,j)= poids de l’arc reliant Tj à Pi si Pi est une place de sortie
de Tj.
• S(i,j)= 0 si Pi n’est pas une place de sortie de Tj.

14
 Exercice

Pour le RdP suivant :

n Indiquer le marquage initial
t1 3 t3
n Etablir la matrice d’entrée E
n Etablir la matrice de sortie S p2
p1 p3

2
t2 t4

15
 Solution
0
MO = [MO(p1),MO(p2) ,M0(p3)]T =
3
0
• Une matrice d’entrée représente les arcs allant d’une place à une transition.
L’élément (i, j) de la matrice d’entrée est différent de 0 s’il y a un arc de la
place i vers la transition j.

• Une matrice de sortie représente les arcs allant d’un transition à une place.
L’élément (i, j) de la matrice est différent de 0 s’il y a un arc de la transition
i vers la place j.

NB : si A matrice de dimension (l*m) alors At est matrice tansposée de dim
(m*l)


t1 t2 t3 t4 t1 t2 t3 t4
E
S

p1 0 1 0 0 p1 1 0 0 0
p2 1 0 3 0 p2 0 1 0 2
p3 0 0 0 1 p3 0 0 1 0

16
 Réseau de Petri –Matrice d’incidence-
n Franchissement par algèbre linéaire,

n En utilisant la notion d’algèbre linéaire, le

franchissement (tir) d'une transition tj ne peut s'effectuer
que si le marquage de chacune des places pi
directement en amont de cette transition est tel que :

i1 i2

pi tj
M(pi) ≥ Pré (pi, tj ) (condition nécessaire)
Poid de l’arc reliant pi à ti

Le nombre de marque de la place pi

17
 Réseau de Petri –Matrice d’incidence-
n Le franchissement (tir) de tj consiste à retirer Pré (pi, tj )
jetons dans chacune des places directement en amont
de tj et à ajouter Post(pk,tj ) jetons dans chacune des
places pk directement en aval de tj .
n Le franchissement de tj conduit au nouveau marquage
M' tel que :
∀pi ∈ P , M’(pi) =M(pi) - Pre(pi,tj) + Post(pi,tj)t
j

n La différence des marquages M et M’ tels que M → M' est

égale à Post – Pre. On introduit la matrice W, dite
matrice d'incidence telle que :
∀pi ∈ P , ∀ tj∈ T : W(pi,tj) = Post(pi,tj) - Pre(pi,tj)

Poid de l’arc reliant tj à pi

18
 Equation d‘état
n On peut par conséquent établir le nouveau marquage
M’ à partir du marquage M par franchissement de la
transition tj en appliquant la règle suivante :

MTk=MTi+W.ST
M: Marquage initial
W: matrice d’incidence
S: Vecteur caractéristique

n On définit S, vecteur caractéristique de la

séquence S en précisant pour chaque transition le
nombre de fois où la transition est franchie dans la
séquence.

19
 Exemple

0 0 1 0 0
1 0 0 1 0
0 0 0 1 1
0 T2
1 T4
0 T1
0 T2
1
1 1 0 0 0

M0
M1
M2
M3
M4

0
1 0
M1= M0+W
0 1

0
M2=M0+W
0

0 1
M2=M1+W
0 Le vecteur donne le nombre de
0 franchissement de chaque transition
20 1 dans la séquence S = T4T2.

 Equation d‘état

Cette équation permet de calculer en une seule opération,

sans parcourir le réseau, le marquage obtenu après le
franchissement de la séquence complète.

Exemple :
En appliquant l’algèbre linéaire trouver
le marquage M’ correspondant au
franchissement de la transition T2 et le
marquage M’’ correspondant au
franchissement de la transition T1.

