Précédent : Fondements scientifiques Remonter : Fondements scientifiques Suivant : Synthèse de la commande des
Précédent : Fondements scientifiques Remonter :
Fondements
scientifiques Suivant : Synthèse de la commande des
Mots clés : système industriels, systèmes à événements discrets, modélisation en entreprise, modélisation comportementale, synthèse de commande, réseaux de Petri .
Participants : Gülgün Alpan-Gaujal, Giuseppe Berio,
François Vernadat, Xiaolan Xie.
La modélisation est indispensable pour la compréhension et l'analyse des phénomènes mis en jeu dans les systèmes industriels. La conduite de tels systèmes repose également sur l'utilisation de modèles. Ces modèles doivent rendre compte de la structure et du comportement du système et permettre l'analyse de ses propriétés qualitatives et quantitatives. Nous considérons deux types de modélisation : la modélisation en entreprise qui est relative à l'expression des besoins et la modélisation comportementale qui est relative à la spécification des propriétés du système.
Les techniques de modélisation en entreprise [Be96,Pet93,Ver96]sont relativement récentes et les premiers outils informatisés font leur apparition sur le marché (ARIS ToolSet, FirstSTEP, IBM FlowMark, PrimeObject...). Il s'agit de méthodes descriptives visant à fournir une aide à la conception, l'analyse et la réorganisation d'environnements industriels. A l'instar de l'approche CIMOSA[AMI93], acceptée par les comités de normalisation tant européen (CEN) qu'international (ISO), toutes ces méthodes placent la notion de processus opérationnel (ou business process) au coeur de leur démarche, les outils étant pour la plupart bâtis autour d'un système de workflow et d'un moteur de simulation. A ces aspects de modélisation fonctionnelle s'ajoutent des aspects de modélisation des systèmes d'information, des ressources (techniques ou humaines) et de l'organisation du système industriel. Le but est de modéliser, dans le langage de l'utilisateur, d'une part l'architecture du système physique (partie opérative) et d'autre part l'architecture du système de commande et d'information (partie commande) du système industriel tout en prenant en compte le rôle des hommes et de leurs interactions[Wil92,Sch96]. L'inconvénient majeur des méthodes et outils actuels est que ceux-ci reposent sur une vision trop algorithmique et déterministe des processus d'entreprise. Dans MACSI, nous cherchons à étendre ces approches pour prendre en compte plus d'indéterminisme et des mécanismes de gestion d'exception pour une modélisation plus fidèle et plus réactive du comportement des systèmes réels.
La modélisation comportementale consiste à modéliser un système de production en représentant le processus de fabrication de chaque produit, le comportement dynamique de chaque ressource et les différentes contraintes techniques à un niveau analytique [BS92a]. Une caractéristique importante des systèmes de production est l'omniprésence des aléas tels que les pannes, les retards de livraison des matières commandées, les demandes exceptionnelles, l'absentéisme du personnel, etc. Pour cela, on considére un système de production comme un système dynamique à événements discrets[Ho92]. Les formalismes les plus connus de représentation des systèmes à événements discrets sont les automates, les réseaux de Petri[DA92,DHP+93], les state-charts[Har87], les processus communicants de type CSP[Mil80,Hoa85,IV88a] ou utilisant les logiques temporelles [OW90a,MP92].
Dans MACSI, nous avons opté pour les réseaux de Petri à cause de leur simplicité d'utilisation, leur puissance de modélisation et les nombreux outils existant pour la vérification de leurs propriétés[Mur89]. Dans des travaux antérieurs, il a été montré que les systèmes de production répétitifs peuvent être représentés aisément à l'aide des graphes d'événements, une classe élémentaire de réseaux de Petri[PX94]. La vérification des propriétés est aisée grâce à de nombreuses propriétés des graphes d'événements. Il a également été proposé de nouveaux réseaux de Petri, appelés les réseaux de Petri à sorties contrôlables, qui possèdent toutes les propriétés souhaitées du point de vue des systèmes de production et qui peuvent être utilisés comme briques de construction pour bâtir des modèles de taille importante de façon incrémentale[WX96]. En effet, l'expérience montre qu'il est difficile, voire impossible, de construire le modèle complet d'un système puis d'analyser ses propriétés à cause de la taille prohibitive du modèle final. Il faut alors avoir recours à des approches modulaires. Une approche modulaire consiste à identifier les modules de base ou les composants d'un système complexe, à représenter chaque module à l'aide des réseaux de Petri, et à intégrer les modèles des modules pour obtenir le modèle final. A ce titre, des expériences sont menées pour développer une approche qui représente le comportement dynamique de chaque ressource à l'aide d'une machine à états, puis construit le modèle complet du système en fusionnant les transitions et les places communes des différentes machines à états[JX97].