Réseaux de Petri

Objectives :
• Introduction aux réseaux de Petri
• Modélisation des flux à l’aide des réseaux de Petri
• Analyse des modèles
Référence :
René David et Hassan Alla, Du grafcet aux réseaux de Petri
J.-M. Proth et X. Xie, Les réseaux de Petri pour la conception et la gestion des systèmes
de production, Masson
J.-M. Proth and X. Xie, Petri nets: a tool for design and management of manufacturing
systems, John Wiley & Sons
C. Cassandras and S. Lafortune, Introduction to Discrete Event Systems, Springer, 2007
1
 Plan

• Introduction aux réseaux de Petri

• Définitions formelles
• Modèles des réseaux de Petri
• Propriétés des modèles
• Méthodes d’analyse

2
2
Introduction aux réseaux de Petri

3
3
 Un système des deux produits

• Deux types P1 - P2 de produits sont fabriqués.

• Chaque produit nécessite deux operations.
• La première operation est faite par une machine commune.
• La seconde est faite par une machine dédiée.
• Au plus une unite de chaque type dans le système à tout
moment.
• Quand un produit est terminé, un nouveau produit du même
type est lancé en production.
Approche processus-ressources.
4
 Un système de deux produits
Modèle de processus

Objectif: modéliser le processus de fabrication de chaque produit, i.e.

tout état possible y compris l’attente
• Identifier les opérations et leur relation de précédence.
• Identifier les attentes pour les ressources.

5
 Un système de deux produits
Modèle de processus

• Process : P1, P2
• Ressource : M (machine commune)
• Machines dédiées ne sont pas de restrictives (?)
• Etapes des processus :
Step Meaning Res. Requirement
0 Prêt pour la prod. et attente de M
P1 1 Operation sur M M
2 Operation sur machine dédiée -
Step Meaning Res. Requirement
P2 0 Prêt pour la prod. et attente de M
1 Operation sur M M
6
2 Operation sur machine dédiée -
 Un système de deux produits
Modèle de processus

Associer à chaque processus un graphe état-transition.

Attente le début de prod p1 p4

t1 t4

Produits en operation 1 p2 p5

t2 t5

Produits en operation 2 p3 p6

t3 t6

7
 Un système de deux produits
Modèle de processus

• Objectif: modéliser le processus de fabrication de chaque produit.

• Inclure les éventuelles contraintes des encours.

Au plus une p1 p4

unite de chaque t1 t4

type dans le p2 p5

système à tout t2 t5
moment.
p3 p6

t3 t6

8
 Un système de deux produits
Modèle de ressource

• Objectif: modéliser les besoins en ressource + éventuelle priorité

p1 p4
Identifier
t1 t4
p7

p2 p5 • transitions où la
t2 M t5 ressource est
p3 p6
nécessaire
t3 t6
• transitions qui libèrent
la ressource
P1 P2

9
 Places et transitions

• Un réseau de Petri est un graphe

bipartie avec deux types de sommets :
places et transitions reliées par des
arcs orientés.
• Place = circle, transition = bar un
rectangle. p2 t2 p4 t4

• Un arc relie une place à transition ou p1

une transition à une place. t1 p3 t3 p5 t5

• Aucun arc direct entre les sommets du

même type.
• Places d’entrée (ot1: p1) ou de sortie
(t1o : p2, p3) d’une transition Pour chaque transition
Places d’entrée = pré-condition
• Transitions d’entrée (op1: t4, t5) ou Places d’entrée = post-condition
de sortie (p1o : t1) d’une place
 Jetons et marquage
Etat du système
Chaque place contient un nombre de jetons.
La distribution des jetons dans le réseau est
appelé marquage.
 
Representations d’un marquage:
• vecteur M = [m1, m2, …, mn] où mi = nb de M = [2,1,0,0,1]
jetons dans place pi
• explicite des localisation des jetons
M = 2p1p2p5
  
The marking of an PN = state of the
t4
corresponding system. p2 t2 p4

  p1

Etat initial = marquage inital, noté M0. t1 p3 t3 p5 t5

11
 Evolution par tirage des transitions

• Une transition est tirable (ou franchisable) si chacune de ses places

d’entrée contient au moin un jeton, i.e. pré-conditions vérifiées.
Une transition tirable can être tirée (ou franchie).
• Tirer une transition enlève un jeton dans chaque place d’entrée et
ajoute un jeton dans chaque place de sortie, i.e. désactiver les pré-
conditions et active les post-condition.
• Tirer une transition conduit à un nouveau marquage qui rend
d’autres transitions tirables.
• Comportement dynamique du système = evolution du marquage et
tirage des transitions

• Convention: tirage simultané des transitions interdit. 