21
 Exercice
On considère la séquence de franchissement
S = T1T2T4T2
A quel marquage conduit le franchissement de cette
séquence
-en parcourant le RDP
- en utilisant l’algèbre linéaire

Même exercice en
considérant la séquence
T1T3 et T1T3T2T4

22
 Exemple
• Le vecteur caractéristique ?
S= [1 2 0 1 0]T
• Matrice d’incidence ?
⎡0 0 0 0 1 ⎤ ⎡1 0 0 0 0 ⎤ ⎡-1 0 0 0 1 ⎤
⎢1 0 0 1 0 ⎥⎥ ⎢⎢0 1 0 0 0 ⎥⎥ ⎢⎢ 1 -1 0 1 0 ⎥⎥
⎢
W = S- E = ⎢1 0 0 0 0 ⎥ - ⎢0 0 1 0 0 ⎥ = ⎢ 1 0 -1 0 0 ⎥
⎢ ⎥ ⎢ ⎥ ⎢ ⎥
⎢0 1 0 0 0 ⎥ ⎢0 0 0 1 1 ⎥ ⎢ 0 1 0 -1 -1⎥
⎢⎣0 0 1 0 0 ⎥⎦ ⎢⎣0 0 0 0 1 ⎥⎦ ⎢⎣ 0 0 1 0 -1⎥⎦

• Le marquage obtenu à partir du marquage initial M0 :

⎡1 ⎤ ⎡-1 0 0 0 1 ⎤ ⎡1 ⎤ ⎡0 ⎤
⎢0 ⎥ ⎢ 1 -1 0 1 0 ⎥⎥ ⎢⎢ 2 ⎥⎥ ⎢⎢0 ⎥⎥
⎢ ⎥ ⎢
T
M = M 0 + W.S = ⎢0 ⎥ + ⎢ 1 0 -1 0 0 ⎥ ⎢ 0 ⎥ = ⎢1 ⎥
⎢ ⎥ ⎢ ⎥ ⎢ ⎥ ⎢ ⎥
⎢0 ⎥ ⎢ 0 1 0 -1 -1⎥ ⎢1 ⎥ ⎢1 ⎥
⎢⎣0 ⎥⎦ ⎢⎣ 0 0 1 0 -1⎥⎦ ⎢⎣ 0 ⎥⎦ ⎢⎣0 ⎥⎦

23
 Exercice
Attention :
n L’obtention d’un marquage à partir d’un autre ne signifie pas
forcément l’unicité du vecteur caractéristique. En effet, si on
reprend l’exemple ci-dessous, on aboutit à partir du marquage
initial M0 au marquage M3 par franchissement de la séquence
T1T3 (S=[1 0 1 0 0]T) ou par franchissement de la séquence
T1T3T2T4 (S=[1 1 1 1 0]T).
n Une séquence est dite répétitive si à partir d’un marquage initial, on
aboutit à un marquage final identique au marquage initial.
n Les résultats de l'équation fondamentale, même s'ils sont toujours
calculables, n'ont de sens que si la séquence représentée par S est
effectivement réalisable.

24
 P-invariant

Définition:

Un vecteur Z de dimension n (n est le nombre de place du RdP
considéré) et dont les composantes sont entières et non
négatives est un p-invariant si:



Z. U = 0

U est la matrice d’incidence du RdP.

25
 Exemple

26
 P-invariant

Théorème:

Si Z est un p-invariant et M0 un marquage initial quelconque
d’un RdP, alors Z.Mt0= Z.Mt pour tout marquage M atteignable à
partir de M0 (démonstration à partir de l’équation d’état)

-> Demonstration

+


-> Exemple

27
 P-invariant

28
 P-invariant

29
 P-invariant

30
 P-invariant

31
 P-invariant

Le nombre total de jetons

dans ces places n’est pas
constant.

32
 P-invariant

33
 P-invariant

34
 P-invariant

35
 T-invariant

Définition:

Un vecteur W de dimension q (q est le nombre de transition du
RdP considéré) et dont les composantes sont entières et non
négatives est un t-invariant si:



U. Wt = 0

U est la matrice d’incidence du RdP.

