Introduccin a las RdP

Seminario sobre toma de decisiones en logstica y cadenas de

suministro

Optimizacin basada en
redes de Petri

Redes de Petri

https://belenus.unirioja.es/~emjimene/Optimizacion/Transparencias.pdf
evoluciones paralelas y
concurrencia en Sistemas
Dinmicos de Eventos
Discretos (SDED)

Grupo de Modelado, Simulacin y Optimizacin.

Universidad de La Rioja.

Familia de
formalismos:
Paradigma

yModelado
ySimulacin
yAnlisis
ySntesis
yImplementacin

Tcnicas de anlisis formal

Emilio Jimnez
Juan Ignacio Latorre

yNiveles
- elemental
- lugar/transicion
- coloreadas
- predicado/transicion
yInterpretaciones
- temporizadas
- estocsticas

Abril 2006

yExploracin del espacio de estados

yReduccin del modelo
yTcnicas basadas en grafos
yProgramacin lineal
....
2

Introduccin a las RdP

Grafo bipartido directo

RdP
N = <P,T,Pre,Post>
mo

Tipos de sistemas

- lugares
- transiciones
- arcos
- marcas

Son objeto de estudio:

Sistemas dinmicos de eventos discretos
modelados por medio de Redes de Petri.
Paralelismo.
Concurrencia:

Ecuacin de
estado:
m = mo + C

Competencia por recursos (conflictos

Colaboracin (sincronizaciones).

toma de decisiones).

Ejemplos:
2

2
Disparo

1
1
1

2
3
0

Sistemas de produccin industrial.

Sistemas logsticos (redes de suministro).

+ -1 1
-2
1

Tipos de problemas

Tipos de problemas: complejidad

Casos sencillos/primera aproximacin:

Obtencin del modelo ptimo de un sistema

Programacin lineal.

Casos complejos:

Optimizacin del marcado

Explosin de estados.
Problemas NP.

Reduccin del rbol de cobertura:

Toma de decisiones ptima:

Propiedades de las RdP.

Branch and Bound (ramificar y acotar).

Asignacin de tareas a recursos productivos

Secuencia de disparos de transiciones
Control de un sistema de eventos discretos

Exploracin parcial del rbol de cobertura.

Heursticas: tcnicas aproximadas.

Obtencin del modelo ptimo

Anlisis de propiedades cualitativas:

Obtencin del modelo ptimo

Vivacidad:

Deteccin de interbloqueos.

Limitacin:
Acotacin del marcado en los lugares.
Redes binarias (mximo una marca por lugar).

Ciclicidad.
Conflictos:
Deteccin de incertidumbres en el disparo de transiciones.

Invariantes:
Componentes conservativas.
Secuencias de disparo repetitivas (comportamiento cclico).

Bloqueos.
Cerrojos y Trampas.

Anlisis de propiedades cuantitativas:

Marcado medio.
Tiempo medio.
Throughput.
...

Tcnicas:

Representacin del grafo de marcados alcanzables.

lgebra lineal.
Reduccin de la RdP conservando ciertas propiedades.
Fluidificacin.

Ejemplo de optimizacin
modelo-marcado

Optimizacin del marcado

Modelo ptimo
(M1o=7)

Problema del marcado inicial/final.

Determinar marcado inicial/final mnimo para cierto
vector caracterstico (secuencia de disparos).

Problema de alcanzabilidad:
Determinar el vector caracterstico que permite la
evolucin de un sistema entre dos marcados.
Tcnicas deterministas.
Tcnicas no deterministas.

Ejemplo de optimizacin
modelo-marcado
Modelo ptimo
(M1o=7)
Thr.t5

1-3

24/60

4-5

27/60

28/60

7-8

30/60

9-10

32/60

Marcado Inicial

Thr.t5

1-3

24/60

4-5

27/60

28/60

7-8

30/60

9-10

32/60

p
m1o 1
2

t1
t5

Marcado Inicial

Solucin.

Tim 2

Tim 2

m1o

t5
Control del disparo
(toma de decisiones)

M1o

Thr.t5

M1o

Thr.t5

0.20

0.20

0.15

0.33

0.35

0.35

4+2n

0.20

0.48

5+2n

0.40

0.50

6...

0.53

M1o

Thr.t5

M1o

Thr.t5

0.20

0.20

0.15

0.33

0.35

0.35

4+2n

0.20

0.48

5+2n

0.40

0.50

6...