Tirage = Franchissement (vocabulaires équivalents) 12

13
 Séquence de transitions

Une séquence de transitions triable consécutivement à partir d’un

marquage initial est dite tirable (franchissable).

La séquence de transitions n’est pas tirable unique.

L’ensemble des sequences tirables = Langage du réseau de Petri

Exemple: séquence t1t2t1t3

p2 t2 p4 t4

p1
t1 p3 t3 p5 t5

14
 p2 t2 p4 t4
Représentation par marquage?
p1
t1 p3 t3 p5 t5

t1 p2 t2 p4 t4

p1
t1 p3 t3 p5 t5
p2 t2 p4 t4

p1
t1 p3 t3 p5 t5

t3
t2
t4
t1
p2 t2 p4 p2 t2 p4 t4

p1 p1
t1 p3 t3 p5 t1 p3 t3
t5 p5 t5

15
Définitions formelles

16
 Réseau de Petri

Un réseau de Petri est un 5-uplet RdP = (P, T, A, W, M0) où:

P = { p1, p2, ..., pn} un ensemble fini de places

T = { t1, t2, ..., tm } un ensemble fini de transitions
A  (P×T)  (T×P) un ensemble d’arcs
W : A → { 1, 2, ... } une function de poids d’arc
M0 : P → { 0, 1, 2, ... } le marquage initial
P  T =  et P  T = 

Un réseau de Petri est dit ordinaire si w(a) = 1, a  A.

17
 Représentation graphique

 
Le poids est par défaut 1 et le poids est 1 si il n’est pas
représenté explicitement.

p2 t2 p4 t4

p1 2
t1 p3 t3 p5 t5

Seul poids
non unitaire 18
 Franchissement des transitions

Règle 1: Une transition t est tirable à un marquage M if M (p) ≥

w(p, t) pour toute place d’entrée p  ot où ot = ensemble des places
d’entrée de t, i.e. pré-condition = au moins w(p,t) jetons dans p.
Règle 2: Une transition triable peut être tirée ou non.
Règle 3: Tirer une transition t consiste à:
• enlever w(p, t) jetons dans chaque place d’entrée p
• ajouter w(t, p) jetons dans chaque place de sortie

M(t> M' denotes firing t at marking M

t tirage de transition t à partir du marquage

M 1 
M2 M1 et le nouveau margage M2
Franchissement des transitions

2 2 2 2

2 2

20
 Concepts de base

Transition de source: sans place d’entrée, i.e. ot = .

Transition de puit: sans place de sortie, i.e. to = .
Place de source: sans transition d’entrée, i.e. op = .
Place de puit: sans transition de sortie, i.e. po = .
Self-loop: un couple (p, t) où t est à la fois transition d’entrée et
de sortie
Chemin: une séquence des sommets s1s2…sn reliés par des arcs.
Circuit: un chemin fermé.
 Concepts de base

t5
Transition de source t5 p1
p6
Transition de puit t10 t1 t6 p0
Place de source p1 p2 p7

Place de puit p5 t2 t7
r1 r2
Self-loop p0t6p0 p3 p8
t3 t8
Chemin
p4 p9
p1t1p2t2p3p4t4p5
t4 t9
Circuit
p5 p10
t1p2t2p3t3r1t1
t10
 Matrices d’incidence

Pre incidence matrix:

 w  p, t  , if p  t
Pre  p, t   
0, otherwise

Post incidence matrix:

 w t , p  , if p  t 
Post  p, t  
0, otherwise

Matrice d’incidence : C = Post – Pre.

• Pre = pré-conditions des transtions

• Post = post-conditions des transitions
• C(., t) = bilan des jetons du tirage de transition t
 Matrices d’incidence

Exemple:
Pre = ???, Post = ???, C = ???

p2 t2 p4 t4

p1 2
t1 p3 t3 p5 t5
 Matrices d’incidence

Transition tirable: une transition t est triable à un marquage M

si
M ≥ Pre(●, t)
Tirage : Tirer une transition t à un marquage M conduit à
M’ = M + C(●, t)
Séquence de transitions: Tirer une séquence s = t1t2…tn de
transition à partir d’un

marquage M conduit à:
M '  M  C (1)


où est le vecteur de comptage indiquant le nombre de fois
chaque transition figure dans s.