36
 T-invariant

n Signification t-invariant:
Si le marquage initial permet un franchissement de t1 et
t2 dans n’importe quel ordre, alors on revient au
marquage initial après franchissement de ces deux
trnasition

Théorème:

Soit sigma une séquence tirable et S le vecteur de comptage
correspondant. Si S est un t-invariant, M0 le marquage
initial et M le marquage obtenu après le tirage de sigma
alors M=M0

37
 Propriétés comportementales

Bornitude
n La propriété RdP borné répond à la question de savoir si le
nombre de jetons circulant dans le réseau reste borné ou non.
n Soit un réseau R et un marquage M0. Une place Pj du réseau
marqué (R,M0) est k-bornée si pour tout marquage Mi accessible
depuis M0, le nombre de marques dans Pi est toujours inférieur ou
égale à k.
Pj est k-borné ⇔ ∀ Mi accessible depuis M0, et Pj ∈ P, Mi(Pj) ≤ k
n Un RdP marqué est borné si toutes ses places sont bornées. Dans
le cas contraire la place Pj est dite non bornée.

38
 Exemple
n la transition T1 admet la place P1 comme unique place d’entrée.
n La place P1 a une marque : la transition T1 est franchissable.
Comme P1 est aussi place de sortie de T1, le franchissement
de T1 ne change pas le marquage de P1.
n La transition T1 est donc franchissable en permanence et peut
donc être franchie un nombre de fois infini.
n Chaque franchissement de T1 ajoute une marque dans la place
P2.
n le marquage de P2 peut tendre à l’infini donc tendre vers l’infini.

Réseau non borné

39
 Exercice

Est-ce que ce réseau de Petri est borné ou non ?

Marquages successifs :
Marquage initial : M0 = [0 0 1]
Tir de T2 èM1 =[1 1 0]
Tir de T1 èM2 =[0 1 1]
Tir de T2 èM3 =[1 2 0]
Tir de T1 èM4=[ 0 2 1]
Tir de T2 èM5 =[1 3 0] …
Croissance infinie des jetons dans la
place P2.
Exemple d’un réseau non borné

Remarque : Si k = 1è le RdP est dit sauf ou binaire.

40
 Propriétés comportementales
Analyse par énumération
Exemple

Un Rdp est borné si et seulement si les marquages liés aux

nœud de l’arbre de recouvrement ne comporte pas d’éléments
«w». Si la condition précedente est vraie, le Rdp est K borné si
et seulement si les marquages de l’arbre de recouvrement ne
comportent pas d’éléments supérieurs à K.

41
 Propriétés comportementales
Analyse par invariants
Exemple

1. Un Rdp admet un p-invariant si toutes les composantes de Z

sont strictement positives,

2. Si toutes les composantes de Z sont strictement positives,

alors le nombre total de jetons dans le Rdp considéré est
borné,

3. Si un RdP représente un système de production et si toutes

les composantes du vecteur sont égales à 1, alors le
nombre de jetons du réseau reste constant, quelque soit la
séquence de transition tirée.

42
 Propriétés comportementales
Atteignabilité

n Le fait de pouvoir déterminer si un état donné peut être

atteint est important lorsqu’on étudie les systèmes de
fabrication.

n On a besoin de savoir si un état donné nécessaire pour faire

certains réglages ou certaines mesures va pouvoir être
atteint et comment.

43
 Propriétés comportementales
Atteignabilité
n Si un RdP N=< R;M0 > ou M0 est le marquage initial et R
est un réseau place transition borné, un marquage M est
atteignable si et seulement si le graphe des marquages
atteignables comporte un nœud représentant M.
n Si le RdP est non borné, il est impossible de vérifier à l’aide
d’un graphe de recouvrement si M est atteignable. On peut
seulement vérifier qu’il existe un marquage M’>M.
Rappel:
n Le marquage accessible correspond à toutes les situations
possibles du RdP au cours de son évolution à partir du
marquage initial
n L’ensemble des marquages accessibles est noté A(R;M0).