0.53

Propiedades de las RdP.

Bloqueos, invariantes, etc.

p3

Exploracin parcial del rbol de cobertura.

Heursticas: tcnicas aproximadas.

t3

t3

Branch and Bound.

p2
10 u.t.

p4

t4

Algoritmo A*.
Recocido Simulado.
Bsqueda Tab.

Inteligencia artificial:
Algoritmos genticos.

p3
2

Reduccin del rbol de cobertura:

t2

m1o

Combinacin de tcnicas:

p1

3 u.t.

Control del disparo

(toma de decisiones)

p5

10 u.t.

Toma de decisiones

t1

p2

t2

3 u.t.

p4

t4

Ejemplo de sistema de fabricacin

Ejemplo de sistema de fabricacin

Mquina 2

Cinta transportadora B

Piezas
terminadas
de tipo 2

Piezas de tipo B
Cinta transportadora A
Manipulador

Piezas de tipo A

Piezas
terminadas
de tipo 1

2
2

Maquina 1

Lugares

Transiciones

Arcos

Cinta de piezas de tipo A

Cinta de piezas de tipo B

Manipulador

Mquina 1

Mquina 2

Piezas tipo A

Piezas tipo B

Toma de decisiones

Decisin 1: coger pieza A o B

Conflicto:
Un lugar tiene arcos de salida hacia dos (o
ms) transiciones diferentes.
Las transiciones pueden estar sensibilizadas
simultneamente.
Marcado insuficiente para disparar todas.
Qu transicin disparar?
Decisin

Se decide coger
pieza de tipo A

Se decide coger
pieza de tipo B

Cul es la mejor decisin?

Buscar la solucin ptima.

Decisin 2: dejar pieza en M1 o M2

Planteamiento del problema

Determinar la secuencia ptima de decisiones:

Se decide dejar
la pieza A en M1

Cantidad y tipo de piezas fabricadas.

Secuencia de fabricacin.
Secuencia de disparo de transiciones (decisiones).
Se decide dejar
la pieza A en M2

Objetivo:
Maximizar la funcin de beneficio en n pasos.
Beneficio = 3 np1 + 4 np2
Siendo p1 = 2 pA + pB; p2 = pA + 2 pB

Restricciones:
Un solo robot.
Capacidad de almacenamiento limitada en cada mquina.
No hay restriccin de costes de produccin.

1. Exploracin del rbol de

cobertura
Tipo de algoritmo:
Recursivo.

Tcnica de reduccin de la bsqueda:

Poda de ramas:
Bloqueos (transiciones no sensibilizadas).
Nodos que carecen de descendencia (marcado constante).

Resultados

1 pieza terminada M1.

3 piezas terminadas M2.

Resultado obtenido:
ptimo.

Coste computacional:
Elevado por la explosin de estados.

Se obtiene una secuencia de decisiones.

Resultados

2. Algoritmo de Branch and Bound

Tipo de algoritmo:
Heurstico.

Tcnica de reduccin de la bsqueda:

Se exploran j pasos completos.
A partir del paso j se podan las ramas de menor beneficio.
Referencia: mejor mximo local encontrado.

Resultado obtenido:
Bueno, en ciertos casos ptimo.

Coste computacional:
Muy inferior.

Lmite computacional:
Recursividad (500 anidamientos).

Exploracin tras 26 pasos.

Nodos explorados: 3,49 millones.
Tiempo: 30 minutos.
Resultado ptimo: 15

Exploracin tras 26 pasos.

Nodos explorados: 31.
Tiempo: 0,03 segundos.
Resultado obtenido: 12 (80% del ptimo)
3 piezas terminadas M2.

Secuencia de decisiones obtenida.

3. Anlisis de la secuencia de
disparos
Objetivo:
Encontrar secuencias repetitivas en el vector
de disparos que conduzcan a ptimos.
Encadenar dichas secuencias para obtener
ptimos en evoluciones largas de la RdP.

Resultado obtenido:
Bueno, en algunos casos ptimo ( NGEN).

Coste computacional:

Secuencias de disparos

NGEN=8, np1=0, np2=1

[00001000]

NGEN=15, np1=0, np2=2

[000010000001000]

NGEN=22, np1=0, np2=3

[0000100000010000001000]

Secuencia repetida:
[0000100]

Muy reducido.