Equation (1) est dire « équation d’état».

 Matrices d’incidence

Exemple:
Nouveau marquage après s = t1t5t2t3t5

p2 t2 p4 t4

p1 2
t1 p3 t3 p5 t5

Observe the state equation of s’ = t5t5t1t2t3. What conclusion?

Modélisation à l’aide des réseaux de
Petri
 Arrivée externe, demande et produits finis

t5
Transition de source t5 p1
p6
Arrivée externe
t1 t6
Transition de puit t10 p2 p7
Départ du système t2 t7
r1 r2
Place de source p1 p3 p8

Produits à fabriquer t3 t8
p4 p9
Place de puit p5
Produits finis t4 t9

p5 p10

t10
 Modèles courants

Relation de prédécence: Processus en parallèle:

parallel
End
Start process
start Activity1 Activity2 End

Processus alternatifs:
Synchronisation:
Alternattive Waiting
Start process End Sync

29
 Modèles courants

Stock tampon de capacité finie (4):

pv

P a r t a r r iva l
P a r t request

pb

FIFO system:

30
 Modèles courants

Ressources partagées:
Process with
Other Resource
Waiting for
Activities Resource

p1

p2

31
 Modèles courants

Machine dédiée: Machine commune:

32
 Modèles courants

Assemblage: Machines soumises à pannes:

pf
ou t pu t bu ffer
ca pa cit y
n
1
In pu t bu ffer

n pw pb
2

pr

33
 Blocs opératoires

Vue processus macroscopique

34
 Blocs opératoires

Vue brancardiers

35
 Blocs opératoires

Vue salle opératoire

36
Blocs opératoires
Vue infirmières

37
 salles Lits réveil
10
15
netoyage

chirurgie

Réveil en
anesthésistes SO
2

5
brancardiers

38
 Circuits des médicaments

Réapprovisionnement des armoires dans les services

39
 Circuits des médicaments

Dispensation nominative

40
 Circuits des médicaments

Vue transporteur (à pieds ou par tracteur)

41
Réseau de Petri de dispensation nominative
transporteurs
préparateurs
3 2
10

validation préparation

1
confirmation pharmaciens

42
 Collectes de sang

Contexte:
Une thèse de doctorat financée par EN3S et collaboration avec EFS St Etienne

Objectifs:
Développer des outils scientifiques pour
• modélisation et simulation des systèmes de collecte (fixe et mobile);
• aide à la détermination des capacités des collectes mobiles;
• optimisation des RDV d’un site fixe;
• planification annuelle des collectes mobiles

E. Alfonso, X. Xie, V. Augusto, O. Garraud, "Modeling and simulation of blood collection systems," Health Care
Management Science, vol 15/1, 63-78, 2012
E. Alfonso, X. Xie, V. Augusto, O. Garraud, " Modeling and simulation of blood collection systems: improvement
of human resources allocation for better cost-effectiveness and reduction of candidate donor abandonment," VOX
Sanguinis, 104, 225-233, 2013
E. Alfonso, V. Augusto, X. Xie, "Mathematical Programming Models for Annual and Weekly Bloodmobile
Collection Planning ", IEEE Transactions on Automation Science and Engineering, 12/1, 96-105, 2015
43
 Collectes de sang

Premier aperçu des processus de dons de sang:

44
Processus sur sites plasma plaquette
Sang total
fixes arrivée secrétaire

enregistrement
médecin
questionnaire
Prise
sang +
Abandon / Consultation exam
Infir. labo
Avis Yes / No
Machines
prélèvement dédiées

Fin prélèvement

observation

départ

45
Collectes mobiles (sang total seulement)
arrivée

enregistrement secrétaire

questionnaire

Hb test (grand nombre de nouveaux)

Abandon / Consultation médecin

Avis Yes / No

Machines prélèvement Infir.