44
 Propriétés comportementales

Analyse par énumération

Exemple

1. Vérifier si le marquage M4(0 0 0 1 1) est

accessible

2. Donnez l’ensemble des marquages
accessibles, A(R;M0), pour le RdP suivant.

45
 Solution

46
 Solution

Tir de T3

A(R;M0) = {M0, M1, M2, M3, M4}

47
 Propriétés comportementales
Analyse par invariants
Exemple
Reprendre l’exemple de la machine soumise aux aléas

1. Déterminez les p-invariants

2. Vérifier si le marquage M=(0,1,0,1) est atteignable à l’aide de
ces p-invariants
3. Généraliser le résultat à un RdP quelconque

Un marquage M d’un RdP n’est pas atteignable si il existe un

p-invariant X tel que Xt.M différent de Xt.M0

48
 Propriétés comportementales

Vivacité (1/3)
n Un RdP est quasi vivant pour un marquage initial M0 si
toutes ses transitions sont quasi vivantes pour ce
marquage initial.
Une transition Tj est quasi vivante pour un marquage
initial M0 s’il existe une séquence de franchissements à
partir de M0 contenant Tj.
Exemple:

La transition T1 est quasi vivante pour le Toutes les transitions sont quasi vivantes pour le
marquage initial M0. T1 est tirable au moins une marquage initial M0.
49fois)
 Propriétés comportementales

Vivacité(2/3)
n Un RdP est dit pseudo vivant si pour tout
marquage accessible depuis M0 il existe toujours
une transition «t » qui puisse être franchie.
Exemple:

Avec le marquage initial :

T1 et T2 sont tirables è le RdP est pseudo vivant
T3 n’est pas tirable è le RdP n’est pas quasi
vivant

50
 Propriétés comportementales

Vivacité(3/3)
n Un RdP marqué est vivant pour un marquage initial M0 si
toutes ses transitions sont vivantes pour ce marquage
initial
Une transition Tj est vivante pour un marquage initial M0 si
pour tout marquage accessible Mi, il existe une séquence de
franchissement S qui contient Tj à partir de Mi (c-à-d il
subsistera toujours une possibilité de franchir Tj).
Elle peut être franchie quelque soit le marquage atteint.
Exemple: Machine soumise aux aléas

51
 Exercice

52
 Propriétés comportementales

n La propriété de vivacité examine si une partie ou

l’ensemble du réseau peut ou non évoluer.
n N.B. Un RP vivant ne peut pas se retrouver en
situation d’interblocage

Un Rdp est en situation d’interblocage lorsque, dans un

marquage donné M, aucune transition n’est franchissable.

53
 Exercice

Est-ce que ce réseau de Petri est bloqué ou non ?

M0 = 1 1 0 0
M1 = 0 0 1 1
M2 = 0 1 2 0 : blocage !

54
 Exercice
n Est-ce que ce réseau de Petri est vivant ou non ?

Marquage initial : M0 = [1 1 0 0]
Tir de T1 è M1 = [0 0 1 1]
Tir de T2 èM2 = [0 1 2 0] è blocage !

55
 Propriétés comportementales

p1 p2
Interblocage!!
M0(p1)=1 t1 p9 t2
M0(p2)=1 p3
M0(p9)=2 p4
M0(_)=0
t3
t4
<t1,t2,t3,t4> p5
p6
2 2
Mn(p5)=1 t5 t6
Mn(p6)=1
Mn(_) = 0
p7 t7 t8
p8

56
 Propriétés comportementales

Réversibilité

n Un RdP est réversible si l’on peut toujours revenir au

marquage initial.

57
 Propriétés comportementales

n Ce RdP est réinitialisable, car pour tout marquage

accessible il existe une séquence de tirs conduisant
à M0.

58
 Propriétés comportementales

Réversibilité

n Un RdP possède un état d’accueil Ma pour un

marquage initial Mo si pour tout marquage accessible
Mi il existe une séquence de tirs S telle que Mi[S >Ma
n Un Rdp est propre si et seulement ∀ le marquage
Mi accessible depuis M0, ∃ une séquence de tirs
conduisant à M0.