Anlisis de la secuencia

Resultados
Comparacion de resultados
16

14

12
Funcion de beneficio

Secuencia repetida: [0000100]

Coger pieza B
0
0
Dejar en mquina 2
0
Coger pieza B
Produccin de pieza de
tipo 2 (requiere 2 piezas
0
Dejar en mquina 2
de tipo B y una de A)
1
Coger pieza A
0
Dejar en mquina 2
0
Espera a M2 (posible ineficiencia)

Heuristica
Secuencia 1
Optimos

10

4
14

16

18

20
22
24
Pasos (disparos de transiciones)

26

28

30

4. Anlisis de la RdP

Secuencia propuesta

Objetivo:
Encontrar secuencia de asignacin de tareas
que evite las esperas.
Encadenar dichas secuencias para obtener
ptimos en evoluciones largas de la RdP.

Resultado obtenido:
Excelente ( NGEN), en ciertos casos ptimo.

Coste computacional:

Cargar A+B+B en M2.

p2
Cargar A en M1. (se elimina la espera)
Cargar A+B+B en M2.
p2
Cargar A en M1. (se elimina la espera)
Cargar A+B+B en M2.
p2
Cargar B en M1.
p1

Muy reducido.

Resultados

Resultados
Comparacion de resultados

Comparacion de resultados

350

60

Heuristica
Secuencia 1
Secuencia 2

Heuristica
Secuencia 1
Secuencia 2
300
50

250

Funcion de beneficio

Funcion de beneficio

40

30

200

150

20
100

10

0
20

50

0
30

40

50
60
70
Pasos (disparos de transiciones)

80

90

100

50

100

150

200
250
300
Pasos (disparos de transiciones)

350

400

450

500

Optimizacin del modelo

Clculo de los P-invariantes: xi
(componentes conservativas: P(xi))
Conjunto de lugares tales que la suma
ponderada de sus marcas es constante.
Existen 7, asociados a:
Cintas transportadoras, 2 (presencia de pieza).
Robot, 1 (recurso compartido).
Mquinas, 4 (huecos para piezas)

Clculo de los T-invariantes

Componentes repetitivas T(s).
Secuencia de disparo de transiciones que
hace evolucionar al sistema entre dos
marcados iguales.
Existen 2, asociadas a:
Fabricacin de pieza de tipo 1.
Fabricacin de pieza de tipo 2.

Todas las transiciones pertenecen a una

de las dos T(s).

Clculo de los P-invariantes

Todos los lugares pertenecen a algn
P(xi).
La red de Petri es conservativa.
El marcado en todos los lugares est
acotado.
La red de Petri es 2-limitada para el
marcado inicial propuesto.

Clculo de los T-invariantes

La red de Petri es consistente.
Estrategia de produccin:
La combinacin de fabricaciones de piezas
de tipo 1 y 2 es una secuencia repetitiva.

Anlisis de la vivacidad

Analisis de vivacidad

Red no viva.
Situaciones de bloqueo:
Decisin de cargar una mquina con ms
piezas de un tipo de las que puede admitir y
sin suficientes del otro tipo para trabajar.
La mquina est bloqueada.
El manipulador est bloqueado.

Anlisis de vivacidad

Anlisis de vivacidad

Anlisis de la vivacidad

Optimizacin de modelos complejos de RdP

Mejora de soluciones ptimas existentes.

Posibles soluciones:
Modificar la instalacin fsica.
Aumentar capacidad de almacenamiento.
Esta opcin no garantiza una estrategia productiva
adecuada.

Establecer un control del disparo de

transiciones eficiente:

Aplicacin de diferentes heursticas no

deterministas y basadas en inteligencia artificial.

Integracin de tcnicas.
Desarrollo de un sistema adaptativo.
Respuesta a perturbaciones (cambios en las
condiciones del problema).

Toma de decisiones.
Toma de decisiones optimizada.

Seminario sobre toma de decisiones en logstica y cadenas de

suministro

Optimizacin basada en
redes de Petri
https://belenus.unirioja.es/~emjimene/Optimizacion/Transparencias.pdf

Grupo de Modelado, Simulacin y Optimizacin.

Universidad de La Rioja.
Emilio Jimnez
Juan Ignacio Latorre

Lneas de investigacin

Abril 2006