Fin prélèvement

observation

départ
 Evaluation des systèmes d’information Hôpital-Ville

Contexte
• Projet pluridsciplinaire PREPS eSIS piloté par Centre Léon Bérard sur
l’évaluation des impactes des systèmes d’information hospitaliers (SIH) sur le
coût et la qualité des soins.
Objectif
• Dévélopper une approche système pour modélisation et évaluer l’integration des
SIH dans les parcours des soins
Approche
• Structuration et modélisation formelle des différents processus (parcours de soins,
flux d’information) et leurs interaction par UML et Réseaux de Petri
• Simulation TRES efficaces grâce à l’algèbre (max, +)
• Etude de coût-efficacité en combinant les résultats de simulation et micro-costing

47
 Hôpital-Ville

Modèle des réseaux de Petri

Info flow 3: imaging snapshot transmission

Info flow 2: imaging exam report

Info flow 1: prescription transmission

Consultation1 Patient care pathway RCP

48Inter-flow synchronisation mechanism

RCP = réunions de concertation pluridisciplinaire

 Hôpital-Ville

Sampled results

13 7.6
7.4
12.8
7.2
12.6
7
12.4 6.8
6.6
12.2
6.4
12 Consultation
Global workload 6.2
11.8 6
Paper FullHIS SemiHIS
Propriétés des modèles de
réseaux de Petri

50
 Atteignabilité
Marquage atteignable: Un marquage M est dit atteignable à partir d’un autre
M’ si il existe une sequence de transition tirable transformant M’ en M.
 
Ensemble atteignable: R(M0) = ensemble des marquage atteignable à partir
d’un marquage initial M0.
 
Atteignabilité est importante dans la vérification de l’atteignabilité de certain
état souhaité (fin de l’ensemble de produit) ou non souhaité (blocage,
collision).
p1 :

Exemple:
t1
R(M0) = {p1, p2, p3, p4} p2 t3

marquage M = p1p3 n’est pas atteignable. t2

p3

t4
t5

51 p4
 Bornitude

Une place p est dite k-bornée si le nombre de jetons dans p ne dépasse

jamais k.
 
Un réseau de Petri est dit k-borne si toutes ses places le sont.
 
Un réseau de Petri est dit borne si il est k-borne pour certain k.
 
Un réseau de Petri est dit sauf si il est 1-borné.
 
Bornitude est généralement une propriété necessaire pour les systems
bien conçus et il évite l’accumulation sans limite des produits (ou
demandes).

52
 Bornitude

p p

p'

53
 Vivacité

Une transition t est dite vivante si elle reste toujours tirable quelque soit
le marquage atteignable atteint M, i.e. il existe une séquence de
transitions tirable et contenant t.

Un réseau de Petri est dit vivant si toutes ses transitions le sont.

 
Une transition est dite quasi vivante si elle peut être tiré au moins une
fois, i.e. il existe une séquence tirable et contenant t en partant du
marquage.

Un réseau de Petri est dit quasi vivant si toutes ses transitions le sont.

Un marquage M est un blocage si aucune transition n’est tirable à M.

Un réseau de Petri est dit sans blocage si il ne contient pas de blocage.  

  54
 Vivacité

• La vivacité implique l’absence de blocage total ou partiel et est souvent

exigé pour les système bien conçus. Mais la réciproque est fausse.
• Les blocages sont généralement conséquence de partage de ressources et/ou
synchronisation des processus parallèle.
• Mononicité de vivacité fausse et mettre plus de ressources peut dans
certain cas provoquer le blocage. Ex : PN2 avec une R1 est vivant et PN1
avec 2 R1 est avec blocage. S1 S2
S1 S2 R1
R1

PN1 R2
R3
PN2 R2 R3

55
 Réversibilité

Un réseau de Petri (N, M0) est dit réversible si il est toujours possible de
revenir au marquage initial
 
Un maquage M* est dit état d’accueil si il est toujours possible de
l’atteindre.
 
La réversibilité permet de revenir à un fonctionnement « normal » même
en présence des perturbations ou pannes.

Le concept « état d’accueil » permet de vérifier la bonne terminaison des

processus (toutes productions prévues sont terminées).

La réversibilité implique l’existence des états d’accueil mais la

réciproque est fausse.
 