59
 FIN

60
Modélisation des systèmes à événement
discrets par réseaux de Petri

Chapitre 3: Extension des réseaux de petri

 Extensions
Motivations des extensions

• Certaines propriétés ne peuvent pas être exprimées à l'aide des

réseaux usuels

• Nécessité de réduire la taille des modélisations

• Besoin d'avoir une information plus précise sur les jetons

transitant dans le réseau

62
 RDP Généralisé
Rdp généralisé
n Le franchissement d’une transition validée consiste à
enlever un jeton de toutes les places d’entrée de la
transition et à en déposer un dans toutes les places
de sortie de cette même transition.
n Ceci implique que les arcs orientés reliant les places
(d’entrée et de sortie) aux transitions ont par défaut
une valuation ou un poids d’une unité. Ce sont les
RdP ordinaires.
n De manière plus générale la valuation ou le poids
des arcs d’un RdP peut être supérieure à 1. Dans ce
cas les RdP sont dits généralisés.

63
 RDP à Capacité
RdP à capacité
n Dans un RdP ordinaire (ou généralisé) il n’y a aucune
limitation quant au nombre de jetons pouvant être
déposé dans une place.
n Un RdP à capacités est un RdP dans lequel des
capacités (nombres entiers strictement positifs) sont
associées aux places.
n Le franchissement d’une transition d’entrée d’une
place Pi dont la capacité est cap(Pi) n’est possible que
si le franchissement ne conduit pas à un nombre de
jetons dans Pi qui est plus grand que Cap(Pi).

64
 RDP à Capacité
n Dans l’exemple suivant, la transition T1 ne peut avoir
lieu lorsque le nombre de jetons dans P2 atteint 2.

65
 RDP à Capacité
Transformation d’un RdP à capacité en RdP ordinaire

• Supprimer la capacité de la place pj et ajouter une place pj1

qui est une place d’entrée de ti et une place de sortie de tj ,
• la capacité de la place pj est alors limitée par le
fonctionnement du rdp.

66
 RDP à Capacité

Tir de T1 Tir de T1 Tir de T1 Tir de T2

67
 RDP à arc inhibiteurs
Réseau de Petri à arcs inhibiteurs
n Un arc inhibiteur est un arc orienté qui part d'une place
pour aboutir à une transition (et non l'inverse). Son
extrémité est marquée par un petit cercle.
n La présence d'un arc inhibiteur entre une place Pi et une
transition Tj signifie que la transition Tj n'est validée que si
la place Pi ne contient aucun jeton.

68
 RDP à arc inhibiteurs
n Le franchissement consiste à retirer une marque dans
chaque place d’entrée de t à l’exception de P, et à ajouter
une marque dans chaque place de sortie de t.

n On utilise aussi les expressions test à zéro

69
 RDP Temporisé

n Les réseaux de Petri abordés jusqu’à présent

modélisent des systèmes dont l’évolution ne dépend
pas du temps.
n Un RdP-Temporisé permet de décrire un système en
tenant en compte des contraintes temporelles
(par exp: le temps d’exécution d’une série
d’opérations).
n Les RDP-Temporisé permettent d’évaluer les
performances temporelles des systèmes.

n Deux façons de modéliser la temporisation:

• Temporisation associée aux places (RdP P- temporisé),
• Temporisation associée aux transitions (RdP T- temporisé).

70
 RDP Temporisé
RDP – P-temporisé
n La temporisation des places consiste à associer une durée à
chaque place dont la signification est la suivante:
• Une marque déposée dans une place P doit y rester au moins le temps spécifié
par la fonction de temporisation,
• Ensuite seulement elle pourra être utilisée pour un tir de transition

On appelle Réseau de Petri P-temporisé le doublet

< R;Tempo> ou :
– R est un Réseau de Petri marqué ;
–Tempo fonction de temporisation
Tempo P -> Q+ (application de l’ensemble des places P dans Q) ou
– Q+ est l’ensemble des nombres rationnels positifs ou nuls ;
– Tempo(Pi)= di est la temporisation associée à la place Pi

71
 RDP Temporisé
RDP – P-temporisé
Principe de fonctionnement :
n Marque indisponible: lorsqu’une marque arrive dans une place
temporisée, on dit qu’elle est indisponible pendant un temps di.
n Marque disponible : Quand le temps est écoulé, la marque
devient disponible.