56
 Réversibilité

p1
p1

t1 p2 t3
t1
p2 : t3

t2 p3
t2 p3
t4 t4
t4 t4 t5
t5
p4 p5:
p4 p5: mach free but not usable

Réversibilité, vivacité et bornitude sont des propriétés

indépendantes

57
Méthodes d’analyse

58
 Arbre d’atteignabilité

Definition: L’arbre d’atteignabilité, aussi dit graphe de marquage, est

d’un graphe où
• chaque sommet correspond à un marquage atteignable et chaque
marquage atteignable est représenté par un seul sommet;
• chaque arc correspond à une transition tirable.
Exemple:
t1 t2 t2
p1 p2
[0, 1] [0, 0]
M0 M1

t2
p1 [0, 2]
[1, 1] t1 M1
t2 M0 t2
t1 p2
[2, 0]
t1 M2

t1 t2 t1 t1
p1 p2 [1, 2]
[1, 0] [1, 1]
M2 •••
M0 M1 t2
t2
 Arbre d’atteignabilité

Théorème (bornitude) :
Un réseau de Petri est borné si et seule si (ssi) l’arbre d’atteignabilité est
fini.
 
Théorème : Pour un RdP borné,
• il est sans blocage ssi l’arbre d’atteignabilité n’a pas de sommet de
puit.
• Il est réversible ssi l’arbre d’atteignabilité est fortement connexe (on
peut aller d’un sommet qqc à un autre).
• Une transition t est vivante si elle figure dans toute composante
fortement connexe fermée (sous-graphe fortement connexe).
 

60
 Arbre d’atteignabilité

RdP1 RdP2

p1 p4 p1 p4
t1 t4 t1 t4
p7
r1 r2
p2 p5
p2 p5
t2 t5
t2 t5
p3 p6
p3 p6
t3 t6

t3 t6

61
 p-invariants

Définition:
• Un p-variant est un vecteur X associant à chaque place un entier non
négatif tel que X C = 0 où C est la matrice d’incidence.
• Un p-invariant X est dit minimal s’il n’existe pas un autre p-invariant X’
tel que X' ≤ X.
P-invariants
C=
Exemple: t1 t2 t3 t4 t5 t6 X1 = [1,1,1,0,0,0,0]
p1 p4
p1 -1 1 X1 = p1p2p3
t1 t4
p7 p2 1 -1 X2 = [0,0,0,1,1,1,0]
p2 p5 p3 1 -1 X2 = p4p5p6
t2 t5
p4 -1 1 X3 = [0,1,0,0,1,0,1]
p5 1 -1 X3 = p2p5p7
p3 p6
p6 1 -1
X4 = p12p2p3p5p7
t3 t6 p7 -1 1 62 -1 1
X4 = X1+X2
 p-invariants

Théorèm (Th1): X est un p-invariant ssi Xt M = Xt M0, pour tout marquage

initial M0 et tout marquage atteignable M, i.e. somme pondée par X du
marquage reste constante.
Théorème (Th2) : Combinaisons non négative des p-invariants reste p-
invariant.

 
p1 p4
P-invariants
t1 t4 X1 = p1p2p3 : somme des jetons dans p1p2p3 = 1
p7
X2 = p4p5p6 : somme des jetons dans p4p5p6 = 1
p2 p5
X3 = p2p5p7 : somme des jetons dans p2p5p7 = 1
t2 t5
=> Le RdP est sauf
p3 p6 Combinaison des p-invariants:
t3 t6 X4 = X1+X2 = p12p2p3p5p7

63
 p-invariants

p-invariant dans les systèmes de processus-ressources :

• p-invariant ressource = les différents états de chaque ressource;
• p-invariant process = les différentes étapes de chaque process
sous contraintes des encours
Facilement identifiable par inspection 
T1 T2 p-invariant ressource:
X1 = p7(libre)p2(travaille T1)p5(travaille T2)
p1
res. p4
X1 = p7p2p5
t1 t4
p7
p-invariant process T1
p2 p5
X2 = p1p2p3
t2 t5
p-invariant process T2
p3 p6 X3 = p4p5p6
t3 t6 64
 p-invariants

p-invariants = différentes vues du systèmes

T1 T2 Vue Vue
process T1 process T2
p1 res. p4 Vue
t1
p7
t4 ress.
p2 p5

t2 t5

p3 p6

t3 t6

65
 p-invariants

Exemple :
Détermination des p-invariants par inspection et modèles des différentes
vues.
  S1 S2
R1