La règle de tir doit tenir compte du temps

72
 RDP Temporisé
RDP – P-temporisé

2
p1 3

La règle de tir doit tenir compte du temps

73
 RDP Temporisé

Stratégie de franchissement
n Rdp à vitesse maximale
On parle de fonctionnement à vitesse maximale
quand on franchit toute transition dès qu’elle devient
franchissable.
n Autre
une transition franchissable est franchie après un temps
aléatoire qui s'ajoute

74
 RDP Temporisé

75
 RDP Temporisé
Graphe des marquages à vitesse maximale
Rdp à vitesse maximale
A unmarquage
Graphe de instant donné, le
à marquage
vitesseMmaximale
= Md + Mi

Dans ce graphe, un arc reliant deux marquages successifs est étiquetés

par Tj/dk, où Tj est la transition franchie et dk la durée écoulée entre les
deux marquages

28
76
 Rdp à vitesse maximale

Fréquence de franchissement

77
 RDP Temporisé

78
 RDP Temporisé
RDP – T-temporisé
n On associe une temporisation (valeur rationnelle
positive) à chaque transition.
n Dans notre approche la temporisation des transitions
représente la durée des activités de fabrications
On appelle Réseau de Petri T-temporisé le doublet
< R;Tempo> ou :
– R est un Réseau de Petri marqué ;
– Tempo : T -> Q+ ou
– Q+ est l’ensemble des nombres rationnels positifs ou nuls ;
– Tempo(ti)=θ est la temporisation associée à la transition ti

79
 RDP Temporisé
RDP – T-temporisé
Principe de fonctionnement :
Supposons
• Le temps associé à une transition t soit θ (θ la temporisation de la transition ti)

• le franchissement de t débute à T0.

Franchir la transition t consiste à :
i. Retirer pre(p,t) jetons de tout p ε • t1 à l’instant To
ii. Ajouter post(p,t)jetons de tout p ε t1 • à l’intant T0+θ
p ε • t1 = toutes les places d’entrée de t
p ε t1 • = toutes les places de sortie de t

Ø Entre les instants T0 et T0+θ les jetons sont supposés séjourner dans la
transition.
Ø Cela représente dans notre approche, le séjour de pièce sur une machine
au cours de leurs transformation ou de leur assemblage

80
 RDP Temporisé
RDP – T-temporisé
Principe de fonctionnement :
p3
p1 t
3
p4
2

2

p2 t temporisé à θ

p5 Le franchissment de t débute à T0

P*

(a) Marquage à l’instant T

(b) Marquage sur [T0,T0+θ) ?

(c) Marquage à l’instant T0+θ ?

(d) Marquage sur [T0+θ, T0+2θ) ?

(e) Marquage à l’instant T0+2θ ?



81

 RDP Colorés
n Lorsque le système à modéliser

ü S o u s - m o d è l e s p r é s e n t a n t d e s s i m i l a r i t é s
structurelles(si utilisation d’une rsrce commune par plusieurs utilisateurs dans
conditions similaires)

ü volumineux
ü complexes
Il devient intéressant d'utiliser les RdPC.
1. le principe de coloration consiste en ce que les jetons
gagnent une identité.
2. Les réseaux colorés permettent de condenser le
modèle.
82
 RDP Coloré
n L’exemple proposé va permettre une première
approche de la démarche de coloration.

n Il s’agit d’étudier la modélisation de l’état de trois

machines similaires traitant tour à tour deux types de
pièces C1 et C2.

83
 RDP Coloré

Si il est question de représenter la situation de n

machines identiques

Le graphisme du modèle va se dupliquer n fois

Il serait plus intéressant de condenser l’information

84
 RDP Coloré
n Le principe des RdPC va être de traduire l’idée
suivante:
n En fait dans le RdP initial, le même modèle est
utilisé, dupliqué trois fois.
n Il est alors intéressant de concentrer toutes les
informations dans une seule boucle
– Chaque jeton de ce modèle représente à présent
une machine spécifique.
– Les deux premières machines, symbolisés par les
couleurs <1> et <2>, sont entrain de traiter des
pièces de type C1. La machine 3 traite une pièce de
type C2.
– Les jetons <1>, <2> et <3> sont alors respectivement
Couleur à une situés dans les places PC1, PC2 et PC2.
dimension