R2 R3

66
 t-invariants

Définition:
• Un t-invariant est un vecteur associant à chaque transition un entier non
négatif tel que CY = 0.
• Un t-invariant Y est dit minimal s’il n’existe pas un autre t-invariant Y’
tel que Y' ≤ Y.
t-invariants
C=
t1 t2 t3 t4 t5 t6 Y1 = [1,1,1,0,0,0]
p1 p4
p1 -1 1 X1 = t1t2t3
t1 t4
p7 p2 1 -1 Y2 = [0,0,0,1,1,1]
p2 p5 p3 1 -1 Y2 = t4t5t6
p4 -1 1
t2 t5
p5 1 -1
p3 p6
p6 1 -1
t3 t6 p7 -1 1 67 -1 1
 t-invariants

Théorème: Le vecteur de comptage de toute séquence de transitions

ramenant M0 à M0 est un t-invariant, i.e. t-invariant = processus à répéter.
 
t-invariant dans les systèmes de processus-ressources :
• t-invariant process = les différentes étapes de chaque process à répéter
Identifiable par inspection par suppression des places de ressources
 
T1 T2 t-invariant process T1
p1 p4 Y1 = t1t2t3
t1
p7
t4
t-invariant process T2
p2 p5 Y2 = t4t5t6
t2 t5

p3 p6

t3 t6 68
 t-invariants

Exemple:
 

S1 S2
R1

R2 R3

69
 Siphons et trappes

Un siphon est un ensemble de places tel que chaque transition d’entrée

d’une place est transition de sortie d’autre place.

Une trappe est un ensemble de places tel que chaque transition de sortie
d’une place est transition d’entrée d’autre place.

then if
if
then

Siphon
Trap

70
 Siphons et trappes

Théorème: Pour tout réseau de Petri ordinaire,

• Un sphon privé de jeton reste sans jeton;
• Un trappe ayant un jeton à un marquage reste marquee;
• Les places non marquees à un marquage de blocage est un siphon;
• Un réseau de Petri est sans blocage si aucun siphon ne peut être vidé de
ses jetons.

then if
if then

Siphon
Trap
71
 Siphons et trappes

Blocage d’un système de process-ressource

=
Existance de chaine mortelle (P1 attends rB pour libérer rA, P2 attends rB
pour libérer rC, P3 attend rA pour libérer rC) où P* = process, r* = ressource

Un siphon douteux (pouvant être vidés de jetons) contient au moins deux

places de ressources
t1 t1
R1 p1 R1 p1 Chaine mortelle:
n2
n1
Cas n1 • Produits dans p1 attendent
t2 = n2+n3 t2 R3 pour libére R2
R3 R2 R3 R2
p2 p2 • Produits dans p2 attendent
n3 n2 n3
n3
R2 pour libérer R3
t3 t3
Siphon douteux:
p3 p3
• S = R3R3p3
72
t4 t4
 Siphons and traps

Stratégies d’évitement de blocage

Par conception des Par contrôle des produits
processus rendant entrant dans le système
impossible les chaines évitant la formation des
mortelles chaines mortelles

R1

n1
R1
R3 R2
Lançant en
n3 n2 production au
R3
R2
plus n2+n3-1
produits
p3

73
 Propriétés structuelles

Bornitude structurelle
Un RdP est dit structurellement borné s’il est borne quelque
soit le marquage initial.
 
Critères:
• Condition suffisante: Un RdP est structurellement borné si
chaque place est couvert par un p-invariant. On dit alors
un RdP conservatif.
• Condition nécessaire et suffisante : il existe un vecteur X > 0
associant à chaque place un entière positif tel que XTC ≤ 0.
74
 Propriétés structuelles

REPETITIVITE
Un RdP est dit répétitif s’il existe un marquage initial M0 et une
sequence tirable contenant chaque transition un nombre infini de
fois.

Critères:
• Condition suffisante: un RdP est répétitif si chaque transition est
couvert par un t-invariant. On parle alors de RdP consistant.
• Condition nécessaire et suffisante: il existe un vecteur Y > 0
associant à chaque transition un entière positif tel que CY ≥ 0.
 Propriétés structuelles

En pratique, la bornitude se réduit

S1
R1
S2
au conservativisme.

R2 R3 La consistance et le
conservativisme sont nécessaire
pour la vivacité et la réversibilité.
Malheureusement, ils ne sont pas
suffisants.

76
 Sujets non abordés

Réseaux de Petri temporisés ou temporelles

Réseaux de Petri colorés ou de haut niveau

Contrôle des réseaux de Petri

Synthèse des modèles de réseaux de Petri

77