85
 RDP Coloré

– L’unique place de ce réseau se substitue aux

deux places précédentes PC1 et PC2.
– Chaque jeton coloré, de type <mi, cj>
représente une machine et spécifie son état.
– La couleur à deux dimensions <mi, cj> indique
que la machine mi traite une pièce de type cj.
Couleur a niv°

supérieur,
bidimentionelle

86
 RDP Coloré
n Lors de l’élaboration des RDP Colorés il faut
également spécifier les fonctions attachés aux arcs,

n Préciser quelles transformations impliquent chaque

fonction vis-à-vis de chaque couleur

87
 RDP Coloré
n Il faut également spécifier pour quelle couleur chaque
transition est franchissable
n Pour qu’une transition soit franchissable pour une
couleur <c> il faut trouver pour chaque place Pi en
amont de T un ensemble de couleur {C}i tel que
fi<c>={C}i

88
 RDP Coloré

89
 RDP Coloré
n De manière générale, chaque fonction est
précisément définie, et ceci spécifiquement pour
chaque couleur.
n L’action des fonctions attachées aux arcs amont est
plus délicate à interpréter que pour ce qui concerne
les arcs aval.

90
 Exercice
Les cinq philosophes:
n Soit une table circulaire sur laquelle sont posées cinq
assiettes et cinq baguettes entre les assiettes. Cinq
philosophes assis à cette table mangent et pensent
alternativement. Pour manger les philosophes
doivent s'emparer des deux baguettes de part et
d'autre de leur assiette. Lorsqu'ils se remettent à
penser, ils reposent leurs deux baguettes.
Initialement tous les philosophes pensent.

91
 Exercice
n Cas d’un seul philosophe

fourchette
fourchette

gauche
pense
droite

mange

1 philosophe

=> composition par mise en commun des fourchettes

=> fusion des places « fourchette droite » du philosophe N et « fourchette


gauche » du philosophe N+1 (modulo 5)

92
 Exercice

Philosophe 0
Philosophe 1
Philosophe 2
Philosophe 3
Philosophe 4

93
 RDP Coloré
n Les RdPC permettent une condensation de
l’information,

n Une couleur est une information attachée a un jeton.

n Dans les RdPC, les arcs ne sont pas seulement

étiquetés par le nombre de jetons mais par leurs
couleurs.

n Le franchissement d'une transition est conditionné

par la présence dans les places en entrée du
nombre de jetons nécessaires, qui en plus
satisfont les couleurs qui étiquettent les arcs.

94
 RDP Coloré
n Pour tout RdPC,, il convient de définir les différentes
couleurs des jetons.

n Pour toute représentation par RdPC, il convient de

définir les fonctions attachées aux arcs, en
précisant quelles transformations impliquent chaque
fonction vis-à-vis de chaque couleur.

n Lors de l’élaboration du RdPC, il faut également

spécifier pour quelle couleur chaque transition est
franchissable. Cette spécification peut être
conventionnellement portée sur le graphe, en regard
de chaque transition concernée.

95
 RDP Coloré
Définition formelle
n Un réseau de Petri coloré est un tuple CPN = (S, P,
T, A,N, C, G, E, I), ou :
Ø S est un ensemble fini de types non-vides, appelé des
ensembles de couleur,
Ø P est un ensemble fini de places,
Ø T est un ensemble fini de transitions,
Ø A est un ensemble fini d'arcs
Ø N est une fonction de couleur entre les nœud
Ø C est une fonction de couleur des places
Ø G est une fonction de garde
Ø E est une fonction d'expression d'arc
Ø I est une fonction d'initialisation,

96
 RDP Coloré -Résumé-
Les RdP colorés
• Les jetons sont « typés » par des couleurs.
• Le nombre de couleurs est fini.
• Ces réseaux permettent de représenter de manière
compacte des systèmes ayant des composantes aux
comportements identiques.

=> Différentes couleurs de franchissement associées à chaque

transition
– fonctions associées aux arcs
– couleur : par exemple un n-uplet
– disparition/création de couleurs par le franchissement de
transitions

97
 Solution ex 6 Td2

98
 Solution ex 6

99
 Solution ex7 Td2

100